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.