Governança e Qualidade de Dados

Prévia do material em texto

Conceitos Básicos
O que é Inteligência Competitiva?
Como uma evolução do conceito de “Era da Evolução” criado por
Peter Drucker, passamos a chamar o tempo em que vivemos de
“Era do Conhecimento”, quando ter a informação e transformá-la
em conhecimento relevante e útil é o que realmente trará
vantagens competitivas para uma empresa, um país ou mesmo
para um profissional.
Desta forma, podemos afirmar que “Inteligência” é o ato de
transformar “informação” em “conhecimento” e, por derivação, que
“Inteligência Competitiva” é transformar as informações disponíveis
em conhecimento que gere vantagens competitivas. Mas não seria
correto afirmar que o campo da Inteligência Competitiva se
restringe a esta transformação do dado.
O campo da Inteligência Competitiva reúne também todas as
ações necessárias desde a coleta e armazenamento dos dados
que serão matéria prima para a geração de conhecimento, bem
como sua distribuição e apresentação de forma a permitir sua
visualização, interpretação e utilização. Especificamente no caso
da Inteligência Competitiva, o foco deverá sempre estar voltado
para o ambiente competitivo onde opera uma organização.
Inteligência Competitiva é o ato de entender uma indústria e os
concorrentes para que a empresa possa tomar as melhores
decisões.
Significa que a Inteligência Competitiva tem como finalidade
ajudar as empresas a prosperarem no mercado em que operam se
mantendo competitivas a partir de decisões que são tomadas com
mais inteligência e assertividade, pois são decisões baseadas no
conhecimento extraído de informações do mercado.
Vale ressaltar que as informações de mercado em questão devem
englobar a maior parte possível dos aspectos relevantes que atuam
sobre o mercado em questão. Muitas vezes o foco acaba se
resumindo aos concorrentes, que talvez seja a faceta mais explícita
do mercado. Porém deve-se evitar uma visão restritiva quando uma
série de outros elementos podem afetar a competitividade de uma
organização. Veja, a seguir, alguns exemplos que devem ser
levados em consideração:
● Clientes;
● Parceiros;
● Fornecedores;
● Governos;
● Agências reguladoras;
● Formadores de opinião, entre outros.
Muitas vezes o termo Inteligência Competitiva (“Competitive
Intelligence”) se confunde com o termo Inteligência de Negócios
(“Business Intelligence”), porém é importante ressaltar que, apesar
de próximos, trata-se de conceitos diferentes. Enquanto o primeiro
está focado nos elementos que estão no ambiente externo à
organização e que afetam sua competitividade, o segundo engloba
também elementos no contexto interno das organizações. Outra
forma de expor a diferença é entender que o negócio envolve
aspectos externos (competitivos) e aspectos internos que
posicionarão a organização de forma mais ou menos competitiva
no mercado.
O que é Big Data?
A Era do Conhecimento é tanto consequência como causa para o
aumento significativo dos dados que são produzidos e consumidos
no mundo. A evolução tecnológica acelerada, a diminuição do
custo de armazenamento, o alto grau de conexão entre pessoas,
empresa e sistemas e uma cultura de monitoramento e
compartilhamento de informações são catalisadoras para que este
aumento seja exponencial.
Observe a curva representada no gráfico a seguir.
Este gráfico impressiona não apenas pelo volume em si, pois
estima-se que em 2020 a humanidade terá produzido o equivalente
a 40.000 EB de informação digital. Mas ele impressiona também
pela forma de uma curva exponencial e de crescimento acelerado.
Ao mesmo tempo não conseguimos ver motivos para esta
aceleração no crescimento do volume de dados diminuir nas
próximas décadas. A tendência é que o mundo produza ainda mais
informações.
A explosão no volume, complexidade e variedade de dados trouxe
uma consequência rápida e direta: os sistemas e a tecnologia
disponível não estavam preparados para lidar com isso. Em outras
palavras, sistemas tradicionais passaram a ter dificuldade para
armazenar e processar tantos dados e, com isso, surge o “Big
Data”. Veja, a seguir, a definição oferecida pela própria McKinsey:
Big Data é “um grande conjunto de dados gerados e armazenados
com os quais os aplicativos de processamento de dados
tradicionais ainda não conseguem lidar em um tempo tolerável”.
Então o termo “Big Data” originalmente se refere aos dados, mas
com o tempo passamos a utilizá-lo para designar também todas as
técnicas, ferramentas e tecnologias criadas para lidar com tal
volume de dados. Big Data passou a ser, até mesmo, usado como
sinônimo do uso deste volume de dados e a transformação desde
dado em conhecimento (“o big data nos mostra que nossos clientes
têm uma tendência a preferir o produto A ao produto B na hora em
que navega no site”, por exemplo).
A primeira e mais notável implicação do big data é justamente a
produção, captura, armazenamento e processamento de cada vez
mais dados. Se antes um dado parecia irrelevante por não trazer
qualquer vantagem competitiva, agora as possibilidades de
combinar imensos volumes destes dados com outros dados e de
utilização de algoritmos de mineração de dados e inteligência
artificial passou a gerar conhecimentos e possibilidades antes não
percebidos. Que possibilidades são estas? Mais assertividade e
maiores retornos financeiros.
Mas para que um grande volume de dados seja considerado, de
fato, big data, algumas características devem ser observadas.
Convencionou-se observar estas características através de um
modelo baseado em 5 Vs:
● Volume - big data trata de um grande volume de dados.
● Variedade - são dados variados em termos de conteúdo e
formato.
● Velocidade - nos processamentos envolvidos.
● Veracidade - das informações e conhecimentos derivados;
● Valor - gerado pela utilização destes dados.
Então não basta reunir uma grande quantidade de dados para que
se esteja trabalhando com big data.
O que é Qualidade?
A palavra “qualidade” é um substantivo, não um adjetivo. Isso
significa que é uma propriedade de um ser ou uma coisa. Não é
algo que se “tem” ou “não tem”. É uma característica que pode ser
medida e pode possuir um aspecto positivo ou negativo. Podemos
dizer, por exemplo, que “este é um produto de boa qualidade” ou
“este é um produto de baixa qualidade”.
Mas o que irá definir se algo tem boa ou má qualidade? Vários são
os aspectos e elementos que podem contribuir para a avaliação da
qualidade de algo. São alguns dos elementos básicos da
qualidade:
● Desempenho;
● Confiabilidade;
● Conformidade;
● Durabilidade;
● Disponibilidade.
É, portanto, a medida de adequação dos indicadores destes
elementos comparados com a expectativa que se tem em relação a
algo que determinará o seu nível de qualidade. Ter alta qualidade
significa que se tem alta adequação em relação às expectativas.
O que é Governança?
Na Sociedade do Conhecimento não apenas as empresas são
grandes produtoras e consumidoras de dados. As pessoas também
desenvolveram hábitos que as tornaram cada vez mais digitais,
conectadas e ávidas por informação. Esta tendência acaba
deixando uma infinidade de informações registradas e disponíveis
na nuvem da internet, criando um perfil e rastros digitais universais
e permanentes de praticamente qualquer pessoa.
Esta enorme profusão de dados tem efeitos extremamente
positivos em vários aspectos, como uma melhor prestação de
serviço por parte das empresas e recomendações que nos ajudam
a ter experiências mais personalizadas e adequadas aos nossos
gostos. Mas é claro que “todo este poder” traz, por outro lado,
“grandes responsabilidades”. Valores e responsabilidades de toda
a sociedade precisam ser revistos à luz desta nova realidade.
Mas como as empresas devem lidar com todas estas questões de
ética no uso dos dados, privacidade e coleta de dados
particulares? A resposta está na elaboração e divulgação de um
plano de Governança de Dados. Governança de dados se refere
ao gerenciamento dos dados deuma empresa, sua disponibilidade,
seu uso e a segurança da informação compartilhada dentro da
empresa. Suas políticas e mecanismos devem assegurar que a
informação inserida pelos colaboradores ou por um processo
automatizado cumpra requisitos e padrões consoantes com seus
valores. Trata-se de aspectos como a integridade dos dados,
regras de utilização, políticas de acesso e divulgação, segurança
etc.
Atividade extra
Nome da atividade: Filme: Duplicidade
(https://www.imdb.com/title/tt1135487/)
O filme duplicidade é uma comédia romântica de 2009 onde Claire
Stenwick (Julia Roberts) é uma ex-agente da CIA (EUA) e Ray
Koval (Clive Owen) é um ex-agentes do MI-6 (Reino Unido). Se
conhecem de seu período como espiões governamentais, mas
agora trabalham para corporações da iniciativa privada rivais e se
encontraram “fortuitamente” em um caso de espionagem industrial.
Eles têm como missão encontrar a fórmula química de um
cosmético que renderá uma fortuna à corporação que patenteá-lo
primeiro.
Referência Bibliográfica
MANYIKA, J., CHUI, M., BROWN, B., BUGHIN, J., DOBBS, R.,
ROXBURGH, C., BYERS, A.
Big data: The Next Frontier For Innovation, Competition, And
Productivity. McKinsey Global Institute.
http://www.mckinsey.com/insights/business_technology/big_data_th
e_next_frontier_for_innovation.
NIKOLAOS, T.; EVANGELIA, F.
Competitive intelligence: concept, context and a case of its
application, Science
Journal of Business Management, vol. 2, 2012
TARVER, E.
What is the difference between business intelligence and
competitive intelligence? Investopedia, Small Business.
https://www.investopedia.com/ask/answers/040915/what-difference-
between-business-intelligence-and-competitive-intelligence.asp
WIKIPEDIA
Governança corporativa
https://pt.wikipedia.org/wiki/Governan%C3%A7a_corporativa
Coleta de Dados
Onde os dados são produzidos?
Os dados são a matéria-prima fundamental para a criação de
informação e transformação em conhecimento. Desta forma, para
que se possa criar conhecimento em um ambiente de Inteligência
Competitiva, a cadeia produtiva de conhecimento possui as
seguintes etapas:
● Coleta;
● Higienização;
● Padronização;
● Contextualização;
● Disponibilização.
Portanto, para que haja dados disponíveis à produção do
conhecimento, o primeiro passo é coletar estes dados para que
possam ser inseridos em um ambiente de geração do
conhecimento. Porém os dados não são criados no ambiente de
inteligência Competitiva, mas sim armazenados e utilizados neste
ambiente.
Os dados são representações (registros) de algo que ocorreu no
mundo real e geralmente são coletados e armazenados em um
sistema transacional. É bem da verdade que um dado,
fundamentalmente, não precisaria ser registrado em um sistema
transacional, já que existem outras tecnologias mais antigas de
registro, como livros, cadernos etc. Mas do ponto de vista dos
nossos estudos, um dado precisa estar registrado em uma fonte
eletrônica para que possa ser inserido na cadeia produtiva de
conhecimento.
Com isso, podemos afirmar que os sistemas transacionais são as
origens dos dados que serão inseridos no processo de criação do
conhecimento usando BI.
Onde o dado se transforma em conhecimento?
De forma mais concreta, muitos exemplos podem ser observados
onde dados são registrados e armazenados em sistemas
transacionais para que posteriormente sejam inseridos na cadeia
produtiva de conhecimento. Em um supermercado, por exemplo,
esta ação está muito bem delimitada pelo momento chamado de
check-out.
O check-out é quando um cliente se direciona para a fila do caixa e
um operador de caixa inicia o registro dos itens comprados no
sistema. Podemos dizer que as principais funções do operador de
caixa neste momento são:
1. Iniciar uma transação;
2. Eventualmente identificar o cliente, embora em muitos
supermercados esta identificação ainda não aconteça;
3. Realizar o registro de um item da compra, ou seja, um
produto que o cliente tenha colocado no carrinho e esteja
levando para casa. Esta operação é repetida inúmera vezes,
até que todos os itens estejam registrados.
4. Encerrar a transação recebendo o pagamento do valor total.
Do ponto de vista das operações do supermercado, este é um
processo fundamental e que faz parte do dia-a-dia da empresa.
Além de ser um registro digital de um evento que está ocorrendo
fisicamente nas lojas. Do ponto de vista da cadeia produtiva de
conhecimento, esta é uma ação fundamental de coleta de dados.
Porém este dado, após ser coletado, precisa ser processado e
transformado em conhecimento. Esta transformação ocorre em um
sistema de Inteligência de Negócios ou Inteligência Competitiva.
Genericamente podemos dizer que se trata de um ambiente de
Business Intelligence (BI). Ou seja, um banco de dados em formato
analítico (Data Warehouse ou Data Mart) que reúne dados de
diversas fontes transacionais.
Como os dados são coletados?
Algumas empresas, como os supermercados, não têm a
informação como base fundamental de seu negócio. O registro e a
coleta são realizados como parte do negócio, mas o supermercado
não “vive” de informação, ele “vive” de adquirir, armazenar e vender
produtos alimentícios. Supermercados não precisam usar os dados
de forma estratégica, embora possam usar e com isso obter
grandes resultados.
Outras empresas, entretanto, têm a informação como base
fundamental de seus negócios. São empresas que geram receita
justamente através da coleta e venda de dados e informação.
Como exemplos podemos citar a empresas de processamento de
dados, consultorias, auditorias, escolas etc.
Vamos olhar para a indústria de seguros, por exemplo. Ao adquirir
uma apólice, o segurado está “comprando” uma promessa de que,
caso algo venha a acontecer (um sinistro) com algo que esteja
protegido pelo seguro (o bem segurado), a seguradora irá arcar
parcial ou completamente com os custos de reposição ou
reparação do bem (a indenização).
Em outras palavras, o que a seguradora “vende” é a administração
de todos os riscos de sua carteira, tecnicamente conhecido como
“sinistralidade”. Para tanto, uma série de cálculos atuariais
precisam ser realizados com base nas características de sua
carteira de risco, tornando a correta coleta de dados uma atividade
fundamental para o sucesso e sobrevivência do negócio.
Os dados são coletados em diversos momentos, sendo os mais
representativos a fase de proposição e avaliação do risco para a
emissão da apólice e o registro dos sinistros que ocorrem com os
bens da carteira segurada. Nos dois momentos estão envolvidas
pessoas fundamentais para a correta coleta de dados, como os
próprios clientes, corretores de seguro e inspetores de riscos
(vistoriadores).
Como podemos notar, a coleta de dados neste exemplo é bastante
sensível. Outro exemplo em que a coleta de dados é extremamente
sensível são os serviços médicos. Imaginem um hospital, por
exemplo, onde pacientes são consultados e precisam ser
corretamente medicados. Neste caso podemos dizer que a coleta
de dados é, de fato, um caso de vida ou morte.
Além disso há toda uma sensibilidade com relação à natureza do
dado coletado. Informações trocadas por médicos e pacientes, e
registradas nos sistemas de prontuário eletrônico dos hospitais,
são informações sigilosas por lei. Questões éticas e de governança
destes dados são extensamente discutidas nas escolas de
medicina e são preocupação constante nos responsáveis de
tecnologia da informação de hospitais.
São dados pessoais e que possuem extremo interesse médico,
mas que também poderiam ser utilizados, por exemplo, pelas
empresas de seguro no momento de avaliar o risco de uma pessoa
em um seguro de vida. Porém é antiético e contra lei que estes
dados sejam fornecidos pelo hospital para a seguradora sem que o
paciente, verdadeiro dono desta informação, seja consultado.
Agora notem que nos exemplos acima, nas atividades de coleta de
dados, há sempre um elementoem comum que são as pessoas
responsáveis pela coleta do dado (operador de caixa de
supermercado, corretor de seguros, vistoriadores, médicos,
enfermeiros etc.). Acontece que cada vez mais o elemento humano
vem sendo substituído no processo por sensores e sistemas
eletrônicos que, muitas vezes, não apenas dão conta do recado
como realizam a tarefa com muito mais assertividade, mais
velocidade e menos custos.
Vamos olhar para o caso de uma rodovia, por exemplo. É
extremamente importante para os operadores de tráfego da rodovia
compreender quais são os volumes de tráfego que ocorrem em
cada trecho da estrada nas diferentes horas do dia. Mas seria
muito improdutivo que esta coleta fosse realizada por pessoas
contando o número de veículos passando em alta velocidade a
cada hora, em cada trecho. Para coletar estes dados a
administração deverá fazer uso de sensores espalhados nos
pontos estratégicos do percurso e integrados a um banco de dados
que centraliza o dado. Ou seja, o processo de coleta de dados
neste caso ocorre sem interferência humana direta.
Outro exemplo em que sensores são utilizados para coletar os
dados é no momento em que uma pessoa “conectada” está
praticando exercícios físicos. Tradicionalmente a corrida era uma
atividade simples, que não requer muita estrutura (diferentemente
dos esportes de quadra, por exemplo) e na maioria das vezes
realizada de forma individual.
Mas é cada vez mais comum que o praticante de corrida se utilize
de vários devices tecnológicos que o acompanham durante a
prática. Estes devices têm a função de tornar o treino mais
agradável (possibilitando que o praticante ouça música por
exemplo), mais seguro (acompanhando sinais vitais como pressão
e batimento cardíaco) e mais otimizado em termos de performance
(registrando dados de performance como tempo etc.), Mas é
notável que todas estas facilidades são, ao mesmo tempo, fontes
geradoras de dados.
Vamos avaliar algumas sob este aspecto:
● Música: enquanto a pessoa ouve música usando um
aplicativo como o iTunes ou o Spotify, dados são coletados
sobre os hábitos musicais de cada pessoa. Que estilo,
músicos, autores são ouvidos com qual frequência, em quais
horários do dia, em qual volume etc. Há ainda as informações
de quais músicas são agrupadas em quais playlists, quais são
compartilhadas entre amigos etc. Estes dados ajudam os
aplicativos a fornecer uma experiência mais personalizada,
recomendando com mais assertividade novas músicas e
autores, por exemplo. Mas também traçam um perfil musical
que, associado a outros dados de perfil (demográficos, locais
onde costuma circular, navegação na internet etc.) são fonte
valiosa para que a indústria da música possa direcionar os
seus investimentos. Também são informações que podem ser
utilizadas por outras indústrias como a publicidade e a
indústria de entretenimento como um todo.
● Corrida: enquanto a pessoa corre usando um aplicativo de
monitoramento (Nike Run, RunKeeper etc.) dados são
coletados sobre tempo, ritmo, velocidade, percurso e
batimentos cardíacos. Há ainda classificações feitas pelos
próprios participantes (quão intenso foi aquele treino, se foi
recreativo ou de velocidade etc.) e a possibilidade de associar
grupos de amigos que correm separadamente, mas formam
um grupo virtual de corrida. Estes dados são utilizados pelos
aplicativos para otimizar a performance do corredor, propondo
desafios, planilhas de treino personalizada etc. Mas também
têm imenso valor para empresas de materiais esportivos
(“está na hora de comprar um tênis novo!”), empresas
promotoras de eventos esportivos (faz sentido realizar uma
maratona na cidade?) e seguradoras (qual o nível de
sedentarismo de uma pessoa que está fazendo um seguro de
vida?).
Este exemplo ilustra com o conceito de coleta de dados está
expandido e vem fazendo cada vez mais parte de nossa vida, de
forma natural e muitas vezes onipresente.
Extração, Transformação e Carga de Dados
Pois bem, dados são representações de algo na vida real que são
inseridos, armazenados e processados em sistemas operacionais,
mas depois podem ser inseridos em uma cadeia produtiva de
conhecimento suportada por uma estrutura de Business
Intelligence (BI). Para que isso ocorra, o dado precisa ser:
● Extraído dos sistemas transacionais.
● Transformados de forma que fiquem higienizados e
padronizados.
● Carregados no banco de dados do Business Intelligence.
Este processo recebe o nome de ETL, que significa Extract,
Transform and Load. Como o conhecimento de qualidade é criado
a partir de dados de qualidade, é importante que o processo de
ETL mantenha, ou até acrescente, a qualidade a estes dados, o
que é feito na etapa de transformação do dado.
Como exemplo, vamos imaginar uma falha no processo de coleta
de dados onde, ao preencher o nome da cidade de residência de
um cliente, os usuários do sistema transacional cometem pequenos
erros de digitação. No final, clientes são associados a cidades reais
como “São Paulo”, “Rio de Janeiro” e “Fortaleza”, mas também são
associados a cidades que não existem como “Sao Paulo”, “Sâo
Paulo”, “Rio Janeiro” e “Fortalesa”.
Neste caso será na etapa de transformação, após extrair estes
dados do sistema transacional e antes de carregá-los no BI, que o
processo irá tentar corrigi-los, Esta correção poderá usar um
algoritmo de aproximação fonética, por exemplo, que analisa cada
dado “cidade” que não esteja na base de municípios do Brasil e
tenta correlaciona-lo com o texto (nome da cidade) mais próximo.
A etapa de transformação pode não apenas corrigir os dados,
mas também padronizá-los de forma que fiquem sobre o mesmo
contexto. Exemplos comuns de padronização são a conversão
monetária para que todos os valores sejam armazenados em uma
mesma moeda, evitando que US$ 100.00 sejam confundidos com
R$ 100,00 já que representam valores bem diferentes.
Atividade extra
Nome da atividade: Veja o vídeo de apresentação da loja Amazon
Go. Trata-se de um ponto de vendas físico totalmente baseado em
autosserviço implantado pela Amazon. Note que toda a operação e
coleta de dados são realizadas sem a interferência de um
funcionário da loja. Apesar disso não podemos dizer, ainda, que
não há um humano envolvido já que o cliente deve estar presente
para escolher e pegar os produtos das prateleiras.
Local para acessar o vídeo:
https://www.youtube.com/watch?v=NrmMk1Myrxc
Referência Bibliográfica
ELIAS, D. Entendendo o processo de ETL
https://canaltech.com.br/business-intelligence/entendendo-o-proces
so-de-etl-22850/
ELIAS, D. O que significa OLTP e OLAP na prática? Canaltech,
Gestão, Business Intelligence.
https://canaltech.com.br/business-intelligence/o-que-significa-oltp-e
-olap-na-pratica/
RIBEIRO, E. Analítico versus Transacional. Tecnologia e Marketing.
http://www.tecnologiaemarketing.com.br/analitico-versus-transacion
al-2/
A Sociedade do
Conhecimento
Sociedade do Conhecimento
Já deve estar claro que na Era do Conhecimento as empresas que
não apenas possuem, mas usam a informação para gerar
conhecimento estratégico, têm uma baita vantagem competitiva em
relação às empresas que ainda não estão preparadas para este
novo tempo. Mas não são apenas as empresas que estão
preparando-se e ajustando-se à Era do Conhecimento. As
pessoas, e por consequência, toda a sociedade já vive este
momento de forma intensa.
Vivemos em uma sociedade digital, extremamente conectada e
ávida pela produção e troca de informações. Nesta sociedade, uma
grande parte das relações humanas se estabelecem por um meio
digital como as redes sociais, sites de relacionamento, aplicativos
de mensagens, e-mail etc. Casamentos são formados (e desfeitos)
através da rede, amigos se mantém conectados e até mesmo
pessoas que moram juntos realizam pelo menos uma parte de suas
conversas usando um celular ou outro device.
Uma consequência direta e imediata desde jeito de se relacionar é
que tudo isso fica registrado,pode ser rastreado e gera uma
imensa quantidade de dados. Além disso cada um de nós tem um
perfil, uma impressão digital pública, universal e eterna. Vivemos
hiperconectados e nos tornamos cada vez mais dependentes das
informações que produzimos e colhemos desta rede.
Pessoas e Organizações data centric
Estas características da nossa sociedade acabam nos moldando
em pessoas muito mais dependentes da informação compartilhada.
Passamos a fazer as nossas escolhas com base em reviews,
recomendações e buscas. Raramente nos aventuramos em uma
nova experiência sem antes checar a reputação da empresa ou
das pessoas envolvidas em fornecer aquela experiência, antes de
tentar alguma coisa nova pesquisamos se alguns dos nossos mais
de um milhão de amigos da rede social já têm uma opinião formada
sobre aquilo. Tão logo experimentamos algo, rapidamente
corremos para compartilhar, avaliar, recomendar, ranquear etc.
Isso só fortalece as nossas pegadas digitais e enriquece o nosso
profile (perfil) disponível na rede. Cada vez mais, nossos passos
estão registrados, contabilizados e disponibilizados para que as
organizações possam utilizá-los de forma estratégica. E estes
registros cada vez extrapolam o mundo digital para o mundo real,
quando passamos a ser monitorados por tecnologias como o GPS,
contadores de passos, câmeras com reconhecimento facial e
sensores de sinais vitais. Basta lembrar do exemplo discutido há
pouco em outro material onde uma pessoa praticava corrida
usando devices como um smartphone e um smartwatch rodando
apps de monitoramento.
A imensa disponibilidade de informações e o acesso facilitado a
esta informação tem mudado não apenas a forma como as
pessoas se relacionam entre si. Mudou também a forma como se
relacionam com o aprendizado e com a forma de pensar. Se antes
uma das capacidades mais valorizados do cérebro humano era a
capacidade de memorização, hoje em dia é muito mais importante
ter uma boa capacidade de pesquisa.
Por séculos toda a estrutura educacional da sociedade foi baseada
na memorização. Era a figura de um mestre (ou professor),
detentor do conhecimento e que mostrava ao aluno como algo
deveria ser feito para que este memorizasse o jeito certo de fazer e
se tornasse, ele próprio, um mestre para outros aprendizes.
Atualmente os conceitos mais modernos de ensino e educação
pressupõem um modelo de “ensinar o aluno a aprender”. Treiná-los
nas habilidades para que este possa utilizar-se das ferramentas
disponíveis de acesso ao conhecimento. Hoje, para aprender sobre
qualquer assunto, as pessoas podem buscar informações na
internet ou nas redes sociais, por exemplo. E o conhecimento
passar a ser criado de forma coletiva porque a partir do momento
que todos podem ser detentores de uma parte do conhecimento,
todos são mestres e aprendizes ao mesmo tempo.
A pesquisa e a busca passam a ser tão importante que em 2006 a
palavra “google” é incluída no dicionário, alçando o nome de uma
ferramenta de buscas a um verbo que descreve uma ação cada
vez mais comum em nossas vidas. Se temos alguma dúvida,
“googlamos” sobre o assunto.
Toda esta disponibilidade e informações e o grande número de
opções deveria, intuitivamente, nos deixar mais livres. Hoje não
dependemos do conhecimento ou da opinião de um pequeno grupo
de pessoas, pois temos acesso a milhões de opiniões e
conhecimentos à distância de apenas um clique de mouse. Porém,
como bem observou Barry Schwartz, este excesso de opções pode
ser, muitas vezes, extremamente opressor criando um efeito que
ele chamou de “Paradoxo da Escolha”. Temos tantas opções que
ficamos perdidos e passamos a ter, na verdade, menos liberdade.
É, portanto, uma realidade que também cria novos
comportamentos e gera ansiedades que não tínhamos antes. Uma
dessas é conhecida pela sigla FOMO, que significa Fear Of Missing
Out. Em uma tradução livre seria algo como o temor de perder uma
oportunidade. É a ansiedade de deixar alguma coisa passar porque
estava desconectado ou desconectada.
De fato, pesquisas revelam que um terço das pessoas, quando
estão sem acesso à internet, têm o sentimento de “perda de
controle” e que 36% já ficam nervosas se o celular está próximo de
ficar sem bateria. Isso é mais uma prova de que o ser-humano cria
uma tecnologia e esta tecnologia molda um novo jeito de viver do
próprio ser-humano, como se “criasse” de volta um novo
ser-humano.
Esta é sociedade em que vivemos, uma sociedade onde o
conhecimento coletivo, universal e compartilhado já faz tão parte
de nossas vidas que desconectar-se dele passa a ser um grande
problema para muitas pessoas.
Impressão Digital
Esta relação de hiperconexão, monitoramento e compartilhamento
de informações criam para cada indivíduo da Sociedade do
Conhecimento uma espécie de “impressão digital”. Neste caso o
termo “impressão digital” não está relacionado ao uso comum que
se refere ao desenho único formado pelas papilas dos dedos das
mãos. Aqui estamos usando o termo para denotar a impressão, ou
as pegadas, que cada um dos indivíduos deixa no mundo digital.
Note que, neste caso, a impressão deixada no mundo digital
também é única para cada pessoa, permanente ou eterna dado
que é quase impossível excluir um conteúdo que tenha sido
espalhado pela nuvem da internet e virtualmente universal, já que é
muito difícil controlar quem tem acesso ao que é compartilhado em
redes sociais, sites etc.
Esta “impressão digital”, apesar de viver no mundo virtual digital,
cada vez menos trata apenas da nossa persona digital e passa a
englobar características do mundo real a partir do momento que
nossos hábitos passam a separar cada vez menos estes “dois
mundos”. Usamos devices reais como o telefone celular para ser
um ponto de acesso permanente ao mundo virtual. Isso significa
que, cada vez mais, pessoas, empresa e/ou governos passam a ter
acesso a parte ou à totalidade desta impressão digital.
Eu, Você e os Robôs
E o mundo não tem demonstrando tendências de que esta
característica irá arrefecer. Ao contrário, vemos cada vez mais
oportunidade de interação com o mundo virtual em nosso dia-a-dia.
Envolvendo cada vez mais sistemas, computadores e robôs em
nosso cotidiano.
Antigamente tínhamos a impressão de que robôs viveriam
misturados em nossa sociedade no futuro, mas prevíamos
basicamente duas realidades: uma em que os robôs de fato
pareciam robôs humanoides, onde estava claro que se tratavam de
robôs que estavam postos ali para nos auxiliar (como a robô
doméstica da família Jetson) ou imitações tão perfeitas do
ser-humanos que, muitas vezes, teríamos dificuldades de
identificá-los como robôs (como os androids do filme Blade
Runner).
Mas o que a realidade tem nos mostrado é um pouco diferente. Os
robôs, na verdade, não necessariamente se parecerão com robôs
ou com seres-humanos. Quer dizer, alguns sim, mas a maioria será
como um eletrodoméstico, um carro ou um item comum do
dia-a-dia, mas com inteligência. Além disso não se trata mais de
ficção científica. Os robôs já estão entre nós.
Sabe aquela máquina de autosserviço para venda de refrigerantes
que fica no seu caminho para o trabalho? Que de vez em quando
você para por ali para comprar alguma coisa, de vez em quando
você apenas passa em frente dela? Pois bem, ela pode ser um
“robô” com inteligência artificial capaz de lhe reconhecer e
aprender com seus hábitos.
A Coca-cola possui um projeto de inteligência artificial implantada
em máquinas de autosserviço onde clientes podem combinar
ingredientes para criar o seu refrigerante favorito. Podem, por
exemplo, misturar um refrigerante de cola com um pouco de suco
de laranja ou, quem sabe, misturar sabores de frutas diferentes em
um único copo de refrigerante.
Com o tempo espera-se que a máquina reconheça os clientes e
suas preferências, melhorando a experiência de compra, mas
também aprendendo e alimentando a companhia com sugestões
de novos refrigerantes que podem ser oferecidos emcada região.
Extrapolando as funcionalidades, e aqui estou usando uma
liberdade de imaginação sem qualquer compromisso com o que a
empresa realmente está fazendo, podemos imaginar que estas
máquinas também “observam” as pessoas que passam por ela,
mas não param para realizar uma compra. Existe uma série de
questões éticas sobre privacidade que precisam ser levadas em
conta, é claro, mas imaginem o tipo de inteligência que poderia ser
criada caso todas as máquinas de autosserviço passassem a ser
observadores ativos do fluxo de pessoas que caminham diante
delas?
Atividade extra
Nome da atividade: Assista à palestra de Ben Schwartz no
TEDGlobal 2005 sobre o paradoxo da escolha.
Endereço para assistir ao vídeo:
https://digitalks.com.br/noticias/hiperconectividade-como-e-relacao-
do-usuario-com-os-meios-digitais/#
Referência Bibliográfica
BEATRIZ, C. JOMO é o novo FOMO: desconectando para conectar
com o que realmente importa!
https://www.aprendizdeviajante.com/jomo-e-o-novo-fomo-desconec
tando-para-conectar-com-o-que-realmente-importa/
DIGITALKS. Hiperconectividade: Como é a relação do usuário com
os meios digitais
https://digitalks.com.br/noticias/hiperconectividade-como-e-relacao-
do-usuario-com-os-meios-digitais/#
GABRIEL, M. Você, Eu e os Robôs
https://www.martha.com.br/livros/voce-eu-e-os-robos-por-martha-ga
briel/
SCHWARTZ, B. TEDGlobal 2005 Barry Schwartz sobre o paradoxo
da escolha
https://digitalks.com.br/noticias/hiperconectividade-como-e-relacao-
do-usuario-com-os-meios-digitais/#
VARELA, T. Para século 21, o importante é 'aprender a aprender'
https://educacao.uol.com.br/noticias/2016/04/23/para-seculo-21-o-i
mportante-e-aprender-a-aprender.htm
O uso ético dos dados
O uso ético dos dados
Na Sociedade do Conhecimento não apenas as empresas são
grandes produtoras e consumidoras de dados, mas pessoas
também desenvolveram hábitos que as tornaram cada vez mais
digitais, conectadas e ávidas por informação. Um dos hábitos mais
comuns e que mais potencializa esta profusão de dados é o uso
constante do celular. Segundo o IBGE, o Brasil fechou o ano de
2016 com 116 milhões de pessoas conectadas à internet (64,7% de
toda a população), sendo que o celular ainda é o principal aparelho
de conexão, usado por 94,6% dos internautas. Mas o celular vai
além de um aparelho de acesso à internet. É o principal
instrumento de acesso ao mundo virtual, mas é também uma
máquina de geração de dados (acessos, localização, aplicativos
etc.).
Mas quem usa esta informação? E quem usa, como usa esta
informação? Vamos traçar um paralelo com os estudantes de
medicina. Desde que estão na faculdade preparando-se para se
tornarem médicos no futuro, estes estudantes estão em contato
com as responsabilidades e preceitos éticos que envolvem a sua
profissão e o uso de suas futuras habilidades profissionais.
Médicos sabem que um erro seu por negligência podem causar
danos muito sérios, como tirar a vida de um paciente. Sabem
também que as informações trocadas entre médico e paciente são
informações confidenciais e há de se ter muita responsabilidade
com a coleta e divulgação destas informações.
Mas agora vamos olhar para os estudantes de tecnologia
(desenvolvedores de aplicativos, engenheiros de celulares etc.).
Hoje a tecnologia e o uso dos dados têm um impacto enorme na
vida das pessoas, mas não há ainda uma definição clara sobre um
código de ética envolvendo os usos destas informações e como
este impacto deve ser controlado ou regulado e estes estudantes e
profissionais simplesmente não estão sendo formados nesta
questão. A Sociedade do Conhecimento ainda precisa evoluir muito
nesta direção.
Privacidade
Dentre todas as questões envolvidas no uso ético das informações,
uma que tem figurado com frequência é a questão da privacidade.
O celular incorpora a principal interface com as redes sociais e
possui mecanismos de monitoramento como o gps. Estamos o
tempo todo com o celular. Então a questão da privacidade se
tornou uma grande preocupação no mundo.
Mas há diferenças culturais que fazem com que as pessoas tratem
de forma totalmente diferente estas questões. A China, por
exemplo, tem uma visão bastante diferente da que estamos
acostumados no ocidente. Como país, sua estratégia é tornar-se o
maior fornecedor de dados de perfil (“profile”) do mundo. Como
sociedade, a privacidade da população não é uma questão.
Como exemplo, podemos citar os experimentos de utilização da
tecnologia de reconhecimento facial para possibilitar o acesso às
residências. Vários condomínios já implantaram uma tecnologia
que abre as portas do condomínio e da residência quando um dos
moradores autorizados se aproxima da porta. Esta abertura
acontece a partir de uma tecnologia de reconhecimento facial e é
muito conveniente. Até aqui, nada demais, trata-se da tecnologia
ajudando as pessoas.
O detalhe é que esta tecnologia está abertamente conectada com
sistemas de monitoramento da polícia chinesa, que usa estes
dados para rastrear pessoas que têm mandado de prisão expedida
e que estão foragidas. Mas, pense bem. Esta tecnologia integrada
permite também que o governo controle ativamente quem
frequenta a sua casa e a que horas as pessoas chegam e saem,
por exemplo. No senso comum sobre privacidade no ocidente isso
seria um problema. No senso comum dos chineses parece não ser
um problema.
Mas agora vamos pensar em termos globais. Cada vez mais as
fronteiras políticas dos países têm sido sobrepostas por relações
econômicas e de negócios entre empresas e empresas e entre
pessoas e empresas. Cada vez mais é comum que empresas de
um país (China, por exemplo) se relacionem com pessoas de
outros países (Brasil, por exemplo). E como ficam estas diferenças
culturais tão exacerbadas. É algo que ainda não foi resolvido, mas
que merece nossa atenção urgente.
#tenyearschallenge
Falando em tecnologia de reconhecimento facial, sabemos que tem
sido um dos maiores investimentos de muitas empresas nos
últimos anos. Quando as redes sociais, como o Facebook por
exemplo, começaram a fornecer facilidades de marcação de
pessoas nas fotos, inclusive com sugestões (“É o Eduardo nesta
foto?”).
Ao mesmo tempo em que melhorava a usabilidade para os seus
usuários, facilitando a marcação de amigos nas fotos, o Facebook
iniciava a construção do que é hoje, provavelmente, um dos
maiores bancos de dados de reconhecimento facial do mundo.
Agora, uma das maiores dificuldades enfrentada pelos algoritmos
de reconhecimento facial está justamente na capacidade de
simular e reconhecer o envelhecimento das pessoas. Então,
recentemente a internet viu um jogo chamado “#tenyearschallenge”
(desafio dos 10 anos) viralizar na internet. Tratava-se de um
desafio onde as pessoas postaram fotos suas com a diferença de
10 anos. Muitos entraram na brincadeira e a hashtag oficial do
desafio passou dias entre as maiores tendências das redes sociais.
Até que alguém aventou a possibilidade de que tudo não passava
de uma estratégia justamente para treinar e aprimorar algoritmos
de reconhecimento facial. Empresas como o Facebook correram
para declarar que não possuíam qualquer relação com a criação do
desafio e, de fato, não há provas ou indícios de que houve alguma
relação. Mas que a ideia faz sentido, sim ela faz.
Segurança
Se na Sociedade do Conhecimento concordamos que o
conhecimento tem se tornado um dos bens mais valiosos e que, ao
mesmo, se mal utilizado pode causar danos graves à pessoas e/ou
organizações, faz sentido que o tema da segurança tenha se
tornado cada vez mais importante e sensível nos tempos atuais.
Não existe sistema 100% seguro e livre de vulnerabilidades, mas
as empresas, governos e pessoas devem se preocupar cada vez
mais em quão seguros estão os seus dados e sistemas.
Em 2007 o ator Bruce Willis estrelou o quarto filme da série Duro
de Matar. Neste episódio o policial John McClane, personagem
principal interpretado pelo ator, tem contatocom o hacker Matthew
Farrell enquanto outro hacker interpretado por Timothy Olyphant
realiza um ataque massivo contra vários sistemas de infraestrutura
americano (energia, comunicações, tráfego terrestre, tráfego aéreo
etc.). O conceito que sustenta o filme é que todo o mundo está
suportado por tecnologia, mas mesmo a tecnologia mais sofisticada
pode ser capturada e se tornar refém de elementos mal
intencionados (assista ao trailer em
https://www.youtube.com/watch?v=joFa1cn26LA).
Mesmo envolto em todo o sensacionalismo do cinema de
hollywood, este filme anunciava há mais de dez anos como a
nossa vida se tornava cada vez mais dependente da segurança
dos sistemas de informação. Mesmo com toda a imaginação dos
roteirista, esta obra de ficção ainda não era capaz de prever o
quanto nosso cotidiano estaria dependente e exposto a um ataque
cibernético.
Hoje, por exemplo, vemos grandes investimentos e avanços no
desenvolvimento dos carros autônomos. Já sabemos que eles
serão uma realidade no futuro, apesar de não estar claro ainda
quanto falta para chegar este futuro. Cinco anos? Dez ano? As
previsões são variadas, mas ninguém discorda que é um futuro
certo. Porém muitas discussões sobre segurança ainda precisam
ser realizadas. Um carro autônomo pode ser invadido e utilizado
https://www.youtube.com/watch?v=joFa1cn26LA
https://www.youtube.com/watch?v=joFa1cn26LA
como ataque terrorista? Ou, muito menos dramático, pode ser
utilizado para rastrear e invadir a privacidade de uma pessoa?
É preciso, porém, lembrar que os crimes cibernéticos não
começaram recentemente. Já no início dos anos 1990, Kevin
Poulsen era preso e banido da internet por cometer crimes
invadindo centrais telefônicas para ganhar concursos e sorteios em
programas de rádio. Também é importante lembrar que as falhas
de segurança envolvem muito mais do que os sistemas em si, pois
pessoas podem, de forma intencional ou não, criar brechas na
segurança dos sistemas. A exploração destas brechas por
criminosos ganha o nome de engenharia social.
Governança de Dados
A Governança de Dados determina como as empresas devem lidar
com todas estas questões de ética no uso dos dados, privacidade e
coleta de dados particulares. Governança de dados trata de todo o
gerenciamento de dados em uma empresa. No plano de
Governança de Dados são definidas as políticas e os mecanismos
que irão assegurar que a informação que colaboradores têm
acesso receberão o melhor uso possível, de acordo com os valores
praticados pela empresa.
Este movimento tem criado uma figura cada vez mais importante
nas empresas que é o responsável pela governança de dados.
Pode ser um papel cumprido pelo diretor de compliance, por
exemplo. Mas algumas empresas já estão criando um executivo
específico para isso, chamado de CDO (Chief Data Officer).
Dependendo da importância que os dados possuem nas operações
da empresa, faz bastante sentido.
Por fim, a governança de dados deve ser desenvolvida em cinco
passos descritos a seguir:
1. Identifique os titulares da informação, ou seja, dentro da
organização quem será responsável por cada dado,
sobretudo para os dados mais sensíveis e críticos.
2. Determine a situação atual, pois fazer um diagnóstico de
como estas informações têm sido tratadas na empresa
atualmente é muito importante para o próximo passos, que
é...
3. Desenvolva uma estratégia, deixando bem claras as políticas
e os valores relacionados à coleta, armazenamento, uso e
disponibilização de dados.
4. Use a informação da melhor forma possível, deixando claro
quais são os conceitos de “melhor forma” na empresa. E, por
fim...
5. Meça constantemente os riscos e oportunidades relacionados
com cada parte da informação que permanece em posse da
empresa.
Muitas empresas estão sendo obrigadas a formular suas políticas
de governança de dados por determinação de governos ou pressão
da sociedade. Conforme todos percebem os riscos (e as
oportunidades) que surgem a partir da posse e uso dos dados,
mais se dá valor à necessidade de governança de dados.
Atividade extra
Nome da atividade: Leia a matéria do G1 / BBC sobre o caso do
Facebook e a Cambridge Analytica que veio à público em 2018.
Endereço para ler a matéria:
https://g1.globo.com/economia/tecnologia/noticia/entenda-o-escand
alo-de-uso-politico-de-dados-que-derrubou-valor-do-facebook-e-o-c
olocou-na-mira-de-autoridades.ghtml
Referência Bibliográfica
DUPAS, G. Ética e Poder na Sociedade da Informação
http://editoraunesp.com.br/catalogo/9788539300778,etica-e-poder-
na-sociedade-da-informacao-3-edicao
GABRIEL, M. Você, Eu e os Robôs
https://www.martha.com.br/livros/voce-eu-e-os-robos-por-martha-ga
briel/
GARCIA, G. Os 15 hackers que fizeram os maiores estragos da
história
https://exame.abril.com.br/tecnologia/os-15-hackers-mais-perigosos
-de-todos-os-tempos/
TIBURI, M. O desafio da ética na sociedade do conhecimento.
https://revistacult.uol.com.br/home/o-desafio-da-etica-na-sociedade
-do-conhecimento/
Plano de Qualidade
dos Dados
Qualidade Total e Certificações
Como dito anteriormente, a palavra “qualidade” não é um adjetivo,
mas sim um substantivo. Todo objetivo, item, ser ou coisa tem
qualidade, que pode ser altamente consistente com a expectativa
que se tem ou estar distante do que se considera adequado. Ou
seja, a avaliação sobre a qualidade de algo está ligado a uma
avaliação que nem sempre é objetiva, mas deveria ser.
Ao longo da história, a qualidade foi primeiramente observada em
atividades de inspeção. Ou seja, a adequação de certas
características de algo era avaliado e comparado com um padrão
de expectativas. Tudo que atendia a este padrão era preservado
enquanto o que não atendia era descartado. Esta é uma visão
muito comum na Era Industrial onde a inspeção de qualidade era
parte de uma linha de montagem, onde itens que passavam pela
linha sem atender aos requisitos mínimos de qualidade após certas
etapas de produção (fabricação) eram retirados da linha.
Este conceito evoluiu para um Controle da Qualidade onde não
apenas o item era inspecionado, mas também o processo de
fabricação. Ao mesmo tempo, controlar a qualidade deixa de ser
uma prática apenas das fábricas e passa a fazer parte da
“produção” de qualquer bem ou serviço, qualquer item concreto ou
abstrato. Empresas que prestam serviço aos seus clientes
começam a inspecionar se o serviço está sendo bem realizado, ou
seja, está de acordo com a expectativa de seus clientes.
Há então uma mudança na cultura da qualidade onde as
organizações passam a preocupa-se não apenas de forma reativa
com relação à qualidade, mas sim de forma proativa. O processo e
o produto não são apenas inspecionados para avaliar se houve
qualidade, mas há uma preocupação de garantir que a qualidade
seja obtida ao longo do serviço. São incluídos no processo ações
que garantam, ou aumentem a chance, de que as expectativas
sejam atingidas.
Há então uma mudança de paradigma onde o processo passa a ter
mais importância do que o próprio produto final. Assume-se a
premissa de que padrões precisam ser adotados e que se algo é
feito sempre da maneira certa, o resultado sempre obterá a maior
qualidade possível. Vira moda o termo “Qualidade Total” e são
criadas uma série de normas que devem ser seguidas pelas
empresas para garantir que o processo é feito sempre de acordo
com os padrões estabelecidos. Junto com as normas aparecem
agências certificadoras, profissionais especializados, certificações
e muito investimento é feito na garantia dos padrões de processos
em busca da obtenção da qualidade total.
A evolução natural deste conceito parece ser olhar menos para o
processo e o produto e mais para o seu destino final: o cliente.
Depois de muito evoluir no ramo da qualidade, as empresas se
deram conta de que estavam olhando muito “para dentro” e não
pensavam tanto “na dor dos clientes”. Termos como “entender a
perspectiva do cliente” ou “olhar com os olhos do cliente”passaram
a ser comumente utilizados e as empresas tornaram-se customer
centric.
Percebeu-se que ter “boa qualidade” significa atender às
expectativas dos clientes e a busca passa a ser pelo ato de
“encantar o cliente”, que na verdade seria ter mais qualidade do
que o cliente espera, surpreendendo este cliente. Percebe-se
também que a qualidade pode ser medida de variada em
dimensões abstratas como quando um produto “tem que ser
bonito”, “deve estar na moda” ou “ser agradável e moderno”.
Lembrando que “bonito”, “agradável”, “moderno” podem receber
avaliações diferentes de pessoa para pessoa.
Mas e a qualidade em relação aos dados? No caso da qualidade
de dados o próprio item “dado” é bastante abstrato e não existe
uma norma ISO específica sobre a qualidade do dado. Afinal as
normas têm foco nos processos e o “dado” é um resultado, não um
processo. Existe, porém, uma norma que se refere ao produto
software e como o dado é um registro eletrônico feito em um
sistema, esta norma se aproxima bastante do conceito de garantir
a qualidade do dado.
A norma ISO/IEC 9129 observa aspectos da qualidade interna e
externa do software em seis dimensões principais:
● Funcionalidade;
● Confiabilidade;
● Usabilidade;
● Eficiência;
● Manutenibilidade;
● Portabilidade.
Observe que o dado é coletado, armazenado e processado por um
software e, assim, passa de forma transversal em todas estas
dimensões. Dito de outra forma, a qualidade do dado pode ser
afetada pela qualidade do software em cada uma destas seis
dimensões. A seguir a figura 1 apresenta o desmembramento
destas dimensões em itens de qualidade.
É interessante notar que nas seis dimensões representadas abaixo
o desmembramento “conformidade” está presente, de forma que
estar em conformidade com os padrões estabelecidos em cada
uma das seis dimensões é um aspecto fundamental da qualidade
de software.
Planejamento da Qualidade de Dados
Dado é matéria-prima para a produção de informação e
conhecimento. Para ter qualidade, a informação precisa ser
“consistente”, “confiável”, “relevante”, “contextualizada” e “estar
disponível”. Avaliar estas cinco dimensões e garantir que atendem
às expectativas dos clientes (usuários) da informação é garantir a
qualidade da informação.
A história da qualidade nos mostra que, para isso, é preciso
garantir a qualidade do processo de produção da informação, do
que chamamos a cadeia produtiva do conhecimento. Precisamos
garantir que o dado, ao longo de todo o seu processo, mantém a
qualidade esperada. Dados precisam ser “coletados”,
“higienizados”, “padronizados”, “contextualizados” e
“disponibilizados” seguindo os padrões esperados de qualidade.
Note que neste processo de garantir a qualidade do dado a
estrutura de ETL (Extração, Transformação e Carga) tem papel de
destaque. É fundamental que os processos internos do ETL não
apenas garantam, mas insiram, qualidade ao dado. Para isso
servem os passos de padronização e higienização, por exemplo.
Qualidade se traduz, neste caso, em conformidade com o que foi
especificado. Uma informação de qualidade deve ser exata e
precisa e o titular da informação deve criar uma espécie de
“Dicionário de Conformidades” para cada tipo de informação ou
dado que for tratado na cadeia produtiva de conhecimento. Veja
alguns exemplos:
● A data de nascimento dos clientes é o registro do dia em
que o cliente nasceu e deve estar completa com o dia, mês e
ano, este último representado com quatro dígitos. Dia deve
ser um número de 1 a 31, sendo que o limite varia de mês a
mês (Janeiro, Março, Maio, Julho, Agosto, Outubro e
Dezembro varia de 1 a 31. Abril, Junho, Setembro e
Novembro varia de 1 a 30. Fevereiro varia de 1 a 28 em anos
não bissextos, de 1 a 29 em anos bissextos). Mês deve ser
um número de 1 a 12. Ano deve ser um número que
represente uma idade maior que 18 anos, porque neste caso
os clientes precisam ser maiores de idade, ou menor que 85
anos, porque neste caso há um limite de idade para que os
clientes possam usufruir do serviço em questão.
● O número de telefone deve ser um número com n dígitos
numéricos dependendo do país, unidade e estado onde o
contato mora. Ele é um identificador de uma linha telefônica
através da qual pode-se contatar uma pessoa da base de
contatos.
Com o dicionário de conformidades, deve-se elaborar um Plano de
Qualidade de Dados como parte dos projetos de software ou da
cadeia produtiva de conhecimento. O plano deve possuir os
seguintes itens:
● Título do Projeto: um nome que o identifica. Exemplos:
Plano de Qualidade da Informação de Clientes ou Plano de
Qualidade do Software de Ponto de Venda.
● Autores: são os titulares da informação, os responsáveis pela
elaboração do plano de qualidade e das normas de
conformidade.
● Lista de requisitos de qualidade: são as dimensões de
qualidade que serão através das quais a informação será
avaliada. Serão os elementos que garantem a exatidão e a
precisão dos dados.
● Lista dos padrões de qualidade: determina todas as
ferramentas que serão usadas para medir os dados, que
métricas serão observadas e quais são as metas de
conformidade esperadas.
● Sistema de controle de mudanças da qualidade: como a
qualidade está associada à expectativa do cliente / usuário,
que é um agente externo à cadeia produtiva do
conhecimento, esta expectativa está sujeita a mudanças e
estas mudanças precisam ser controlada.
● Frequência de avaliação dos requisitos de qualidade: com
qual frequência as ferramentas de padrão de qualidade serão
utilizadas para medir e garantir qualidade de um dado.
Gestão da Qualidade de Dados
Com a visão conceitual apresentada acima deve estar claro que o
processo de gestão da qualidade de dados é algo contínuo e
constante. Se o dado é uma representação de um fato que ocorre
fora do sistema, “no mundo real”, e ter qualidade significa estar em
conformidade com a expectativa de um agente também externo à
cadeia produtiva de geração de conhecimento que é o cliente, seus
parâmetros podem variar ao longo do tempo.
Para gerir a qualidade dos dados, portanto, são necessárias
ferramentas de acompanhamento que podem se apoiar nas
próprias ferramentas de geração do conhecimento, neste caso o
conhecimento de que os dados estão ou não estão em
conformidade com os padrões esperados de qualidade. Sugere-se,
portanto, a criação de dashboards de acompanhamento da
qualidade dos dados.
Garantia e Controle da Qualidade
Adicionalmente aos dashboards de qualidade de dados, que
garantem um acompanhamento contínuo da qualidade, deve-se
estabelecer um processo de melhoria contínua da qualidade.
Sugere-se o uso de um framework (uma “abordagem”) conhecida
pela sigla PDCA, que é a sigla em inglês para
PLAN-DO-CHECK-ACT ou “Planejar”, “Realizar”, “Monitorar” e
“Agir”.
Planejar diz respeito ao planejamento da qualidade, a
determinação de quais são as ferramentas, métricas e metas da
qualidade. Realizar diz respeito a colocar em prática o plano de
qualidade enquanto a cadeia produtiva do conhecimento é
executada. Monitorar através de indicadores e um dashboard, de
forma constante para que qualquer desvio possa ser
imediatamente percebido. Agir significa descobrir a causa do
desvio e corrigi-lo para que se retorne ao estado anterior de
conformidade.
O PDCA é uma abordagem de melhoria contínua muito usada em
processos produtivos e que deve suportar a necessidade de
monitoramento constante dos processos de qualidade de dados.
Atividade extra
Nome da atividade: Leia a matéria “Baixa qualidade dos dados
impacta organizações; um custo financeiro de US$ 15 milhões em
2017” baseada em estudos do Gartner e reflita sobre a qualidade
da informação na empresa em que você trabalha.
Endereço para ler a matéria:
https://itforum365.com.br/baixa-qualidade-dos-dados-impacta-orga
nizacoes-um-custo-financeiro-de-us-15-milhoes-em-2017/
Referência Bibliográfica
FALCONI, V. TQC ? Controle da Qualidade Total (no estilojaponês). Belo Horizonte, MG: Editora de Desenvolvimento
Gerencial, 1999.
MEIRE. O que é PDCA? BLOG DA QUALIDADE.
https://blogdaqualidade.com.br/o-que-e-pdca/
WIKIPEDIA. ISO/IEC 9126.
https://pt.wikipedia.org/wiki/ISO/IEC_9126
WIKIPEDIA. Organização Internacional de Normalização.
Implantando a
Governança de Dados
Titulares da Informação
Relembrando, a Governança de Dados “é um sistema de tomada
de decisões executado por um modelo que descreve quem age
com qual informação, em que momento, usando que métodos e
sob que circunstâncias” (VEYRAT, 2015). Em outras palavras a
política de governança de dados de uma organização tem como
objetivo:
● Proteger os dados que trafegam pela empresa;
● Dar eficiência aos processos que coletam e manipulam dados
dentro da empresa;
● Reduzir os custos e riscos do uso dos dados; e
● Dar transparência às partes interessadas sobre os
procedimentos que envolvem dados dentro da organização.
Em geral o plano de Governança de Dados será composto por:
● Um conselho que tem a missão de zelar pelos valores da
organização no que tange ao uso dos dados por ela
coletados, manipulados e divulgados. O conselho deve ser
formado por pessoas com grande influência na gestão e que
conheçam os detalhes dos processos que envolvem coleta,
processamento e divulgação de dados.
● Procedimentos associados à manipulação de dados, tanto no
que diz respeito às definições de políticas, princípios e
valores.
● Planos de Ação que se refere a eventos que venham a
ocorrer e exijam uma resposta da empresa como, por
exemplo, o vazamento acidental de dados.
O primeiro passo para se desenvolver um Plano de Governança de
Dados é definir quem é o Governador dos Dados. “Governador”
aqui com o sentido de qual executivo se tornará o responsável
pelas políticas de governança referentes ao uso dos dados e
informações. Com a evolução da sociedade para a Era do
Conhecimento e o agravamento dos valores e riscos envolvidos na
gestão dos dados, tem se tornado cada vez mais comum a criação
de um cargo específico para este fim, o Chief Data Officer (CDO).
Em muitas organizações, porém, este papel acaba sendo cumprido
pelo responsável pela área de compliance, ou seja, considera-se
que estar em conformidade em relação aos dados e informações é
mais uma das responsabilidades desta área, junto com o
cumprimento de outras leis e regulamentos internos ou externos.
Será o Governador de Dados quem irá conduzir a criação das
políticas de governança de dados, as reuniões, definir pautas,
cronogramas, objetivos etc. Mas o Governador de Dados não é,
necessariamente, responsável direto por nenhuma informação
dentro da organização. Os responsáveis são chamados de
“Titulares da Informação”.
Significa que para cada dado coletado, armazenado, processado e
distribuído o comitê deverá indicar um titular, que fica responsável
por este dado. É como se ele fosse o “dono” ou gestor daquele
bem (asset) dentro da companhia. Todo bem, e com os dados não
é diferente, possui um valor, custo e riscos associados. Então é
responsabilidade do titular equilibrar estas três dimensões.
Diagnóstico e Planejamento
Todo processo de governança começa com um diagnóstico para
avaliar a situação atual e um planejamento de próximos passos
para que a organização possa atingir os seus objetivos de
governança. Para determinar a situação atual o trabalho deve
começar com um levantamento de quais são as informações que a
empresa possui. Que dados são coletados e armazenados na
organização como parte de sua operação?
Este deve ser um levantamento extensivo e exaustivo, pois
invariavelmente as empresas ficam surpresas com a quantidade e
a variedade de dados que elas possuem. Neste levantamento, em
geral, já se percebem duplicidades e redundâncias desnecessárias
e, muitas vezes, dados que não precisavam ser coletados ou
armazenados.
O comitê deve, então, priorizados os dados que são mais
sensíveis. Não faz sentido tentar resolver todos os problemas de
uma só vez, então é preciso fazer uma avaliação de valor versus
custo. Bo ponto de vista do valor, leva-se em conta a importância
que os dados têm para a execução das operações e o valor dos
conhecimentos que são ou poderiam ser gerados com base
naquele dado. Do ponto de vista de custo devem ser considerados
os custos diretos e indiretos de coleta, armazenamento e
processamento do dado, mas também os riscos da empresa
manter aqueles dados armazenados.
Itens de alto valor e alto custo são os mais sensíveis e devem ser
priorizados no planejamento da governança de dados. Por outro
lado, itens de baixo valor e baixo custo podem ficar para o final da
fila. Uma discussão mais detalhada sobre os riscos está presente
adiante neste material. Seguindo a prioridade, o comitê deve
avaliar que medidas de proteção já existem para estes dados e
qual é a sua qualidade atual.
Nestes passos podemos usar um método de avaliação como a
matriz SWOT, por exemplo. Um dado sensível pode trazer forças
para a organização (Strengths), mas também pode gerar fraquezas
(Weaknesses) se possui uma qualidade baixa, por exemplo. Por
outro lado, pode gerar oportunidades (Opportunities) de diferenciais
competitivos, dependendo do conhecimento estratégico que pode
ser extraído dele, mas também traz consigo ameaças (Threats).
Então uma boa prática consiste em utilizar a matriz SWOT para
avaliar os dados prioritários definidos no levantamento anterior.
Concluído o Diagnóstico, o comitê parte para o planejamento,
sempre seguindo a prioridade definida. O comitê deve escrever
uma missão para o comitê e a política de governança e definir qual
a visão da empresa com relação aos dados e informações. Esta
missão e visão, é claro, precisa estar consoante com a visão e a
missão da organização.
O comitê deve, então, criar um programa que contenha projetos
específicos para os conjuntos de dados mais sensíveis,
estabelecer os objetivos estratégicos e os desdobrando dos planos
táticos e operacionais. Não necessariamente é o comitê quem vai
gerenciar os projetos, ele pode atuar como um patrocinador que
monitora os resultados ao longo do tempo.
Uso da Informação
Em resumo podemos dizer que a governança visa garantir a
melhor utilização possível dos dados que estão sob gestão da
organização. Com os projetos estabelecidos, o grupo deve elaborar
os manuais de uso destes dados. O manual é um documento que
deixa claro:
● O titular responsável por cada conjunto de dados;
● As políticas de acesso, definindo quem tem acesso, qual o
objetivo do acesso e qual o tipo de acesso (leitura, edição,
inserção etc.);
● Quais são as alçadas envolvidas no acesso ao dado;
● Como o acesso é controlado;
● Um plano de ação em caso de desvio.
Para não deixar totalmente no abstrato, vamos desenvolver um
exemplo resumido para um dado que costuma ser considerado
sensível na maior parte das organizações: o valor de salário dos
colaboradores.
● Titular:
● Gerente do Departamento de Pessoal.
● Políticas de Acesso:
● Gerente do Departamento de Pessoal: acesso total (para
realização das funções de folha de pagamento).
● Coordenador de Remuneração: acesso total (para
realização das funções de folha de pagamento).
● Analista de Remuneração: acesso de leitura (para
realização das funções de folha de pagamento).
● Gerentes Funcionais: acesso de leitura, respeitando as
alçadas definidas a seguir.
● Alçadas
● Cada gerente funcional tem acesso de consulta aos
salários de seu departamento.
● Como o acesso é controlado
● Informação armazenada no sistema do Departamento de
Pessoal, módulo Folha de Pagamento. Acesso
controlado por usuário, senha e perfil.
● Plano de ação em caso de desvio.
● O Comitê de Governança é acionado para uma reunião
extraordinária e nomeia em até 24hs um auditor que
deverá abrir uma sindicância e apresentar os resultados
em até 72hs. O Gestor de TI suspende todos os acessos
ao módulo de Folha de Pagamentos.
Um manual como este,porém muito mais elaborado e detalhado
em casos reais, deve ser desenvolvido para cada conjunto de
dados sensíveis da companhia.
Riscos e Oportunidades
Por fim o comitê tem a responsabilidade de monitorar
constantemente os riscos e oportunidades envolvidas na gestão
dos dados da companhia. Riscos e oportunidades são quaisquer
evento que possua uma probabilidade x de ocorrer e, caso venha
ocorrer, cause um impacto y. A avaliação dos riscos e
oportunidades recai justamente em sua classificação entre
probabilidade e impacto.
A partir desta análise de risco, planos de ação são desenvolvidos
para mitigar as probabilidades ou remediar os impactos. A análise
de riscos deve ser incorporada ao Manual de Uso de Dados, mas é
importante ressaltar que um risco pode afetar mais do que um
conjunto de dados. Exemplo, o risco de invasão do banco de dados
de clientes de um site pode afetar itens como os dados de contato,
número do cartão de crédito, comportamento de compras etc.
Atividade extra
Nome da atividade: Leia a matéria “Os 10 Maiores Vazamentos de
Dados da História” e reflita sobre como uma política de governança
de dados poderia ter evitado os problemas e prejuízos relatados.
Endereço para ler a matéria:
https://www.advogatech.com.br/blog/@HenriqueDantas/os-10-maio
res-vazamentos-de-dados-da-historia-b05by2t
Referência Bibliográfica
DAMA Brasil. Conhecimento.
http://www.dama.org.br/conhecimento/
RUNRUN.IT Blog. Governança de dados: organize esse processo
crítico para a sua empresa.
https://blog.runrun.it/governanca-de-dados/
TAVARES, R. The DAMA Guide to the Data Management Body of
Knowledge (DAMA-DMBOK) Portuguese Edition.
https://www.amazon.com/gp/product/1935504177/
VEYRAT, P. O que é governança de dados?
https://www.venki.com.br/blog/governanca-de-dados/
Futuro da Qualidade e
Governança de Dados
Como se prevê o futuro?
Estamos assolados por uma estatística que nos diz que a maioria
dos empregos e profissões que existem hoje em dia deixarão de
existir nos próximos anos. John Pugliano, autor do livro “Robots are
Coming: A Human's Survival Guide to Profiting in the Age of
Automation”, afirma que todos os trabalhos rotineiros ou previsíveis
serão substituídos por algoritmos matemáticos até 2025.
Para avaliar se a nossa profissão continuará existindo e se
continuarem “competitivos”, tentamos prever o futuro. Existe um
dito popular que diz que “o futuro a Deus pertence”.
Independentemente das crenças religiosas de cada um, a principal
conotação deste dito é que o futuro não pertence a nós, ou seja,
não está sob nosso controle. Assim como não podemos controlá-lo,
não possuímos a capacidade de prevê-lo com 100% de
assertividade. Mas isso nunca impediu a humanidade de tentar.
Tentar prever o futuro é sempre um exercício de adivinhação, mas
esta adivinhação pode ser mais ou menos embasada em fatos,
tendências e simulações de futuro. Para isso, recolhemos dados e
olhamos para o passado, acompanhamos o que está acontecendo
no presente e exercitamos caminhos possíveis no futuro.
Ao longo da história nos convencemos de que o passado e
presente são os melhores indicadores possíveis para o futuro. E
são mesmo, já que são os únicos indicadores que temos para
trabalhar. Neste ponto, pessoas envolvidas com o trabalho
baseado em dados têm uma grande vantagem competitiva. Os
ambientes analíticos são os espaços perfeitos para identificar e
observar tendências.
Em nosso escopo aqui devemos tentar prever se a Qualidade dos
Dados e a Governança de Dados continuarão representando um
papel significativo nas organizações nos próximos anos. Seguindo
a prática, devemos observar quais são as tendências que hoje
apontam para o mundo no que se refere ao uso dos dados pelas
organizações.
Tendências alavancadas pelos dados
Uma forma de olhar, portanto, é entender tendências que estão
ocorrendo e avaliar até que ponto são alavancadas e/ou
alavancadoras de uma prática centrada em dados. Neste sentido
podemos apontar três tendências que vêm ganhando muita
relevância: a Internet das Coisas (IoT – Internet of Things), a
Inteligência Artificial (AI - Artificial Intelligence) e a Nanotecnologia.
Também podemos dizer que a Inteligência Competitiva e o BI são
cada vez mais atividades estratégicas dentro das organizações e,
portanto, têm o seu valor nas tendências de evolução do mundo
corporativo. Estas tendências que precisam ser identificadas pelos
gestores para que as organizações retirem conhecimento
estratégico deste contexto e garanta os melhores investimentos
possíveis na evolução de sua estrutura de BI.
Para mim está muito clara a tendência de o mundo produzir cada
vez mais dados. Se antes os sistemas transacionais formais eram
as principais origens de dados para os sistemas de BI, cada vez
mais outras fontes são criadas e se tornam comuns. Desde
sensores profissionais instalados com algum objetivo de negócio
(ex.: sensores de movimento em estradas, sensores que medem a
entrada de clientes em shoppings, câmeras que identificam o
humor das pessoas em uma loja etc.) até devices de uso comum
como celulares e relógios, cada vez mais se tornam máquinas de
monitoramento.
Por falar em relógios, uma tendência que claramente incentiva este
aumento da produção dos dados é o IoT. Como já citamos, IoT é a
abreviação de Internet of Things (a tradução mais comum é
“Internet das Coisas”, mas uma boa descrição seria “Internet nas
coisas”). Trata-se de uma tendência de conectar itens usados no
dia-a-dia à internet, incrementando suas funcionalidades e
melhorando, com isso, a experiência. Mas é simples perceber que
um item conectado, seja uma geladeira, uma fechadura ou um
tênis, também se torna um importante gerador de dados.
Outra tendência a cada dia mais presente em nossas vidas é a
Inteligência Artificial, que é a simulação de uma inteligência
humana em mecanismos ou sistemas computacionais. Existem
vários tipos e aplicações para a IA (ou AI, de Artificial Intelligence)
mas todas elas se transformam em grandes geradoras de dados e,
dependendo de quão sofisticada, até mesmo de conhecimento
relevante.
Conjugada à IoT significa que cada vez teremos itens de nosso
dia-a-dia operando com inteligência própria. Estes itens observarão
o seu entorno, tomarão decisões e aprenderão sobre o ambiente e
as pessoas que interagem com eles. Como estão conectados são
capazes de criar uma grande inteligência universal, tendo acesso a
mais ambientes e realidades do que um ser-humano teria de forma
isolada.
Observamos, ainda, como uma forte tendência a miniaturização
dos componentes digitais, chegando ao nível que chamamos de
nanotecnologia. Segundo a Wikipedia, “nanotecnologia é uma
ciência que se dedica ao estudo da manipulação da matéria numa
escala atómica e molecular lidando com estruturas entre 1 e 1000
nanômetros”. Em outras palavras, trata-se de diminuir a um
tamanho “nano” componentes digitais conectados à nuvem e com
uma aplicação especializada.
Um exemplo muito comum de onde a nanotecnologia poderá ser
usada é na área da saúde, onde nano componentes poderão ser
implantados no corpo das pessoas e farão leituras constantes de
indicadores que determinam as condições de saúde do usuário,
podendo inclusive agir proativamente para combater entupimentos
de artérias, infartos e acidentes vasculares.
Mais uma vez, do ponto de vista da informação, a quantidade e
variedade de novos dados que poderão ser coletados é
representativa. Em paralelo com a Internet das Coisas, a
nanotecnologia funciona como uma Internet das Pessoas, ou seja,
nós e nossos corpos estarão conectados em um nível que ainda
não conseguimos prever.
Tendências para Qualidade e Governança de Dados
Com certeza estas três tendências se tornarão cada dia mais
realidade no nosso mundo e no ambiente corporativo. Se dados em
maior quantidade e variedade serão coletados e utilizados na
geração de conhecimento estratégico, está claro que a
necessidadede se garantir a qualidade destes dados será anda
maior e sofisticada. Da mesma forma, aumentam as implicações
sobre privacidade, segurança e uso ético dos dados, que é
justamente o núcleo da política de Governança de Dados.
Além da necessidade destes dois conhecimentos aumentar ao
longo dos próximos anos, é muito provável que empresas que
antes não possuíam esta relação com os meandros da qualidade e
governança de dados tenham que começar a se preocupar com o
assunto em breve. Utensílios domésticos como geladeiras, fornos e
porta-retratos, por exemplo, não possuíam uma interação intensa
em troca de dados com seus usuários. Se passarão a ter, uma
nova realidade se apresenta.
Isso significa que a atuação de profissionais especializados em
Governança e Qualidade de Dados deve, ainda, se ampliar para
novos mercados, com novos desafios e exigências cada vez
maiores.
Como se preparar para o futuro?
Utilizando a própria filosofia de tomar decisões baseadas em
informação é possível observar e identificar que tendências estão
acontecendo e, a partir destas tendências deixar a organização
mais preparada para crescer e sobreviver no futuro. Da mesma
forma, o profissional pode direcionar os seus investimentos em
educação e treinamento a partir da percepção destas tendências.
Esta é a melhor maneira de se preparar para o futuro.
Atividade extra
Nome da atividade: Assista ao documentário “O Futuro em 2111 -
Mundo Inteligente” do Discovery Channel e reflita sobre as
quantidades e variedades de novos dados que poderão ser
gerados para o BI conforme são apresentadas as previsões de
como será o mundo e a vida cotidiana no próximo século.
Link: https://www.youtube.com/watch?v=LNcn2YUt1Ho
Referência Bibliográfica
GABRIEL, M. Você, Eu e os Rôbos - Pequeno Manual do Mundo
Digital.
Editora Atlas, 2017.
UOL. Empregos e Carreiras. As profissões ameaçadas pelos
avanços tecnológicos.
https://economia.uol.com.br/noticias/bbc/2018/12/20/as-profissoes-
ameacadas-pelos-avancos-tecnologicos.htm
WIKIPEDIA. Inteligência artificial
https://pt.wikipedia.org/wiki/Intelig%C3%AAncia_artificial
WIKIPEDIA. Nanotecnologia
https://pt.wikipedia.org/wiki/Nanotecnologia
ZAMBARDA, P. ‘Internet das Coisas’: entenda o conceito e o que
muda com a tecnologia.
https://www.techtudo.com.br/noticias/noticia/2014/08/internet-das-c
oisas-entenda-o-conceito-e-o-que-muda-com-tecnologia.html