Articolo di Gabriele Patrizi - Novembre 2025
Con “Big Data” ci si riferisce a una vasta raccolta di dati eterogenei provenienti da diverse fonti, tali insiemi di dati sono così voluminosi e complessi che i tradizionali software di elaborazione dati non sono in grado di gestire. Al fine di utilizzare il termine “Big Data” è necessario che siano soddisfatte le “5 V” (in estensione alle “3 V” di Doug Laney, 2001), ossia i seguenti criteri:
-
Volume (spazio): grande quantità di dati generati, superiore a 50 TB con crescita annua del 50%;
-
Velocità (velocità): raccolta e analisi dei dati in tempo reale o ad alta frequenza;
-
Varietà: fonti eterogenee (social media, sensori, dispositivi mobili, database aziendali, ecc.), con dati strutturati, non strutturati o semi-strutturati;
-
Veridicità: la qualità e l’affidabilità dei dati devono essere garantite implementando processi di controllo;
-
Valore: offrire potenziale valore all’organizzazione, grazie all’analisi dei dati, consentendo ad esempio l’identificazione di trend, la creazione di modelli e correlazioni, il supporto alle decisioni, l’offerta di un’esperienza personalizzata ai clienti.
Nello specifico la veridicità assume un ruolo cruciale per garantire decisioni aziendali valide e proficue, ed è proprio su questo aspetto che entra in gioco la Data Governance. La Data Governance è l’insieme di policy e procedure implementate per garantire che i dati di un’organizzazione siano inizialmente accurati, nella fase di raccolta, e successivamente gestiti correttamente durante le fasi del ciclo di vita del dato: inserimento, archiviazione, manipolazione, accesso e cancellazione. Le principali attività della Data Governance sono le seguenti:
-
monitoraggio della qualità dei dati: definizione dei controlli di data quality, suddivisi in sei dimensioni (completezza, accuratezza, coerenza, univocità, integrità e tempestività), per poter individuare gli errori (o valori da attenzionare) e consentirne la correzione attraverso la data remediation;
-
redazione del business glossary: definizione e condivisione di termini, classificazioni (tassonomie), regole, calcoli e applicazioni dei controlli di data quality, censendo inoltre i data steward correlati;
-
censimento del data lineage: tracciamento del dato a livello di singolo campo, in modo tale da garantire che non sia alterato o perso durante tutto il percorso, partendo dalla fonte e arrivando fino alla destinazione (report, dashboard o modello).

Gli ambiti della Data Governance (fonte DAMA-DMBOK2 Data Management Framework)
Il compito della Data Governance è fondamentale in qualsiasi contesto tecnologico e di settore dell’azienda, il suo compito si rivelerà più o meno complesso a seconda di diversi fattori, in particolar modo in relazione all’architettura adottata:
-
centralizzata: la Data Governance è semplificata dall’utilizzo di un Data Lake (ed eventualmente di un Data Warehouse), che facilita la tracciatura del data lineage e l’individuazione degli owner, in un contesto dove l’IT rappresenta un alleato;
-
Data Mesh: la gestione dei domini a livello di singolo team e il possibile salto dello strato rappresentato dal data lake comportano una maggiore difficoltà di gestione e tracciatura del dato, che richiede il connubio e la sinergia tra business e IT. Aumenta inoltre il livello di complessità del data lineage, accrescendo il livello di stress a cui è sottoposta la Data Governance mentre la presenza di ontologie e dizionari dati assume un ruolo cruciale per l’adeguato utilizzo delle informazioni.
I dati rappresentano un vero e proprio asset aziendale e la qualità dei dati costituisce un impatto strategico a tutti gli effetti, in quanto dati di bassa qualità comportano in maniera diretta un impoverimento in termini di valore. Il miglioramento della qualità dei dati restituisce inevitabilmente diversi benefici, tra i quali:
-
semplificazione dei processi;
-
miglioramenti dei servizi;
-
adozione della trasformazione digitale (con la conseguente eliminazione della carta);
-
elevata comunicazione tra le amministrazioni e tra i sistemi (interoperabilità), per una più efficace interazione tra gli attori coinvolti (interni ed esterni) e un’ottimizzazione dell’operatività;
-
disponibilità per l’utente finale di dati accurati, completi e coerenti.

Rappresentazione del Framework di Data Quality Management (fonte qlik.com)
Con l’aumento della qualità dei dati (ad esempio eliminando gli outliers o i picchi anomali) diventa più semplice favorire l’integrazione tra diverse banche dati, consentendo quindi ad enti, imprese e idealmente ai produttori di Open Data di utilizzare e condividere dati sempre più ricchi, completi e precisi. Gli Open Data hanno tra i propri utilizzatori anche i cittadini, ai quali tendenzialmente viene garantita la trasparenza grazie alla possibilità di accedere a una vasta gamma di informazioni puntuali e variegate, in questo caso più che di benefici ci si troverà di fronte ad un vero e proprio miglioramento della qualità di vita. Inoltre, una migliore affidabilità dei dati consente alle organizzazioni di sposare effettivamente un approccio data driven, dove l’attendibilità dei dati genera fiducia in tutti gli utenti che ne fanno accesso, che siano utilizzatori oppure esperti (tra i quali data scientist o data analyst).
Per ridurre al minimo gli errori sui dati l’esperienza insegna che però non basta definire processi strutturati, adottare policy di utilizzo ben definite e applicare un monitoraggio costante grazie alla definizione dei controlli di data quality, ma è necessario intervenire a livello strategico, reingegnerizzando i processi attuali e adottando politiche di change management, cioè andando a ridefinire lo stato dell’arte attuale. A tale scopo, da un lato bisogna sensibilizzare gli utenti sull’impatto che hanno le loro azioni mentre dall’altro bisogna intervenire a livello tecnologico. A livello pratico quindi, creando applicazioni di inserimento dati o strumenti per sostituire i file piatti, sostituendo le form di input con menu a discesa e creando nuovi campi per accogliere ulteriori dati. Nello specifico, ad esempio andando a suddividere il campo “indirizzo” in “indirizzo” e “numero civico”, in modo da poter effettuare analisi più accurate, oppure inserire più campi per numeri di telefono, indirizzi email e ulteriori campi per censire informazioni suppletive.
Gestire, monitorare e migliorare la data quality ha impatti significativi all’interno dell’organizzazione e nelle singole aree di competenza, nello specifico:
-
business: dati affidabili consentono di prendere decisioni migliori e in tempi più rapidi, in quanto tutta la filiera del controllo è stata automatizzata e garantita;
-
data science: dati completi, reali e con una notevole profondità storica (quindi grande quantità) permettono di creare modelli più accurati, con previsioni più aderenti agli “use case” di partenza;
-
intelligenza artificiale: addestramento più mirato grazie al monitoraggio per verificare l’aderenza alle normative, in primis sulla privacy (ad esempio il GDPR).
Tra gli strumenti a supporto di un’adeguata gestione della qualità del dato e del governo dello stesso vi è il business glossary, che astrae il concetto del dato dalla sfera tecnica tipica del data dictionary e prende un’accezione di business dove dal campo si giunge al termine, quindi si passa dall’elemento fisico della tabella al concetto che esprime definizioni e concetti specifici del settore, dei processi e dei prodotti di un’azienda. Nella pratica non è raro che tale mappatura restituisca un termine collegato a più campi fisici, in quanto un concetto di business si può propagare su più sistemi e, di conseguenza, su più campi. Ad esempio, definito per tutti gli attori il termine ARPU come “Average Revenue Per User”, la regola “Total Revenues” / “Total subscribers” ne fornirà il risultato, e sul termine in questione sarà possibile applicare controlli di qualità.
La redazione del business glossary è essenziale perché permetterà a tutti gli attori in gioco di conoscere i propri dati, utilizzando un gergo comune per quanto riguarda significati, logiche e proprietari.
Un’adeguata gestione della qualità del dato non può essere svolta senza il disegno del data lineage, altro asset fondamentale per l’impostazione di un framework di Data Governance. Il data lineage ha il compito di tracciare il percorso del dato da monte a valle, garantendo quindi affidabilità e validità a chi riceverà le informazioni. Tale operazione è supportata dall’utilizzo di appositi tool da applicare durante la fase di estrazione e trasformazione di un flusso di dati, definendo l’interazione in fase progettuale. Qualora invece tale attività fosse avviata dopo la conclusione di progetti in ambito dati (e per esperienza non è cosa rara), allora sarà necessario ricorrere alla documentazione in prima istanza, fino ad azioni di reverse engineering (dei processi di ETL e ingestion), per coprire la sfera tecnica, e a interviste per comprendere gli aspetti di business.
Ovviamente questo secondo scenario è molto più oneroso del primo, ma è chiaro che “è più semplice costruire un grattacielo a New York che una casa tra i vicoli di Roma”. Per la rappresentazione grafica del data lineage di uno o più campi si ricorre al Sankey Diagram, che consente di mostrare un flusso da un insieme di valori a un altro, in cui i nodi rappresentano i domini (input, strati intermedi e output) mentre i collegamenti sono le connessioni. I beneficiari sono sia gli attori interni sia quelli esterni (ad esempio audit o revisori): l’attore interno avrà la certezza della correttezza delle informazioni mentre quello esterno avrà la garanzia sulla validità dei dati ricevuti.

Un esempio di Sankey Diagram utile per rappresentare il data lineage (fonte originlab.com)
In conclusione, la Data Governance non rappresenta semplicemente una necessità ma è una conditio sine qua non, dunque condizione necessaria e vincolante, affinché imprese ed enti possano garantire le informazioni condivise a loro stessi e a terze parti. Infine, è bene sottolineare che in un mondo dove l’Intelligenza Artificiale è sempre più pervasiva non esiste AI Governance senza un’opportuna Data Governance.
