Una single source of truth significa un'unica fonte su cui i tuoi team si fidano per un dato specifico. Un peso prodotto. Un indirizzo fornitore che tutti leggono nello stesso posto. Quando quel luogo esiste, le persone smettono di litigare su quale foglio di calcolo sia quello giusto.
La maggior parte delle aziende non ce l'ha ancora. I dati si trovano in un CRM, un ERP, alcuni fogli di calcolo e la posta in arrivo di qualcuno. Ogni copia si allontana dalle altre nel tempo. Questo articolo spiega cos'è una single source of truth, perché i dati dispersi costano soldi reali e come costruirne una senza acquistare lo strumento sbagliato.
Cosa significa davvero una Single Source of Truth
Una single source of truth (SSOT) è un sistema definito che contiene la versione autorevole di un determinato set di dati. Gli altri sistemi lo leggono o si sincronizzano con esso. Non competono con esso.
Per ogni campo, esiste un luogo che prevale quando le copie non concordano.
Un breve esempio. Il tuo negozio online mostra un prodotto come disponibile. Il sistema del magazzino lo mostra come esaurito. Senza una SSOT, un cliente ordina qualcosa che non puoi spedire. Con una, entrambi i sistemi leggono i livelli di stock dalla stessa fonte, quindi concordano.
Single Source of Truth, Master Data Management e Data Mesh
Tre termini si confondono qui, e la differenza è importante quando scegli un approccio.
Una single source of truth è il risultato che vuoi. Una versione unica e affidabile di un determinato set di dati.
Master data management (MDM) è la disciplina e gli strumenti che producono quel risultato per i tuoi dati condivisi principali: i clienti, i prodotti e i fornitori da cui dipendono molti sistemi. Una SSOT per i dati master è solitamente il risultato di uno sforzo MDM. MDM è il metodo. SSOT è l'obiettivo.
Data mesh punta nella direzione opposta. È un approccio decentralizzato in cui ogni team di dominio possiede e fornisce i propri dati come prodotto, senza un archivio centrale nel mezzo. Esiste perché nelle grandi organizzazioni, incanalare tutto in un unico repository fisico non scala. I team che lo provano finiscono con un collo di bottiglia e una coda d'attesa.
È qui che risiede il vero dibattito. Un archivio letteralmente unico funziona bene per un'azienda piccola o media con pochi domini principali. Su scala enterprise, leggi "unica" come un'unica fonte di autorità per dominio. Un proprietario, una versione concordata, anche quando i dati risiedono in più luoghi, connessi da integrazioni e definizioni condivise.
Per la maggior parte delle aziende che leggono questo, un archivio consolidato per dominio è il punto di partenza giusto. Gli approcci distribuiti contano una volta che lo superi.
Perché i dati aziendali finiscono dispersi
I dati si diffondono perché gli strumenti si moltiplicano. Le vendite scelgono un CRM. Il reparto finanza un ERP. Il marketing costruisce il suo stack personale. Ogni strumento memorizza la propria copia di clienti, prodotti o ordini. Nessuno di loro è stato costruito per deferire agli altri.
L'inserimento manuale lo rende peggiore. Lo stesso fornitore viene digitato in tre sistemi con tre ortografie diverse. Un prezzo viene aggiornato in un luogo e dimenticato negli altri. Gartner individua l'incoerenza tra le fonti, causata da dati isolati in silos, come il problema di qualità dei dati più difficile da risolvere.
Poi le persone costruiscono workaround. Qualcuno esporta un report, lo modifica in un foglio di calcolo e lo invia via email. Quel foglio di calcolo diventa una quarta versione della verità. Nessuno sa che esiste finché non causa un problema.
Ogni copia dei tuoi dati si allontana un po' di più dalle altre ogni settimana. Nessuno decide questo. Succede e basta.
Cosa ti costa la dispersione dei dati
Il costo non è astratto, anche se i numeri in prima pagina meritano di essere letti con attenzione. La ricerca 2020 di Gartner ha stimato il costo medio di una scarsa qualità dei dati in $ 12,9 milioni all'anno. Questo numero è auto-riferito da grandi aziende e sta invecchiando, quindi consideralo come un benchmark direzionale piuttosto che una misura precisa. Continua a puntare nella giusta direzione. I piccoli errori si accumulano come indirizzi sbagliati, record duplicati e decisioni prese su numeri che hanno settimane di ritardo.
Un'analisi 2017 del MIT Sloan di Thomas Redman ha inquadrato la perdita diversamente, dal 15% al 25% dei ricavi per la maggior parte delle aziende. Metodo diverso, stessa direzione.
C'è anche un costo di tempo. Uno studio McKinsey del 2012 ha rilevato che i lavoratori spendono circa il 20% della settimana lavorativa cercando informazioni interne. Lo studio è vecchio, ma chiunque abbia cercato in quattro sistemi per una singola informazione lo troverà plausibile.
E non puoi risolvere quello che non misuri. Gartner ha anche scoperto che il 59% delle organizzazioni non misura affatto la qualità dei propri dati. Così le perdite rimangono invisibili finché qualcosa non si rompe pubblicamente.
Come costruire una Single Source of Truth
Costruire una SSOT è principalmente lavoro organizzativo con un livello software sopra. I passaggi seguenti valgono per un catalogo piccolo o un'azienda grande.
Inizia scegliendo i dati che fanno più male. Non hai bisogno di una verità unica per tutto il primo giorno. Trova i dati che causano il maggior numero di rilavorazioni o i reclami dei clienti più grandi. I dati di prodotto e i record dei clienti sono punti di partenza comuni.
Poi assegna un proprietario per ogni dominio di dati. Un proprietario è una persona o un team responsabile della correttezza di quei dati. Senza una proprietà chiara, la qualità ritorna a dove è iniziata. Gartner identifica la mancanza di proprietà come una ragione centrale per cui i programmi di qualità dei dati si fermano.
Quindi, definisci i campi e le regole. Decidi cosa significa "corretto" prima di costruire qualcosa:
- Il formato che ogni campo assume, come numeri di telefono, valute e unità
- Quali campi sono obbligatori prima che un record possa andare in diretta
- Come i duplicati vengono identificati e uniti
- Quale sistema può cambiare quale campo
Scrivi queste regole. Diventano i controlli che il tuo sistema applica in seguito.
Ora scegli il sistema master per ogni dominio. Questo è il sistema che prevale quando le copie non concordano. Gli altri sistemi si sincronizzano con esso. Per i dati di prodotto, questo è spesso un sistema PIM o una piattaforma di gestione dei dati. Per i dati dei clienti, spesso il CRM o uno strumento MDM dedicato.
Connetti gli altri sistemi tramite integrazioni. Il master contiene la verità. Gli altri leggono da esso o ricevono aggiornamenti da esso. La sincronizzazione in tempo reale è ideale. La sincronizzazione programmata funziona quando il tempo reale non è pratico.
Mantieni i dati puliti dopo il lancio. Una SSOT si deteriora senza manutenzione. Configura la convalida al punto di immissione in modo che i dati errati non possano entrare. Esegui controlli regolari per duplicati e lacune. Assegna la pulizia al proprietario dei dati, non a chiunque noti il problema.
Cosa cercare nel software Single Source of Truth
Il software da solo non creerà una single source of truth. Ma lo strumento giusto rende molto più facile mantenerne una. Ecco cosa conta quando confronti le opzioni:
- Modello di dati flessibile.
Puoi plasmare entità e campi secondo la tua attività, non il contrario. - Opzioni di integrazione.
API e connettori per sincronizzarsi con il tuo CRM, ERP e sistemi web esistenti. - Funzionalità di convalida e qualità dei dati.
Regole, deduplicazione e controlli integrati nello strumento. - Accesso basato sui ruoli.
Controllo su chi può vedere e modificare ogni campo. - Importazione ed esportazione.
Gestione bulk di dati disordinati da fogli di calcolo e sistemi legacy. - Costo totale.
Licenze più implementazione, non solo il prezzo di listino.
Le piattaforme open-source meritano uno sguardo qui, soprattutto quando il tuo modello di dati è insolito. AtroCore, una piattaforma open-source di gestione dei dati, è un'opzione che i team utilizzano per consolidare dati di prodotto, fornitore e asset in un unico modello configurabile. Poiché il modello è configurabile, lo plasmi sui tuoi dati invece di forzare i tuoi dati in una struttura fissa.
Qualunque cosa scegli, testala con i tuoi dati reali prima di impegnarti. Una demo con dati di esempio puliti nasconde i problemi. Carica un'esportazione disordinata dai tuoi sistemi e guarda come lo strumento gestisce i duplicati, i formati strani e i campi mancanti.
Un modello che vediamo nella manifattura
Nei progetti su cui abbiamo lavorato, la stessa situazione si ripete. Un produttore mantiene le specifiche dei prodotti in fogli di calcolo di ingegneria, i prezzi nell'ERP e la copia di marketing in un sistema di contenuti separato. Il catalogo completo non è mai corretto in nessuno di essi, quindi il sito web e il team di vendita lavorano con numeri diversi.
I clienti di solito vengono da noi dopo che un primo tentativo ha già fallito, e quel tentativo ha quasi sempre cercato di unire ogni sistema contemporaneamente. Restringere lo scope a un dominio, i dati di prodotto, è quello che finalmente fa avanzare il progetto. I campi vengono consolidati in un unico modello, ripuliti e quindi sincronizzati verso il negozio e l'ERP. Le discussioni su quale prezzo sia corretto smettono poco dopo.
Errori comuni da evitare
Il più grande errore è trattare questo come un puro progetto IT. Una SSOT cambia il modo in cui le persone lavorano. Se le vendite mantengono il loro foglio di calcolo privato, hai di nuovo due fonti di verità. L'acquiescenza dai team che immettono e utilizzano i dati conta più dello strumento.
Un altro errore comune è cercare di risolvere tutto contemporaneamente. I team cercano di unificare ogni sistema in una volta, il progetto si blocca e nulla viene spedito. Inizia in modo ristretto. Prova il valore su un dominio. Espandi da lì.
Le persone sottovalutano anche la manutenzione.
Una SSOT non è un progetto che finisci. È un sistema che gestisci.
Prevedi la proprietà in corso da subito, o i dati torneranno dritti verso i silos.
Considerazione finale
Una single source of truth ha meno a che fare con la tecnologia e più con l'accordo. Scegli i dati che fanno male, dai loro un proprietario, stabilisci le regole e scegli uno strumento che si adatti al tuo modello. Decidi se hai bisogno di un archivio unico o di un'autorità unica per dominio, poi inizia in modo ristretto, mantienilo pulito ed espandi una volta che funziona. Il vantaggio è evidente. Le persone smettono di chiedere quale numero sia giusto e iniziano a fidarsi di quello di fronte a loro.