Huawei Developer Day
Mercati Verticali
 

27/06/2019

Share    

Trasformarsi per i dati

Approfondiamo la Data Driven Organization di Intesa Sanpaolo, e il percorso che ha portato alla strategia applicata.



In questa intervista Domenico Fileppo, responsabile Dati ed Aree di Governo dell’Area Group Chief IT, Digital and Innovation Officer di Intesa Sanpaolo, ci parla della strategia legata al tema ‘dati’ del gruppo bancario italiano.


Come è nata la vostra strategia legata al mondo dei dati e quali sono i bisogni, interni ed esterni, cui essa risponde?
La strategia sui dati adottata dal gruppo Intesa Sanpaolo mira a soddisfare contemporaneamente esigenze di natura regolamentare ed esigenze gestionali. Il nostro obiettivo è quello di fare in modo che il dato gestionale, tradizionalmente riscontrabile ad alta frequenza, si specchi con il dato regolamentare, prodotto invece con minor frequenza, ma con una maggiore profondità nei controlli. Come fattore abilitante sono state sfruttate sia le tecnologie Big Data, sia un nuovo framework di Data Governance: ciò ha progressivamente condotto a una maggior frequenza di elaborazioni effettuate con la stessa accuratezza regolamentare, anche ai fini del normale utilizzo gestionale. Questo risultato ci ha consentito di accompagnare la trasformazione digitale prevista dal Piano d’Impresa, che necessariamente richiede una conoscenza approfondita e un monitoraggio costante del proprio patrimonio informativo.

Oggi si parla molto spesso di trattare i dati come un vero e proprio asset aziendale. Quale è la peculiare natura di questo asset e quali le implicazioni (e.g., sul modello operativo e di servizio) per la Banca?
I dati devono sicuramente considerarsi degli asset aziendali. Nelle aziende con dimensioni e storia come quelle di Intesa Sanpaolo, per potere utilizzare in maniera profittevole i tanti dati, occorre un processo di ri-focalizzazione dell’intera data-pipeline, dalle golden-source fino ai data consumers interni ed esterni. La rivisitazione architetturale della data-pipeline deve essere progettata per poter essere sfruttata con un elevato grado di automazione (e.g. nei processi di provisioning e di delivery delle “soluzioni dati”) e per abilitare un utilizzo in ottica on-demand economy. Un’architettura dati moderna e l’adesione a metodologie di sviluppo e rilascio software agili e orientati all’interscambio delle informazioni quali, ad esempio, il Data Ops ed il Data As A Service, sono, a mio giudizio, fattori fondamentali per gestire al meglio questo asset.

Cosa significa essere una Data Driven Organization?
Significa innanzitutto assicurarsi che il dato sia sottoposto a meccanismi di controllo che ne assicurino la qualità. Significa, inoltre, disegnare processi e soluzioni informative per i quali il dato rappresenti la componente centrale. Solo in secondo tempo sarà possibile prendere decisioni di valore utilizzando sia approcci tradizionali che innovativi. Viviamo nell’epoca degli algoritmi, ma il vero fattore innovativo sono i dati e le capacità di elaborarli: la matematica in uso in molte soluzioni di Intelligenza Artificiale è, infatti, conosciuta da decenni.

Domenico FileppoQuale è stato il percorso intrapreso per rendere esecutiva la strategia trasformativa della Data Driven Organization?
Nell’ambito di un programma di ampio respiro - il Big Financial Data – intrapreso a partire del 2015, il gruppo ha avviato una serie di progettualità ad alto impatto sui Dati, che includono interventi infrastrutturali (e.g. creazione di un Data Lake, di un Dizionario Dati generale, di viste logiche per alimentazioni trasversali delle filiere) e organizzativi (e.g. creazione strutture Data Office, Data Technology e nomina di focal point sul dato sia lato business che lato IT).

Quali sono le realtà maggiormente innovative da cui ha tratto idee e indicazioni?
Indubbiamente una buona parte dell’ispirazione deriva dalle più recenti e affermate indicazioni accademiche, alle quali comunque si è affiancata una forte componente di expertise interna maturata a valle di un’esperienza pluriennale del personale, sia funzionale che tecnico, nel presidio della lavorazione del dato sui vari processi aziendali. Il confronto con gli analisti e con le altre aziende è, inoltre, sempre il benvenuto.

Quali sono oggi i prossimi passi in quello che appare come un percorso di continuo miglioramento e adattamento rispetto a una domanda sempre più sofisticata (e.g., utilizzo dei dati per sistemi di AI/ML)?
Stiamo lavorando su tre principali fronti: il progressivo aggancio delle filiere aziendali al nuovo framework dati, il progressivo utilizzo di questo framework nella nuova Architettura Digitale della banca e l’utilizzo dei dati, a fini di business, con soluzioni e piattaforme di decision making support basate anche su IA e ML.

Quale è il ruolo che ha giocato la tecnologia (e.g., architetture Big Data, strumenti di Advanced Analytics) e quali sono le altre componenti?
La tecnologia ha sicuramente rivestito un ruolo fondamentale, nella misura in cui lo studio e l’approfondimento dei suoi risvolti ha spesso suggerito e ispirato il disegno o la riprogettazione di soluzioni atte a rispondere alle varie esigenze richieste dal confronto sia con le funzioni di business, sia con le sfide poste dal mercato. Nella nostra Lambda Architecture sono fondamentali i meccanismi di ingestion (batch e speed layer) ed il serving layer, che include il tool di virtualizzazione utilizzato anche per federare i dati in ottica Logical Data Warehouse.

Quali sono stati i principali ostacoli incontrati durante la fase realizzativa e come sono stati superati? Quale la principale sfida manageriale?
Un programma così ambizioso ha dovuto affrontare sfide su più fronti; a partire dalla necessità di ‘recuperare la conoscenza’ di alcuni processi di trasformazione dati all’interno di filiere storicamente gestite a silos. Abbiamo inoltre dovuto gestire un gap formativo, peraltro prevedibile sulle nuove tecnologie, affrontandolo con training ad hoc della forza lavoro già presente ed integrando giovani e promettenti risorse.

Oltre alla trasformazione di tipo tecnologico, ha dovuto affrontare anche un percorso di gestione del cambiamento, culturale e organizzativo?
La trasformazione culturale ed organizzativa è stata indubbiamente una delle sfide più grandi da affrontare. In particolare, il Gruppo ha avviato un processo per attribuire in modo univoco e certo l’ownership del dato sia da un punto di vista del contenuto funzionale, sia da un punto di vista dello stack tecnologico utilizzato per la sua archiviazione e fruizione. Ciò ha sicuramente rafforzato la consapevolezza interna dell’importanza di una corretta gestione del patrimonio informativo, nonché fissato in modo chiaro le responsabilità in termini di Governance.

Qual è il principale consiglio che, sulla base della sua esperienza, si sente di rivolgere a chi per la prima volta deve affrontare un percorso simile?
Oltre ad avere ben chiari gli obiettivi da perseguire, è fondamentale – anche se troppo spesso sottovalutato – recuperare in primo luogo la conoscenza dello stato As-Is del Sistema Informativo. Implementare la più futuristica delle tecnologie senza avere la conoscenza sui dati e sui processi in essere, si traduce esclusivamente in costi. D’altra parte, come diceva Poincaré: ”La scienza è fatta di dati come una casa è fatta di pietre. Ma un ammasso di dati non è scienza più di quanto un mucchio di pietre sia una vera casa.”

 

TORNA INDIETRO >>