Total de visualizações de página

sábado, 25 de fevereiro de 2017

Governança e Gestão de dados na prática-Parte I


Introdução:

Com o crescimento do volume de dados, há uma clara percepção de que as empresas já estão atrasadas com relação a um olhar mais cuidadoso em direção aos seus problemas potenciais de dados. A isso se acrescenta a potencialização dos riscos e das consequências tecnológicas e gerenciais que chegarão com o desembarque de outras tendências apontadas, como Big Data e IoT, que para muitos tipos de  “business” mudarão a escala dos dados e as dimensões dos problemas por eles gerados.
Uma das formas mais simples de se buscar entender qual a situação atual de uma empresa com relação aos seus dados é através de dinâmicas entre grupos, com discussões sobre dados. Isso convoca os envolvidos principais a participarem de forma mais aberta e não define soluções monocráticas, especialmente sobre um ativo sensível e capilarizado, como são os dados de uma empresa. Como estão os nossos dados mestres na empresa?, numa visão mais vertical, ou Como minimizar os riscos de compliance dos nossos dados, junto aos nossos reguladores? Ou Como vamos pensar na definição de um Escritório de dados (DMO), a partir de um grande projeto de BI! , seriam exemplos de temas que podem abrir discussões nesses caminhos . Envolve-se, dessa forma, os diversos “stakeholders” em sessões de discussões e aprendizados colaborativos. São ações sempre muito ricas e que trazem “insights” importantes, clareando problemas e dores vigentes, manifestadas pelas áreas convidadas. Essas dinâmicas produzem formas interativas de identificações da “dores” (OnCotô, no mineirês) e proposições de soluções(Proncovô, idem), e que são apenas táticas simplificadas e lúdicas de memorização. Ganha-se aqui, pela abertura das discussões e pelo envolvimento de áreas, criando caminhos para apoios e patrocínios de mudanças que podem não ser tão triviais de serem implementadas, sem a digital de muitos do alto escalão da empresa.
Outra forma, não excludente desta, é a aplicação de abordagens mais formais de Assessment de dados. Nesse caso, aplica-se os modelos diretos ou derivados, por exemplo do  DMM-Data Management Maturity Model, ou do DAMA-DMBOK, como elemento de avaliação mais formal e estruturada. Ambas aproximações, oferecem, via seus conceitos e resultados, uma visão sobre o estado da empresa com relação às suas práticas de dados e de Gestão de dados e podem ser aplicadas em conjunto. Uma, via métodos mais formais, formatados e estruturados(DMM, DMBOK), enquanto a outra mais interativa, lúdica e colaborativa, como o MGD-Canvas com UAAI-Learning.
Nos artigos dessa série, focaremos, de início,  na abordagem mais cooperativa e interativa do MGD-Canvas, método que estamos aplicando há mais de 4 anos em empresas consultadas e em laboratórios de cursos de pós-graduação e treinamento “in-house”.

Comece por : Escolher o tema/problema:
De início você deverá escolher com cuidado o tema das dinâmicas. Pense sempre primeiro no Why(Por quê). Problemas de dados, podem ter amplitudes variadas, gravitando sobre pontos específicos. O mais recomendável aqui é ter uma visão gerencial de quais problemas de dados são os mais críticos, percebidos e sentidos, mesmo com uma lupa que não esteja tão calibrada.(Por que os projetos de BI não trazem os resultados esperados?)  ou dores mais genéricas(Por que temos problemas de ambiguidade no significado dos dados e como melhorá-los?). Para ilustrar o artigo com experiências reais, cataloguei abaixo, uma lista de problemas de dados, observada nessas diversas dinâmicas, das quais participei, como consultor:  Basta olhar cuidadosamente que você verá que as empresas apresentam um conjunto padrão de problemas de dados, às vezes mascarados por nomes diferentes, mas iguais na sua essência. Ao longo desses vários anos de aplicação do MGD-Melhoria de Gestão/Governança de Dados, temos observado problemas comuns nas  diversas empresas, os quais seguem sintetizados abaixo:

a)A empresa não possui controle sobre os seus dados(acesso a relatórios ou aos bancos de dados existentes).Por vezes, há acessos indevidos e questionamentos sobre essa fragilidade;

b)Não há uma plena visão das necessidades de dados da organização;

c)Não há definição formal para o significado dos dados. Não há padrão definido para as descrições dos dados. Não há um Dicionário de dados ou Glossário onde se tenha definições formais do significado dos dados. Não há padrões de apresentação ou de visualização dos dados;

d)Os dados, quando muito, estão definidos em modelos de Entidades e Relacionamentos-DER simples, não constituindo uma visão conceitual confiável em termos de uma arquitetura sustentável de dados;

e)Não há uma área formal de GD-Governança de dados,  e as empresas resolvem os problemas relativos aos dados quase sempre de forma reativa;

f)Há claramente redundância de dados, manifesta pela presença duplicada do mesmo dados em fontes diferentes ou de fontes duplicadas de dados, em áreas de negócios diferentes;

g)Há erros de cálculos de alguns indicadores/métricas, resultantes de problemas de redundância e inconsistência de dados das fontes;  

h)Há uso de tecnologias inadequadas para armazenamento de dados( por exemplo, uso de DBASE com 1 GB), associado com Access (Sim ainda existem, acredite..);

i)Empresas possuem uma variedade grande de tecnologias armazenando dados, que provavelmente estão com redundância não controlada (Sistemas legados, Excel,Access, ou mesmo Bancos SQL). São os chamados “Silos de dados”. Cada solução tem suas camadas de dados e não há consistência e integração entre elas, havendo multiplicidade de dados mestres. Alguns desses dados mestres estão desatualizados, na espera da implantação de uma solução de MDM ou de CRM, por exemplo;

j)Não há uma camada para BI-Informações analíticas, nem soluções mais inteligentes de “analytics”, para, por exemplo, realizar estudos mais elaborados de prospecção de clientes, devido, por exemplo, aos problemas de silos de dados;

k)Os dados não estão associados claramente à iniciativas de negócio;

l)Empresas possuem sistemas de BI, com relatórios definidos, porém, não garantem a veracidade dos dados(indicadores e métricas) produzidos, devido à baixa confiabilidade dos arquivos fontes mestres;
Há, nesse segmento, uma pluralidade de relatórios, cujo conteúdo, objetivos e responsáveis não estão plenamente identificados(falta a figura do owner/responsável pelo dados, ou de seus gestores);

m)Empresa sujeitas a regulamentações produzem informações a serem enviadas para organismos controladores, mas não garantem a veracidade das informações passadas. Há aqui, um alto risco em termos de “compliance”;


Conclusão: Aqui se percebe um conjunto(provavelmente comum) de problemas encontrados em diversas empresas, acerca de seus dados, independentemente do seu “business”. Você que leu até aqui, provavelmente identificou muitos. Há outros tantos. É importante entender e não esperar soluções mágicas, vindas de tecnologias revolucionárias  ou de processos milagrosos ou Canvas inovadores. Botar a ordem nos dados de uma empresa é tarefa árdua e exige caminhos cuidadosos, muitos deles começando com a letra P, conforme falaremos adiante: Problemas(entendimento do Why ), definição de  Patrocínio(depois que os problemas estão claros e os caminhos delineados para resolvê-los, buscar apoio, com foco no Who), Processos, Padrões e Políticas  consensadas, aprovadas e seguidas ( é o primeiro detalhamento do How(Como). A Gestão e a Governança de dados tratam disso. Sobre  a sua aplicação prática, continuaremos a falar nos próximos artigos.