Gestão de Dados Mestres e Qualidade

Prévia do material em texto

Gestão de Dados Mestres e Qualidade
Antes de adentrar a gestão de dados mestres é importante observar o que são os dados mestres, e isso encapsula os dados que são tidos como padrão para empresa. Os dados mestres são representam a fonte de informação confiável da empresa, que pode ser consultada sem receios de ter informações incorretas e incompletas. São exemplos de dados mestres: clientes, produtos e vendas. Paralelo aos dados mestres, também há os dados de referência, que são informações normalmente utilizadas para preencher e completar os dados mestres. Os dados de referência são normalmente observados como chaves de referência, como campos de cidade, estado, país, grau de escolaridade, tipos de negócios, tipos de notas fiscais, entre outros.
A gestão de dados mestres se resume a planejar, implementar e fazer controle das atividades para garantir consistência com a versão correta dos dados contextualizados. Os objetivos são: prover dados de alta qualidade e integrados; reduzir custos e complexidade de reuso; e suportar BI e esforços de integração.
Por sua vez, a gestão da qualidade está preocupada em estabelecer as maneiras de medir a qualidade e implantar esses indicadores, além de garantir que o dado esteja pronto para uso. Assim, os objetivos são: medir a melhora da qualidade dos dados em relação às expectativas; definir requisitos e especificações para integrar a qualidade no ciclo de desenvolvimento dos sistemas; e prover processos definidos para medir, monitorar e reportar o nível de qualidade dos dados.
Ao fazer a reconciliação de dados, isto é, a integração de diferentes fontes, deve haver preocupação dos dados mestres não ficarem corrompidos. Essas fontes de integração podem ser: dados de indivíduos (sistemas de relação com cliente, informações de funcionários e clientes), dados financeiros (unidades de negócios, centros de custo e de lucro e orçamentos), dados dos produtos (produtos, serviços, ciclo de vida das negociações) e dados geográficos (rastreio e relações hierárquicas de localizações para suportar os processos). Da reconciliação de dados, os principais desafios são: ingestão dos dados com alta fidelidade; e dificuldade na identificação única dos dados (de modo a evitar a duplicidade).
A reconciliação de dados dentro da gestão de dados mestres também é importante por conta do impacto de custo na complexidade e no reuso das informações. A integração efetiva, que diz respeito à arquitetura para controlar os processos e garantir consistência e qualidade, é de suma importância. No entanto, podem surgir dificuldades quando as informações da empresa estão isoladas. E um ponto que pode ser ignorado, mas traz resultados apesar do custo inicial, são os padrões e o estabelecimento deles.
Para citar um exemplo de complexidade e custo no reuso, considere que uma empresa recebeu os dados do Banco Central sobre a situação financeira de um conjunto de CPFs. Para a cobrança, a informação pode ter uma utilidade, enquanto para a área de vendas, essa informação pode ter outra utilidade. Sem padronização, a empresa começaria a utilizar as informações, replicando-as em suas bases dentro das áreas, causando duplicidade. A duplicidade pode levar a inconsistência, quando cada área manipula os dados à sua maneira, e isso impacta diretamente no custo (decisões erradas e armazenamento).
A gestão de dados mestres também oferece apoio à integração, observando os aspectos de gestão da qualidade. Assim, procura observar os aspectos de: aquisição de dados, gestão e auditoria de arquivos; padronização, limpeza e correspondência dos dados; e gestão da replicação, por meio da reconciliação dos dados mestres.
Do ponto de vista da gestão da qualidade, o principal objetivo é padronizar os procedimentos relacionados com qualidade e garantir que seja possível monitorar e medir a qualidade dos ativos de dados. São exemplos de indicadores: acurácia, completude, consistência, precisão, privacidade, integridade, unicidade e validade. Esses indicadores devem ter mensuração, relevância, aceitação, controle e rastreio.
 
 
Atividade extra:
Vídeo no Youtube, “Webinar: Qualidade de Dados na Prática: como aumentar a eficiência operacional e reduzir custos”:
https://www.youtube.com/watch?v=-QXZK1-B0aw
 
 
Referência Bibliográfica:
· Data Management Body of Knowledge, Dama International, Data Management Association, 2017.
· Barbieri, Carlos. Governança de Dados: práticas, conceitos e novos caminhos. Brazil, Altas Books, 2019.
· Rêgo, Bergson. Simplificando a Governança de Dados: governe os dados de forma objetiva e inovadora. Brasport, 2020.