Che cos’è la gestione dei dati?
La gestione dei dati consiste nel raccogliere, conservare e utilizzare i dati in modo sicuro, efficiente ed economico, nel rispetto delle politiche e delle normative vigenti. Con l’espansione delle iniziative di intelligenza artificiale e l’aumento delle minacce rappresentate dal ransomware, una gestione efficace dei dati è un prerequisito fondamentale per la resilienza informatica e la Readiness all’intelligenza artificiale.
Punti di forza
L'IA dipende da una gestione efficace dei dati
La gestione dei dati aziendali può contribuire a garantire la Readiness per l’IA, la resilienza informatica, la conformità, la governance e la protezione dal ransomware.
La gestione dei dati abbraccia aspetti quali governance, architettura, qualità, sicurezza, metadati e protezione, al fine di fornire, controllare e valorizzare i dati. Il quadro di riferimento DAMA-DMBOK(1) definisce 11 discipline interconnesse che ne costituiscono il nucleo.
I modelli di IA richiedono dati che siano rappresentativi, continuamente qualificati e governati a livello di risorsa – non solo puliti. Gartner prevede che il 60% dei progetti di IA fallirà entro il 2026 in assenza di dati pronti per l’IA(2).
La resilienza dei dati è una disciplina di primo piano nella gestione dei dati. Sophos ha rilevato che nel 94% dei casi le vittime di ransomware hanno subito tentativi da parte degli aggressori di compromettere i propri backup(3) – rendendo essenziali l’immutabilità e un processo di Recovery collaudato.
Il framework DAMA-DMBOK definisce la gestione dei dati attraverso 11 aree di conoscenza. Esso pone la governance al centro e considera l’architettura, la qualità, la sicurezza, l’integrazione, i metadati e la protezione dei dati come discipline fondamentali.
DORA, NIS2, GDPR, HIPAA e la legge dell’UE sull’IA impongono obblighi dimostrabili in materia di gestione dei dati, richiedendo controlli documentati, backup immutabili e audit trail.
Una gestione efficace dei dati contribuisce a garantire la governance, la classificazione e i controlli di accesso su backup, archivi e ambienti di Recovery, non solo sui sistemi di produzione.
(1) DAMA-DMBOK, (2) Gartner, (3) Sophos
La posta in gioco è sempre più alta
Perché la gestione dei dati è fondamentale
Secondo Gartner, entro il 2026 le organizzazioni abbandoneranno il 60% dei progetti di IA privi di dati pronti per l’IA, mentre, secondo Sophos, nel 2024 gli autori di attacchi ransomware hanno preso di mira i backup nel 94% degli attacchi. Una gestione inadeguata dei dati è ormai un rischio strategico.
Perché l’IA necessita di una migliore gestione dei dati?
I modelli di IA necessitano di dati rappresentativi, continuamente qualificati e governati a livello di risorsa – non solo puliti.
Difendersi dal ransomware e dalle violazioni
Quando i backup vengono compromessi, le richieste di riscatto raddoppiano e i costi di Recovery aumentano, rendendo la resilienza dei dati una disciplina fondamentale nella gestione dei dati.
Quali obblighi normativi deve affrontare la gestione dei dati?
DORA, NIS2, GDPR, HIPAA e la legge UE sull’IA richiedono controlli dimostrabili, backup immutabili, tempi di ripristino definiti e prove pronte per l’audit.
Componenti principali
Come funziona la gestione dei dati
La gestione dei dati combina governance, qualità, controllo del ciclo di vita e protezione in tutti gli ambienti, contribuendo a garantire che i dati siano affidabili, recuperabili e pronti per l’IA ovunque si trovino.
Governance, qualità e architettura
La governance dei dati definisce le politiche e i diritti decisionali che regolano le modalità di creazione, accesso e utilizzo dei dati. L’architettura e le pratiche di qualità contribuiscono a mantenere i dati accurati, coerenti e pronti per le iniziative aziendali e di intelligenza artificiale.
Ciclo di vita, classificazione e metadati
Il ciclo di vita dei dati comprende creazione, archiviazione, utilizzo, condivisione, conservazione e cancellazione, con controlli di classificazione, conservazione e sicurezza applicati in ogni fase. I metadati attivi rendono i dati individuabili e pronti per l’IA.
Protezione, resilienza e Recovery
La protezione dei dati – backup, crittografia e controllo degli accessi – contribuisce a garantire che i dati siano recuperabili e affidabili. La regola di backup 3-2-1 e il Cleanroom Recovery rappresentano lo standard aziendale moderno per una gestione dei dati resiliente al ransomware.
Nella pratica
Casi d’uso della gestione dei dati
Le organizzazioni che operano in settori regolamentati, le imprese basate sull’intelligenza artificiale e gli ambienti ibridi applicano le discipline di gestione dei dati per proteggere i dati, soddisfare i requisiti normativi e preparare i dati per l’intelligenza artificiale su larga scala.
Di cosa hanno bisogno i team di dati per modelli di IA affidabili?
I team di IA e dati necessitano di dati qualificati, governati e con tracciabilità della provenienza per costruire modelli affidabili. La gestione dei dati dovrebbe costituire il fondamento di ogni iniziativa di IA sostenibile.
Rispettare la conformità in tutte le giurisdizioni
Le organizzazioni dei settori dei servizi finanziari e della sanità devono far fronte a obblighi che si sovrappongono ai sensi di DORA, NIS2, GDPR e HIPAA. La gestione dei dati – classificazione, governance e registrazione degli audit – contribuisce a fornire le prove di conformità richieste dalle autorità di regolamentazione.
Gestione dei dati in ogni ambiente
Molte organizzazioni operano in ambienti multi-cloud. Una governance, una classificazione e una protezione coerenti devono estendersi a ogni ambiente cloud, SaaS e on-premise.
Domande frequenti
Che cos’è la gestione dei dati?
La gestione dei dati è la pratica di raccogliere, conservare e utilizzare i dati in modo sicuro. Comprende aspetti quali governance, qualità, sicurezza, metadati e protezione, con 11 aree di conoscenza definite nel framework DAMA-DMBOK.
Quali sono i principali componenti della gestione dei dati?
Il DAMA-DMBOK definisce 11 componenti: governance dei dati (la funzione centrale), architettura, modellazione e progettazione, archiviazione e operazioni, sicurezza, integrazione e interoperabilità, gestione di documenti e contenuti, dati master, data warehousing, metadati e qualità. I framework moderni aggiungono come priorità DataOps, osservabilità dei dati, resilienza dei dati e preparazione dei dati per l’intelligenza artificiale.
Qual è la differenza tra gestione dei dati e governance dei dati?
La gestione dei dati è la disciplina di ampio respiro che copre tutte le attività necessarie per contribuire a fornire, proteggere e migliorare il valore dei dati – incluse architettura, qualità, integrazione e protezione. La governance dei dati è un sottoinsieme che definisce i diritti decisionali, le politiche e la responsabilità. In breve: la governance stabilisce le regole; la gestione dei dati le attua.
Cosa si intende per dati pronti per l’IA?
I dati pronti per l’IA sono dati qualificati e costantemente allineati a uno specifico caso d’uso dell’IA, rappresentativi dei modelli e dei valori anomali che un modello incontrerà. A differenza dei dati tradizionalmente “puliti”, i dati pronti per l’IA richiedono metadati attivi e una governance a livello di asset, non solo verifiche periodiche della qualità.
In che modo la gestione dei dati contribuisce a garantire la conformità normativa?
La gestione dei dati contribuisce a fornire i controlli richiesti dalle autorità di regolamentazione: classificazione, governance degli accessi, backup immutabili, tempi di ripristino definiti e prove pronte per gli audit. DORA, NIS2, GDPR, HIPAA e l’EU AI Act impongono controlli dimostrabili.
In che modo Commvault supporta la gestione dei dati?
Commvault supporta la gestione dei dati attraverso l’individuazione e la classificazione dei dati, la governance degli accessi, i backup immutabili secondo la regola 3-2-1 e i test di ripristino in ambiente controllato, coprendo ambienti cloud, ibridi e on-premise. Le funzionalità di Commvault aiutano a gestire l’intero ciclo di vita dei dati, dalla governance e protezione fino al ripristino.
Governance dei dati
Resilienza dei dati
