Traduzione con IA
Questa pagina è stata tradotta con l’IA dall’originale inglese. Esaminiamo attentamente le traduzioni, ma potrebbero rimanere alcuni errori.
AnalisiArticolo18 novembre 2026
Data Governance for Analytics: Who Owns the Number Data governance for analytics is the set of working rules that decide who owns each metric, how its definition is agreed, who can see it, and how it changes.

Governance dei dati per l’analisi: chi è responsabile del numero

Governance dei dati per l’analisi: chi è responsabile del numero La governance dei dati per l’analisi è l’insieme delle regole operative che stabiliscono chi è responsabile di ogni metrica, come viene concordata la relativa definizione, chi può visualizzarla e come cambia.

Sophia Moreau
Sophia Moreau
24 min read

Governance dei dati per l’analisi: chi è responsabile del numero

La governance dei dati per l’analisi è l’insieme delle regole operative che stabiliscono chi è responsabile di ogni metrica, come viene concordata la relativa definizione, chi può visualizzarla e come cambia. Quando queste regole esistono e vengono rispettate, due dashboard mostrano lo stesso dato sui ricavi. Quando non esistono, ogni team costruisce la propria versione della verità e la leadership smette di credere a tutte. Presso Ridiculous Engineering, consideriamo questo prima di tutto un problema di modello operativo e solo in secondo luogo un problema di strumenti.

Ridiculous Engineering
ridiculousengineering.com
Costruite fiducia nelle vostre analisi
Aiutiamo le organizzazioni a collegare i sistemi di dati, sviluppare analisi e definire soluzioni tecnologiche pratiche in linea con le loro esigenze aziendali.
Scoprite i nostri servizi

Punti chiave

  • La diffidenza verso le dashboard deriva solitamente da definizioni prive di un responsabile, non da dati errati. Nominate un unico responsabile per ogni metrica che arriva ai dirigenti.
  • La governance per l’analisi si basa su quattro regole: responsabilità, definizioni concordate, accesso e controllo delle modifiche. Ognuna può essere gestita da un piccolo gruppo e con un documento condiviso, prima di acquistare qualsiasi piattaforma.
  • La gestione funziona quando i responsabili aziendali definiscono il significato e i responsabili tecnici gestiscono le pipeline. Separare i due ruoli impedisce che le definizioni vengano decise da chiunque scriva SQL.
  • Misurate la governance come qualsiasi processo operativo: percentuale di metriche con un responsabile e una definizione, percentuale di dati conformi agli standard di qualità e quanto preavviso ricevono gli utenti prima che una metrica cambi.
  • Iniziate dalle cinque-dieci metriche che compaiono nelle revisioni del consiglio di amministrazione e della leadership, quindi ampliate l’ambito.

Indice

Il sintomo: due dashboard, due dati sui ricavi diversi

Immaginate una riunione della leadership di lunedì. Il reparto Finanza mostra i ricavi trimestrali dal sistema di fatturazione. Le vendite mostrano un dato proveniente dal CRM superiore di diversi punti percentuali. Le operazioni mostrano un terzo dato proveniente dal sistema degli ordini. Nessuno mente e nessuna query presenta errori.

Il reparto Finanza conta i ricavi quando viene emessa una fattura. Le vendite li conteggiano quando viene firmato un contratto. Le operazioni li conteggiano quando viene spedito un ordine. Rimborsi, contratti pluriennali, conversione valutaria e note di credito vengono gestiti in modo diverso e ogni team ha compiuto una scelta ragionevole al momento. Il problema è che nessuno ha deciso quale scelta sia quella dell’azienda.

Il costo non consiste solo nella discussione in sé. Le riunioni si trasformano in sessioni di riconciliazione. Gli analisti trascorrono la settimana a spiegare le differenze invece di trovare nuovi insight. I leader tornano a fogli di calcolo e intuito, mentre l’investimento nella dashboard rimane inutilizzato. L’analisi di Forrester, pubblicata su Forbes, ha rilevato che meno del 10% delle aziende è avanzato nelle capacità basate sugli insight, e indica nelle abitudini e nelle pratiche organizzative, non nella tecnologia, ciò che distingue le organizzazioni principianti da quelle avanzate. Sono proprio queste abitudini e pratiche a costituire la governance dei dati.

Questo è lo schema che vediamo descritto ancora e ancora nei programmi di analisi: gli strumenti funzionano, i numeri non coincidono e manca una decisione che nessuno è stato incaricato di prendere.

The symptom: two dashboards, two different revenue numbers

Che cos’è realmente la governance dei dati per l’analisi

Lasciando da parte il gergo, la governance risponde a quattro semplici domande su ogni numero utilizzato dalle persone per prendere decisioni:

  1. Chi ne è responsabile?
  2. Che cosa significa esattamente?
  3. Chi è autorizzato a visualizzarlo e utilizzarlo?
  4. Che cosa succede quando deve cambiare?

Gartner definisce la governance dei dati come la definizione dei diritti decisionali e di un quadro di responsabilità su come dati e analisi vengono valorizzati, creati, utilizzati e controllati. L’espressione «diritti decisionali» è la parte più utile. La governance riguarda meno i documenti e più chi ha il diritto di decidere e cosa deve fare prima di farlo.

Le indicazioni di Gartner per i responsabili finanziari esprimono lo scopo in modo simile: la governance dovrebbe supportare chi prende decisioni e generare valore, non esistere come funzione di controllo autonoma. Se il vostro impegno in materia di governance produce un raccoglitore di policy che gli analisti non aprono mai, non sta svolgendo questo compito.

Governance per le analisi e governance per la conformità

Gli obblighi in materia di privacy e normativa sono importanti e il vostro team legale ha un proprio programma al riguardo. Questo articolo tratta un ambito più circoscritto e quotidiano: le regole che fanno sì che una metrica abbia lo stesso significato in ogni report. Un’azienda può essere pienamente conforme e avere comunque tre valori di ricavi. Vale anche il contrario. Trattare i due aspetti come un unico progetto è il modo in cui la governance delle analisi finisce bloccata nella coda di revisione legale.

Le quattro regole operative

Il Data Governance Playbook elenca sei attività fondamentali: identificare i dati attraverso inventario e metadati, definire la policy di gestione dei dati, gestire i problemi relativi ai dati, valutare la qualità e l’utilità dei dati, garantire la supervisione e comunicare. È uno schema valido per un ente pubblico. Per un’azienda di medie dimensioni che vuole analisi coerenti, queste attività si riducono a quattro regole che potete iniziare ad applicare nel giro di poche settimane.

Regola 1: ogni metrica ha un unico responsabile nominato

Il responsabile è una persona, non un team o un comitato. È responsabile della definizione della metrica, dell’approvazione delle modifiche e delle risposte quando qualcuno mette in discussione il valore. Per i ricavi, di solito è un responsabile finanziario. Per il tasso di abbandono dei clienti, può essere il responsabile del customer success. Per le consegne puntuali, un responsabile delle operations.

Un buon responsabile è una persona dell’azienda che tiene al fatto che il valore sia corretto, non necessariamente chi ha creato il primo dashboard. Se non potete indicare il responsabile di una metrica presente nelle revisioni della direzione, avete individuato il vostro primo punto debole nella governance.

Regola 2: le definizioni risiedono in un unico luogo, in un linguaggio semplice

Una definizione di metrica richiede più di un nome. Come minimo, annotate:

  • Il significato aziendale in una o due frasi.
  • Il calcolo, specificando cosa è incluso ed escluso (rimborsi, account interni, ordini di prova).
  • Il sistema di origine da cui proviene il valore.
  • La base temporale: quando un evento viene conteggiato e in quale fuso orario e calendario fiscale.
  • Il responsabile e la data dell’ultima modifica approvata.

Spesso questo documento viene chiamato dizionario delle metriche o glossario aziendale. Il formato conta meno di due caratteristiche: ne esiste una sola copia e i dashboard attingono effettivamente da quella. Un glossario che risiede in un wiki mentre i dashboard usano SQL scritto manualmente diventerà incoerente entro un trimestre.

Quando due team definiscono una metrica in modo diverso per buone ragioni, non imponete un’unica definizione a tutti. Assegnate a ciascuna un nome distinto. Possono esistere sia «ricavi acquisiti» sia «ricavi contabilizzati». «Ricavi», da solo, dovrebbe indicare esattamente uno dei due.

Regola 3: l’accesso segue la sensibilità dei dati e il ruolo

L’accesso alle analisi è il punto in cui la governance si scontra con la frustrazione quotidiana. Se bloccate tutto, gli analisti creano copie non ufficiali nei fogli di calcolo. Se aprite tutto, dati sensibili su retribuzioni, clienti o contratti finiscono in una cartella di lavoro ampiamente condivisa.

Un approccio praticabile consiste nel classificare i dati in pochi livelli, ad esempio generale, interno e riservato, e concedere l’accesso a ciascun livello in base al ruolo. Mantenete ridotto il numero di livelli. Le persone seguono tre livelli; ne ignorano nove. Registrate chi ha approvato ogni eccezione e riesaminate l’elenco secondo una cadenza prestabilita, in modo che gli accessi non si accumulino quando le persone cambiano ruolo.

La stessa disciplina si applica quando i team aggiungono funzionalità di ricerca e risposta alle domande basate sull’IA sopra i dati interni: il modello delle autorizzazioni stabilisce cosa può recuperare un assistente, quindi deve essere solido prima di collegare l’assistente. Le piattaforme per la ricerca basata sull’IA nei dati interni mostrano come le autorizzazioni e i trail di audit diventino parte integrante del prodotto quando le risposte vengono generate a partire da molte fonti.

Regola 4: le modifiche sono controllate e comunicate

La maggior parte della fiducia si perde non quando un valore è errato, ma quando cambia in modo silenzioso. Un valore dei ricavi varia del 2% dopo che qualcuno corregge una join e nessuno lo comunica alle persone che lo citano al consiglio di amministrazione.

Trattate le definizioni delle metriche e le pipeline sottostanti come i team di ingegneria trattano il codice:

  • Le modifiche proposte vengono documentate indicando il motivo e l’effetto previsto sui valori storici.
  • Il responsabile della metrica le approva.
  • Gli utenti dei report interessati vengono informati in anticipo. Il manuale sulla governance dei dati della FHWA, ad esempio, utilizza una misura campione relativa a utenti interessati informati delle modifiche ai dati almeno 30 giorni prima dell’implementazione. Trenta giorni sono uno standard ragionevole; scegliete l’intervallo più adatto al vostro ciclo di reporting.
  • La modifica è sottoposta a versioning, così chiunque può vedere quale fosse la definizione nell’ultimo trimestre.

Quando un valore ricalcolato arriva a una revisione della direzione, il responsabile lo spiega prima che qualcuno debba chiederlo.

Ruoli di data stewardship: chi svolge il lavoro

I proprietari decidono. Gli steward fanno avanzare il lavoro quotidiano. La ricerca sulla stewardship distingue sistematicamente due tipi di steward, e vale la pena adottare questa suddivisione.

Nel suo libro sulla progettazione della governance dei dati, Lauren Maffeo descrive gli steward aziendali come persone che esaminano le tassonomie, redigono la documentazione, guidano la formazione sulla governance e conducono valutazioni della qualità rispetto a metriche aziendali predefinite. Gli steward tecnici, invece, gestiscono sistemi e pipeline, inclusi data warehouse e data lake, e definiscono i parametri dei metadati.

In pratica, per un'azienda di medie dimensioni:

Ruolo È responsabile di Persona tipica Esempio di domanda a cui risponde
Responsabile della metrica La decisione su cosa significhi una metrica e quando debba cambiare Responsabile funzionale (finanza, vendite, operations) «Dobbiamo conteggiare gli abbonamenti sospesi come clienti attivi?»
Steward aziendale Definizioni, documentazione e controlli di qualità rispetto alle regole aziendali Analista senior o responsabile operations «La voce del glossario è aggiornata e i dashboard corrispondono a essa?»
Steward tecnico Pipeline, sistemi di origine, metadati e configurazione degli accessi Data engineer o analytics engineer «Perché il caricamento di questa tabella è avvenuto in ritardo e chi ne è interessato?»
Responsabile della governance La cadenza, l'arretrato e le escalation Responsabile BI o analytics «Quali controversie non sono state risolte e quali metriche non hanno un responsabile?»

Il manuale introduttivo della FHWA descrive gli steward dei dati come esperti della materia che hanno la responsabilità ultima di definire, gestire e preservare l'integrità dei dati. Si noti l'espressione «esperti della materia». La stewardship è un ruolo aggiunto a una mansione esistente, non un nuovo dipartimento. La maggior parte delle aziende di medie dimensioni lo assegna a persone che conoscono già i dati, dedica loro qualche ora alla settimana e rende esplicita questa responsabilità nei loro obiettivi.

La distinzione tra steward aziendali e tecnici previene anche un errore comune: lasciare che le definizioni vengano decise, per impostazione predefinita, da chiunque scriva la query. Gli ingegneri sono bravi a far funzionare un calcolo. Non dovrebbero essere loro a decidere se un ordine annullato debba essere conteggiato come ricavo.

Un piccolo consiglio per la governance

Serve anche un luogo in cui dirimere le controversie. Di solito è sufficiente un consiglio mensile o quindicinale composto dai responsabili delle metriche, dal responsabile BI e da uno steward tecnico. Il manuale operativo federale sostiene che, per essere efficace, un organo di governance deve essere integrato nei processi decisionali e operativi e che i dirigenti debbano ricevere aggiornamenti regolari sul suo impatto. In termini aziendali: inserisca la governance nell'agenda della leadership con un breve report ricorrente, altrimenti verrà trattata come facoltativa.

Qualità dei dati: definirla e poi misurarla

La qualità è il punto in cui la governance diventa misurabile. Il framework della qualità dei dati che la maggior parte dei team cerca si riduce a tre passaggi: definire cosa significhi «buono» per ogni dataset critico, misurarlo secondo una pianificazione e assegnare a qualcuno il compito di correggere ciò che non supera i controlli.

Le linee guida di GS1 US affermano che le organizzazioni non possono gestire ciò che non possono misurare e raccomandano di misurare completezza, tempestività e accuratezza con metriche chiaramente definite, intervalli validi per il monitoraggio iniziale e continuativo e valori di riferimento per monitorare i progressi. Un valore di riferimento è importante perché consente di dimostrare un miglioramento invece di limitarci ad affermarlo.

Un insieme pratico di controlli da cui iniziare per qualsiasi dataset alla base di una metrica della leadership:

  • Completezza: I campi obbligatori sono compilati? Quale percentuale di ordini non dispone di un ID cliente?
  • Tempestività: Il caricamento notturno è terminato prima dell'aggiornamento del report del mattino?
  • Accuratezza: I totali coincidono con quelli del sistema di origine entro una tolleranza concordata?
  • Coerenza: Lo stesso conteggio dei clienti coincide tra il CRM e il data warehouse?

Ogni verifica richiede una soglia, un responsabile e un'azione da intraprendere in caso di esito negativo. Le linee guida di Gartner sulla strategia di analisi aggiungono un punto utile nelle discussioni sul budget: creare metriche per sia il valore dei dati di alta qualità sia il costo dei dati di bassa qualità, e collocare persone con competenze in materia di qualità dei dati nelle aree dell'azienda in cui i dati scadenti comportano costi. Per un approfondimento dell'aspetto tecnico, consultate la nostra guida pratica alla gestione della qualità dei dati.

Per iniziare in piccolo: un piano di 90 giorni

Gartner individua sette pilastri per una governance che supporti i risultati aziendali, e il primo consiste nel partire dai risultati aziendali anziché dall'inventario dei dati. Questo è l'ordine giusto per chi guida l'analisi dei dati. Ecco un piano che lo segue.

  1. Settimane 1-2: scegliete le metriche. Elencate i cinque-dieci numeri che compaiono nelle revisioni del consiglio di amministrazione, dei dirigenti e nelle revisioni operative settimanali. Per ora, ignorate tutto il resto.
  2. Settimane 2-4: assegnate i responsabili e scrivete le definizioni. Per ogni metrica, registrate il responsabile, la definizione, la fonte e il riferimento temporale. Se esistono due definizioni, rinominatele e decidete quale riceverà il nome semplice.
  3. Settimane 4-6: individuate le divergenze. Confrontate ogni metrica nei dashboard in cui compare. Documentate ogni discrepanza e ricond ucetela a una differenza di definizione, a un problema di dati o a una differenza temporale.
  4. Settimane 6-8: indirizzate i dashboard verso la definizione condivisa. Spostate i calcoli dai singoli report a un unico livello governato, in modo che la logica venga scritta una sola volta. Questo è il passaggio che di solito richiede un intervento tecnico ed è il punto in cui la governance smette di essere un documento.
  5. Settimane 8-10: definite i livelli di accesso e le regole per le modifiche. Classificate i dataset alla base di queste metriche, impostate l'accesso basato sui ruoli e iniziate ad annunciare in anticipo le modifiche.
  6. Settimane 10-12: avviate la cadenza. Tenete la prima riunione del comitato, pubblicate il primo scorecard sintetico e scegliete il prossimo gruppo di metriche.

Il vincolo è intenzionale. Un programma di governance che tenta di catalogare ogni tabella prima di fornire risultati tende a perdere il proprio sponsor. Uno che risolve prima il numero dei ricavi conquista credibilità per la seconda fase.

Centralizzata, federata o una via di mezzo

Le aziende si chiedono spesso se un unico team centrale debba essere responsabile di tutto o se ogni reparto debba governare i propri dati. Per le organizzazioni di medie dimensioni, una soluzione ibrida è solitamente la risposta più pratica: un piccolo gruppo centrale definisce gli standard, il glossario e i livelli di accesso, mentre i responsabili delle funzioni possiedono le proprie metriche e gli steward operano nell'azienda. Il controllo centrale da solo diventa un collo di bottiglia, mentre il controllo dipartimentale da solo ripropone il problema dei due numeri dei ricavi.

Hybrid model linking central standards with local ownership

Come capire se la governance funziona

Il playbook federale consiglia di sviluppare metriche per valutare se la visione dei dati si sta realizzando, raccogliere i dati necessari per alimentarle, agire sui risultati e valutare periodicamente la maturità dei dati per stabilire le priorità dei passaggi successivi. Per un team di analisi, è sufficiente uno scorecard sintetico:

Metrica Cosa indica
Quota di metriche dirigenziali con un responsabile assegnato e una definizione scritta Se esiste una responsabilità
Numero di metriche che mostrano valori diversi in report diversi Se le definizioni sono realmente condivise
Percentuale dei dataset critici che superano i controlli di qualità Se i dati alla base delle metriche sono affidabili
Numero medio di giorni di preavviso prima di una modifica a una metrica Se il controllo delle modifiche è effettivo
Controversie sulle definizioni ancora aperte e relativa anzianità Se il comitato riesce a risolvere le questioni
Ore dedicate dagli analisti alla riconciliazione dei numeri Il costo di partenza, in diminuzione

La guida introduttiva della FHWA propone misure campione simili, come la percentuale di elementi di dati con definizioni chiare e la percentuale di dati conformi agli standard di accuratezza. Registri il valore di riferimento nella prima settimana, così la tendenza assume significato. L'ultima misura dell'elenco è quella che i dirigenti comprendono più rapidamente: il tempo trascorso a discutere sui numeri invece di agire di conseguenza.

Dove l'ingegneria incontra la governance

Le regole di governance falliscono quando dipendono dal fatto che le persone se ne ricordino. La versione duratura integra le regole nel sistema: un unico livello governato per la logica delle metriche, regole di accesso applicate dalla piattaforma, controlli di qualità automatizzati eseguiti a ogni caricamento e cronologia delle versioni per ogni modifica alle definizioni. Questo è lavoro di ingegneria del software ed è il punto in cui la policy si trasforma in comportamento.

Il nostro servizio di analisi dei dati e business intelligence copre i sistemi di analisi dei dati e di business intelligence. I clienti collaborano direttamente con ingegneri senior che sviluppano, modernizzano e integrano sistemi pratici basati sul reale funzionamento dell'organizzazione, con supporto dalla fase di analisi iniziale fino al miglioramento a lungo termine. Se i dashboard non concordano e desidera integrare definizioni, regole di accesso e controlli delle modifiche nei sistemi che li alimentano, ci contatti per discutere un incarico definito. Il prezzo si basa sull'ambito del lavoro, quindi viene definito su richiesta.

FAQ

Che cos'è la governance dei dati per l'analisi, in termini semplici?

È l'insieme di regole che stabilisce chi è responsabile di ogni metrica, come viene concordata la relativa definizione, chi può vedere i dati sottostanti e come vengono apportate le modifiche. L'obiettivo è che la stessa domanda riceva la stessa risposta in ogni report. Riguarda meno i documenti di policy e più l'assegnazione delle decisioni a persone specificamente designate.

Qual è la differenza tra un data owner e un data steward?

Un owner è responsabile di una metrica o di un dataset e prende decisioni sul relativo significato e sulle modifiche. Uno steward svolge il lavoro continuativo: mantiene le definizioni, esegue i controlli di qualità e gestisce pipeline e metadati. Gli steward aziendali si concentrano sul significato e sulla qualità rispetto alle regole aziendali, mentre gli steward tecnici si concentrano su sistemi e pipeline.

Da quali best practice di data governance dovremmo iniziare?

Inizi dalle metriche più utilizzate dalla leadership. Nomini un owner per ciascuna, rediga una definizione in linguaggio semplice e inserisca il calcolo in un unico luogo condiviso. Aggiunga poi l'accesso basato sui ruoli in pochi livelli, annunci le modifiche prima che avvengano e monitori un piccolo scorecard relativo a responsabilità, copertura delle definizioni e qualità.

In che modo un framework per la qualità dei dati differisce dalla data governance?

Un framework per la qualità dei dati è una parte della governance. Definisce che cosa si intende per dati di buona qualità (ad esempio completezza, tempestività e accuratezza), li misura rispetto a soglie e assegna gli interventi correttivi. La governance è più ampia: comprende anche responsabilità, definizioni, accesso e controllo delle modifiche, che determinano se i controlli di qualità vengono applicati agli elementi corretti.

Quanto tempo occorre per vedere i risultati?

Un intervento mirato su cinque-dieci metriche dirigenziali può risolvere i disaccordi più evidenti entro un trimestre, poiché il lavoro consiste soprattutto nel prendere decisioni e creare un livello di calcolo condiviso. Una copertura più ampia segue per fasi. La velocità dipende soprattutto dalla rapidità con cui vengono nominati i responsabili delle metriche e risolte le controversie sulle definizioni.

Ridiculous Engineering
Discutete delle vostre esigenze di data governance
Condivida le sfide legate all'analisi dei dati che la sua organizzazione sta affrontando e il nostro team potrà discutere approcci pertinenti in ambito ingegneristico e tecnologico.

Fonti

Adotta la tecnologia con fiducia

La tua guida per adottare la tecnologia con successo

Se cerchi una guida per adottare una tecnologia, cambiare tecnologia o utilizzare al meglio le nuove tecnologie nella tua attività, Ridiculous Engineering è qui per aiutarti. Contattaci oggi per scoprire come possiamo aiutarti.