Il sito usa solo cookie tecnici necessari al funzionamento: nessun tracciamento, nessuna profilazione. Cookie Policy

Salta al contenuto
Tutti i termini

Cos'è DAMA-DMBOK?

Il framework di riferimento di DAMA International per il data management, utile quando serve un vocabolario comune tra più team.

DAMA-DMBOK (Data Management Body of Knowledge) è il framework di riferimento pubblicato da DAMA International, l'associazione professionale internazionale per il data management, che organizza l'intera disciplina in undici aree di conoscenza, dalla data governance alla data quality, dalla data architecture al metadata management, rappresentate visivamente nella cosiddetta DAMA Wheel. Non è uno standard tecnico né un prodotto da installare: è un vocabolario comune e un insieme di pratiche di riferimento, oggi arrivato alla seconda edizione del libro omonimo, a cui si affianca la certificazione professionale CDMP (Certified Data Management Professional) per chi vuole formalizzare competenze e ruoli riconosciuti nel settore. Il suo valore reale non sta nell'elenco delle aree, che qualunque consulente può riassumere in una slide, ma nella decisione pratica che ogni organizzazione deve prendere: adottarlo formalmente come riferimento condiviso, oppure continuare con una governance costruita su misura, senza framework esterno.

Quando conviene adottarlo davvero

Un framework strutturato come DAMA-DMBOK, documentato sul sito ufficiale di DAMA International, dà valore reale in una circostanza precisa: quando in azienda convivono più iniziative dati scoordinate e ogni team usa parole come "qualità dei dati" o "data owner" con un significato diverso. In quel contesto lo standard fornisce tre cose che una data governance costruita da zero, senza riferimento esterno, fatica a produrre in fretta: un vocabolario comune (le stesse undici aree, le stesse definizioni, riconosciute a prescindere dal team che le usa), ruoli standardizzati con confini di responsabilità precisi, ripresi in dettaglio nella voce su data steward e data owner, e un linguaggio condiviso per confrontarsi con fornitori esterni, consulenti e system integrator che usano già lo stesso framework come riferimento.

Un caso enterprise concreto

Un gruppo industriale con più business unit, ciascuna con il proprio ERP e il proprio team dati, si accorge che il reparto finance definisce "cliente attivo" in un modo, il reparto commerciale in un altro, e nessuno dei due sa chi sia davvero il proprietario del dominio anagrafiche clienti a livello di gruppo. Ogni progetto di reportistica finisce per ricalcolare gli stessi numeri con criteri diversi, e ogni fusione o acquisizione aggiunge un sistema in più al problema. Adottare DAMA-DMBOK come riferimento comune permette al gruppo di assegnare owner e steward per ogni dominio con la stessa terminologia in tutte le business unit, di misurare la qualità dei dati con le stesse dimensioni ovunque, e di chiedere gli stessi termini anche ai fornitori esterni chiamati a integrare i sistemi, invece di negoziare ogni volta da zero cosa si intende per "qualità" o "proprietà" del dato.

Perché conta per chi decide

Per chi decide, il punto non è se DAMA-DMBOK sia "meglio" di una governance costruita internamente: è capire quando serve davvero. In un'organizzazione con un solo team dati coeso e un programma di governance già maturo e funzionante, importare lo standard aggiunge soprattutto burocrazia terminologica, un vocabolario in più da imparare senza affrontare nulla che il team non avesse già gestito in altro modo. Il framework paga invece quando la frammentazione è già un costo visibile: progetti che litigano sulle definizioni, fornitori diversi che non si capiscono tra loro, un gruppo che cresce per acquisizioni. In quel caso, un vocabolario riconosciuto a livello internazionale, con una certificazione professionale alle spalle, accelera l'allineamento molto più di un glossario interno reinventato da zero.

  • Data steward, data owner e data classification · I ruoli operativi della data governance: chi possiede un dominio dati, chi ne cura la qualità ogni giorno, come si classifica per sensibilità.
  • Data quality · Quanto i dati sono adatti all'uso che devi farne: completi, corretti, aggiornati e coerenti tra i sistemi. Si misura, non si dichiara.
  • Data contract · Accordo formale tra chi produce e chi consuma un dato: schema, semantica e SLA versionati e verificati automaticamente in CI.

Un termine che ti riguarda da vicino? Parliamone.

CONTATTAMI