Guida di Google su come creare una cultura basata sui dati

Abbiamo prove concrete che dimostrano che la cultura dei dati è importante.

La rivoluzione digitale offre a ogni azienda opportunità e rischi senza precedenti. Numerose ed economiche risorse online promettono nuovi prodotti, nuovi mercati e nuove opportunità per stabilire relazioni più avanzate con i clienti. Possono però anche generare una concorrenza agguerrita e cambiamenti radicali.

In una situazione di grande volatilità, è bene ricordare alcuni principi fondamentali che non cambiano mai: conosci il mercato; concentrati sui clienti; perfeziona l'offerta e preparati ad adattarla a condizioni variabili; Punta all'efficienza.

In altre parole, raccogli i tuoi dati e utilizzali bene. Mettili al centro della tua cultura lavorativa. Questo aspetto sarà molto diverso a seconda delle persone coinvolte. Se fornisci lo stesso insieme di dati e tecnologie a due team diversi con l'obiettivo di creare soluzioni innovative o di risolvere un problema difficile, puoi ottenere due risultati molto diversi. Diversi team dovranno allinearsi ai propri obiettivi e ai dati a loro disposizione per iniziare a costruire una cultura di successo.

La cultura è di per sé un fattore di accelerazione. Secondo l'articolo Why data culture matters di McKinsey and Company, "La cultura può essere un problema complesso o una soluzione esaustiva. Se la mission di un'organizzazione in merito ai dati è scollegata dalla strategia aziendale e dalle operazioni principali, non dovrebbe sorprendere che i risultati delle iniziative di analisi possano non soddisfare le aspettative. Se, invece, l'entusiasmo nei riguardi dell'analisi dei dati pervade l'intera organizzazione, diventa una fonte di energia e slancio. Le risorse tecnologiche, dopotutto, sono incredibili. Si potrebbero ottenere risultati eccezionali con una cultura altrettanto efficace."

E poi l'uso dei dati non è di certo una novità. Fin dall'inizio del commercio, le persone hanno osservato i fatti, capito cosa è importante e cercato schemi ricorrenti da sfruttare. Le statistiche moderne risalgono al 1749 e la gestione basata sui dati ha aumentato radicalmente il PIL globale per oltre un secolo con una sofisticatezza sempre più elevata. Viviamo in un periodo storico davvero rivoluzionario e basato sui dati, anche perché li abbiamo utilizzati bene.

Il modo in cui le persone organizzano il loro lavoro dipende dalla quantità e dalla qualità dei dati che possiedono. Gli antichi agricoltori usavano dati informali come l'osservazione dei fenomeni meteorologici ricorrenti, mentre gli imprenditori industriali hanno brevettato utensili standardizzati. All'inizio dell'era informatica, abbiamo applicato ricerche matematiche e operative. Ora abbiamo bisogno di un metodo più efficace, che possa essere applicato ampiamente in tutta l'azienda.

Come dovrebbe essere questo metodo? Iniziamo dall'importanza dell'opportunità. Nel 2002, la capacità di archiviazione digitale ha superato quella analogica totale. Da allora, il tasso di crescita annuale composto dei dati di proprietà di una società tipo è stato circa il 60%. Non solo la quantità di dati è aumentata, ma ora proviene da fonti più variegate tra cui browser, sensori, smartphone e dispositivi mobili, per non parlare di altri computer. Il tasso di crescita annuale composto della variazione è incalcolabile.

Google pensa molto a queste opportunità. In fondo, la nostra mission originale è organizzare tutte le informazioni del mondo e nel corso degli anni abbiamo risolto una serie di problemi molto interessanti relativi a fornitura di insight e possibilità di agire sulla base di grandi quantità di dati di tipo diverso, ora anche a una velocità rapidissima.

Ci impegniamo a fornire insight digitali e capacità di agire ai consumatori e alle aziende sia nella nostra attività pubblicitaria con le società sia mediante strumenti e servizi per la gestione dei dati e degli insight offerti da Google Cloud. Sappiamo in che modo i nostri prodotti aiutano ad accelerare la trasformazione digitale e l'innovazione in aziende di tutto il mondo, tra cui ANZ, Mayo Clinic, Sanofi, UPS e altre ancora. Prendiamo ad esempio AirAsia, che è sulla buona strada per diventare una "compagnia aerea digitale". La trasformazione in corso sta già aiutando l'azienda a estrarre nuovi insight, diventare più agile e offrire esperienze più personalizzate in modo che possa distinguersi nel settore di competenza. "Dovevamo diventare una compagnia aerea digitale per offrire ai clienti ulteriori servizi, personalizzare le esperienze e migliorare la prenotazione e l'emissione dei biglietti", afferma Nikunj Shanti, Chief Product Officer di AirAsia. "Siamo passati dalla gestione dei dati al processo decisionale basato sui dati."

Abbiamo inoltre imparato una serie di lezioni sull'organizzazione interna per ottimizzare i dati, sia nel nostro percorso che dal supporto che offriamo ai nostri clienti per risolvere problemi complessi. Alcune di queste informazioni sono state prese come fonti di questo ebook sul perché una cultura dei dati è importante. Tutto si basa su quattro aspetti fondamentali: lavorare con fiducia, democratizzare gli insight, aumentare l'agilità aziendale e applicare l'intelligence.

L'organizzazione per operare su dati su larga scala è composta da vari aspetti davvero avvincenti. I progressi nelle tecnologie relative ai dati garantiscono un maggiore accesso e un incremento della gestibilità. Non è facile gestire e utilizzare dati su larga scala. È una nuova sfida, diversa da quanto accadeva nel passato. In molti casi, ciò è bilanciato dal miglioramento dell'automazione dei processi e degli strumenti a disposizione per comprendere i dati. Ovviamente, un maggiore accesso significa nuove sfide in termini di sicurezza, qualità e interpretabilità.

Le grandi aziende hanno successo perché implementano processi molto efficaci che producono ottimi prodotti, ovvio risultato di un'ottima comprensione e attenzione verso i clienti. In altre parole, tutte le grandi aziende hanno una grande cultura interna che genera questi risultati. Si adattano con curiosità e creatività. Se opportuno, mettono alla prova lo status quo e creano soluzioni innovative sulla base di nuovi insight. Sfruttano la potenza dei dati che hanno a disposizione, adeguando e applicando processi che generano nuovo valore dai dati.

Ciò è ancor più vero oggi, in un'era in cui gli enormi cambiamenti digitali richiedono una nuova e maggiore attenzione alla necessità di sviluppare una cultura precisa in termini di raccolta e utilizzo dei dati su larga scala. Riuscire a farlo bene e fin da subito è fondamentale perché la storia ci dimostra qualcos'altro: chi vuole raggiungere nuovi obiettivi non rinuncia mai all'opportunità di avere una quantità maggiore di dati, a condizione che siano utili. I progressi in termini di cloud computing, gestione e analisi dei dati e tecnologie di intelligenza artificiale non stanno rallentando. E non devono farlo neanche le aziende nella loro ricerca costante di cambiare il mondo. 

Le aziende che vogliono reinventare la propria cultura dei dati o crearne una nuova affermano spesso che questa serie di prodotti Google Cloud è molto utile.

• Cloud SQL per eseguire facilmente la migrazione dei carichi di lavoro on-premise al sistema Google Cloud completamente gestito
• Cloud Spanner e Cloud Bigtable, dei servizi di database cloud-native per avere una scalabilità molto elevata
• BigQuery per un data warehousing superveloce basato su petabyte
• Looker per BI moderne, analisi incorporate e applicazioni basate sui dati
• Dataproc per l'elaborazione di big data mediante cluster Hadoop e Spark
• Dataflow per elaborare i dati sia come flusso che in batch in modo rapido e serverless
• Pub/Sub per inviare messaggi da e verso app indipendenti
• Dataprep per una preparazione rapida e visiva dei dati per l'analisi o il machine learning 
• AutoML per addestrare modelli di ML personalizzati anche senza molta esperienza
• AI Platform per eseguire il deployment dei modelli ML sia on-premise che su Google Cloud

L'agilità aziendale è un aspetto molto ambito al giorno d'oggi in quanto le aziende devono far fronte ad aspettative molto pressanti, tecnologie in rapida evoluzione e un'enorme quantità di dati disponibili. Ma che cos'è l'agilità e come si ottiene? In Google Cloud crediamo che coinvolga persone, processi e dati, nonché le tecnologie che consentono di perfezionare questi dati. L'idea di base è permettere alle persone nelle organizzazioni di concentrarsi sulle loro capacità effettive, non su lavori impegnativi e indifferenziati. È fondamentale poter scegliere gli strumenti e i servizi necessari e renderli disponibili quando servono. Questo consente di evitare di svolgere tante attività diverse e di ottenere di più sviluppando nuove idee di ampia portata.

Ciò che spesso dicono gli esperti di tecnologia è che hanno bisogno di strumenti basati sui dati, il che è abbastanza evidente nel mondo moderno. Le aziende sono inondate di dati che si accumulano sempre più di giorno in giorno. Per raggiungere l'agilità è importante essere un passo avanti rispetto agli altri, provare strumenti creati appositamente e non aver paura di usarli su larga scala. Questi strumenti includono i database gestiti per eliminare i carichi di lavoro manuale meno importanti, nonché funzionalità semplificate e adeguate di analisi dei big data che mettono i dati a disposizione di molte persone, non solo di poche. Includono tutti i dati raccolti da un'azienda, elaborati in modo ripetibile affinché siano sempre utili e pubblicati in formati visivi e funzionali. Strumenti che possono interrogare i dati per prendere decisioni migliori e persino addestrare i dati in modo che prevedano ciò si sta cercando.

Un concetto come l'agilità si basa sugli atteggiamenti e sulle tecnologie utilizzate da un'azienda. All'inizio della sua storia, Google utilizzava tecnologie preesistenti. Man mano che la nostra azienda cresceva, abbiamo imparato diverse lezioni importanti. Per questo motivo, siamo stati costretti a reagire e adattarci (agilità). Ci siamo resi conto che far gestire agli sviluppatori i propri stack non era l'approccio più efficace. Quando abbiamo iniziato a sviluppare tecnologie proprietarie di Google, ci siamo concentrati su semplicità, automazione e apertura. Abbiamo appreso che, se gli utenti possono accedere a tecnologie integrate completamente gestite, i dati assumono un ruolo diverso. Oggi, invece di perdere tempo a cercare i dati giusti o di sperimentare hardware o software necessari per trovarli o analizzarli, i Googler non si preoccupano della mancanza di competenze o di agilità per utilizzare, scalare e gestire i dati. Riteniamo che questo tipo di approccio possa aiutare gli utenti a collaborare meglio e a ridurre o eliminare i silos e i frequenti colli di bottiglia. Abbiamo scoperto che questo approccio funziona internamente durante lo sviluppo di prodotti come Gmail che, pur essendosi evoluto dalla sua creazione, continua a essere semplice e facile da usare, anche su scala aziendale.

I nostri clienti ci hanno parlato di come hanno adattato la loro tecnologia e cultura a un nuovo atteggiamento agile. Un'azienda globale del settore dei media, ad esempio, ha trasferito vari data center e 1200 servizi in Google Cloud. Raggiungere l'agilità necessaria era uno dei motivi fondamentali per questo cambiamento aziendale: i servizi di livello superiore permettono di fornire più rapidamente un prodotto migliore e i team interni possono concentrarsi su ciò che fanno meglio, ovvero sviluppare servizi musicali, non gestire i data center. L'azienda ha fatto in modo di rendere disponibili i dati giusti ai team quando ne avevano bisogno, aumentando l'agilità attraverso strumenti per l'analisi e l'elaborazione dei flussi di dati.

L'infrastruttura di analisi di Twitter, creata come data lake, raccoglie petabyte di dati ogni giorno e deve essere replicata in più destinazioni per soddisfare rapidamente le esigenze degli utenti. L'azienda ha deciso di replicare i set di dati in Cloud Storage per poter utilizzare BigQuery, Cloud Bigtable e Dataproc su Google Cloud e altri prodotti. Gli utenti possono accedere ai dati di cui hanno bisogno con un approccio self-service, il che ha migliorato l'agilità a livello aziendale.

L'istituto finanziario internazionale HSBC ha trasferito il suo data warehouse on-premise su Google Cloud per migliorare l'agilità, distribuire carichi di lavoro di minore entità e integrare l'automazione nei processi. È riuscito a eliminare il debito tecnico e creare una piattaforma di dati per concentrarsi sull'innovazione, anziché sulla gestione dell'infrastruttura. Dopo la migrazione, HSBC ha migliorato le procedure di sviluppo e test, dispone di un'unica fonte attendibile nel data warehouse e utilizza viste autorizzate per l'accesso sicuro ai dati. Gli utenti non hanno limiti in termini di esplorazione dei dati e i clienti possono trovare ciò di cui hanno bisogno più rapidamente.

Insomma, un'azienda agile è un'azienda di successo, in grado di rispondere alle esigenze del mercato, alle aspettative in continua evoluzione dei clienti e alle sfide impreviste. Pensa a come interagiscono oggi le persone e i dati e se esistono modi in cui potrebbero farlo meglio.

Dalle ricerche è emerso che creare una cultura dei dati porta risultati concreti. La cultura che crei sarà specifica per le esigenze e gli obiettivi della tua organizzazione e, idealmente, potrà riunire persone, processi e dati.

L'aspetto dei dati è fondamentale, ovviamente. Abbiamo già parlato di come configurare un'infrastruttura tecnologica in modo che i dati generino le informazioni di cui hai bisogno e consentano alle aziende di essere più agili. È importante anche applicare le risorse di intelligence ai dati in modo che siano utili immediatamente, ma anche in futuro. Oggi sono disponibili e utilizzati comunemente strumenti di AI e ML impensabili anche solo un decennio fa, non solo nel mondo accademico o per poche grandi aziende. Le attività che impiegano questi tipi di risorse di analisi avanzata affermano di poter prendere decisioni migliori e di rimanere al passo con la concorrenza.

Tuttavia, nello spirito di una cultura dei dati collaborativa, gli strumenti avanzati per l'analisi e i risultati devono essere facilmente accessibili a tutti. Dopo aver stabilito quale team ha bisogno di determinate informazioni, puoi fornire agli utenti i dati giusti per svolgere il loro lavoro. Ciò potrebbe riguardare l'ottimizzazione di operazioni e processi aziendali, l'esecuzione di studi e attività di sviluppo o la risposta a domande quotidiane. Porre domande analitiche basate su dati in tempo reale apre le porte a nuove idee e innovazioni. Non si tratta di conoscere semplicemente i valori delle vendite dell'ultimo mese. Puoi applicare i dati per comprendere la cronologia di acquisti multicanale di un singolo cliente mentre fa acquisti online, in modo da proporre offerte in tempo reale sulla base della sua attività passata e di ciò che ha inserito nel carrello. 

Quando l'analisi avanzata è integrata in strumenti e applicazioni di uso comune, fa già parte dei flussi di lavoro quotidiani, il che permette agli utenti di ottenere le risposte di cui hanno bisogno. Inoltre, elimina i silos tra i team poiché, ad esempio, i responsabili delle vendite o del marketing non devono richiedere report alle controparti del team di analisi. Possono, invece, collaborare su un singolo set di informazioni per prendere più rapidamente decisioni basate sui dati. Inoltre, un data warehouse con basi solide garantisce una capacità sufficiente affinché tutti possano ottenere gli insight e i report di cui hanno bisogno.

Un cliente di Google Cloud Analytics, l'American Cancer Society, utilizza AI Platform per identificare nuovi pattern nelle immagini digitali di varie patologie. Ha addestrato una serie di modelli per l'analisi AI delle immagini al fine di trovare possibili indicatori di carcinomi, il che permette ai ricercatori di identificarli più rapidamente e, di conseguenza, di migliorare la condizione dei pazienti. Possono analizzare le immagini 12 volte più rapidamente rispetto a prima.

Anche LG CNS utilizza gli strumenti di analisi dei dati di Google Cloud per identificare i difetti nelle linee di produzione. Aveva già addestrato dei modelli di machine learning, ma con Google Cloud ha scoperto che può farlo più velocemente e con una maggiore precisione. Grazie a questo processo più efficiente, LG CNS ha risparmiato circa 1 milione di dollari per linea di produzione all'anno.

In Google Cloud integriamo le tecnologie di AI e ML in sistemi come BigQuery per il data warehousing e in ambienti come Contact Center AI e Document Understanding. Questi tipi di insight non dovrebbero essere riservati a un numero ristretto di utenti all'interno di un'azienda o essere difficili da consultare. Abbiamo creato BigQuery ML con un'interfaccia SQL molto semplice che permette di scrivere semplicemente una query per poter utilizzare il machine learning. Inoltre, le nostre funzionalità integrate di analisi avanzata consentono di prepararsi alle soluzioni tecnologiche intelligenti di prossima generazione.

Siamo fermamente convinti che l'intelligence debba essere una parte integrante di processi, persone e dati. Se gli utenti hanno ciò di cui hanno bisogno e i processi sono semplici, è possibile sviluppare idee ancora più avanzate.

I tipi di dati a cui possiamo accedere nel mondo moderno possono essere stimolanti intellettualmente, sorprendenti e soprattutto utili. Il vantaggio maggiore derivante dalla raccolta di grandi quantità di dati è che sono disponibili tramite grafici e report o integrati nei flussi di lavoro aziendali quotidiani. Questa combinazione di dati e conoscenze interpretative umane può generare nuovi modi per sviluppare business plan e progetti, nonché per trovare nuovi approfondimenti e idee.

Oggigiorno possiamo scegliere tra molte tecnologie, che però non serviranno per migliorare il business, se le persone che le utilizzano non possano accedervi facilmente. Considerando tutte le fonti di dati disponibili attualmente (sensori IoT, app aziendali, dati di marketing e così via), è facilissimo ritrovarsi con silos di dati duplicati all'interno di un'organizzazione, dove varie persone devono affidarsi a informazioni diverse o set di dati duplicati.

Riuscire ad avere un'unica fonte affidabile per i dati aziendali, a cui chiunque possa accedere come e quando necessario, può essere un'impresa davvero ardua. Implica l'importazione dei dati necessari nel data warehouse, la creazione di modelli di dati nei sistemi BI aziendali come Looker, in grado di unire i dati da 10 a 20 app SaaS o su cloud pubblici, con una fonte affidabile, accessibile e disponibile per i team senza ritardi di provisioning o colli di bottiglia per le richieste. La governance dei dati è essenziale anche per fare in modo che gli utenti giusti dispongano dell'accesso adeguato, così da mantenere protetti i dati durante l'utilizzo e il ciclo di vita. In pratica, potrebbe trattarsi di un data analyst che esegue report self-service per analizzare i dati di vendita o di un esperto di machine learning che crea modelli per prevedere le entrate o creare un nuovo strumento. La cultura dei dati prevede anche la collaborazione tra team, non il semplice confronto tra team solo quando è necessario portare a termine un'attività. Se la cultura dei dati funziona bene ed è supportata dalla tecnologia, gli utenti hanno le risorse e il tempo necessari per sviluppare nuovi progetti che possono contribuire al miglioramento dell'azienda. 

Per arrivare a un punto in cui avere dati attendibili, utilizzarli e consultarli per progredire come attività, avrai bisogno di una base tecnologica adatta a gestire gli insight. Ecco alcune domande che potresti porti al momento di scegliere la tecnologia di analisi dei dati:

• Puoi avere una visualizzazione integrata dei dati della tua organizzazione?
• Anche gli utenti aziendali della tua organizzazione possono visualizzare facilmente i dati di cui hanno bisogno?
• La piattaforma può importare i flussi di dati in tempo reale (senza superare il budget)? 
• La piattaforma è in grado di gestire i tipi di dati provenienti da origini diverse?

La connessione degli utenti che possono svolgere le attività di maggiore impatto richiede una certa pianificazione. Se esamini i tipi di stakeholder coinvolti nei progetti di AI della tua azienda, probabilmente noterai che il primo passo è collegare e comprendere il lavoro reciproco per garantire il successo di un progetto. Gli strumenti e i servizi utilizzati devono supportare questo collegamento.

Abbiamo ricevuto il feedback di molti clienti che puntano a creare una cultura maggiormente basata sui dati e, al contempo, aggiornano le loro tecnologie e sviluppano piani per il futuro. AirAsia, ad esempio, sapeva che i dati continuavano ad avere un ruolo sempre più importante nelle decisioni aziendali. I loro team analizzano oltre 6 PB di dati al mese. In passato, dovevano attendere i report Excel settimanali o mensili per ottenere risultati da tutte le operazioni di analisi. Da quando utilizzano BigQuery e le sue funzionalità di machine learning, il team composto da 1500 persone può accedere ai dati in qualsiasi momento ed eseguire in pochi minuti query ad hoc su dati risalenti anche a due anni prima. I membri del team accedono a interfacce semplici e possono esaminare i dati in dettaglio a seconda delle esigenze. Questo ha contribuito a ridurre i costi operativi dal 5% al 10% (una percentuale abbastanza significativa nel settore di competenza), nonché a proteggere meglio i dati rispetto a quando erano archiviati su singole macchine.

Il nostro data warehouse BigQuery consente di elaborare i dati in spazi di archiviazione di oggetti, database transazionali, Fogli e altro ancora, in modo da non doverli mai duplicare. Include anche set di dati pubblici, il che permette di generare un valore maggiore dai dati interni. Realizziamo i nostri prodotti in modo che siano facili da usare, cosicché gli utenti possano collaborare senza problemi e condividere gli insight. Inoltre, integriamo delle funzionalità utilizzabili immediatamente e nel futuro, come strumenti di machine learning semplificati e altre risorse di analisi avanzata.

Creare una cultura dei dati unisce persone, processi e dati. Abbiamo parlato di come fare per avere a disposizione i dati corretti e di come sia facile il loro utilizzo. Un aspetto importante della raccolta e dell'utilizzo di dati semplificati è che questi siano attendibili. Se esistono molti sistemi on-premise o legacy, i dati si accumulano e vengono copiati più e più volte dagli utenti, fino ad avere sistemi obsoleti in molti punti diversi. Inoltre, quando i set di dati iniziano a crescere, la loro qualità può diventare un problema.

Per avere una cultura basata sui dati è essenziale semplificarne l'affidabilità per gli utenti, in modo che abbiano la certezza che siano i più aggiornati e precisi. In questo ambito, non dovrebbero esistere set di dati separati o progetti isolati. Lo standard di base è che nell'organizzazione esista un'unica fonte di dati attendibili e che tutti sappiano quale sia.

L'affidabilità è un aspetto che riguarda persone e processi e che può realizzare o vanificare gli obiettivi relativi alla cultura dei dati. Inoltre, influisce in senso più ampio anche sulle tecnologie per dati. Maggiore è la quantità di dati raccolti e analizzati, più importanti sono la sicurezza e la governance. La fiducia negli strumenti e nei processi in uso è fondamentale per sviluppare una cultura ottimale basata sui dati.

I dati provengono da un'ampissima gamma di origini, ma richiedono lo stesso livello di protezione di base che include crittografia, esfiltrazione di dati e controlli dell'accesso. Inoltre, è probabile che esistano modelli personalizzati contro le minacce e aree di interesse per proteggere i dati. A seconda del settore in cui operi, potresti dover rispettare regole specifiche relative a conformità e normative. Lo stack tecnologico del provider cloud dovrebbe essere in grado di fornire le funzionalità di sicurezza del caso e consentirti di utilizzare metadati, cataloghi e derivazione dei dati per gestire le informazioni e impostare determinati criteri. Inoltre, per consentire la collaborazione tra team, dovrebbe essere facile impostare le regole di accesso e permettere la condivisione sicura dei dati.

Mettere in pratica questo aspetto è essenziale per avere un'analisi dei dati efficace, per cui consigliamo di avere un quadro generale di come implementare procedure e strumenti per la sicurezza. BeyondCorp è l'implementazione Google di un modello di sicurezza basato su principi di networking Zero Trust originali. L'aspetto fondamentale è che i controlli dell'accesso passano dal perimetro della rete ai singoli utenti e dispositivi, così da poter lavorare in sicurezza in qualsiasi luogo senza VPN. A livello generale, BeyondCorp include Single Sign-On, proxy di accesso, motore di controllo dell'accesso, inventario degli utenti, inventario dei dispositivi, criteri di sicurezza e un repository attendibile. BeyondCorp Remote Access è una soluzione cloud che offre questa funzionalità, consentendo agli utenti di accedere alle app web interne in modo sicuro e da remoto.

Uno dei nostri clienti, un istituto finanziario globale, aveva alcune domande essenziali prima della migrazione a BigQuery: i dati sono protetti e la loro derivazione può essere tracciata? L'infrastruttura è abbastanza affidabile per le app mission critical? In precedenza utilizzava il tagging dei metadati, ma ha ottenuto un'unica fonte attendibile eseguendo la migrazione a Google Cloud. I dati proprietari in BigQuery sono sempre criptati e l'integrazione nativa di Identity and Access Management (IAM) fa sì che l'accesso ai dati sia garantito con una granularità a livello di colonna. L'organizzazione può eseguire regolarmente simulazioni dei rischi e ha migliorato la sua strategia in termini di sicurezza, governance e normative utilizzando BigQuery.

Una piattaforma di analisi dei dati affidabile è utile per proteggere gli utenti da attacchi o violazioni della sicurezza, ma ha anche un ruolo importante nello sviluppo di una solida cultura dei dati. Se gli utenti si fidano dei dati che ricevono, possono concentrarsi sull'innovazione e su idee originali. 

La cultura dei dati sarà un problema o una soluzione per la tua organizzazione? E se fosse una soluzione, quale sarebbe? Come puoi capire se genera risultati ottimali? Queste domande possono aiutarti a creare una cultura completamente nuova o basata su ciò che hai già a disposizione. La cultura dei dati varia a seconda delle aziende e dei settori di competenza. Tutti gli stakeholder sapranno cosa è meglio per i team e l'organizzazione: l'importante è creare una cultura dei dati che sia la più adatta all'attività.