A seguito della crisi finanziaria del 2018 il tema della regolamentazione e della compliance è diventato sempre più stringente nelle banche, nel mondo ma anche in Italia. Basti pensare alla MFIDII, alla PSD2 fino alla GDPR, che impongono nuove regole e nuove pratiche all’interno degli istituti finanziari europei, con l’obiettivo di rendere più trasparente, aperto e sicuro il sistema finanziario del continente.

La Data Governance in banca

La spinta alla regolamentazione ha d’altra parte aumentato la complessità di gestione e di governo dei processi bancari, così come l’effort in termini di risorse e di capitale umano dedicato a progetti in questi ambiti. A fronte di questa complessità, diverse banche italiane hanno scelto di costituire delle funzioni centralizzate di data governance che guidino, monitorino e controllino la filiera del dato all’interno dell’azienda.

Spesso la creazione di queste nuove funzioni si è accompagnata con la definizione di framework condivisi che supportano e semplificano la gestione della complessità legata ai dati; questo framework poi impone un percorso di trasformazione e adattamento non solo delle pratiche e dei processi in azienda, ma sempre più anche dell’organizzazione.

Superare i data silos con la data governance

La problematica relativa ai data silos – ossia archivi di dati che restano in modo rigido sotto il controllo di un’unica funzione/ organizzazione, isolata rispetto al resto dell’azienda – è indubbiamente uno dei temi più rilevanti che le funzioni di Data Governance nelle banche oggi si propongono di superare. In questo senso, la definizione di framework condivisi e di standard di definizione e di gestione dei dati permette di superare le barriere imposte – volontariamente o involontariamente – dai silos creati nel corso degli anni.

Dalla Data Governance al potenziale degli analytics e dell’AI

Preparare tramite un processo di standardizzazione e di controllo dei dati in azienda consente indubbiamente da un lato di ridurre i costi di accesso e di gestione al dato e al suo utilizzo, dall’altro di abilitare l’utilizzo di soluzioni avanzate e innovative di analisi dei dati. Machine learning, AI, Advanced Analytics sono tutti strumenti che indubbiamente possono trarre vantaggio dalla definizione di una strategica di Data Governance all’interno della banca, abilitando in modo consistente lo sviluppo di nuove applicazioni e di nuove funzionalità.

Mediobanca e BPER, due esempi di Data Governance nelle banche italiane

Nel corso del Digital Enterprise Forum 2018 che The Innovation Group ha organizzato lo scorso marzo a Milano sono intervenuti nella discussione Alessandro Bulfone, CDO di Mediobanca, e Ugo Prestianni, Responsabile della Data Governance in BPER. Entrambi hanno raccontato al pubblico presente le iniziative di Data Governance che da diverse anni i loro istituti finanziari stanno portando avanti. Entrambi hanno infatti affrontato le problematiche relative al superamento di un modello silos- based, che consentisse di avere un data base strutturato e condiviso all’interno della Banca, riducendo in questo modo i costi di analisi e di reporting; inoltre, in entrambi i casi si è affrontato il tema di come l’organizzazione e la cultura del dato in azienda debba evolvere per trasformare la banca in una vera e propria data-driven bank.