Cos’è DAMA-DMBOK? Una guida pratica al Data Management Body of Knowledge
DAMA-DMBOK è un framework di riferimento ampiamente riconosciuto per la gestione dei dati: definisce i principi, le pratiche e le funzioni alla base di ogni programma dati maturo. Questa guida illustra le 11 aree di conoscenza, come si collegano tra loro e come metterle in pratica.
- Cos’è DAMA-DMBOK?
- Le 11 aree di conoscenza di DAMA-DMBOK
- Applicare DAMA-DMBOK con Snowflake
- DMBOK è completo per natura
- Risorse
Il Data Management Body of Knowledge, o DAMA-DMBOK®, offre ai team di gestione dei dati, ai CDO e ai professionisti della governance un linguaggio comune e una mappa strutturata della disciplina all’interno di un più ampio framework di data governance. È intenzionalmente non prescrittivo: definisce ciò che le organizzazioni devono affrontare, senza imporre come farlo. Questo lo rende applicabile a qualsiasi settore, stack tecnologico e organizzazione di qualunque dimensione.
In genere i team implementano DAMA-DMBOK per fasi, dando priorità alle aree di conoscenza più rilevanti rispetto alle pressioni normative, operative o strategiche del momento, ed estendono la copertura man mano che il programma matura.
Con DMBOK 3.0 in fase di sviluppo attivo dal 2026, il framework si sta evolvendo per affrontare l'AI governance, la gestione dei dati di machine learning e le moderne architetture cloud, mantenendo i propri principi ancorati alle realtà che i team dati affrontano oggi.
Cos’è DAMA-DMBOK?
DMBOK è il framework di riferimento per la gestione dei dati di DAMA International, riconosciuto a livello globale. Definisce i principi, le pratiche e le funzioni fondamentali di cui professionisti dei dati e organizzazioni hanno bisogno per sviluppare e sostenere programmi efficaci di gestione dei dati. È inoltre la base di conoscenza fondamentale per la certificazione CDMP (Certified Data Management Professional), una credenziale professionale ampiamente riconosciuta nel campo della gestione dei dati.
Mentre framework come DCAM forniscono un modello strutturato di valutazione della maturità, DMBOK è un corpus di conoscenze: un riferimento completo che definisce cosa comprende la gestione dei dati, come si presentano le buone pratiche in ciascuna disciplina e come le funzioni si relazionano tra loro.
Vale la pena evidenziare alcuni confini importanti:
- DMBOK non è un modello di maturità. Non assegna alle organizzazioni un punteggio rispetto a livelli predefiniti né produce un’analisi dei gap. Le organizzazioni che necessitano di questo tipo di risultato in genere affiancano a DMBOK un framework di valutazione come DCAM.
- DMBOK non è un obbligo di conformità. È allineato ai requisiti normativi, ma non è giuridicamente vincolante.
- DMBOK non è un manuale tecnologico. Non raccomanda strumenti o piattaforme specifici.
Al centro del framework DMBOK si colloca la data governance: la funzione che sostiene e collega tutte le altre aree di conoscenza. DAMA la rappresenta visivamente con la ruota DAMA, in cui la Data Governance è il fulcro centrale e le 11 aree di conoscenza sono disposte come raggi attorno a essa.
Le 11 aree di conoscenza di DAMA-DMBOK
DMBOK organizza la gestione dei dati in 11 aree di conoscenza interconnesse. Ogni capitolo del framework illustra i driver di business, i concetti essenziali, le attività, gli strumenti e le linee guida di implementazione relativi a ciascuna area.
| Area di conoscenza | Cosa comprende |
|---|---|
| Data Governance | Policy, diritti decisionali, ruoli e strutture di responsabilità per gestire i dati come asset di business |
| Data Architecture | Strutture, modelli e framework dati enterprise che allineano la progettazione dei dati alla strategia di business |
| Data Modeling and Design | Modelli di dati concettuali, logici e fisici che supportano integrazione, operazioni e analisi dei dati |
| Data Storage and Operations | Progettazione dello storage fisico, gestione dei database, prestazioni e supporto operativo per i dati strutturati |
| Data Security | Privacy, riservatezza, controllo degli accessi e protezione dei dati lungo l’intero ciclo di vita |
| Data Integration and Interoperability | Processi e tecniche per spostare, consolidare e trasformare i dati tra i sistemi |
| Document and Content Management | Gestione di dati non strutturati e semi‑strutturati, inclusi documenti, record e contenuti digitali |
| Reference and Master Data | Gestione di dati condivisi e autorevoli: dai master data (clienti, prodotti) ai reference data (codici, classificazioni) |
| Data Warehousing and Business Intelligence | Pianificazione, implementazione e gestione dell’infrastruttura dati analitica e del reporting |
| Metadata | Raccolta, gestione e utilizzo dei dati sui dati: definizioni, lineage, classificazione e contesto |
| Data Quality | Definizione, misurazione e miglioramento di accuratezza, completezza, coerenza e idoneità all’uso dei dati |
Applicare DAMA-DMBOK con Snowflake
Le 11 aree di conoscenza di DMBOK possono essere allineate alle funzionalità disponibili in Snowflake. In questo modo i team dispongono di un percorso pratico dai principi del framework all’implementazione operativa.
Data governance
Snowflake Horizon Catalog offre una governance integrata per dati, applicazioni e modelli. RBAC e ABAC unificati, RBAC e ABAC unificati, tagging degli oggetti, classificazione dei dati sensibili, mascheramento dinamico dei dati, policy di accesso righe e lineage end‑to‑end aiutano a rendere operativi gli aspetti dell’area di conoscenza sulla governance di DMBOK, traducendo diritti decisionali e framework di policy in controlli applicati e verificabili.
Metadati
Horizon Catalog mantiene metadati coerenti tra i dati nativi Snowflake, le tabelle Apache Iceberg e le origini esterne. Universal Search consente di individuare gli asset di dati in linguaggio naturale, mentre le descrizioni degli oggetti generate dall’AI e il tracciamento del lineage supportano le pratiche di gestione dei metadati definite da DMBOK, tra cui classificazione, provenienza e contesto di business.
Sicurezza dei dati
Le fondamenta di sicurezza di Snowflake includono policy di rete, gestione delle identità, RBAC centralizzato, classificazione automatica dei dati sensibili e monitoraggio continuo dei rischi. Snowflake possiede le certificazioni SOC 2 Type II, PCI DSS, FedRAMP Moderate e High, ISO 27001 e HITRUST, supportando le organizzazioni nell’affrontare le considerazioni normative descritte nell’area di conoscenza Data Security di DMBOK.
Qualità dei dati
Il Data Quality Monitoring di Snowflake utilizza data metric function (DMF) integrate e personalizzate per misurare in modo continuo le dimensioni della qualità in tutto il patrimonio di dati. I risultati emergono in una vista di monitoraggio centralizzata, a supporto delle pratiche di misurazione e miglioramento definite da DMBOK per l’area di conoscenza Data Quality.
Integrazione dei dati e interoperabilità
Snowpipe (ingestion continua), Streams (change data capture) e il supporto nativo per Apache Iceberg tramite Horizon Catalog e Apache Polaris rispondono all’area di conoscenza di DMBOK su integrazione e interoperabilità, abilitando il movimento dei dati tra le origini mantenendo governance e lineage.
Data warehousing e business intelligence
L’architettura multi‑cluster condivisa di Snowflake, che separa il compute dallo storage, fornisce l’infrastruttura analitica descritta dall’area di conoscenza Data Warehousing and Business Intelligence di DMBOK: scalabile su AWS, Azure e Google Cloud, con il supporto di un ampio ecosistema di strumenti di BI e analisi dei dati.
DMBOK è completo per natura
L’ampiezza di DMBOK, con 11 aree di conoscenza e centinaia di pagine di indicazioni, può apparire opprimente per le organizzazioni che muovono i primi passi nello sviluppo della propria strategia di gestione dei dati. Ma proprio l’ampia portata di DMBOK è ciò che lo rende duraturo. Definendo cosa comprende la disciplina anziché prescrivere come eseguirla, DMBOK è applicabile a organizzazioni di dimensioni, settori e ambienti tecnologici molto diversi. I team che ne traggono il massimo lo considerano una base per allineare gli stakeholder, definire le priorità e sviluppare programmi di gestione dei dati capaci di avere successo nel tempo.
