Data Strategy: il Data Domain Maturity Index

All’interno della data strategy di Cerved abbiamo individuato la necessità sempre maggiore di misurare lo “stato di salute” dei data asset. Questo aspetto diventa sempre più importante in relazione al paradigma di data-centric AI e ai nuovi adempimenti normativi come l’AI Act. In Cerved abbiamo quindi creato uno strumento, il Data Domain Maturity Index (DDMI), per valutare il grado di maturità, attraverso una valutazione oggettiva, dei diversi domini di dati all’interno dell’organizzazione. Questi domini possono essere definiti come un insieme di dati correlati a una specifica area funzionale, come ad esempio le persone fisiche, le imprese o gli immobili.

Il DDMI valuta i domini di dati in base a diverse dimensioni e criteri che possono includere: la qualità dei dati, le pratiche di data governance, la gestione del ciclo di vita dei dati, la conformità normativa e la sicurezza dei dati, l’accessibilità e l’usabilità dei dati, la gestione dei metadati, la documentazione e altri aspetti correlati alla gestione dei dati.

L’obiettivo è misurare in modo oggettivo, chiuso e codificato il livello di maturità attuale di ciascun dominio di dati e identificare le aree di miglioramento necessarie per raggiungere un livello più elevato.

Il Data Domain Maturity Index consente all’organizzazione di ottenere una visione chiara e obiettiva dello stato attuale della gestione dei dati e di identificare le azioni e gli investimenti necessari al suo miglioramento. Fornisce una base per lo sviluppo di un piano strategico per la gestione dei dati e per monitorare i progressi nel tempo.

Il ciclo di vita del DDMI è così composto:

– Definizione dei criteri di valutazione: identificare i criteri chiave che saranno utilizzati per valutare il livello di maturità di ciascun dominio di dati e costruire un modello che fotografi fedelmente la realtà, applicando criteri di valutazione oggettivi, chiusi e codificati.

– Individuazione dei domini dati: identificare i cluster in cui raggruppare i dati, con il supporti di data owner e business owner per creare domini chiari, ben definiti e coerenti sia al loro interno sia nei confronti degli use case e delle erogazioni dei dati.

– Calcolo del DDMI: calcolare il valore del Data Domain Maturity Index per ciascun dominio di dati.

– Interpretazione dei risultati e identificazione delle azioni di miglioramento: analizzare i valori ottenuti per ciascun dominio di dati e interpretarli in relazione al livello di maturità.  Questo è possibile mediante il coinvolgimento di tutte le figure aziendali che operano sui domini dati. In questa fase è importante identificare le aree in cui i suddetti possono essere migliorati, tramite l’implementazione di politiche e procedure aggiuntive, l’adozione di nuovi strumenti e tecnologie, l’aggiornamento dei controlli di qualità dei dati, l’ampliamento dei programmi di formazione, etc.

– Monitoraggio e iterazione: monitorare i progressi nel tempo e iterare il processo di misurazione del DDMI periodicamente per valutare il miglioramento, apportando, dove necessario, ulteriori modifiche o aggiustamenti. In questa fase, laddove si presentasse la necessità, è possibile fare evolvere il modello, aggiungendo indicatori se o aggiornandone gli strumenti di misurazione.

Cerved ha stabilito di misurare la maturità dei domini dati sulla base di cinque metriche:

1) Data Quality Index: misura aggregata di completezza, accuratezza, attendibilità e consistenza dei dati;

2) Data Coverage Index: misura della copertura del data domain, nel senso di numerosità di alcuni record con caratteristiche ben definite, variabili a seconda delle specificità del dominio;

3) Data Cybersecurity Index: misura del livello di sicurezza dei dati, intesa come sicurezza tecnologica, rispetto delle normative (es. GDPR) e processi di accesso ai dati;

4) Data Accessibility Index: misura della qualità delle interfacce automatiche di accesso al dato;

5) Data Interoperability Index: misura dell’interoperabilità del dato, cioè la facilità di correlazione delle varie componenti del data domain.

La misurazione di ognuna di queste cinque metriche può essere fatta mediante due modalità:

– tramite gli assesment per gli indicatori qualitativi, che sono impostati in modo chiuso e codificato, cosicché sia sempre previsto un insieme di risposte chiuse, ciascuna con un valore definito e univoco. Ogni risposta, con un suo peso, viene trasformata in un valore numerico che compone lo score;

– tramite le procedure automatiche per gli indicatori quantitativi, che devono avere accesso diretto ai dati e calcolano gli indicatori a partire da essi.

Il modello Data Domain Maturity Index assume ancora maggiore importanza in virtù dell’adozione in ambito europeo dell’AI Act la cui applicazione è prevista in futuro prossimo. Nella proposta legislativa europea assumono particolare rilevanza gli aspetti di monitoraggio della qualità dei dati e della sicurezza di dati e algoritmi, permettendoci così di fare sinergia tra i due modelli.