Nell’era ormai consolidata delle analisi self-service, da un lato le direzioni IT non sono in grado di fornire tutti i dati necessari ai loro utenti interni, dall’altro vediamo che molti data analyst non hanno sufficiente visibilità sui set di dati esistenti, sui loro reali contenuti e sui livelli di affidabilità. Ne consegue che si spendono molte energie a trovare e interpretare i dati, ricreando a volte set di dati già esistenti. Senza un catalogo, si deve fare affidamento alla scarsa documentazione, alle interazioni con i colleghi o limitandosi a lavorare con set di dati familiari.
Il tema Data Catalog è ormai ritenuto da tutti uno degli elementi fondanti nell’attuazione di una solida strategia di Data Management, soprattutto in quelle organizzazioni in cui si favorisce realmente la Self Service BI. Nella progettazione del catalogo di dati ci si deve concentrare prima di tutto nell’inventario di quanto già disponibile, collegando tali set di dati a dettagli utili nell’operatività degli utenti che lavorano con i dati. L’elaborazione dei metadati descrive le trasformazioni e le derivazioni applicate man mano che i dati vengono trattati durante il loro ciclo di vita. Ma i metadati di cui abbiamo bisogno oggi sono più estesi di quelli che si tendeva ad usare solo qualche anno fa. L’uso dell’intelligenza artificiale e del machine learning per la raccolta di metadati, l’inferenza semantica e il tagging sono importanti per ottenere il massimo valore dall’automazione, riducendo dove è possibile gli sforzi manuali.
Chi vuole gestire le numerose informazioni sui prodotti distribuite in tutta l’azienda, modificate e utilizzate da molteplici funzioni, non può evitare di guardare ad un progetto PIM. Il primo passo è quello di definire con precisione gli obiettivi aziendali e i contenuti di ogni rilascio attraverso interviste, sia alle funzioni che partecipano alla gestione dei dati, sia a quelle che conoscono come i dati si muovono all’interno dei sistemi aziendali.
È abbastanza comune che canali di vendita e funzioni diverse, richiedano metodi di trasporto e formati di dati differenti. Per un investimento che dia realmente un vantaggio competitivo è consigliabile considerare, oltre ai requisiti tecnologici, anche alcuni aspetti di dettaglio come ad esempio la Syndication.
Per fare un progetto PIM di successo non basta fare un buon piano. È necessario coinvolgere le varie funzioni che hanno spesso visioni ed esigenze differenti e, talvolta, anche contrapposte. Il segreto è dimostrare i notevoli benefici che ogni funzione avrà con un PIM di successo ed assicurarsi in questo modo la piena e attiva collaborazione in tutte le fasi del progetto.
© 2023 Axiante. - TUTTI I DIRITTI RISERVATI P.IVA 05032580960
