La gestione dei patrimoni informativi all’interno delle grandi organizzazioni sta vivendo una profonda trasformazione, guidata dalla necessità di estrarre valore reale dai sistemi aziendali e di prepararsi all’integrazione delle tecnologie intelligenti. Il percorso evolutivo intrapreso da una realtà complessa come il Gruppo Unipol delinea una precisa traiettoria metodologica e tecnologica, i cui dettagli operativi ed economici sono stati esposti nel corso del convegno Use Case Session 2026, appuntamento annuale organizzato dall’Osservatorio Data & Decision Intelligence presso gli Osservatori Digital Innovation del Politecnico di Milano.
L’esperienza del grande gruppo assicurativo evidenzia come l’efficacia dei processi decisionali sia legata alla capacità di strutturare un modello evoluto di data governance, in grado di superare la storica separazione tra i diversi comparti aziendali per approdare a una gestione distribuita, flessibile e scalabile.
Indice degli argomenti:
La frammentazione dei silos informativi e la necessità di una svolta strategica
Il Gruppo Unipol rappresenta uno dei maggiori attori assicurativi sul territorio nazionale. La struttura serve oltre 17 milioni di clienti grazie al lavoro di circa 12.000 dipendenti. La fisionomia del gruppo va oltre l’ambito assicurativo. Essa comprende una fitta rete di società attive in settori commerciali differenti. Il perimetro include strutture alberghiere e i servizi di telepedaggio automobilistico a marchio UnipolMove.
Questa articolata diversificazione deriva da una lunga sequenza di acquisizioni, fusioni e integrazioni societarie nel tempo. Luca Arietta, responsabile del team di platform governance di Unipol Assicurazioni, descrive la complessità di questo modello di crescita: «Questo perimetro societario è stato ottenuto anche grazie a integrazioni e fusioni societarie nel corso del tempo tra realtà diverse, e spesso ha comportato sfide di integrazione di ecosistemi, culture, persone e dati nati in context molto differenti tra di loro.».
I limiti dei vecchi sistemi informativi
L’architettura tecnologica precedente soffriva per la presenza di diffusi silos informativi. Tali sistemi garantivano risposte verticali alle singole necessità, ma creavano rilevanti criticità a livello di gruppo. Emergevano forti difficoltà nel connettere i dati tra le diverse piattaforme aziendali. Il livello di data governance centralizzata rimaneva estremamente ridotto. Si registrava inoltre una frammentazione dei concetti utili al business e un’elevata ridondanza delle informazioni. Di conseguenza, i diversi sistemi informatici trattavano lo stesso dato in modi differenti, riducendo l’efficienza delle analisi complessive.
L’architettura flessibile del data mesh e la gestione della piattaforma
Per superare i limiti dei vecchi sistemi, l’organizzazione ha implementato una nuova piattaforma dati modulare. Il sistema sfrutta le tecnologie cloud di gruppo e supporta l’integrazione con i modelli di intelligenza artificiale. Questo cambiamento segna il passaggio da un’infrastruttura rigida a un ecosistema flessibile orientato alle logiche del Data mesh. Arietta definisce la nuova architettura come un abilitatore strategico: «Abbiamo quindi superato un’architettura dati rigida, che molto spesso era vista come un collo di bottiglia, con un qualcosa di totalmente diverso: una piattaforma modulare, unica nelle tecnologie e flessibile, che fosse anche un abilitatore verso i data producer nel condividere facilmente le informazioni, e verso i consumatori di queste informazioni per avere accesso ai dati in modo fluido, standardizzato e, soprattutto, sicuro.».
Un progetto di trasformazione organizzativa
Il progetto ha richiesto una profonda trasformazione aziendale. La transizione ha imposto la ridefinizione dei processi di lavoro dei data team e una chiara ripartizione delle responsabilità interne. L’architettura della piattaforma distribuisce i compiti su tre piani operativi distinti:
- Il piano dell’infrastruttura identifica e astrae le tecnologie sottostanti.
- Il piano dello sviluppo definisce le linee guida per la struttura dei singoli data product in ottica data mesh.
- Il Mesh Experience Plane fornisce un layer centralizzato di policy, standard e linee guida condivise per trattare i data product in modo comune.
Il ruolo centrale del data marketplace
La struttura guidata da Arietta cura l’individuazione degli strumenti e l’automatizzazione dei processi informatici. L’obiettivo principale consiste nell’elevare la qualità e il controllo delle informazioni aziendali. Al suo interno opera un data marketplace. Questo catalogo accessibile permette la ricerca e la fruizione delle risorse informative tramite un processo formale di checkout. Il meccanismo di controllo coinvolge direttamente sia i responsabili tecnici sia i proprietari di business, garantendo la sicurezza degli accessi.
I riscontri metrici del programma di data governance
L’applicazione pratica di questa strategia ha visto il coinvolgimento attivo della società di consulenza Capgemini. Marco Mastromanno, Unipol insight & data delivery partner per Capgemini, segue il percorso dal 2021. Il programma copre l’intero portafoglio di gestione legato ai dati e all’intelligenza artificiale, supportando il cliente dalla vision iniziale fino alla messa a terra operativa.
I numeri della trasformazione aziendale
La portata del progetto di data governance distribuita trova riscontro nei principali indicatori numerici registrati dal programma. Gli indicatori descrivono la dimensione reale dell’infrastruttura:
- Il programma coinvolge direttamente 11 società del Gruppo Unipol.
- L’infrastruttura monitora e gestisce oltre 2.000 flussi informativi attivi.
- L’organizzazione pubblica dashboard analitiche per utenti diversi, dalle direzioni centrali fino alle agenzie sul territorio.
- Il catalogo aziendale coordina attualmente più di 25.000 asset informativi.
I vantaggi metodologici sul rendimento del business
Secondo le analisi di Mastromanno, il nuovo modello crea un punto di contatto stabile tra le divisioni IT e le direzioni di business. Il framework assegna responsabilità chiare e distribuite sui vari domini aziendali. I benefici si articolano su tre livelli distinti. Il primo consiste nel passaggio dalla gestione del dato grezzo al concetto di data product, con una ownership definita e rintracciabile per ogni elemento.
Il secondo risiede nella scalabilità della data governance. Tramite la suite Intelligent Data Management Cloud (IDMC), l’azienda controlla la qualità dei dati anche su volumi enormi. Il terzo elemento di valore riguarda il riutilizzo sistematico delle soluzioni tramite il marketplace aziendale. Questa pratica semplifica lo sviluppo e accelera il time-to-market per il rilascio dei servizi.
Il layer tecnologico multicloud e il ruolo di Informatica
La piattaforma IDMC fornita da Informatica costituisce il pilastro tecnologico del modello di governance federata. Informatica fa ora parte del perimetro di Salesforce. Gabriele Donghi, senior enterprise account manager di Informatica, evidenzia le caratteristiche di questa soluzione. Si tratta di una piattaforma cloud, multicloud e ibrida sviluppata per integrarsi con i principali partner d’ecosistema sul mercato, come Amazon, Google, Azure, Databricks e Snowflake.
Certificazione e tracciabilità del dato
Questa capacità di interconnessione permette alle imprese di costruire un modello di governance solido. Il sistema risponde alle necessità regolatorie e alle sfide dei sistemi intelligenti. Mastromanno dettaglia l’apporto di questo strumento evidenziando la concretezza delle funzioni applicate: «Al di lа del framework, un ruolo importante è stato giocato dall’introduzione tecnologica e, soprattutto, dal framework di data management di Informatica (ora parte di Salesforce), che ci ha fornito tutti gli step concreti: dalla creazione del catalogo al lineage, dalla qualità del dato alla classificazione degli stessi.». Questa architettura assicura che il Marketplace esponga dati certificati, tracciabili e riutilizzabili.
La solidità della Data foundation come prerequisito per l’agentic AI
L’analisi del caso Unipol fa emergere un nesso fondamentale. La qualità della data governance determina il successo dei progetti di intelligenza artificiale di ultima generazione. Le attività dedicate alla cura dei metadati, alla ricostruzione del lineage e al controllo della qualità non costituiscono adempimenti burocratici. Esse rappresentano l’architrave tecnica indispensabile per evolvere verso le architetture agentiche.
Prevenire i problemi dei sistemi intelligenti
A questo proposito, Arietta formula una precisa indicazione sui rischi tecnologici: «Penso infatti che se questo livello di dati non è solido, consolidato, sicuro e presidiato, l’intelligenza artificiale avrà purtroppo qualche problema in più.». In assenza di un livello informativo strutturato e protetto, l’efficacia dei modelli di intelligenza artificiale si riduce sensibilmente.
Le strategie industriali di Salesforce e Informatica
Questa stretta correlazione tecnica spiega le recenti dinamiche di consolidamento tra i grandi produttori di software mondiali. Donghi spiega la logica strategica alla base dell’operazione di acquisizione perfezionata nei mesi scorsi: «Questo è il motivo per cui Salesforce ci ha acquisito circa sei mesi fa: ha visto in Informatica quel layer di data foundation necessario per aiutare le aziende a costruire l’intero modello agentico.». L’obiettivo industriale mira ad accompagnare le organizzazioni in un percorso di maturità digitale integrato. La strategia unisce la costruzione di una solida data foundation all’orchestrazione dei modelli di agentic AI tramite strumenti aziendali condivisi.
Partecipa alla community