BANCHE E ASSICURAZIONI, LA STRADA È ANCORA LUNGA
Ruoli, policy e modalità di funzionamento sono state declinate. Ora, Data Governance e Data Quality devono diventare parte integrante dei processi aziendali per generare valore
02/03/2016
Secondo una ricerca Cetif del 2015, ancora non esistono best practice condivise, espresse dalle banche e dalle assicurazioni, in tema di governo dei dati. Tra le motivazioni, il fatto che nessuna delle linee guida esistenti sia specificatamente orientata a essere applicata nel contesto bancario/assicurativo (né tantomeno a quello italiano, in ottica di compliance alla circolare 263 e a Solvency II) e nessuna di esse è orientata all’applicazione operativa.
In via generale, dall’indagine svolta dal Competence centre del Cetif, denominata Data governance, linee guida operative e tecniche per il governo della qualità dei dati, emerge che le Istituzioni indagate hanno predisposto, nel rispetto delle normative, modelli di data governance: mediamente, le policy interne sono operative, i principali ruoli all’interno del processo sono stati formalmente individuati e le logiche e modalità di funzionamento sono stati declinati in processi mappati e documentati.
Il primo passo, dunque, è stato fatto, ma considerando che la data governance e la data quality sono indispensabili a prescindere dall’adempimento normativo, ulteriori sforzi dovranno essere attuati affinché queste due strutture diventino parte integrante del business.
I PASSI DA COMPIERE
Per raggiungere questo obiettivo, sono stati individuati alcuni presupposti indispensabili: l’elaborazione dei dati e la conseguente qualità non devono essere presi in considerazione solo da una singola unità organizzativa ma devono essere considerati parte integrante del business; i dati devono essere trattati come risorse strategiche; ognuno, all’interno dell’organizzazione, dovrebbe avere un ruolo e una responsabilità nei confronti dei dati.
La ricerca ha anche permesso di schematizzare il framework di sistema di governo, condiviso dalle istituzioni indagate e basato sulla distinzione di due macrocategorie: data governance, che racchiude quella strategica e operativa; e data quality management, che comprende il data quality-business e la data quality-tecnologica.
In sintesi, per generare valore per il business d’impresa e integrare la data governance in tutti i processi aziendali, è necessario che i ruoli, le responsabilità e i processi individuati dal framework, in termini sia di data governance strategica sia di data governance operativa, diventino permanenti all’interno dell’organizzazione, in un’ottica di miglioramento continuo.
LE LINEE GUIDA (ESISTENTI) INDIVIDUATE DA CETIFDoD (Department of defense americano) – Guidelines on data quality management;Eurostat – Handbook on data quality assessment methods and tools;Stanford University – Data governance maturity model;Dama – Dictionary of data management;Banca Centrale Europea – Quantitative quality indicators for statistics, an application to - Euro area balance of payment statistics
© RIPRODUZIONE RISERVATA
👥
