Total de visualizações de página

sábado, 16 de setembro de 2017

Visão comparativa e comentada do DAMA-DMBoK®V2-Parte II


Vamos começar a parte II repetindo o Diagrama adaptado do DMBoK® V2.


     Figura 01-Visão geral do DAMA-DMBoK® V2, adaptado pelo autor. Fonte: DAMA-DMBoK®V2

Pode-se observar que:
      O Diagrama DAMA(Dama Wheel), agora aparece com 11 áreas de conhecimento (AC),   trazendo como novidade a fatia de Integração e Interoperabilidade de dados(inexistente explicitamente no DMBOK1, embora fosse tratado em várias disciplinas, como MDM, DW, QD, etc), além de mudanças cosméticas nos nomes das fatias/disciplinas, que perderam a palavra Management. Somente a AC(Área de Conhecimento) Documento e Conteúdo, permaneceu com a palavra “Management”. No texto a AC Metadados é referenciada também como Gerência de Metadados. Para conhecer melhor essa nova disciplina do DAMA-DMBoK®V2, assista o vídeo de Chris Bradley, no link a seguir: goo.gl/4CY88G
      Os Fatores Ambientais , representados pelos hexágonos, sofreram algumas modificações. No DAMA-DMBoK® apareciam: Organização&Cultura; Atividades; Entregáveis; Papéis&Responsabilidades; Práticas&Técnicas e Tecnologia.  No DAMA-DMBoK®V2 permanecem Papéis&Responsabilidades; Atividades, surge  Ferramentas;  Organização&Cultura; Técnicas(sem práticas) e Entregáveis. A palavra Tecnologia entra com Processo e Pessoas, num nível de agregação acima, ficando Pessoas(Papéis e Responsabilidades); Processos(Atividades e Técnicas) e Tecnologia(Ferramentas e Entregáveis).

               Figura 02-Fatores Ambientais, adaptado pelo autor- Fonte: DAMA-DMBoK®V2

     Os Diagramas de Contexto de áreas de conhecimento(AC), também foram modificados:
      No DAMA-DMBoK® apareciam, para cada disciplina/fatia: Definição, Missão, Objetivos, Entradas, Fornecedores, Participantes, Ferramentas, Entregáveis primários, Consumidores e Métricas. No miolo, as Funções daquela fatia,
            –      No DAMA-DMBoK®V2 aparecem: Definição, sai Missão, Objetivos, Entradas, Fornecedores, Participantes, Entregáveis, sai primário, Consumidores . As Métricas, Técnicas e Ferramentas aparecem como direcionadores técnicos, enquanto dos objetivos saem os direcionadores de negócios.  Aparecem também, para cada fatia(Área de Conhecimento) um ciclo de vida composto de : Planejamento( P ), Controle ( C ), Desenvolvimento (D) e Operações(O).

              Figura 03-Diagrama de Contexto, adaptado pelo autor- Fonte: DAMA-DMBoK®V2

  -      O DAMA-DMBoK® V2 resolveu trazer também algumas concepções de autores famosos na seara de Dados e que sempre estiveram na proximidade do Modelo. Por exemplo, a Pirâmide de Peter Aiken (ex-presidente da Dama International), que procura usar as áreas funcionais para descrever a situação em que muitas empresas se encontram. Não chega a ser um diagnóstico de dados, mas serve, principalmente para empresas que começaram o processo de adoção de GD sem uma estratégia muito definida. Muitas empresas começam essa incursão em direção à melhoria dos dados, levadas por impulsos ou projetos isolados. A compra de uma aplicação com Bancos de dados, por exemplo, pode levar a empresa a colocar os olhos sobre modelagem e projeto de dados, armazenamento, segurança etc. A essa fase seguirão outras, por exemplo, como uma preocupação com a qualidade dos dados, que dependerá de Metadados e de uma arquitetura estável e bem definida. A seguir, para que essas práticas sejam disciplinadas, aparecerá a necessidade de Governança de dados, que poderá alavancar a gerência de dados mestres, referenciais e de documentos. Essa é a visão da pirâmide de Aiken , apresentada no DAMA-DMBoK® V2, ou seja uma costura progressiva e temporal das diversas disciplinas do DMBoK®, pelo gradativo aparecimento de suas necessidades de dados. A empresa começa por uma das áreas de conhecimentos (fatias), por um motivo específico e segue, com certa lógica, realizando uma conexão com as outras, tecendo dessa forma a malha da Gestão de dados;

      O DAMA-DMBoK®V2 também trouxe uma proposição semelhante, desenvolvida por Sue Geuens(presidente da DAMA International e agora na Infosys-Inglaterra), na qual se estabelece também necessidades iniciais de dados(como um projeto de BI ou Analytics, etc) que vai , progressivamente, demandando outras áreas de conhecimento e montando um diagrama em camadas com certa dependência funcional entre as fatias do DAMA-DMBoK®V2. Tem similaridade com a proposta de Aiken;                  
      Nesse contexto, o próprio DAMA-DMBoK®V2 apresenta um framework mais evoluído, quando comparado à frieza do antigo Diagrama DAMA(Dama Wheel). Nesse diagrama há o aparecimento de novos conceitos, além das 11 disciplinas/fatias tradicionais. Há uma camada superior de Supervisão que é a Governança de dados(que na roda DMBOK ficava no centro), com elementos novos como Valoração de dados, Princípios e Ética sobre os dados, além das conhecidas Políticas e Stewardship. São aspectos fortemente ligados à mudança cultural, como lembra o primeiro bloco deste framework.  No meio, aparece um outro bloco, com ênfase na gerência de ciclo de vida, por onde desfilam as Áreas de Conhecimento, separadas por Planejamento e projeto(Arquitetura e Modelagem e Projeto de dados); Uso e Melhoria(Armazenamento e Operação de dados, Integração e Interoperabilidade, MDM, RDM,DW e aparece Big Data, como novidade) e Ativação e manutenção(BI, Uso de Dados Mestres, Gerência de Conteúdo e Documento, Monetização de dados, Análise Preditiva e Data Science). Observe que os conceitos emergentes e atualíssimos de Big data, Data Science, Monetização, etc agora já aparecem no radar detalhado do DAMA-DMBoK®V2.
      Finalmente, como Bloco de atividades pilares, aparecem: Gerência de Riscos englobando Segurança, Privacidade e Compliance, Gerência de Metadados e Gerência de Qualidade de dados.

      Esse novo diagrama do DAMA-DMBoK®V2, agora em blocos e camadas, estende a antiga Dama Wheel e incorpora conceitos que se faziam necessários nesse novo ecossistema de dados. Dessa forma, o novo framework apresenta a sua Dama Wheel evoluída, com todos os elementos anteriormente descritos e elementos entrantes como Data Science, Visualização de dados, Monetização de dados, Análise preditiva, Stewardship e Ownership(gestão e propriedade dos dados), drives para mudança cultural, princípios e ética sobre os dados, Classificação de dados, Valoração de dados e Avaliação de maturidade em dados. Esses conceitos são fundamentais no novo ambiente de dados onde pontos como Monetização estão a reclamar estudos e visões acadêmicas mais profundas para se designar valores diretos sobre os dados. 


              Figura 04-Diagrama DAMA-DMBoK® V2 Evoluído, adaptado pelo autor. Fonte: DAMA-DMBoK® V2

Notas:

DAMA-DMBoK® e DAMA-DMBoK®V2 são marcas da DAMA International e DAMA Brasil.
DCAM é marca do EDM-Council
DMM é marca do CMMI-Institute

quarta-feira, 6 de setembro de 2017

Visão comparativa e comentada do DAMA-DMBoK® V2-Parte I


Objetivo:

Esse trabalho objetiva analisar os pontos de evolução do DAMA-DMBoK® V2-Data Management Body of Knowledge, 2nd edition, lançada em Julho de 2017 nos EUA, pela DAMA-Data Management Association.

Recomendamos fortemente a aquisição do Modelo Completo, que poderá ser feito no site da DAMA-Brasil(versão em português-www.dama.org.br), ou no site da Technics Publications(versão em inglês https://technicspub.com). No evento DMC-LATAM 2017-Data Management Conference (18-19 de outubro,SP) a presidente da DAMA International, Sue Geuens dará uma  palestra sobre DAMA-DMBoK® V2.

O objetivo, claro, não é detalhar o modelo mas sim enfatizar os pontos de evolução que o colocam, na minha visão, acima das melhores práticas mundiais de Gestão de dados, como DMM-Data Management Maturity Model (CMMI Institute-ISACA) e DCAM-Data Management Capability Assessment Model (EDM Council), além de analisar o seu upgrade com relação ao DMBoK® de 2009. A objetivo central é fornecer uma visão sintética e comentada tal como foi feito no trabalho publicado em 2013 (Uma visão sintética e comentada do DMBOK, disponível no site da Fumsoft e acessível neste link: goo.gl/kqVSBk ). 
Para a realização deste trabalho, foram usadas as referências citadas no final, respeitando os aspectos de direitos das publicações originais. Os textos foram traduzidos pelo autor e não representa a tradução oficial da DAMA-BR. Alguns diagramas aqui apresentados foram baseados nos existentes no DAMA-DMBoK® V2 e adaptados pelo autor. Para efeitos práticos esse trabalho faz referência ao DAMA-DMBoK® de 2009 como DMBoK1.
Esse trabalho será dividido e publicado em partes:
A primeira parte será uma análise introdutória sobre os novos conceitos trazidos pelo DAMA-DMBoK® V2 e uma rápida comparação com os frameworks existentes.

DAMA-DMBoK® V2-Introdução:

       Lançado em julho de 2017, o DAMA-DMBoK® V2 foi escrito com uma grande gama de colaboradores, inclusive do Brasil (Ademilson Monteiro, Antônio Braga, Carlos Barbieri, Manoel Francisco Dutra, Mário Faria, Luciana Bicalho e Rossano Tavares - Presidente da DAMA-Brasil e -Primary Contributor- do capítulo de Qualidade de dados). Também mereceram destaque figuras importantes do ambiente de Dados dos EUA, como Melanie Mecca(DMM), April Reeve, Danette McGilvray,etc,
       Diferente da versão DMBOK1, oficialmente The Dama Guide to the Data Management Body of Knowledge(DAMA-DMBOK Guide), first edition que tinha os  nomes de Mark Mosley, Michael Brackett, Susan Earley e Debora Henderson, como destaques de capa, o DAMA-DMBoK® V2 não cita autores específicos na capa. Todos os créditos foram referenciados internamente,
       Há uma justa menção em homenagem à Patrícia Cupoli, falecida em Julho de 2015, num acidente automobilístico. Patrícia esteve várias vezes no Brasil (evento DMCLatam-SP) onde aplicou as provas de CDMP-Certified Data Management Professional (quando me submeti à elas em 2013 e 2014) e foi umas das grandes contribuidoras do Modelo DMBoK®, em ambas as versões e também forte incentivadora das certificações CDMP no Brasil.

DAMA-DMBoK® V2-Estrutura:

O modelo DAMA-DMBoK® V2 está estruturado em 17 capítulos, sendo que 11 estão relacionados com ás áreas de conhecimento (houve acréscimo de uma com relação ao DMBOK1-Integração e Interoperabilidade), além de outros assuntos relevantes, como Ética no tratamento de dados, Big Data&Ciência de dados; Avaliação de maturidade em gestão de dados; Possíveis papeis e organização da gestão de dados e Gerência de mudanças na gestão de dados. Alguns desses capítulos, pelo aspecto temporal, são praticamente novidades, quando comparados com o DMBOK1 (Big Data&Ciência de dados e Modelos de maturidade) e outros foram expandidos e enriquecidos, transformando o DAMA-DMBoK® V2 numa fonte, quase incomparável de referência em Gestão de Dados.  Alguns pontos importantes para entendermos o modelo:
      O DAMA-DMBoK® V2 apresenta uma formatação de ideias na forma de frameworks e se vale de alguns exemplos como o Modelo de alinhamento estratégico e o Modelo de Informações de Amsterdam. O primeiro, proposto por Henderson e Venkatraman, no fundo, fundamenta os direcionadores para uma abordagem de implementação de gestão de dados. Tratam da dualidade Dado e Informação e de seus relacionamentos e tem um forte conteúdo conceitual, com tangências entre Estratégias de negócios, Estratégias de TI, Organização&Processo e Sistemas de Informação. No fundo, versa sobre algo fundamental: a dificuldade de percepção de valores de investimentos em TI, justamente pela falta de alinhamento desta com os objetivos de negócios, somado com a falta de processos que mantenham vivos esses laços de conexão entre os dois. Isso vem ao encontro do que temos falado sobre a importância do Why(O Porquê), dos 5W2H em projetos de dados, que deve vir sempre atrelado aos aspectos de negócios. Antes, por exemplo, da empresa partir para um grande projeto de Big Data, pergunte sobre o “porquê” e busque retornos convincentes para o “business” da empresa. Nunca crie um Data Lake porque ele é algo diferente de um DW ou de um ODS; 
      O Modelo de Informações de Amsterdam, desenvolvido na Universidade de Amsterdan, em 1997, tem como objetivo ser uma ferramenta de posicionamento e interrelação entre funções de gerência de informação. Tem um eixo horizontal onde aparecem três domínios de Governança, como Negócio, Informação/Comunicação e Tecnologia e um eixo vertical onde aparecem os níveis de profundidade da governança, como Estratégia, Estrutura e Operação.
      Esses dois modelos estabelecem alguns dos pilares conceituais do DAMA-DMBoK® V2, e aparecem mais, na minha opinião, para dar uma certa tonalidade negocial e acadêmica na proposição, que se centra mesmo no conhecido Framework do DMBOK1, com os elementos já estudados até então, como o Diagrama DAMA(Dama Wheel) estendido por outros elementos, além dos fatores Ambientais e do Diagrama de Contexto de áreas de Conhecimento, este expandido.  

DAMA-DMBoK® V2-Comparação:

O  DAMA-DMBoK® V2 quando comparado com outros modelos de referência em Gestão de dados apresenta algumas vantagens nítidas. Vejamos os principais guias existentes, propostos por organizações neutras e sem fins(diretamente) lucrativos:
      EDM-Council: O Modelo do EDM Council, da Comunidade bancária/financeira, tem absoluta concentração nesta área. Fazem parte do EDM Council, dentre outros, ABN AMRO Bank, Accenture, Abu Dhabi Investment Authority, JP Morgan Chase&Co, Banco do México, Banco Santander, Bank of America, Bank of Tokyo Mitsubishi UFJ, Ltd, etc. Oferece o FIBOS-Ontologia para negócios da indústria financeira, além de um modelo de avaliação(assessment) também com foco em processos dessa esfera. O EDM Council chegou a fazer parceria com o DMM do CMMI Institute na elaboração das primeiras versões do DMM, mas o casamento “desandou” e o DMM acabou nascendo sozinho, sem o genoma do DCAM-EDM. As figuras 01 e 02   ilustram o EDM-Council e o DCAM.


Figura 01-Visão geral do EDM-Council, com os 3 grandes objetivos, adaptado pelo autor. Fonte: EDM-Council



Figura 02-Visão geral do EDM-Council-DCAM-Data Management Capability Model , com as áreas de Gestão de dados, foco no ecossistema financeiro, adaptado pelo autor. Fonte: EDM-Council

       DMM-Data Management Maturity Model: O Modelo  DMM  foi gestado no mesmo berço de onde saíram os famosos modelos CMM e CMMI. (CMMI Institute da Universidade Carnegie Mellon) e por isso prometia certo vigor. Acontece que por motivos não esclarecidos, o CMMI Institute se desligou da Universidade Carnegie Mellon e foi adquirido e tornado organização subsidiária do ISACA(Associação de Controle e Auditoria de Sistemas de Informação), reconhecida pela paternidade do COBIT-5. Pelas conversas que tenho tido nos Seminários e Conferências nos EUA, a impressão é a de que o DMM ainda se encontra tímido e não decolou totalmente, como era de se esperar. Lançado em 2014, no seu site aparecem somente dois casos de uso: Um da Microsoft e outro da brasileira Neoway, de Florianópolis. Tendo sido o primeiro modelo neutro de avaliação de maturidade em gestão de dados (os outros existentes gravitavam em torno de instituições de consultoria e de software), o DMM tem potencial de crescimento, inclusive no Brasil, mas esbarra no alto custo de mão de obra para formação de especialistas, toda ela obrigatoriamente formada em vários treinamentos nos EUA, com valores quase proibitivos. Na essência, o DMM apresenta uma correta proposta de gestão de dados, oferecendo, conforme a figura 03,  seis (6) Categorias e 25 Áreas de processos. O seu foco, entretanto, como os seus primos mais antigos(CMM e CMMI) é mais de um guia para assessment(avaliação), embora através dos suas práticas funcionais e práticas de infraestrutura divididas em níveis, sugira possíveis formas de implementação. Mas, mesmo assim, continua com forte sabor de um método para se saber onde estamos (ONCOTÔ) em termos de Gestão de Dados, e não de como, diretamente, podemos chegar lá (PRONCOVÔ). Pode ser usada com o DMBOK®V2 como elemento de verificação inicial, antes de se aplicar as práticas da DAMA.  


Figura 03-Visão geral do DMM-Data Management Maturity Model, com as 6 Categorias e os níveis de capacidade,  adaptado, pelo autor. Fonte: DMM-Data Management Maturity Model-CMMI Institute



Figura 04-Visão geral do DMM-Data Management Maturity Model, com as 6 Categorias e 25 áreas, adaptado pelo autor. Fonte: DMM-Data Management Maturity Model-CMMI Institute-Versão Português.

DAMA-DMBoK® V2-Resumo:

      Por esse prisma, baseado na figura 05, observa-se que o DAMA-DMBoK®V2, além de trazer o guia estruturado agora em 11 Áreas de Conhecimentos, amplamente discutidas e detalhadas, também traz uma luz sobre novos conceitos pouco(ou nada) tangenciados nos outros modelos. A discussão sobre Ética no tratamentos dos dados (fundamental com o crescimento da sociedade digital cheia de Big data, IoT com riscos de possíveis problemas em Segurança e Privacidade), os impactos culturais nas mudança exigidas por sua implementação(um dos fatores críticos de GD), além de temas técnicos novos, como Big Data e Ciência de Dados,  o colocam, sem dúvida, numa posição  de destaque com relação  aos outros frameworks existentes.

A figura 05, a seguir, ilustra essa nova visão do DAMA-DMBoK® V2, que detalharemos no próximo post



Figura 05-Visão geral do DAMA-DMBoK®V2, adaptado pelo autor. Fonte: DAMA-DMBoK® V2


Notas:
DAMA-DMBoK® e DAMA-DMBOK® V2 são marcas da DAMA International e DAMA Brasil.
DCAM é marca do EDM-Council
DMM é marca do CMMI-Institute

sábado, 29 de julho de 2017

O Manifesto dos Líderes de Dados


Recentemente estive nos EUA(San Diego-Ca, Junho/17), para participar de Conferências sobre dados, Gestão e Governança e trazer ideias mais evoluídas para clientes e alunos. Todas as vezes que vou, me encontro com Danette McGilvray, de quem fiquei amigo há tempos, para umas conversas sobre dados e também sobre a vida. Para quem não conhece, Danette McGilvray  é uma das maiores autoridades em Qualidade de dados(e por consequência em Gestão e Governança de dados dos EUA). Autora de um livro clássico sobre QD-Executing Data Quality Projects, capa abaixo, gira o mundo dando treinamento e consultoria nesta área.




Nessa nossa última conversa, Danette me falou sobre um movimento que ela, juntamente com outros especialistas (*) da área de dados de lá-John Ladley, Kelle O´Neal, James Price e Tom Redman estão fazendo para alavancar os conceitos de dados como ativo fundamental das empresas. Uma espécie de Manifesto sobre os dados, “gritando” sobre a importância de se mexer com a cabeça dos que dirigem as empresas e ainda não se aperceberam do quanto fundamental é cuidar bem dos dados da organização. O Manifesto dos  Líderes de dados guarda semelhança com o Manifesto Ágil, lançado em 2001, quando 17 relevantes autores, consultores e profissionais da área de desenvolvimento definiram uma posição sobre a importância de se pensar novos caminhos para o desenvolvimento de software. O Manifesto ganhou corpo e alma e hoje o movimento Ágil é uma realidade incontestável, adotada na grande maioria das empresas que fazem software no mundo. O Manifesto de dados tem o mesmo objetivo e certamente seguirá o mesmo caminho.
O Manifesto dos Líderes de Dados foi traduzido para o português por Bergson Lopes Rêgo e por convite de Danette, participei da revisão final do documento. No site criado pelos autores americanos para esse movimento, a versão em português do Manifesto é a única (até agora) além do original, em inglês.
Você pode acessar e ler o Manifesto dos Líderes de Dados , nos links abaixo:




(*): John Ladley( autor de 2 livros na área de GD-Making EIM Work for Business and Data Governance  e How to design ,deploy and sustain na effective Data Governance Program); Kelle O´Neal, autora de uma série de artigos sobre Dados; James Price, autor de um livro em dados(Barriers for the effective deployment of information assets) e Tom Redman(Getting in front of data e Data driven: profiting from your most important asset)

sábado, 15 de julho de 2017

Dinâmica de Governança e Gestão de Dados-FIEMG-Federação das Indústrias de Minas Gerais





No dia 29 de junho de 2017, a CBCA-Carlos Barbieri Consultores Associados, realizou na FIEMG uma dinâmica de Governança e Gestão de dados com o objetivo de introduzir os conceitos de GD nas áreas de negócios da organização. O trabalho envolveu a discussão, via Canvas-MGD, dos principais problemas de dados encontrados na organização. Durante 4 horas as equipes de negócios da FIEMG(Educação, Comercial, Orçamento e Controle e SST-Qualidade de vida), juntamente com a equipe de TI, tiveram a oportunidade de refletir e elencar os principais problemas relativos aos dados, seus principais tipos e promover ideias e sugestões de soluções acerca deste importante ativo organizacional.
Ao final, cada equipe compartilhou os achados e ideias com as demais, criando uma abordagem rica de aprendizado e interação na organização, que guiará os próximos passos em busca da MGD-Melhoria de Governança e Gestão de Dados.
A equipe da TI esteve representada pelo Gerente de TI Anderson  Ricardo Ferreira e pelo Analista de BI Wellington de Jesus Borges, que atuaram como facilitadores. Pela CBCA participaram Carlos Barbieri e Luciana Mendes.


O evento foi avaliado pelos participantes(de 1 a 5), conforme abaixo: