{"templateName":"base-page-template54","cssClassNames":"page basicpage summit-page","allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"description":"Scopri che cos’è un framework di data governance, come funziona, quali componenti chiave includere, i framework più diffusi e come scegliere il modello giusto.","language":"it","title":"Framework di data governance: definizione, esempi e come scegliere | Snowflake","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":mappedPath":"/it/data-governance/frameworks/",":type":"snowflake-site/components/structure/page",":items":{"root":{"columnCount":12,"columnClassNames":{"markup_editor_928258845":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","markup_editor_597730182":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment":"aem-GridColumn aem-GridColumn--default--12","modal_container":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"experiencefragment-banner":{"id":"experiencefragment-c21412668a","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/pushdown-banner/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/pushdown-banner/master.xfmodel.json?callerPage=/content/snowflake-site/global/it/data-governance/frameworks"},"experiencefragment-header":{"id":"experiencefragment-b470b9891a","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/mega-nav-header/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/mega-nav-header/master.xfmodel.json?callerPage=/content/snowflake-site/global/it/data-governance/frameworks"},"responsivegrid":{"columnCount":12,"columnClassNames":{"flexible_column_cont_541093956":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_623474982":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1337071273":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_205440979":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1522565878":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_549182334":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_topics_row2":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_132267907":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1026756049":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_topics_row3":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"flexible_column_cont":{"id":"flexible-column-container-2b11878d87","propertiesId":"hub-hero-breadcrumbs","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-e1d2fc5ef5",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"breadcrumb":{"id":"breadcrumb-52be671afe","items":[{"id":"breadcrumb-52be671afe-item-4a811195e3","link":{"valid":true,"url":"/it/"},"active":false,"current":false,"title":"Italiano",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"},{"id":"breadcrumb-52be671afe-item-55fd32de07","link":{"valid":true,"url":"/it/data-governance/"},"active":false,"current":false,"title":"Data governance",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"},{"id":"breadcrumb-52be671afe-item-6a3456ab03","link":{"valid":true,"url":"/it/data-governance/frameworks/"},"active":true,"current":true,"title":"Framework",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"}],":type":"snowflake-site/components/breadcrumb"}},":itemsOrder":["breadcrumb"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_1522565878":{"id":"flexible-column-container-2a25e9c64e","propertiesId":"hub-hero","type":"2-column-40-60","alignColumns":"center","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-7928fa5af6",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text_308678774":{"id":"text-19f917c2e2","additionalClasses":"eyebrow-text","text":"\u003Cp style=\"padding-top: 8.0px;\"\u003EGuida fondamentale\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-02"},"title_v2":{"id":"title-v2-a89aea0b28","additionalClasses":"hub-hero__headline","type":"heading1","lines":["Framework di data governance: trasforma le policy in accountability"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text":{"id":"text-959b16840b","additionalClasses":"hub-hero__subheadline","text":"\u003Cp\u003EUna guida completa ai principali framework di data governance, ai loro componenti fondamentali e a come le organizzazioni implementano la governance in ambienti dati, cloud e AI.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"container":{"additionalClasses":"hub-hero__authors","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"content_chip":"aem-GridColumn aem-GridColumn--default--12","content_chip_1766711538":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-76bb49e915",":type":"snowflake-site/components/container",":items":{"content_chip":{"id":"content-chip-8a6bcbe1ed","cta":{"id":"cta","showOutboundIcon":false,"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Leggi la biografia"},"image":{"id":"image","height":"800","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--8cae2e4e-cb20-427b-bc76-c3ddf5b575e0/laurie-macpherson.jpg?quality=85&preferwebp=true","alt":"Laurie Macpherson","lazyEnabled":true,"width":"800",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":["Laurie Macpherson","Staff Technical Writer, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"},"content_chip_1766711538":{"id":"content-chip-576217da47","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/it/blog/authors/david-gaule/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Leggi la biografia"},"image":{"id":"image","height":"512","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--e9fe1838-72c0-4159-a9e8-d0fa672a5fa8/david.jpg?quality=85&preferwebp=true","alt":"David Gaule","lazyEnabled":true,"width":"512",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":[" David Gaule","Technical Editor, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"}},":itemsOrder":["content_chip","content_chip_1766711538"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"}},":itemsOrder":["text_308678774","title_v2","text","container"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},"flexible_column_content_container_2":{"additionalClasses":"hub-hero__video-column","layout":"SIMPLE","id":"container-c38b7ad87b",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"youtube":{"id":"embed-42a52c007c","youtubeVideoId":"SI4XqQCrQEI","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"}},":itemsOrder":["youtube"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_205440979":{"id":"flexible-column-container-0f81c2a112","propertiesId":"hub-hero-related-topics","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"related-topics-outer-container","layout":"SIMPLE","id":"container-502083b822",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text_894059747":{"id":"text-c922ad7a4a","additionalClasses":"seo-hub-hero__related-topic-label","text":"\u003Cp\u003EFramework di data governance più diffusi:\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text":{"id":"text-7027bdb882","additionalClasses":"related-topics ","text":"\u003Cul\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/it/data-governance/frameworks/cdmc/\"\u003ECDMC\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/it/data-governance/frameworks/cobit/\"\u003ECOBIT\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/it/data-governance/frameworks/dama-dmbok/\"\u003EDAMA-DMBOK\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/it/data-governance/frameworks/dcam/\"\u003EDCAM\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/data-governance/frameworks/fair-principles/\"\u003EFAIR Principles\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/it/data-governance/frameworks/togaf/\"\u003ETOGAF\u003C/a\u003E\u003C/li\u003E\n\u003C/ul\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small"}},":itemsOrder":["text_894059747","text"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_549182334":{"id":"flexible-column-container-a041aec3a9","propertiesId":"hub-body","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"medium","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"longform-content","layout":"SIMPLE","id":"hub-body-content",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text":{"id":"text-7a762ee7ce","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cb\u003EFRAMEWORK DI DATA GOVERNANCE: LA DEFINIZIONE\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003EI framework di data governance forniscono la struttura che le organizzazioni utilizzano per gestire, proteggere e governare i dati in modo coerente in tutta l’azienda. Definiscono ruoli, policy, processi, controlli e metriche che guidano il modo in cui le decisioni sui dati vengono prese, applicate e misurate su larga scala.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text_overview_0":{"id":"text-34937d6681","text":"\u003Cp\u003ELa maggior parte dei programmi di governance ha più documentazione che accountability. Le policy vengono pubblicate, un catalogo viene popolato, un comitato viene costituito, ma i dati continuano a circolare nell’organizzazione in modi che lasciano poco chiara la titolarità, rendono incoerente l’applicazione delle policy e distribuiscono le evidenze di audit tra team e strumenti diversi.\u003C/p\u003E\n\u003Cp\u003EUn framework di data governance aiuta le organizzazioni ad affrontare questo problema operativo. Definisce chi prende le decisioni sui dati, come queste decisioni si trasformano in controlli applicabili e come la governance si estende tra domini, piattaforme e workload AI, invece di dipendere da un coordinamento informale tra team. Il framework è la struttura che collega l’intento delle policy a ciò che accade realmente nella pratica.\u003C/p\u003E\n\u003Cp\u003EQuesta guida illustra il ruolo dei framework di data governance, i componenti fondamentali di cui la maggior parte dei programmi ha bisogno, le differenze tra i principali framework e come le organizzazioni possono scegliere e implementare un framework adatto alla propria architettura, al settore e al livello di maturità.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_what-is-a-data-governance-framework":{"id":"title-v2-c973253bc7","additionalClasses":"anchor-title anchor-title--what-is-a-data-governance-framework","type":"heading2","lines":["Che cos’è un framework di data governance?"],":type":"snowflake-site/components/title-v2"},"text_what-is-a-data-governance-framework_0":{"id":"text-50819c3866","text":"\u003Cp\u003EUn framework di data governance è un modello strutturato che definisce come un’organizzazione gestisce, protegge, utilizza e misura i dati nel proprio ambiente. In genere include principi di governance, ruoli, policy, standard, processi, controlli, tecnologie e metriche che determinano come i dati vengono trattati dalla creazione fino alla conservazione o all’eliminazione.\u003C/p\u003E\n\u003Cp\u003EUn framework non è la stessa cosa di una \u003Ca href=\"https://snowflake.com/it/data-governance/policy/\"\u003Epolicy\u003C/a\u003E, di uno standard o di un controllo. Un framework fornisce la struttura complessiva con cui un’organizzazione governa i dati. Policy, standard interni, procedure e controlli rientrano in genere nel framework e lo rendono operativo. Anche standard esterni formali aggiuntivi, come gli standard ISO, possono contribuire a definirlo o persino fungere da framework.\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cb\u003EUna policy\u003C/b\u003E stabilisce ciò che l’organizzazione si aspetta, come chi può accedere ai dati dei clienti soggetti a regolamentazione.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EUno standard interno\u003C/b\u003E definisce come applicare tale aspettativa, come le regole di classificazione per identificativi cliente, record di transazione o informazioni sanitarie protette.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EUn controllo\u003C/b\u003E applica o verifica il requisito, come il \u003Ca href=\"https://www.snowflake.com/en/fundamentals/rbac/\"\u003Econtrollo degli accessi basato sui ruoli\u003C/a\u003E (RBAC), il dynamic masking, la crittografia, le revisioni degli accessi o l’audit logging.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003EUno standard esterno formale\u003C/b\u003E fornisce indicazioni o requisiti riconosciuti che aiutano a definire un framework o possono persino fungere da framework, come gli standard ISO per la sicurezza, la \u003Ca href=\"https://www.snowflake.com/it/data-governance/data-privacy/\"\u003Eprivacy\u003C/a\u003E o la gestione dei dati.\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003EQuesta distinzione è importante perché molti programmi di governance falliscono per mancanza di una struttura operativa.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_data-governance-framework-purpose-and-value":{"id":"title-v2-8b7b08dfb7","additionalClasses":"anchor-title anchor-title--data-governance-framework-purpose-and-value","type":"heading2","lines":["Scopo e valore di un framework di data governance"],":type":"snowflake-site/components/title-v2"},"text_data-governance-framework-purpose-and-value_0":{"id":"text-9a55ccdc68","text":"\u003Cp\u003EI framework di data governance aiutano le organizzazioni a prendere decisioni di governance in modo coerente tra team, sistemi e domini di dati. Senza un framework, il team che gestisce i dati cliente potrebbe amministrare le definizioni in un modo, la funzione finance potrebbe utilizzare un processo di revisione diverso e il team AI potrebbe tracciare la provenienza dei dati di addestramento in un foglio di calcolo che nessuno al di fuori del progetto può verificare.\u003C/p\u003E\n\u003Cp\u003EIl valore di un framework sta nel trasformare la governance da un insieme di pratiche locali in un modello operativo enterprise. Aiuta le organizzazioni a:\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003Eassegnare accountability per domini di dati, tabelle, metriche, policy ed eccezioni\u003C/li\u003E\n\u003Cli\u003Edefinire un linguaggio comune per qualità, ownership, classificazione, \u003Ca href=\"https://snowflake.com/it/data-governance/data-lineage/\"\u003Elineage\u003C/a\u003E e rischio\u003C/li\u003E\n\u003Cli\u003Eallineare il lavoro di governance con conformità, analisi dei dati, AI, sicurezza e obiettivi operativi\u003C/li\u003E\n\u003Cli\u003Esupportare un’applicazione più coerente dei controlli tra data product, pipeline, applicazioni e modelli\u003C/li\u003E\n\u003Cli\u003Edocumentare decisioni di accesso, eccezioni alle policy e attività di remediation a fini di audit\u003C/li\u003E\n\u003Cli\u003Emisurare se la governance sta migliorando, non solo se esistono artefatti di governance\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003EUn framework aiuta inoltre i team di governance a evitare due estremi comuni: un programma troppo incentrato sulle policy, che produce documentazione ma poca applicazione concreta, e un programma troppo incentrato sugli strumenti, che cataloga gli asset senza chiarire chi prende le decisioni. I framework più efficaci collegano il modello operativo all’ambiente tecnico, così che l’approvazione di un data steward, un tag di classificazione, un percorso di lineage e una policy di accesso possano funzionare insieme.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"quote_data-governance-framework-purpose-and-value_0":{"id":"quote-item-68585326bd","alignment":"left","layout":"simple","quoteSourceName":"Jennifer Belissent","quoteSourceTitle":"Principal Data Strategist, Snowflake","showQuoteIcon":true,"quote":"Il vero motore della governance dell’AI e dei dati esiste già: sono i clienti a pretenderla.”","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"title_core-components-of-a-data-governance-framework":{"id":"title-v2-55ec675327","additionalClasses":"anchor-title anchor-title--core-components-of-a-data-governance-framework","type":"heading2","lines":["Componenti fondamentali di un framework di data governance"],":type":"snowflake-site/components/title-v2"},"text_core-components-of-a-data-governance-framework_0":{"id":"text-11d73ce408","text":"\u003Cp\u003ELa maggior parte dei framework di data governance utilizza terminologie diverse, ma tende a coprire un insieme comune di componenti. Il modello esatto dipende dall’organizzazione, ma un framework pratico dovrebbe in genere definire le seguenti aree:\u003C/p\u003E\n\u003Ch3\u003EStrategia e principi di governance\u003C/h3\u003E\n\u003Cp\u003EIl framework dovrebbe spiegare perché esiste la \u003Ca href=\"https://www.snowflake.com/it/data-governance/\"\u003Edata governance\u003C/a\u003E e quali risultati di business supporta. Questi possono includere conformità alle normative, analisi dei dati affidabili, maturità per l’AI, adozione dei prodotti di dati, resilienza operativa o condivisione sicura dei dati. I principi offrono ai team un criterio per prendere decisioni quando una policy non copre ogni scenario, come stabilire se un attributo sensibile debba essere mascherato, tokenizzato, escluso da un set di feature del modello o reso disponibile solo tramite una vista approvata.\u003C/p\u003E\n\u003Ch3\u003ERuoli e responsabilità\u003C/h3\u003E\n\u003Cp\u003ELa governance dipende da un’accountability chiara. Un framework dovrebbe definire le responsabilità di data owner, \u003Ca href=\"https://www.snowflake.com/en/fundamentals/data-stewardship/\"\u003Edata steward\u003C/a\u003E, custodi dei dati, membri del governance council, team di sicurezza, team privacy, team di piattaforma e stakeholder di business. Dovrebbe inoltre definire i diritti decisionali, come chi approva un nuovo dominio di dati, chi risolve un conflitto sulla definizione di una metrica e chi può concedere un’eccezione a una regola di conservazione o di accesso.\u003C/p\u003E\n\u003Ch3\u003EPolicy, standard e procedure\u003C/h3\u003E\n\u003Cp\u003ELe policy stabiliscono le regole per la creazione, la classificazione, l’accesso, l’utilizzo, la condivisione, la conservazione e l’eliminazione dei dati. Gli standard rendono concrete queste regole definendo livelli di classificazione approvati, convenzioni di naming, soglie di qualità, requisiti dei metadati, categorie di conservazione e modelli di accesso. Le procedure descrivono come i team svolgono il lavoro, come l’onboarding di un nuovo prodotto di dati, la revisione delle richieste di accesso o la risoluzione di un problema di qualità.\u003C/p\u003E\n\u003Ch3\u003EGestione della qualità dei dati\u003C/h3\u003E\n\u003Cp\u003EIl framework dovrebbe definire come la qualità viene misurata, monitorata e corretta. Le dimensioni più comuni includono accuratezza, completezza, coerenza, tempestività, validità e unicità. In pratica, questo significa identificare gli elementi di dati critici, assegnare regole di qualità, monitorare gli errori e definire chi indaga quando una metrica di ricavo cambia perché un campo sorgente ha smesso di aggiornarsi.\u003C/p\u003E\n\u003Ch3\u003EClassificazione dei dati e gestione dei metadati\u003C/h3\u003E\n\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/en/fundamentals/data-classification/\"\u003ELa classificazione\u003C/a\u003E e i metadati forniscono il contesto necessario a supportare un utilizzo dei dati appropriato e conforme. Un framework dovrebbe definire come l’organizzazione acquisisce sensibilità, significato di business, ownership, lineage, freschezza, utilizzo e contesto delle policy. Il solo nome di una tabella raramente indica a un utente se una colonna contiene identificativi cliente, se i dati sono approvati per l’addestramento AI o se la definizione della metrica è cambiata dall’ultimo ciclo di reporting.\u003C/p\u003E\n\u003Ch3\u003EPrivacy dei dati, sicurezza e controlli di accesso\u003C/h3\u003E\n\u003Cp\u003EI framework di governance dovrebbero collegare l’intento delle policy ai controlli di sicurezza. Ciò include gestione delle identità e degli accessi, accesso con privilegio minimo, crittografia, masking, sicurezza a livello di riga, monitoraggio, controlli di conservazione e conformità ai requisiti di privacy. Il framework dovrebbe inoltre definire come l’accesso viene richiesto, approvato, riesaminato e revocato.\u003C/p\u003E\n\u003Ch3\u003EGestione del ciclo di vita dei dati\u003C/h3\u003E\n\u003Cp\u003EI dati hanno un ciclo di vita: creazione, caricamento, trasformazione, archiviazione, utilizzo, condivisione, conservazione, archiviazione a lungo termine ed eliminazione. Un framework di governance dovrebbe definire come i dati attraversano queste fasi, quali regole di conservazione si applicano, come vengono gestiti i legal hold e quali evidenze dimostrano che i dati sono stati conservati o eliminati in conformità con le policy.\u003C/p\u003E\n\u003Ch3\u003EGestione dei dati primari e di riferimento\u003C/h3\u003E\n\u003Cp\u003EI programmi di governance richiedono definizioni coerenti per entità chiave come clienti, prodotti, dipendenti, fornitori, sedi e conti finanziari. La gestione dei dati primari e di riferimento definisce le fonti attendibili, le regole di survivorship e i processi di stewardship che mantengono coerenti queste entità tra sistemi e casi d’uso di reporting.\u003C/p\u003E\n\u003Ch3\u003EArchitettura dei dati e standard di integrazione\u003C/h3\u003E\n\u003Cp\u003EUn framework dovrebbe allinearsi con l’architettura dell’organizzazione, non affiancarla semplicemente. Ciò include standard per modellazione, caricamento, trasformazione, interoperabilità, utilizzo delle API, condivisione dei dati, layer semantici e progettazione dei prodotti di dati. Gli standard architetturali aiutano la governance a scalare perché i team possono applicare pattern coerenti invece di progettare da zero ogni pipeline o confine di dominio.\u003C/p\u003E\n\u003Ch3\u003EGestione di conformità, rischio e audit\u003C/h3\u003E\n\u003Cp\u003EI framework di governance dovrebbero definire come vengono tracciati obblighi normativi, controlli interni, rischi, eccezioni ed evidenze di audit. Questo è particolarmente importante nei settori in cui le autorità di regolamentazione si aspettano che le organizzazioni dimostrino non solo che i controlli esistono, ma anche che funzionano come previsto.\u003C/p\u003E\n\u003Ch3\u003EStrumenti e tecnologia\u003C/h3\u003E\n\u003Cp\u003ELa tecnologia, da sola, non crea governance, ma aiuta la governance a operare su larga scala. \u003Ca href=\"https://snowflake.com/it/data-governance/data-catalog/\"\u003ECataloghi dei dati\u003C/a\u003E, strumenti di lineage, sistemi di access governance, piattaforme per la qualità dei dati, policy engine e strumenti di monitoraggio possono acquisire metadati, applicare controlli, far emergere problemi e conservare evidenze. Il framework dovrebbe chiarire quali sistemi detengono i metadati autorevoli e in che modo le decisioni di governance vengono tradotte nei controlli tecnici.\u003C/p\u003E\n\u003Ch3\u003EMetriche e miglioramento continuo\u003C/h3\u003E\n\u003Cp\u003EUn framework dovrebbe includere misure che mostrino se la governance funziona. Tra le metriche utili rientrano la copertura del catalogo, la copertura della classificazione, i punteggi di qualità dei dati, il completamento delle revisioni degli accessi, l’anzianità delle eccezioni, il tempo di risoluzione dei problemi, i tassi di conformità alle policy e la percentuale di elementi di dati critici con owner assegnati.\u003C/p\u003E\n\u003Cp\u003EUn modo semplice per raggruppare questi componenti è: persone, policy, processi, controlli sui dati, Technology e misurazione.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_examples-of-data-governance-frameworks":{"id":"title-v2-30b170e2dc","additionalClasses":"anchor-title anchor-title--examples-of-data-governance-frameworks","type":"heading2","lines":["Esempi di framework di governance dei dati"],":type":"snowflake-site/components/title-v2"},"text_examples-of-data-governance-frameworks_0":{"id":"text-8b64d6369c","text":"\u003Cp\u003EFramework diversi mettono l’accento su problemi diversi. Alcuni sono ampi corpus di conoscenze, altri modelli di maturità, altri ancora metodi architetturali, mentre altri sono progettati per contesti cloud, di ricerca o normativi.\u003C/p\u003E\n\u003Ctable\u003E\n\u003Cthead\u003E\u003Ctr\u003E\u003Cth\u003EFramework\u003C/th\u003E\n\u003Cth\u003EFocus principale\u003C/th\u003E\n\u003Cth\u003EAdatto per\u003C/th\u003E\n\u003C/tr\u003E\u003C/thead\u003E\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://dama.org/learning-resources/dama-data-management-body-of-knowledge-dmbok/\"\u003EDAMA-DMBOK\u003C/a\u003E\u003C/td\u003E\n\u003Ctd\u003ECorpus completo di conoscenze per la gestione dei dati\u003C/td\u003E\n\u003Ctd\u003EGrandi organizzazioni che necessitano di una copertura estesa delle discipline di gestione dei dati\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://www.isaca.org/resources/cobit\"\u003ECOBIT\u003C/a\u003E\u003Cp\u003E \u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003EGovernance e gestione dell’IT enterprise\u003C/td\u003E\n\u003Ctd\u003EOrganizzazioni che vogliono collegare la governance dei dati alla governance IT, ai controlli, al rischio e all’audit\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://edmcouncil.org/frameworks/dcam/\"\u003EDCAM\u003C/a\u003E\u003C/td\u003E\n\u003Ctd\u003EMaturità delle capacità di gestione dei dati\u003C/td\u003E\n\u003Ctd\u003EServizi finanziari e altre organizzazioni regolamentate che necessitano di valutazione della maturità e miglioramento delle capacità\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://www.opengroup.org/togaf\"\u003ETOGAF\u003C/a\u003E\u003C/td\u003E\n\u003Ctd\u003EAllineamento dell’architettura enterprise\u003C/td\u003E\n\u003Ctd\u003EOrganizzazioni che integrano la governance dei dati nelle attività di architettura, trasformazione e operating model\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://www.go-fair.org/fair-principles/\"\u003EFAIR\u003C/a\u003E\u003C/td\u003E\n\u003Ctd\u003EDati reperibili, accessibili, interoperabili e riutilizzabili\u003C/td\u003E\n\u003Ctd\u003EContesti di ricerca, scientifici, del settore pubblico e di condivisione dei dati\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Ca href=\"https://edmcouncil.org/frameworks/cdmc/\"\u003ECDMC\u003C/a\u003E\u003C/td\u003E\n\u003Ctd\u003ECapacità di gestione dei dati nel cloud\u003C/td\u003E\n\u003Ctd\u003EOrganizzazioni cloud-first, hybrid cloud e multi-cloud che necessitano di controlli per la gestione dei dati nel cloud\u003C/td\u003E\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\n\u003Ch3\u003EDAMA-DMBOK\u003C/h3\u003E\n\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/it/data-governance/frameworks/dama-dmbok/\"\u003EDAMA-DMBOK\u003C/a\u003E è un ampio corpus di conoscenze sulla gestione dei dati che aiuta le organizzazioni a strutturare le discipline di data management e ad allinearle alla strategia aziendale, alla conformità e all’evoluzione tecnologica. DAMA descrive il DMBOK come una risorsa per strutturare, governare e ottimizzare i data asset in aree come strategia, governance, qualità, metadati e architettura.\u003C/p\u003E\n\u003Cp\u003EDAMA-DMBOK è spesso utile quando un’organizzazione ha bisogno di un modello di riferimento completo, anziché di un framework di controllo ristretto. Può aiutare i team a definire l’ambito di un programma di gestione dei dati, individuare le lacune e creare un linguaggio comune tra i team di governance, architettura, qualità e stewardship.\u003C/p\u003E\n\u003Ch3\u003ECOBIT\u003C/h3\u003E\n\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/it/data-governance/frameworks/cobit/\"\u003ECOBIT\u003C/a\u003E, di ISACA, è un framework di governance per le informazioni e la tecnologia enterprise. Viene spesso utilizzato dalle organizzazioni che devono collegare governance della tecnologia, rischio, obiettivi di controllo e pratiche di audit. L’attenzione più ampia di ISACA verso governance IT, audit, rischio, privacy e sicurezza rende COBIT rilevante quando la governance dei dati deve allinearsi strettamente alla supervisione IT enterprise.\u003C/p\u003E\n\u003Cp\u003ECOBIT può essere utile quando la governance dei dati deve inserirsi in un ambiente di controllo già consolidato. Ad esempio, un’organizzazione dei servizi finanziari potrebbe utilizzare processi di governance allineati a COBIT per collegare revisioni dell’accesso ai dati, change management, test dei controlli ed evidenze di audit.\u003C/p\u003E\n\u003Ch3\u003EDCAM\u003C/h3\u003E\n\u003Cp\u003EIl Data Management Capability Assessment Model (\u003Ca href=\"https://www.snowflake.com/it/data-governance/frameworks/dcam/\"\u003EDCAM\u003C/a\u003E), sviluppato da EDM Council, è un framework di best practice per valutare e migliorare le capacità di gestione dei dati. EDM Council descrive DCAM come un framework per istituire, sostenere e migliorare una disciplina matura di gestione dei dati, con un supporto ampliato per AI e cloud nella versione attuale.\u003C/p\u003E\n\u003Cp\u003EDCAM è particolarmente rilevante per i servizi finanziari e altri settori regolamentati perché pone l’accento su maturità, valutazione delle capacità e miglioramento basato sulle evidenze. Aiuta le organizzazioni a identificare dove le capacità di governance sono solide, dove risultano incoerenti e quali lacune dovrebbero avere la priorità.\u003C/p\u003E\n\u003Ch3\u003ETOGAF\u003C/h3\u003E\n\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/en/data-governance/frameworks/togaf/\"\u003ETOGAF\u003C/a\u003E, gestito da The Open Group, è una metodologia e un framework di architettura enterprise. The Open Group descrive TOGAF come un metodo dettagliato e un insieme di strumenti di supporto per sviluppare l’architettura enterprise, con uno standard utilizzato da molte grandi organizzazioni.\u003C/p\u003E\n\u003Cp\u003ETOGAF non è un framework di governance dei dati in senso stretto, ma è prezioso quando la governance deve essere integrata nell’architettura. Può aiutare ad allineare la governance dei dati con l’architettura di business, l’architettura applicativa, l’architettura dati e l’architettura tecnologica, così che le decisioni di governance si riflettano nel modo in cui i sistemi vengono progettati e modificati.\u003C/p\u003E\n\u003Ch3\u003EPrincipi FAIR\u003C/h3\u003E\n\u003Cp\u003EI \u003Ca href=\"https://www.snowflake.com/en/data-governance/frameworks/fair-principles/\"\u003Eprincipi FAIR\u003C/a\u003E definiscono un modello per rendere i dati reperibili, accessibili, interoperabili e riutilizzabili. I principi sono stati pubblicati nel 2016 per migliorare la gestione e la stewardship degli asset digitali, soprattutto in contesti scientifici e di ricerca.\u003C/p\u003E\n\u003Cp\u003EFAIR è particolarmente utile quando l’obiettivo è la condivisione e il riutilizzo responsabili dei dati. Un istituto di ricerca, un’organizzazione sanitaria o un’agenzia del settore pubblico potrebbe utilizzare FAIR per migliorare metadati, identificatori persistenti, standard di interoperabilità e condizioni di riutilizzo dei data product.\u003C/p\u003E\n\u003Ch3\u003ECDMC\u003C/h3\u003E\n\u003Cp\u003ECloud Data Management Capabilities (\u003Ca href=\"https://www.snowflake.com/it/data-governance/frameworks/cdmc/\"\u003ECDMC\u003C/a\u003E), sviluppato da EDM Council, si concentra sulla gestione e sul controllo dei dati in ambienti cloud. EDM Council descrive CDMC come un framework per gestire i dati in modo sicuro in ambienti cloud e multi-cloud, e il suo modello include evidenze verificabili in audit, scoring e capacità di controllo specifiche per il cloud.\u003C/p\u003E\n\u003Cp\u003ECDMC è utile quando le organizzazioni stanno spostando workload di dati governati in architetture cloud, hybrid cloud o multi-cloud. Offre ai team un modo per valutare i controlli relativi a governance e accountability dei dati, catalogazione e classificazione, accessibilità dei dati, protezione, privacy, gestione del ciclo di vita e architettura tecnica.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_how-to-evaluate-and-choose-a-data-governance-framework":{"id":"title-v2-d3887f0cdd","additionalClasses":"anchor-title anchor-title--how-to-evaluate-and-choose-a-data-governance-framework","type":"heading2","lines":["Come valutare e scegliere un framework di governance dei dati"],":type":"snowflake-site/components/title-v2"},"text_how-to-evaluate-and-choose-a-data-governance-framework_0":{"id":"text-65d77acf60","text":"\u003Cp\u003ELa scelta di un framework, o di più framework, parte dal problema operativo dell’organizzazione. Utilizza i seguenti criteri per valutarne l’adeguatezza:\u003C/p\u003E\n\u003Ctable\u003E\n\u003Cthead\u003E\u003Ctr\u003E\u003Cth\u003ECriterio di valutazione\u003C/th\u003E\n\u003Cth\u003EDomande da porsi\u003C/th\u003E\n\u003C/tr\u003E\u003C/thead\u003E\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd\u003EObiettivo di business\u003C/td\u003E\n\u003Ctd\u003EL’esigenza principale è la conformità, l’affidabilità delle analisi dei dati, la maturità per l’AI, la migrazione al cloud, la condivisione dei dati o l’allineamento dell’architettura enterprise?\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EContesto di settore\u003C/td\u003E\n\u003Ctd\u003EIl framework supporta aspettative specifiche del settore per servizi finanziari, sanità, pubblica amministrazione, ricerca o dati del settore pubblico?\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EMaturità della governance\u003C/td\u003E\n\u003Ctd\u003EL’organizzazione ha bisogno di ruoli e policy di base, oppure di misurazione della maturità, test dei controlli e ottimizzazione?\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EAderenza all’architettura\u003C/td\u003E\n\u003Ctd\u003EIl framework riflette il patrimonio dati dell’organizzazione, inclusi cloud, hybrid cloud, multi-cloud, formati di tabella open, applicazioni e workload AI?\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003ERequisiti di controllo\u003C/td\u003E\n\u003Ctd\u003EIl framework si traduce in controlli applicabili come policy di accesso, masking, classificazione, lineage e conservazione?\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EEsigenze di evidenza\u003C/td\u003E\n\u003Ctd\u003EL’organizzazione ha bisogno di prove verificabili in audit di approvazioni, eccezioni, controlli di qualità, revisioni degli accessi e applicazione delle policy?\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EImpegno di implementazione\u003C/td\u003E\n\u003Ctd\u003EL’organizzazione può rendere operativo il framework con le persone, la Technology e la sponsorship executive disponibili?\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EAllineamento degli strumenti\u003C/td\u003E\n\u003Ctd\u003EI cataloghi esistenti, i sistemi di lineage, i policy engine, gli strumenti per la qualità dei dati e i controlli di piattaforma possono supportare il framework?\u003C/td\u003E\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\n\u003Cp\u003EMolte organizzazioni combinano più framework. Ad esempio, un’azienda può utilizzare DAMA-DMBOK per un ampio ambito di gestione dei dati, DCAM per la valutazione della maturità, CDMC per i controlli cloud e NIST AI RMF per la governance del rischio AI.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"card_v2_how-to-evaluate-and-choose-a-data-governance-framework_0":{"id":"card-v2-751d73a8f8","additionalClasses":"seo-customer","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","title":{"id":"title","type":"heading4","lines":["Customer story: Town of Gilbert"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/customers/all-customers/case-study/town-of-gilbert/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Leggi il case study"},"image":{"id":"image","height":"351","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--83f793a0-df9c-45fe-8949-f4e33942489a/gilbert%25403x.png?quality=85&preferwebp=true","alt":"Town of Gilbert Logo","lazyEnabled":true,"width":"624",":type":"snowflake-site/components/image"},"type":"content-card","text":{"id":"text","text":"\u003Cp\u003ELa Town of Gilbert ha lanciato 11 dashboard pubbliche con Snowflake per migliorare la trasparenza di servizi come la prevenzione della criminalità, l’intervento sulla salute mentale, la riparazione delle buche stradali e il riciclo. L’amministrazione di Gilbert utilizza funzionalità di governance e sicurezza come il controllo degli accessi basato sui ruoli, i campi di metadati e il mascheramento dinamico dei dati per supportare un accesso affidabile ai dati sensibili del settore pubblico.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"horizontal"},"title_the-6-phases-of-data-governance-framework-implementation":{"id":"title-v2-c1eea4beeb","additionalClasses":"anchor-title anchor-title--the-6-phases-of-data-governance-framework-implementation","type":"heading2","lines":["Le 6 fasi di implementazione di un framework di governance dei dati"],":type":"snowflake-site/components/title-v2"},"text_the-6-phases-of-data-governance-framework-implementation_0":{"id":"text-f33f6272b6","text":"\u003Cp\u003EUn framework di governance dei dati è particolarmente utile quando cambia il modo in cui i dati vengono gestiti ogni giorno. L’implementazione dovrebbe iniziare con un ambito mirato, dimostrare l’efficacia dell’operating model e poi ampliarsi.\u003C/p\u003E\n\u003Ch3\u003EFase 1: Stabilire la leadership della governance\u003C/h3\u003E\n\u003Cp\u003EInizia assicurandoti la sponsorship executive e definendo la struttura decisionale. Di norma, questo include un governance council, data owner a livello di dominio, data steward, owner della piattaforma, stakeholder della sicurezza e della privacy e rappresentanti del business.\u003C/p\u003E\n\u003Cp\u003EUna matrice RACI può aiutare a documentare chi è responsabile, accountable, consultato e informato per ciascun processo di governance. Ad esempio, un data owner può essere accountable per un dominio di dati cliente, uno steward può essere responsabile della qualità dei metadati, il team di sicurezza può essere consultato nella definizione delle policy di accesso e i team analytics a valle possono essere informati quando cambia la definizione di una metrica.\u003C/p\u003E\n\u003Ch3\u003EFase 2: Condurre l’inventario e la classificazione dei dati\u003C/h3\u003E\n\u003Cp\u003EIl passaggio successivo consiste nell’identificare i dati più importanti. Crea un inventario di tabelle critiche, viste, data product, pipeline, report, set di dati per il training AI e asset condivisi all’esterno. Quindi classifica i dati in base a sensibilità, significato per il business, rilevanza normativa, ownership, utilizzo e requisiti del ciclo di vita.\u003C/p\u003E\n\u003Cp\u003EIn questa fase, la priorità dovrebbe andare prima ai dati ad alto valore e ad alto rischio. Gli identificativi cliente, i dati per il reporting finanziario, i dati sanitari regolamentati, i dati di training dei modelli e le metriche a livello di consiglio di amministrazione richiedono in genere una governance più urgente rispetto ai log operativi a basso rischio.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"callout_the-6-phases-of-data-governance-framework-implementation_0":{"id":"text-23022647b5","additionalClasses":"callout callout--warning","text":"\u003Cp\u003E\u003Cstrong\u003EL’ERRORE COMUNE\u003C/strong\u003E\u003C/p\u003E\n\u003Cp\u003EMolti team completano un’attività di inventario e classificazione dei dati, poi lasciano i risultati fermi in un foglio di calcolo. Questo crea visibilità, ma non accountability. Se una colonna è contrassegnata come sensibile, regolamentata o approvata per un utilizzo limitato, questa classificazione dovrebbe attivare controlli specifici, come masking, accesso a livello di riga, instradamento delle approvazioni, regole di conservazione o audit logging.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text_the-6-phases-of-data-governance-framework-implementation_1":{"id":"text-9dced55072","text":"\u003Ch3\u003EFase 3: Definire policy, standard e procedure\u003C/h3\u003E\n\u003Cp\u003EUna volta che l’organizzazione sa quali dati sta governando, può definire le regole. Le policy dovrebbero coprire accesso, classificazione, qualità, conservazione, condivisione, utilizzo accettabile, utilizzo dell’AI e gestione delle eccezioni. Gli standard dovrebbero tradurre queste policy in requisiti specifici, come campi dei metadati obbligatori, livelli di classificazione approvati, convenzioni di denominazione, soglie di qualità dei dati e categorie di conservazione.\u003C/p\u003E\n\u003Cp\u003ELe procedure dovrebbero descrivere come i team svolgono le attività di governance. Ad esempio, una procedura può definire come viene approvato un nuovo data product, quali campi dei metadati sono richiesti prima della pubblicazione e come una richiesta di accesso viene instradata per la revisione.\u003C/p\u003E\n\u003Ch3\u003EFase 4: Implementare i controlli di governance e l’applicazione tecnica\u003C/h3\u003E\n\u003Cp\u003EL’implementazione del framework richiede un’applicazione tecnica. È qui che tag di classificazione, policy di accesso, policy di masking, controlli a livello di riga, crittografia, lineage, monitoraggio della qualità dei dati e audit logging diventano parte dell’ambiente governato.\u003C/p\u003E\n\u003Cp\u003EIn Snowflake, ad esempio, le funzionalità di governance sono supportate da \u003Ca href=\"https://www.snowflake.com/en/product/features/horizon/\"\u003ESnowflake Horizon Catalog\u003C/a\u003E, che offre funzionalità integrate di governance, discovery e sicurezza per l’AI Data Cloud. Horizon è progettato per collegare motori di elaborazione e formati, fornire viste coerenti di metadati e autorizzazioni, ed estendere i metadati di governance ai workflow di condivisione dei dati supportati.\u003C/p\u003E\n\u003Cp\u003EL’obiettivo pratico è ridurre la distanza tra l’intento di governance e il comportamento della piattaforma. Se una colonna è contrassegnata come sensibile, le organizzazioni possono configurare controlli di accesso e masking coerenti con quella classificazione, invece di affidarsi solo all’applicazione manuale delle policy.\u003C/p\u003E\n\u003Ch3\u003EFase 5: Sperimentare e convalidare i controlli di governance\u003C/h3\u003E\n\u003Cp\u003ESperimenta il framework in uno o due domini ad alto valore prima di estenderlo a tutta l’azienda. Un progetto pilota può concentrarsi sui dati cliente, sul reporting finanziario, sui dati sanitari regolamentati o su una pipeline di dati per il training AI.\u003C/p\u003E\n\u003Cp\u003EIl progetto pilota dovrebbe verificare se i ruoli sono chiari, i metadati sono completi, le policy sono applicabili, i problemi di qualità vengono instradati correttamente e le evidenze di audit possono essere prodotte. Dovrebbe anche evidenziare dove il framework è troppo complesso, dove le attività di stewardship non hanno risorse sufficienti e dove i controlli tecnici richiedono adeguamenti.\u003C/p\u003E\n\u003Ch3\u003EFase 6: Estendere a tutta l’azienda e ottimizzare in modo continuo\u003C/h3\u003E\n\u003Cp\u003EDopo il progetto pilota, estendi il framework ad altri domini, data product e business unit. L’estensione dovrebbe includere training, playbook di onboarding, automazione, metriche ricorrenti e cicli di feedback.\u003C/p\u003E\n\u003Cp\u003EIl miglioramento continuo è importante perché gli ambienti dati cambiano. Nuove app, nuovi casi d’uso di AI, nuove normative, nuovi servizi cloud e nuove definizioni di business possono tutti creare lacune di governance. Un framework maturo offre ai team un modo per individuare queste lacune e adeguare ruoli, policy, controlli o metriche prima che la fiducia si eroda.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_implementation-timeline":{"id":"title-v2-db917f2e28","additionalClasses":"anchor-title anchor-title--implementation-timeline","type":"heading2","lines":["Tempistiche di implementazione"],":type":"snowflake-site/components/title-v2"},"text_implementation-timeline_0":{"id":"text-2a9b147e71","text":"\u003Cp\u003ELe tempistiche di implementazione variano in base alle dimensioni dell’organizzazione, al carico normativo, alla complessità dei dati e al livello di maturità. Un piano pratico spesso si presenta così:\u003C/p\u003E\n\u003Ctable\u003E\n\u003Cthead\u003E\u003Ctr\u003E\u003Cth\u003EFase\u003C/th\u003E\n\u003Cth\u003EDurata tipica\u003C/th\u003E\n\u003Cth\u003EOutput principale\u003C/th\u003E\n\u003C/tr\u003E\u003C/thead\u003E\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd\u003EStabilire la leadership della governance\u003C/td\u003E\n\u003Ctd\u003E4–6 settimane\u003C/td\u003E\n\u003Ctd\u003ESponsorship, governance council, definizione dei ruoli e matrice RACI\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003ECondurre l’inventario e la classificazione dei dati\u003C/td\u003E\n\u003Ctd\u003E6–8 settimane\u003C/td\u003E\n\u003Ctd\u003EInventario dei dati critici, modello di classificazione e domini prioritari\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EDefinire policy, standard e procedure\u003C/td\u003E\n\u003Ctd\u003E4–6 settimane\u003C/td\u003E\n\u003Ctd\u003EPolicy di governance, standard e procedure operative\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EImplementare i controlli di governance\u003C/td\u003E\n\u003Ctd\u003E8–12 settimane\u003C/td\u003E\n\u003Ctd\u003ERegole di accesso, tag, masking, lineage, controlli di qualità e audit logging\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003ESperimentare e convalidare i controlli\u003C/td\u003E\n\u003Ctd\u003E6–8 settimane\u003C/td\u003E\n\u003Ctd\u003ERisultati del progetto pilota, convalida dei controlli e piano di remediation\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EEstendere e ottimizzare\u003C/td\u003E\n\u003Ctd\u003EContinuativo\u003C/td\u003E\n\u003Ctd\u003ERollout a livello enterprise, metriche e cadenza di miglioramento continuo\u003C/td\u003E\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\n\u003Cp\u003E\u003Cspan style=\"font-family: adobe-clean, "Source Sans Pro", -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, Ubuntu, "Trebuchet MS", "Lucida Grande", sans-serif;\"\u003EI primi 90 giorni dovrebbero concentrarsi su progressi visibili, più che sulla completezza a livello enterprise. Tra i risultati rapidi più utili rientrano l’assegnazione di owner ai domini di dati critici, la classificazione delle colonne sensibili, la pubblicazione di un piccolo insieme di definizioni di metriche approvate, l’implementazione di revisioni degli accessi per i dati ad alto rischio e la creazione di un dashboard di governance che mostri copertura e problemi open.\u003C/span\u003E\u003C/p\u003E\n\u003Cp\u003ELa maturità su scala enterprise richiede in genere più tempo, perché la governance richiede un cambiamento operativo tanto quanto strumenti adeguati. Il programma deve diventare parte del modo in cui i team progettano i data product, approvano gli accessi, sviluppano pipeline, condividono dati e distribuiscono sistemi di AI.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_ai-governance-frameworks-and-data-governance":{"id":"title-v2-01697dc632","additionalClasses":"anchor-title anchor-title--ai-governance-frameworks-and-data-governance","type":"heading2","lines":["Framework di AI governance e data governance"],":type":"snowflake-site/components/title-v2"},"text_ai-governance-frameworks-and-data-governance_0":{"id":"text-df1ee1112b","text":"\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/en/fundamentals/ai-governance/\"\u003EAI governance\u003C/a\u003E dipende dalla data governance perché il comportamento del modello è plasmato dai dati utilizzati per addestrare, ottimizzare, recuperare, valutare e monitorare il sistema. Un model registry può tracciare versioni e risultati di valutazione, ma non può stabilire se i dati di training siano stati approvati per il caso d’uso, se le colonne sensibili siano state escluse, se il lineage sia completo o se una feature rifletta un processo storico distorto.\u003C/p\u003E\n\u003Cp\u003EI framework tradizionali di data governance vengono estesi in diversi modi per i workload di AI. I programmi in stile DAMA-DMBOK possono ampliare le pratiche di metadati, qualità e stewardship per includere la provenienza dei dati di training, le definizioni delle feature e i set di dati approvati. La governance in stile COBIT può collegare i controlli AI a rischio, audit e accountability. DCAM e CDMC possono aiutare i team a valutare se i controlli sui dati nel cloud e le pratiche di maturità siano sufficientemente solidi da supportare i workload di AI.\u003C/p\u003E\n\u003Cp\u003ESono inoltre in fase di sviluppo framework specifici per l’AI. Il \u003Ca href=\"https://www.nist.gov/itl/ai-risk-management-framework\" target=\"_blank\"\u003ENIST AI Risk Management Framework\u003C/a\u003E è progettato per aiutare le organizzazioni che gestiscono sistemi di AI ad affrontare i rischi e migliorare l’affidabilità lungo progettazione, sviluppo, utilizzo e valutazione. Per i team di data governance, questo significa che i controlli tradizionali devono collegarsi alla governance dei modelli, al lineage ML, alla provenienza dei dati di training, all’explainability, al monitoraggio del bias, alle pratiche di AI responsabile e all’accountability algoritmica.\u003C/p\u003E\n\u003Cp\u003EUn approccio di AI governance data-centric pone domande concrete prima che un modello arrivi in produzione:\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003EQuali set di dati hanno addestrato, ottimizzato o contestualizzato il modello?\u003C/li\u003E\n\u003Cli\u003EChi ha approvato questi set di dati per questo caso d’uso?\u003C/li\u003E\n\u003Cli\u003EQuali percorsi di lineage collegano i dati di origine a feature, prompt, embedding o indici di retrieval?\u003C/li\u003E\n\u003Cli\u003EQuali attributi sensibili o proxy sono stati inclusi, esclusi o trasformati?\u003C/li\u003E\n\u003Cli\u003EQuali regole di qualità, controlli di drift e processi di monitoraggio del bias si applicano?\u003C/li\u003E\n\u003Cli\u003EQuali output richiedono revisione umana, disclosure o audit logging?\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003EQueste domande rendono operativa l’AI governance. Mostrano anche perché un framework di data governance non può fermarsi a report e dashboard; deve considerare i dati mentre confluiscono in modelli, agenti, app e decisioni automatizzate.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_industry-specific-framework-guidance":{"id":"title-v2-865ac23171","additionalClasses":"anchor-title anchor-title--industry-specific-framework-guidance","type":"heading2","lines":["Indicazioni sui framework per settore"],":type":"snowflake-site/components/title-v2"},"text_industry-specific-framework-guidance_0":{"id":"text-65e01ce0ac","text":"\u003Cp\u003ESettori diversi utilizzano i framework di data governance per ragioni diverse. I componenti di base possono sembrare simili, ma cambia l’enfasi sui controlli.\u003C/p\u003E\n\u003Ch3\u003EServizi finanziari\u003C/h3\u003E\n\u003Cp\u003ELe organizzazioni dei servizi finanziari hanno spesso bisogno di evidenze solide su qualità dei dati, lineage, ownership, reporting del rischio e controlli normativi. DCAM è spesso rilevante perché pone l’accento sulla maturità della gestione dei dati e sulla valutazione delle capacità. Le istituzioni finanziarie possono anche allineare le pratiche di governance al BCBS 239, che si concentra sull’aggregazione dei dati di rischio e sui principi di reporting del rischio per le banche.\u003C/p\u003E\n\u003Cp\u003EIn pratica, la governance nei servizi finanziari si concentra spesso su elementi di dati critici, lineage del reporting del rischio, soglie di qualità dei dati, controlli di accesso, requisiti di conservazione ed evidenze di audit. Il framework dovrebbe chiarire chi possiede una metrica di rischio, da dove proviene, come viene trasformata e se i dati sono idonei per il reporting normativo.\u003C/p\u003E\n\u003Ch3\u003EHealthcare e Life Sciences\u003C/h3\u003E\n\u003Cp\u003ELe organizzazioni sanitarie devono spesso governare informazioni sanitarie protette, dati sui sinistri, dati clinici, dati di ricerca e dati operativi nel rispetto degli obblighi di privacy e sicurezza. \u003Ca href=\"https://www.hhs.gov/hipaa/index.html\" target=\"_blank\"\u003EHIPAA\u003C/a\u003E definisce i requisiti di privacy e sicurezza negli Stati Uniti, mentre i principi FAIR sono spesso rilevanti per la condivisione dei dati di ricerca, l’interoperabilità e il riutilizzo. I principi FAIR sono particolarmente utili quando i dati devono essere individuabili e riutilizzabili da persone e macchine senza perdere contesto.\u003C/p\u003E\n\u003Cp\u003EI framework di governance in ambito sanitario dovrebbero collegare classificazione, consenso, accesso, deidentificazione, conservazione e regole di condivisione dei dati ai sistemi in cui vengono utilizzati dati clinici, operativi e di ricerca.\u003C/p\u003E\n\u003Ch3\u003ESettore pubblico e pubblica amministrazione\u003C/h3\u003E\n\u003Cp\u003ELe organizzazioni del settore pubblico spesso hanno bisogno di modelli di governance che supportino trasparenza, sicurezza, gestione dei record, open data e conformità. \u003Ca href=\"https://www.fedramp.gov/\" target=\"_blank\"\u003EFedRAMP\u003C/a\u003E può essere rilevante quando i servizi cloud vengono utilizzati per elaborare dati governativi, mentre i programmi relativi ai dati pubblici richiedono spesso metadati, standard di pubblicazione e linee guida per il riutilizzo.\u003C/p\u003E\n\u003Cp\u003EIn questi contesti, il framework dovrebbe chiarire quali dati possono essere pubblici, quali richiedono un accesso limitato, quali metadati devono accompagnare i set di dati pubblicati e come le agenzie conservano le evidenze necessarie per la conformità, gli audit e la responsabilità verso il pubblico.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_framework-maturity-assessment":{"id":"title-v2-6b26d56c85","additionalClasses":"anchor-title anchor-title--framework-maturity-assessment","type":"heading2","lines":["Valutazione della maturità del framework"],":type":"snowflake-site/components/title-v2"},"text_framework-maturity-assessment_0":{"id":"text-fceb0783ca","text":"\u003Cp\u003EUn modello di maturità aiuta le organizzazioni a valutare quanto efficacemente la governance stia operando e dove investire successivamente. Un semplice modello in cinque fasi può rendere visibili i progressi senza trasformare la maturità in un esercizio burocratico.\u003C/p\u003E\n\u003Ctable\u003E\n\u003Cthead\u003E\u003Ctr\u003E\u003Cth\u003EFase\u003C/th\u003E\n\u003Cth\u003EDescrizione\u003C/th\u003E\n\u003C/tr\u003E\u003C/thead\u003E\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd\u003EIniziale\u003C/td\u003E\n\u003Ctd\u003ELa governance è ad hoc. Ownership, definizioni, regole di accesso e controlli di qualità variano da team a team.\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EGestita\u003C/td\u003E\n\u003Ctd\u003EAi domini chiave sono assegnati owner, policy di base e alcuni processi ripetibili.\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EDefinita\u003C/td\u003E\n\u003Ctd\u003EPolicy, standard, ruoli di stewardship e controlli tecnici sono documentati e applicati nei domini prioritari.\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EMisurata\u003C/td\u003E\n\u003Ctd\u003ELe prestazioni della governance vengono monitorate attraverso punteggi di qualità, metriche di accesso, risoluzione dei problemi ed evidenze dei controlli.\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003EOttimizzata\u003C/td\u003E\n\u003Ctd\u003ELa governance è integrata nella progettazione dei data product, nei controlli della piattaforma, nei workflow AI e nei processi di miglioramento continuo.\u003C/td\u003E\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\n\u003Cp\u003EUna rapida autovalutazione può aiutare i team a identificare la fase in cui si trovano:\u003C/p\u003E\n\u003Col\u003E\n\u003Cli\u003EGli elementi di dati critici hanno owner nominati e definizioni di business approvate?\u003C/li\u003E\n\u003Cli\u003ELe tabelle e le colonne sensibili sono classificate con regole applicabili di accesso e masking?\u003C/li\u003E\n\u003Cli\u003EI team riescono a tracciare il lineage dai sistemi sorgente ai report, ai data product o ai modelli AI?\u003C/li\u003E\n\u003Cli\u003EI problemi di qualità dei dati vengono misurati, assegnati e risolti attraverso un workflow definito?\u003C/li\u003E\n\u003Cli\u003EL’organizzazione è in grado di produrre evidenze di audit per le decisioni di accesso, le eccezioni e l’applicazione delle policy?\u003C/li\u003E\n\u003C/ol\u003E\n\u003Cp\u003ELa maggior parte delle organizzazioni parte con livelli di maturità non uniformi tra i diversi domini. L’area finance può avere controlli solidi perché il rischio legato al reporting è elevato, mentre i team marketing, prodotto o AI possono adottare pratiche sui dati più dinamiche, con una stewardship meno formalizzata. L’obiettivo non è raggiungere ovunque lo stesso livello di maturità, ma il livello di maturità più adatto in base al valore di business, al rischio e all’utilizzo.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_bringing-structure-to-governance-decisions":{"id":"title-v2-6d16395e1a","additionalClasses":"anchor-title anchor-title--bringing-structure-to-governance-decisions","type":"heading2","lines":["Dare struttura alle decisioni di governance"],":type":"snowflake-site/components/title-v2"},"text_bringing-structure-to-governance-decisions_0":{"id":"text-a25c9737b4","text":"\u003Cp\u003EI framework di governance dei dati sono utili perché offrono alle organizzazioni una struttura collaudata per decisioni che altrimenti diventerebbero incoerenti, manuali o difficili da sottoporre ad audit. Un framework aiuta a chiarire chi possiede un dominio di dati, quali policy si applicano a una tabella o a una colonna, come deve essere applicato l’accesso, dove è necessario tracciare il lineage e quali metriche mostrano se la governance sta davvero funzionando.\u003C/p\u003E\n\u003Cp\u003EIl framework giusto, tuttavia, non sostituisce la capacità di giudizio dell’organizzazione. DAMA-DMBOK, COBIT, DCAM, TOGAF, FAIR e CDMC mettono ciascuno l’accento su aspetti diversi del problema della governance, e molte organizzazioni adattano più di un modello al proprio settore, alla propria architettura e al proprio livello di maturità. Man mano che i dati confluiscono in un numero crescente di prodotti condivisi, ambienti cloud e workload AI, i framework di governance offrono ai team un modo per mantenere le policy collegate all’utilizzo effettivo.\u003C/p\u003E","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"callout_bringing-structure-to-governance-decisions_0":{"id":"text-23f7e6d751","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cb\u003EIN SINTESI\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003EUn framework di governance dei dati trasforma la governance da un insieme di policy in un sistema operativo di accountability. Collegando ownership, controlli, metadati, sicurezza ed evidenze di audit, i framework possono aiutare le organizzazioni ad applicare le pratiche di governance in modo più coerente tra piattaforme dati, ambienti cloud e workload AI, migliorando al tempo stesso visibilità, scalabilità e accountability operativa.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"}},":itemsOrder":["text","text_overview_0","title_what-is-a-data-governance-framework","text_what-is-a-data-governance-framework_0","title_data-governance-framework-purpose-and-value","text_data-governance-framework-purpose-and-value_0","quote_data-governance-framework-purpose-and-value_0","title_core-components-of-a-data-governance-framework","text_core-components-of-a-data-governance-framework_0","title_examples-of-data-governance-frameworks","text_examples-of-data-governance-frameworks_0","title_how-to-evaluate-and-choose-a-data-governance-framework","text_how-to-evaluate-and-choose-a-data-governance-framework_0","card_v2_how-to-evaluate-and-choose-a-data-governance-framework_0","title_the-6-phases-of-data-governance-framework-implementation","text_the-6-phases-of-data-governance-framework-implementation_0","callout_the-6-phases-of-data-governance-framework-implementation_0","text_the-6-phases-of-data-governance-framework-implementation_1","title_implementation-timeline","text_implementation-timeline_0","title_ai-governance-frameworks-and-data-governance","text_ai-governance-frameworks-and-data-governance_0","title_industry-specific-framework-guidance","text_industry-specific-framework-guidance_0","title_framework-maturity-assessment","text_framework-maturity-assessment_0","title_bringing-structure-to-governance-decisions","text_bringing-structure-to-governance-decisions_0","callout_bringing-structure-to-governance-decisions_0"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium"},"flexible_column_content_container_2":{"additionalClasses":"hub-sidebar","layout":"SIMPLE","id":"hub-body-aside",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"container":{"additionalClasses":"sticky-sidebar","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"text_943981956_copy_":"aem-GridColumn aem-GridColumn--default--12","text_copy":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-fabf5380e4",":type":"snowflake-site/components/container",":items":{"text_943981956_copy_":{"id":"text-2b290d439a","additionalClasses":"eyebrow-text","text":"\u003Cp\u003ECosa troverai in questa guida\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular"},"text_copy":{"id":"text-37cd954c20","additionalClasses":"page-toc","text":"\u003Cul\u003E\n\u003Cli data-anchor=\"what-is-a-data-governance-framework\"\u003EChe cos’è un framework di data governance?\u003C/li\u003E\n\u003Cli data-anchor=\"data-governance-framework-purpose-and-value\"\u003EScopo e valore di un framework di data governance\u003C/li\u003E\n\u003Cli data-anchor=\"core-components-of-a-data-governance-framework\"\u003EComponenti fondamentali di un framework di data governance\u003C/li\u003E\n\u003Cli data-anchor=\"examples-of-data-governance-frameworks\"\u003EEsempi di framework di governance dei dati\u003C/li\u003E\n\u003Cli data-anchor=\"how-to-evaluate-and-choose-a-data-governance-framework\"\u003ECome valutare e scegliere un framework di governance dei dati\u003C/li\u003E\n\u003Cli data-anchor=\"the-6-phases-of-data-governance-framework-implementation\"\u003ELe 6 fasi di implementazione di un framework di governance dei dati\u003C/li\u003E\n\u003Cli data-anchor=\"implementation-timeline\"\u003ETempistiche di implementazione\u003C/li\u003E\n\u003Cli data-anchor=\"ai-governance-frameworks-and-data-governance\"\u003EFramework di governance dell’AI e governance dei dati\u003C/li\u003E\n\u003Cli data-anchor=\"industry-specific-framework-guidance\"\u003EIndicazioni sui framework specifiche per settore\u003C/li\u003E\n\u003Cli data-anchor=\"framework-maturity-assessment\"\u003EValutazione della maturità del framework\u003C/li\u003E\n\u003Cli data-anchor=\"bringing-structure-to-governance-decisions\"\u003EDare struttura alle decisioni di governance\u003C/li\u003E\n\u003C/ul\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small text-color-text-05"}},":itemsOrder":["text_943981956_copy_","text_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium"}},":itemsOrder":["container"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_132267907":{"id":"flexible-column-container-1481220029","propertiesId":"hub-faq","type":"2-column-40-60","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-large","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"hub-faq-intro",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2_copy":{"id":"title-v2-ad54c08947","additionalClasses":"hub-faq__headline","type":"heading2","lines":["Domande frequenti"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy":{"id":"text-2d1e1999da","additionalClasses":"hub-faq__subheadline","text":"\u003Cp\u003ELe domande più comuni sui framework di governance dei dati, con le risposte degli esperti Snowflake.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2_copy","text_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"hub-faq-accordions",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"simple_snowflake_acc":{"id":"simple-snowflake-accordion-018fd36423","additionalClasses":"seo-hub__faqs","showDivider":false,"accordionItemsList":[{"title":"Qual è la differenza tra un framework di governance dei dati e una policy di governance dei dati?","richText":"\u003Cp\u003EUn framework organizza il modello operativo complessivo della governance. Una policy definisce una regola o un’aspettativa specifica. Ad esempio, un framework può definire ownership, classificazione, governance degli accessi e processi di misurazione, mentre una policy può stabilire che i dati sensibili dei clienti richiedono un’approvazione prima che venga concesso l’accesso.\u003C/p\u003E"},{"title":"Qual è il miglior framework di governance dei dati?","richText":"\u003Cp\u003ENon esiste un unico framework migliore per ogni organizzazione. DAMA-DMBOK è utile per una copertura ampia del data management, COBIT per la governance IT e i controlli, DCAM per la valutazione della maturità, TOGAF per l’allineamento con l’enterprise architecture, FAIR per la ricerca riutilizzabile e i dati condivisi, e CDMC per il data management in ambienti cloud.\u003C/p\u003E"},{"title":"Le organizzazioni possono utilizzare più di un framework di governance dei dati?","richText":"\u003Cp\u003ESì. Molte organizzazioni combinano più framework. Ad esempio, un’azienda potrebbe utilizzare DAMA-DMBOK per definire l’ambito del data management, DCAM per valutare la maturità, CDMC per guidare i controlli cloud e NIST AI RMF per gestire il rischio AI. La combinazione dovrebbe essere pratica e allineata agli obiettivi di business.\u003C/p\u003E"},{"title":"Quanto tempo serve per implementare un framework di governance dei dati?","richText":"\u003Cp\u003EL’implementazione dipende dalla complessità dei dati, dai requisiti normativi, dalla maturità dell’organizzazione e dal livello di preparazione degli strumenti. Molte organizzazioni riescono a definire la leadership, censire i dati critici, stabilire le policy fondamentali e avviare controlli pilota nell’arco di alcuni mesi, mentre una maturità enterprise più ampia richiede in genere investimenti continui e miglioramento costante.\u003C/p\u003E"},{"title":"In che modo la data governance supporta la governance dell’AI?","richText":"\u003Cp\u003ELa data governance supporta la governance dell’AI controllando i dati utilizzati per addestrare, ottimizzare, recuperare, valutare e monitorare i sistemi AI. Aiuta i team a documentare la provenienza dei dati di addestramento, tracciare il lineage del machine learning, classificare i dati sensibili, monitorare la qualità e applicare controlli di AI responsabile prima della distribuzione dei modelli.\u003C/p\u003E"},{"title":"Quali metriche dovrebbero essere utilizzate per misurare la data governance?","richText":"\u003Cp\u003ETra le metriche più comuni rientrano la copertura del catalogo, la copertura della classificazione, i punteggi di qualità dei dati, il completamento delle revisioni degli accessi, la conformità alle policy, il tempo di risoluzione dei problemi, l’invecchiamento delle eccezioni, la copertura del lineage e la percentuale di elementi di dati critici con owner assegnati e definizioni approvate.\u003C/p\u003E"}],":type":"snowflake-site/components/simple-snowflake-accordion"}},":itemsOrder":["simple_snowflake_acc"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_623474982":{"id":"flexible-column-container-905f0ae102","propertiesId":"hub-explore-resources-header","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-large","bottomPadding":"extra-large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-2bf7bc3831",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2":{"id":"title-v2-8957870d70","additionalClasses":"hub-explore-resources-header__headline","type":"heading2","lines":["Esplora le risorse sulla data governance"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"}},":itemsOrder":["title_v2"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_541093956":{"id":"flexible-column-container-e5f2add818","propertiesId":"hub-explore-resources-grid","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-large","bottomPadding":"extra-large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"hub-explore-resources-grid-inner",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"resource_chip_0":{"id":"content-chip-27f885d6a7","tagText":"EBOOK","tagColor":"#71D3DC","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/resource/5-critical-components-of-successful-data-governance/?lang=it"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Leggi l’articolo"},"headline":{"id":"title-v2-e34fb59bc3","type":"heading5","lines":["5 componenti chiave per una data governance di successo"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_1":{"id":"content-chip-7a806352bf","tagText":"REPORT","tagColor":"#C6EDF1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/resource/best-practices-report-achieving-scalable-agile-and-comprehensive-data-management-and-data-governance/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Leggi l’articolo"},"headline":{"id":"title-v2-ffbd146257","type":"heading5","lines":["Gestione e governance dei dati scalabili, agili e complete"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_2":{"id":"content-chip-666278634d","tagText":"WEBINAR","tagColor":"#29B5E8","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/webinars/virtual-hands-on-labs/unify-your-governance-strategy-with-snowflake-horizon-2024-09-25/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Guarda ora"},"headline":{"id":"title-v2-b9aea9d397","type":"heading5","lines":["Unify Your Governance Strategy with Snowflake Horizon Catalog"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_3":{"id":"content-chip-5676540f2b","tagText":"FUNZIONALITÀ","tagColor":"#71D3DC","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/product/features/horizon/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Scopri di più"},"headline":{"id":"title-v2-298ece68e7","type":"heading5","lines":["Snowflake Horizon Catalog"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"}},":itemsOrder":["resource_chip_0","resource_chip_1","resource_chip_2","resource_chip_3"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1026756049":{"id":"flexible-column-container-e3346d39ba","propertiesId":"hub-explore-topics-header","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-0cb2113a49",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2_copy_copy":{"id":"title-v2-6c7d14a442","additionalClasses":"hub-explore-topics-header__headline","type":"heading2","lines":["Esplora i temi della data governance"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy_copy":{"id":"text-9fdc7490bd","additionalClasses":"hub-explore-topics-header__subheadline","text":"\u003Cp\u003EApprofondimenti su ogni aspetto della data governance\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2_copy_copy","text_copy_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1337071273":{"id":"flexible-column-container-ccc9c93547","propertiesId":"hub-explore-topics-grid","type":"3-column-even","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-fa89f6c043",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"topic_card_0":{"id":"card-v2-899ff0c69b","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","title":{"id":"title","type":"heading4","lines":["Modelli di data governance"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/it/data-governance/models/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Scopri di più"},"type":"content-card","text":{"id":"text","text":"\u003Cp\u003ECome i tre modelli principali gestiscono autorità decisionale, stewardship ed enforcement.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical"}},":itemsOrder":["topic_card_0"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-4662263203",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"topic_card_1":{"id":"card-v2-e979bdbdf9","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","title":{"id":"title","type":"heading4","lines":["Policy di data governance"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/it/data-governance/policy/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Scopri di più"},"type":"content-card","text":{"id":"text","text":"\u003Cp\u003EUn framework pratico per definire le regole su accesso, qualità e data stewardship.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical"}},":itemsOrder":["topic_card_1"]},"flexible_column_content_container_3":{"layout":"SIMPLE","id":"container-ece3b20426",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"topic_card_2":{"id":"card-v2-3ec9be0e4f","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","title":{"id":"title","type":"heading4","lines":["Etica dei dati"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/data-governance/policy/data-ethics/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"Scopri di più"},"type":"content-card","text":{"id":"text","text":"\u003Cp\u003EApplicazione di principi morali al modo in cui i dati vengono raccolti, archiviati, utilizzati e condivisi.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical"}},":itemsOrder":["topic_card_2"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_topics_row2":{"id":"flexible-column-container-f11186b1d7","propertiesId":"hub-explore-topics-grid-row2","type":"3-column-even","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"none","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none",":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_topics_row3":{"id":"flexible-column-container-30e3b4c622","propertiesId":"hub-explore-topics-grid-row3","type":"3-column-even","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"none","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none",":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"}},":itemsOrder":["flexible_column_cont","flexible_column_cont_1522565878","flexible_column_cont_205440979","flexible_column_cont_549182334","flexible_column_cont_132267907","flexible_column_cont_623474982","flexible_column_cont_541093956","flexible_column_cont_1026756049","flexible_column_cont_1337071273","flexible_column_cont_topics_row2","flexible_column_cont_topics_row3"],":type":"wcm/foundation/components/responsivegrid"},"modal_container":{"layout":"SIMPLE","id":"container-fd3e183cec",":type":"snowflake-site/components/modal/modal-container",":items":{},":itemsOrder":[]},"markup_editor_928258845":{"id":"markup-editor-fa133ebfb9","title":" ","cssContent":".snowflake-flexible-column-container-gray-10-bg\u003E.snowflake-flexible-column-container{background-color:var(--ui-background-05) !important}.text-size-regular:has(.seo-hub-hero__related-topic-label){display:flex;align-items:center}.hub-hero__headline span{text-transform:none !important}.hub-hero__subheadline p{max-width:70ch;margin-top:8px}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:24px 48px 0 0 !important}.hub-hero__authors .heading-5-v2{gap:var(--spacing-00)}.hub-hero__authors .snowflake-content-chip-button{display:none !important}.hub-hero__authors .snowflake-person-chip-content .body-2,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line{font-size:16px !important;line-height:20px !important;font-family:\"Lato\",sans-serif !important;color:#000 !important;font-weight:600 !important}.hub-hero__authors .snowflake-person-chip-content .body-3,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line:not(:first-child){font-weight:400 !important;color:var(--text-05) !important;font-size:16px !important}.hub-hero__authors .snowflake-image-container img{aspect-ratio:1 !important;border-radius:100%;overflow:hidden}.hub-hero__authors .snowflake-person-chip-avatar{width:56px;height:56px}.hub-hero__authors .snowflake-content-chip{align-items:center;display:inline-flex}.hub-hero__authors .snowflake-content-chip-image{max-width:56px;line-height:0;margin-right:var(--spacing-03)}.hub-hero__authors .snowflake-person-chip-inner-horizontal{gap:var(--spacing-03)}@media screen and (min-width:1367px){.hub-hero__headline .heading-1-v2{font-size:48px;line-height:44px}}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container{display:flex;flex-direction:row;flex-wrap:wrap;gap:24px}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::before,#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::after{display:none}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container\u003Ediv{width:calc(25% - 18px)}.text-color-text-05 .snowflake-text h2,.text-color-text-05.cq-Editable-dom h2,.text-color-text-05 .snowflake-text h3,.text-color-text-05.cq-Editable-dom h3,.text-color-text-05 .snowflake-text h4,.text-color-text-05.cq-Editable-dom h4,.text-color-text-05 .snowflake-text h5,.text-color-text-05.cq-Editable-dom h5,.text-color-text-05 .snowflake-text h6,.text-color-text-05.cq-Editable-dom h6{color:#000 !important}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor_597730182":{"id":"markup-editor-1cbecee873","title":" ","cssContent":".sf-copy-markdown [data-copy-md]{display:inline-flex;align-items:center;gap:6px;padding:8px 16px;font-family:'Texta',sans-serif;text-transform:uppercase;font-weight:800 !important;font-size:14px;font-weight:500;color:#11567f;background:#f0faff;border:1px solid #b8e6f9;border-radius:24px;cursor:pointer;transition:background .2s ease,border-color .2s ease,color .2s ease}.sf-copy-markdown [data-copy-md]:hover{background:#ddf3fc;border-color:#29b5e8}.sf-copy-markdown [data-copy-md][data-copied=\"1\"]{color:#0f7b3e;background:#ecfdf5;border-color:#6ee7a0;pointer-events:none}.sf-copy-markdown [data-copy-md] svg{flex-shrink:0}.longform-conten .snowflake-content-chip-white-bg .snowflake-content-chip{box-shadow:0 0 24px 4px rgba(0,0,0,.02),0 4px 8px 0 rgba(0,0,0,.04);flex-direction:row-reverse;align-items:center}.longform-conten .snowflake-content-chip-button{display:none}.longform-conten .snowflake-content-chip-image__inner{aspect-ratio:5 / 3;display:flex;justify-content:center;align-items:center;background-color:var(--ui-01);border-radius:4px}.longform-conten .snowflake-content-chip-image{margin-right:0;margin-left:48px}.longform-conten .snowflake-content-chip-image img{width:50%;border-radius:0 !important;object-fit:contain}.longform-content .black-blue-text-color .snowflake-title-v2-line:not(:first-child){font-size:14px !important;font-weight:400 !important;color:rgba(0,0,0,.6) !important;margin-top:8px !important}.page-toc ul li:first-child{padding-top:0 !important}.page-toc ul li:last-child{padding-bottom:0 !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{flex-grow:1}.sf-copy-markdown{margin-top:40px !important}.page-toc ul{margin-top:16px !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;justify-content:space-between}.sf-copy-markdown{}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E strong,.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:80ch}#hero:has(.snowflake-youtube-lite) .seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{width:100%;flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor":{"id":"markup-editor-b096107f14","title":" ","cssContent":"div.snowflake-breadcrumb a.snowflake-breadcrumb-item,.snowflake-breadcrumb div.snowflake-breadcrumb-item{text-transform:none;font-weight:500}.snowflake-breadcrumb svg{display:none !important}.snowflake-breadcrumb a:has(svg)::after{content:'/';margin:0 12px;color:#666}.hub-sidebar{padding:0 40px}.sticky-sidebar{max-width:340px;margin-left:auto}.page-toc ul{list-style-type:none;padding:0}.page-toc li{padding:8px 16px;border-left:4px solid var(--ui-01);cursor:pointer;transition:300ms ease all}.page-toc li:hover{color:var(--ui-01);border-color:#7fd3f1;transition:300ms ease all}.callout,.customer-card{background-color:#eef9fd;border-left:4px solid var(--ui-01);padding:24px 24px 24px 32px;border-radius:4px}.logo-container{max-width:180px}.longform-content li{margin-top:1rem !important}div.longform-content p{max-width:80ch}.bolder .snowflake-title-v2-line{font-weight:900 !important}.border-top\u003Ediv{border-top:1px solid #ccc;padding-top:48px}.related-topics ul{list-style-type:none;padding:0;margin:0;display:flex;gap:8px;flex-wrap:wrap}.related-topics li{display:inline-block;border:1px solid #ccc;padding:4px 12px;border-radius:24px}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-title-v2 .heading-6-v2,div.longform-content .snowflake-text .heading-6-v2{text-transform:none !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2{margin-top:1.5rem !important;line-height:1.1 !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-family:Lato,sans-serif !important;font-weight:800 !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{text-transform:none !important;font-size:28px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:22px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:18px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:16px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:14px !important}@media screen and (min-width:992px){div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{font-size:38px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:26px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:22px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:18px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:16px !important}}.sticky-sidebar .page-toc li.is-active{font-weight:600;color:var(--snow-blue,#29b5e8)}.sticky-sidebar .page-toc li[data-anchor]{cursor:pointer}.longform-content table{margin-top:24px;margin-bottom:24px;width:100%;background-color:var(--ui-background-01);border-collapse:collapse;border:2px solid var(--ui-background-09);font-family:'Lato',sans-serif;color:var(--ui-background-09)}.longform-content table thead{background-color:var(--ui-01)}.longform-content th,.longform-content td{min-width:120px;border:2px solid var(--ui-background-09);padding:var(--spacing-01)}.longform-content ol{margin-top:0 !important}.longform-content ol li{margin-bottom:1rem !important}.longform-content ul li{margin:0;padding:0 0 0 32px;position:relative}.longform-content ul{list-style-type:none}.longform-content ul li::before{content:\"\";display:block;border-radius:100%;background:#29b5e8;width:18px;height:18px;position:absolute;top:4px;left:0;border:5px solid #e5f2f7;box-sizing:border-box}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container{max-width:200px}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container img{object-fit:contain}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:0 !important}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{margin-right:16px !important;flex-shrink:0}","jsContent":"(function(){var OFFSET=100;if(window.gsap&&window.ScrollTrigger){gsap.registerPlugin(ScrollTrigger);var sidebar=document.querySelector('.sticky-sidebar');var body=document.querySelector('.longform-content');if(sidebar&&body){ScrollTrigger.create({trigger:sidebar,start:'top 100px',endTrigger:body,end:'bottom bottom',pin:sidebar,pinSpacing:false});}}document.addEventListener('click',function(e){var li=e.target.closest('li[data-anchor]');if(!li)return;var slug=li.getAttribute('data-anchor');var heading=document.querySelector('.anchor-title--'+CSS.escape(slug));if(!heading)return;e.preventDefault();var top=heading.getBoundingClientRect().top+window.pageYOffset-OFFSET;window.scrollTo({top:top,behavior:'smooth'});history.replaceState(null,'','#'+slug);},false);var headings=document.querySelectorAll('[class*=\"anchor-title--\"]');if(headings.length&&'IntersectionObserver'in window){var io=new IntersectionObserver(function(entries){entries.forEach(function(entry){if(!entry.isIntersecting)return;var cls=Array.from(entry.target.classList).find(function(c){return c.indexOf('anchor-title--')===0;});if(!cls)return;var slug=cls.replace('anchor-title--','');document.querySelectorAll('li[data-anchor]').forEach(function(li){li.classList.toggle('is-active',li.getAttribute('data-anchor')===slug);});});},{rootMargin:'-20% 0px -70% 0px',threshold:0});headings.forEach(function(h){io.observe(h);});}})();",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":true},"experiencefragment-footer":{"id":"experiencefragment-d722d8102e","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/footer/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/footer/master.xfmodel.json?callerPage=/content/snowflake-site/global/it/data-governance/frameworks"},"experiencefragment":{"id":"experiencefragment-3d9c7bc55a","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/footer-legal-disclaimers/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/footer-legal-disclaimers/master.xfmodel.json?callerPage=/content/snowflake-site/global/it/data-governance/frameworks"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","responsivegrid","modal_container","markup_editor_928258845","markup_editor_597730182","markup_editor","experiencefragment-footer","experiencefragment"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],":hierarchyType":"page",":path":"/content/snowflake-site/global/it/data-governance/frameworks","isPasswordProtected":false,"analyticsContentTags":["snowflake-site:taxonomy/content-type/fundamentals"],"analyticsEnabled":true,"coveoConfig":{"apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d","organizationId":"snowflakecomputingproduction8neljofn","searchHub":"snowflake.com","pipeline":"snowflake.com"},"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"base-page-template54","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/it/data-governance/frameworks","language":"it","category":"general","pageName":"Framework di data governance | Trasforma le policy in accountability","contentTags":["snowflake-site:taxonomy/content-type/fundamentals"]},"locale":"it"}