La gestione dei dati anagrafici e la data governance sono spesso trattate come sinonomi, o raggruppate sotto il vago ombrello della "strategia dati". Entrambe sono pilastri della gestione dei dati aziendali, ma svolgono funzioni diverse, operano a livelli differenti dell'organizzazione e falliscono in modi diversi quando non sono allineati. Nei progetti che abbiamo implementato, le organizzazioni che hanno sofferto maggiormente di problemi di qualità dei dati raramente mancavano di strumenti. Gli mancava la connessione tra politica ed esecuzione.
Cosa Fa la Data Governance
La data governance è un framework per decidere chi può fare cosa con i dati e in quali condizioni. Un framework di data governance definisce proprietà, responsabilità e le regole secondo cui i dati sono creati, modificati, utilizzati e ritirati. Un programma di data governance risponde a domande come: Chi è responsabile dell'accuratezza dei record dei clienti? Cosa conta come classificazione di prodotto valida? Per quanto tempo conserviamo i dati anagrafici finanziari dopo la fine di un contratto?
L'output di un programma di governance è la politica. Le politiche riguardano soglie di qualità dei dati, convenzioni di denominazione, diritti di accesso, assegnazioni di responsabilità, schemi di classificazione e obblighi di conformità. Senza governance, queste decisioni vengono comunque prese, solo in modo incoerente e invisibile, da chiunque stia modificando un foglio di calcolo quella settimana.
La governance opera su tutti i dati di un'organizzazione, non solo sui dati anagrafici. Copre dati transazionali, metadati, dati operazionali e le relazioni tra loro. I suoi stakeholder primari sono i leader aziendali, i proprietari dei dati, i team di conformità e l'area legale. Nelle organizzazioni più grandi, un consiglio di data governance tipicamente coordina la politica tra i dipartimenti. L'IT è coinvolta, ma la governance è fondamentalmente una funzione aziendale.
Cosa Fa l'MDM
La gestione dei dati anagrafici è l'insieme dei processi e dei sistemi attraverso cui un'organizzazione crea e mantiene una versione singola e autorevole dei suoi dati anagrafici principali condivisi: clienti, prodotti, fornitori, ubicazioni, dipendenti e oggetti di riferimento simili che compaiono su più sistemi.
L'MDM è principalmente una funzione tecnica e operativa. Gestisce l'integrazione dei dati da più sistemi di origine, la deduplicazione e il matching, l'arricchimento dei dati, la validazione della qualità, la gestione delle gerarchie e la distribuzione ai sistemi consumer. L'output di un programma MDM è un record anagrafico, chiamato anche golden record: una rappresentazione depurata, consolidata e affidabile di un'entità aziendale su cui i sistemi downstream possono fare affidamento. La piattaforma MDM tipicamente opera come hub centrale, fungendo da sistema di record per i dati dei clienti, i dati dei prodotti, i dati dei fornitori e altri domini condivisi, spingendo versioni coerenti a ogni applicazione collegata.
Dove la governance definisce le regole, l'MDM le esegue. Se la governance dice "un record di prodotto deve includere un GTIN valido prima di poter essere pubblicato", l'MDM è il sistema che controlla il GTIN, contrassegna i record che lo mancano e li instrada attraverso un flusso di lavoro di stewardship per la risoluzione. Il risultato, quando entrambi i programmi sono allineati, è una singola fonte di verità su cui ogni dipartimento può fare affidamento.
L'MDM è limitato specificamente ai dati anagrafici. Non gestisce tutti i dati organizzativi. I suoi stakeholder primari sono gli ingegneri dei dati, gli architetti di integrazione, gli steward dei dati e i proprietari aziendali dei domini gestiti.
Dove Si Sovrappongono
La relazione tra gestione dei dati anagrafici e data governance non è una gerarchia. Nessuna si posiziona sopra l'altra. Sono interdipendenti: la governance fornisce l'autorità e la politica che l'MDM ha bisogno per prendere decisioni, e l'MDM fornisce l'ambiente di esecuzione che la governance ha bisogno di avere qualche effetto pratico.
L'intersezione più visibile è la stewardship dei dati. Gli steward dei dati sono tipicamente definiti dal programma di governance, con assegnazioni di dominio chiare, autorità di approvazione e percorsi di escalation. Ma fanno il loro lavoro effettivo all'interno di strumenti MDM: revisionando i record contrassegnati, risolvendo i duplicati, approvando le modifiche e sottoscrivendo l'arricchimento. Quando uno steward rifiuta un record, il sistema MDM lo invia di nuovo attraverso il flusso di lavoro con un codice di motivo; quando lo approvano, il record viene promosso al golden record e distribuito downstream. Quel flusso di lavoro funziona solo se la governance ha già fatto due cose: prodotto un glossario aziendale che definisce cosa significa ogni entità di dati tra i dipartimenti e assegnato la proprietà dei dati in modo sufficientemente chiaro che ogni decisione ha qualcuno responsabile. Se il programma di governance non ha fatto quel lavoro, i flussi di lavoro MDM si bloccano perché nessuno ha l'autorità per risolvere i conflitti.
La qualità dei dati è la seconda area principale dove i due programmi si incontrano. La governance imposta standard di qualità, ad esempio soglie di completezza minime, attributi obbligatori o specifiche di formato che coprono l'accuratezza e la coerenza dei dati. L'MDM misura rispetto a questi standard e li applica al punto di immissione o integrazione dei dati. Il costo di quel divario non è astratto: secondo un rapporto 2025 dell'IBM Institute for Business Value, più di un quarto delle organizzazioni stima perdite annuali che superano i 5 milioni di dollari dovute a scarsa qualità dei dati, e Gartner pone il costo medio della scarsa qualità dei dati a 12,9 milioni di dollari per anno.
Una politica di governance che esiste solo in un documento condiviso non ha effetto operativo. Un sistema MDM che esegue controlli di qualità senza standard definiti dalla governance sta solo eseguendo regole arbitrarie a cui nessuno ha formalmente concordato.
La conformità normativa è dove il disallineamento diventa più costoso. Normative come GDPR, CCPA e il Regolamento sulla Sicurezza Generale dei Prodotti dell'UE impongono obblighi specifici su come determinati dati devono essere registrati, conservati e resi accessibili. La governance definisce cosa significano questi obblighi per ogni dominio di dati, inclusi i periodi di conservazione dei dati e i controlli di accesso. L'MDM li operazionalizza attraverso controlli a livello di campo, restrizioni di accesso, audit trail e pianificazioni automatiche di conservazione dei dati. La tracciabilità dei dati, cioè la capacità di tracciare da dove proviene un record, come è stato modificato e da chi, è spesso un requisito di conformità tanto quanto una funzione tecnica, e funziona solo quando la governance ha definito cosa la tracciabilità ha bisogno di mostrare. Un produttore che gestisce dati sulla sicurezza dei prodotti secondo il GPSR, ad esempio, ha bisogno sia di una politica di governance che specifica quali attributi del prodotto sono legalmente richiesti sia di un sistema MDM che applichi controlli di completezza prima che i record siano approvati per la distribuzione.
La Questione della Sequenza
Una domanda comune nelle organizzazioni che iniziano entrambi i programmi contemporaneamente è se definire prima la governance o costruire prima il sistema MDM. Nessuno dei due può essere completato pienamente prima dell'altro, ma il punto di partenza giusto dipende da dove si trova il problema.
Se il problema primario è politico, nel senso che nessuno è d'accordo su chi possiede quali dati o quali siano le regole, la governance deve venire prima. Costruire un sistema MDM prima di risolvere la proprietà dei dati risulterà in una piattaforma tecnicamente funzionale che nessuno usa perché ogni decisione innesca una disputa territoriale.
Se il problema primario è tecnico, iniziare con l'infrastruttura MDM ha senso. Nei progetti che abbiamo implementato per produttori e distributori di medie dimensioni, costruire prima una pipeline MDM funzionante ha spesso creato la prova concreta di cui i colloqui sulla governance avevano bisogno per andare avanti. Le persone diventano disposte ad accettare regole di proprietà una volta che possono vedere, in un vero sistema, come sono effettivamente i dati e cosa si rompe quando le regole non sono chiare.
La maggior parte delle organizzazioni finisce per eseguire un approccio parallelo: stabilire la governance per il dominio di massima priorità primo, come il prodotto o il cliente, quindi costruire processi e strumenti MDM per lo stesso dominio prima di espandersi ad altri. Iniziare con un singolo dominio mantiene entrambi i programmi radicati in veri problemi di dati piuttosto che in un design di politiche astratte.
Modalità di Fallimento Comuni
Governance senza MDM
produce politiche che esistono nella documentazione ma non vengono mai applicate. I target di qualità dei dati sono impostati e mai misurati. Gli steward sono nominati, ma non hanno alcun sistema in cui lavorare. Gli obblighi di conformità sono riconosciuti ma non operazionalizzati. Il programma di governance eventualmente perde credibilità perché nulla migliora visibilmente.
MDM senza governance
produce una piattaforma dati tecnicamente capace che funziona su assunzioni non documentate. Le regole di matching e deduplicazione nel sistema MDM riflettono le preferenze di chi le ha configurate, non una decisione organizzativa deliberata. Quando sorge un conflitto tra unità aziendali su come un cliente dovrebbe essere classificato, non c'è autorità per risolverlo. Il sistema MDM diventa un collo di bottiglia piuttosto che un acceleratore.
Sequenziamento disallineato
produce un sistema MDM che non è in conformità con le politiche di governance scritte in seguito. Questo è comune nelle organizzazioni che costruiscono rapidamente l'infrastruttura MDM e poi introducono una funzione di governance in seguito. Adattare retroattivamente la governance a un programma MDM già in esecuzione richiede di rinegoziare regole che sono già incorporate nella logica di sistema, il che è costoso e dirompente.
Selezione della Piattaforma
Quando si valutano i software di gestione dei dati anagrafici, le capacità di data governance dovrebbero far parte dei criteri di valutazione fin dall'inizio. La piattaforma deve supportare flussi di lavoro di stewardship configurabili, applicare regole di qualità dei dati e politiche dati definite dall'azienda piuttosto che hardcoded dall'IT, e fornire audit trail sufficienti per la rendicontazione normativa. Dovrebbe anche esporre i metadati di governance a strumenti esterni come cataloghi dati o tracker di tracciabilità. Sempre più, le organizzazioni hanno bisogno che la loro piattaforma MDM fornisca dati anagrafici puliti e governati a flussi di lavoro di intelligenza artificiale. I sistemi di IA ereditano direttamente i problemi di qualità dei dati, e i duplicati non risolti o gli attributi mancanti nei dati anagrafici si traducono in output di modello inaffidabili.
Una piattaforma che tratta la governance come un modulo separato crea lo stesso problema organizzativo in forma tecnica: due programmi che devono essere sincronizzati manualmente. Le piattaforme che incorporano i controlli di governance direttamente nel modello di dati riducono quel sovraccarico.
Una piattaforma MDM progettata per domini di prodotti deve gestire gli obblighi di dati normativi nativamente, non attraverso workaround.
Per i produttori che gestiscono i dati dei prodotti, la considerazione aggiuntiva è se il sistema MDM può gestire gli obblighi di dati normativi insieme alla governance operativa. Il Passaporto Digitale del Prodotto dell'UE, ad esempio, richiede che attributi di dati specifici siano strutturati, versionati e accessibili a terze parti in un formato definito. Questa è sia una questione di politica di governance sia una questione di implementazione MDM contemporaneamente.
AtroCore è una piattaforma aperta di gestione dei dati anagrafici e integrazione con un modello di dati configurabile al 100%, il che significa che i controlli di governance sono costruiti intorno ai veri domini di dati dell'organizzazione piuttosto che a una struttura predefinita dal fornitore. Funziona on-premise o nel cloud sotto licenza GPLv3 senza tariffe per utente. Il controllo di accesso basato su ruoli, i flussi di lavoro di stewardship configurabili e le regole di qualità dei dati a livello di attributo sono tutti nativi della piattaforma, così come la sincronizzazione API REST bidirezionale con sistemi ERP, CRM e e-commerce. In pratica, i nostri clienti nei settori dell'equipaggiamento industriale e dei materiali da costruzione la usano per applicare regole di completezza dei dati dei prodotti su dozzine di sistemi collegati, quindi i record che non superano i controlli di governance non raggiungono mai i canali downstream.
Conclusione
Le modalità di fallimento descritte sopra hanno una radice comune: un programma è stato trattato come una dipendenza dell'altro piuttosto che come suo partner. La governance che funziona in anticipo rispetto all'MDM produce politiche senza percorso di applicazione. L'MDM che funziona in anticipo rispetto alla governance produce applicazione senza autorità legittima. Nessuno funziona da solo.
Le organizzazioni che trattano l'MDM come un progetto tecnologico e la data governance come un'iniziativa organizzativa separata tipicamente finiscono con sia un sistema che non riflette la politica concordata sia una politica senza sistema per applicarla. Iniziare con una definizione condivisa del dominio di dati di massima priorità, assegnare la stewardship prima di costruire i flussi di lavoro e selezionare una piattaforma che tratta la governance come una funzione nativa piuttosto che come un'aggiunta farà più per chiudere quel divario di quanto farebbe uno sforzo di pulizia della qualità dei dati successivo.