Data Governance e Data Quality: il valore del dato inizia dalla qualità

Laura Coletto è Senior Advisor di SimCorp Italiana e ha esperienza trentennale in progetti dell’area investimenti di un grande gruppo assicurativo. 

Durante il SUN 2026 ci ha raccontato il ruolo sempre più strategico che stanno assumendo la Data Governance e la Data Quality nel settore assicurativo. 

D: Perché oggi si parla così tanto di Data Governance e Data Quality?
Negli ultimi anni il processo decisionale delle compagnie assicurative è sempre più data-driven. Processi fondamentali come il risk management, il pricing e il reporting dipendono fortemente dalla qualità dei dati disponibili. Allo stesso tempo, assistiamo a una crescita continua dei volumi di dati da gestire, delle fonti, dei formati e del numero di transazioni. In questo scenario, dati incompleti, incoerenti o errati possono avere impatti significati in termini di problemi operativi, non conformità regolamentare, oltre a impatti economici e reputazionali. 

D: Quanto incidono gli aspetti normativi sul tema della qualità del dato?
Moltissimo. Per le compagnie assicurative il tema non è solo una best practice organizzativa, ma un vero requisito normativo. La normativa Solvency II richiede esplicitamente che i dati utilizzati siano appropriati, completi e accurati e che esistano processi di controllo, governance, tracciabilità e auditabilità. È inoltre previsto che le autorità di vigilanza verifichino la qualità dei dati utilizzati per i modelli interni. Per questo motivo la Data Quality deve essere vista come una responsabilità aziendale supportata da processi strutturati e continuativi. 

D: Qual è il ruolo della Data Governance in questo contesto?
La Data Governance rappresenta il framework attraverso cui un'organizzazione governa i propri dati. Parliamo di un insieme di ruoli, processi, politiche e standard che consentono di rendere i dati affidabili, coerenti, disponibili e facilmente utilizzabili all'interno dell'azienda. L'obiettivo finale è garantire che tutti lavorino sulla stessa informazione e che questa informazione sia corretta e gestita in modo controllato. 

D: Quali sono gli elementi fondamentali di un framework di Data Governance?
Gli elementi chiave sono quattro.
Il primo riguarda i ruoli, in particolare quello di Data Owner e Data Steward, che hanno responsabilità chiare sulla gestione e sulla qualità dei dati.
Il secondo riguarda i processi, che definiscono come i dati vengono creati, modificati, utilizzati e controllati.
Il terzo elemento è rappresentato dagli standard, indispensabili per garantire uniformità, efficienza e conformità.
Infine troviamo il Data Dictionary, che fornisce definizioni condivise e una descrizione standardizzata dei dati aziendali, allineando il linguaggio utilizzato dalle diverse funzioni aziendali. 

D: Quali benefici può ottenere una compagnia assicurativa da un corretto framework di Data Governance?
I benefici sono molteplici. Innanzitutto, un miglioramento significativo della qualità dei dati e una riduzione dei rischi derivanti da informazioni errate o incomplete. Inoltre, aumenta l'efficienza operativa, si riducono le attività manuali e si facilita la conformità alle normative. In generale, una buona governance consente di prendere decisioni più rapide e affidabili. 

D: Qual è il legame tra Data Governance e Data Quality?
La Data Governance crea le basi organizzative e metodologiche, la Data Quality ne rappresenta l'applicazione concreta. Possiamo dire che la governance stabilisce regole e responsabilità, mentre la Data Quality misura e controlla costantemente quanto i dati siano accurati, completi, coerenti, aggiornati e affidabili. 

D: Come dovrebbe essere organizzato un processo efficace di Data Quality?
Oggi è fondamentale adottare un approccio real-time o comunque il più possibile tempestivo. Questo richiede strumenti che supportino workflow strutturati, tracciabilità e monitoraggio continuo. In particolare, è importante poter definire regole di validazione standard e personalizzate, attivare alert automatici, gestire processi di revisione e remediation e mantenere un audit trail completo di tutte le attività svolte. Solo così è possibile intervenire rapidamente e garantire un controllo continuo della qualità dei dati. 

D: Qual è il rapporto tra processi operativi e qualità del dato?
È un rapporto estremamente stretto. Processi efficienti generano dati migliori, mentre dati di qualità consentono di rendere i processi ancora più efficaci. Per questo motivo l’adozione di piattaforme di Data Management che consentano una gestione centralizzata dei dati, di piattaforme di matching per il riscontro delle operazioni con le controparti e di infrastrutture quali lo SWIFT, che consentano l’implementazione di processi di settlement STP e di riconciliazioni near-real-time con le banche, rappresentano investimenti strategici. Non migliorano soltanto l'efficienza operativa, ma contribuiscono direttamente ad aumentare qualità, tempestività e affidabilità delle informazioni. 

D: In che modo l'introduzione del Settlement T+1 influenzerà questi temi?
Il passaggio al Settlement T+1 renderà ancora più cruciale la qualità del dato. Riducendo le finestre temporali disponibili per controlli e correzioni, le organizzazioni dovranno affidarsi a processi fortemente automatizzati e a dati corretti fin dall'origine. 

D: Un messaggio finale per il mercato assicurativo?
Mi piace sintetizzarlo con una frase: "Non esiste Data Quality senza processi robusti e non esistono processi veramente solidi senza dati di qualità." La qualità del dato non è un obiettivo isolato, ma il risultato di una governance efficace e di processi ben progettati. Investire in Data Governance, Data Quality e innovazione operativa significa costruire le fondamenta per decisioni migliori, maggiore efficienza e piena conformità normativa.