Importância da Governança de Dados

Prévia do material em texto

Governança de Dados
Lauro de Freitas
Unidade 01
Contexto Organizacional de Dados
Definição de Governança de Dados
Governança de Dados
Ao longo dos anos e após a globalização, as 
empresas se viram obrigadas a estabelecer regras 
de gestão a fim de automatizar e possibilitar 
decisões rápidas no dia a dia. Com a grande 
demanda de tarefas e com a tecnologia altamente 
avançada, a Governança de Dados se estabeleceu 
como um aspecto não apenas importante, mas 
mandatório aos que querem ter vantagem 
competitiva através do conhecimento de seus 
resultados. Com esse sistema, as corporações 
ganham agilidade para entender o momento em 
que se encontram e destreza para se adaptar 
rapidamente, independente de qual seja o ramo de 
atuação.
Definição:
Um processo para gerenciar e melhorar os dados 
para o benefício de todas as partes interessadas.
https://abeinfobrasil.com.br/a-importancia-da-governanca-de-dados-para-as-empresas-2/
Governança de Dados
• “Governança de Dados é o exercício de autoridade e 
controle (planejamento, monitoramento e engajamento) 
sobre o gerenciamento de ativos de dados. A função de 
Governança de Dados guia como todas as outras funções da 
Gestão de Dados são realizadas. Governança de Dados é de 
alto nível, ou seja, é gestão estratégica de dados na esfera 
executiva.” (Fonte: Dama-DMBOK®)
• “Governança de Dados é o exercício de tomada de decisão e 
autoridade para as questões relacionadas a dados.” (Fonte: Data 
Governance Institute)
Fonte: valuehost.com.br/blog/governanca-de-dados/
Governança de Dados
Missão
• Defina e alinhe proativamente as regras de dados em toda 
organização.
• Fornecer proteção e serviços contínuos e abrangentes para 
as partes interessadas em dados.
• Identifique e resolva problemas de dados.
Visão
• As informações são tratadas como um ativo de toda a 
empresa e estão prontamente disponíveis para apoiar a 
tomada de decisões baseadas em evidências e a ação 
informada.
Governança de Dados
O que é:
• Uma iniciativa ativa.
• Uma estrutura inter-organizacional para:
• Compartilhamento seguro de dados.
• Análise de dados entre departamentos.
• Colaboração das partes interessadas.
• Melhorar a qualidade dos dados.
• Um processo contínuo.
• O mecanismo para controlar e confiar em dados.
o que NÃO é:
• Tecnologia
• Limpeza de dados ou ETL.
• Armazenamento de dados.
• Projeto de banco de dados.
• Supervisão de tecnologia ou projeto.
• Uma iniciativa em silos.
• Um projeto ou gerenciamento de projetos.
Governança de Dados
• É o novo petróleo, a nova eletricidade.
• É caro, então é um ativo valioso.
• Usado para referência ou análise.
Governança de Dados - Importância
https://dataaffect.com/data-governance
Todos os dados estão sujeitos aos princípios de governança de dados:
• Propriedade de dados.
• Gerenciamento de dados.
• Segurança.
• Gerenciamento de qualidade de dados
• Edições de coleção.
• Auditorias de dados.
• Ciclo de vida e gerenciamento de mudanças.
Governança de Dados - Princípios
Por que precisamos de Governança de Dados
Os dados são um ativo que DEVEM ser 
gerenciados de uma perspectiva de 
toda a empresa.
Data 
Governance
Enables decision 
making
Reduces 
operational 
friction
Protects the 
needs of the 
stakeholders
Educates 
management 
and staff to 
adapt common 
approaches
Builds standards 
and processes
Reduces cost 
and increases 
effectiveness
Ensures 
transparency
Fonte: Dama New England - https://damanewengland.org/
Porque Investir em Governança de Dados?
• Perdas devido à ineficiência operacional: reorganizar processos para evitar perda de dinheiro, de 
qualidade, de tempo entre outros desperdícios. 
• Crescimento da cultura data-driven: Amazon e Netflix, por exemplo, baseiam todas as suas operações 
em análise de dados e esse modelo de gestão já é acessível a empresas de todos os portes e segmentos.
• Necessidade de conformidade com os regulamentos de dados: proteção de dados, como a LGPD — Lei 
geral de Proteção de Dados.
• Quando há uma fusão ou aquisição: Mesclar os dados de duas ou mais empresas, é preciso definir a 
origem dos dados, a forma como eles serão categorizados, os aplicativos que serão utilizados e o como 
será feito o controle de qualidade — para evitar duplicações e inconsistências.
• Quando a empresa migra para a transformação digital: utilizar os dados para desenvolver as estratégias 
digitais, com qualidade, acessibilidade e relevância.
O que são Objetivos Estratégicos?
Fornecem uma visão de futuro e direcionam a organização de forma clara e concisa para um 
determinado caminho. Ou seja, estabelecem os resultados que se pretende atingir dentro de um 
período estipulado.
Fonte: https://www.treasy.com.br/blog/como-fazer-um-
planejamento-estrategico/
A Governança de Dados apoia as metas 
estratégicas de negócios
• As necessidades de negócios impulsionam as necessidades de 
informação que impulsionam as necessidades técnicas (B.I.T.).
• A Governança de Dados é principalmente uma função de negócios e 
apoia diretamente os objetivos estratégicos da Empresa.
Business 
Needs
Information 
Needs
Technical 
Needs
Data Governance Project Governance
Fonte: Dama New England - https://damanewengland.org/
O que a Governança de Dados tem a ver comigo?
• Problemas de dados afetam a todos
• Eles impedem o uso efetivo de dados.
• Eles podem vir em muitas formas:
• Problemas de qualidade de dados: os dados não são adequados 
para uso.
• Preocupações com a privacidade: dados não são identificadas ou 
são protegidos.
• Lacunas de segurança: acesso ou disseminação não autorizados.
• Interoperabilidade: Nomes de campo diferentes, mesmo 
significado.
• Problemas de dados podem ser corrigidos
• Através do processo de Governança de Dados.
• A governança de dados é uma abordagem estruturada para gerenciar e proteger dados 
confidenciais. 
• Em cibersegurança, a governança de dados é crucial para garantir que os dados sensíveis 
sejam protegidos contra ameaças cibernéticas, incluindo roubo de dados, violação de 
dados e outras formas de ataque cibernético.
• A governança de dados em cibersegurança envolve o estabelecimento de políticas e 
procedimentos para garantir que os dados sejam armazenados, gerenciados e 
compartilhados de maneira segura. Isso inclui a definição de quem tem acesso aos dados, 
como eles são protegidos e como as violações de dados são detectadas e gerenciadas
Governança de Dados em CiberSegurança
Algumas das práticas comuns de governança de dados em cibersegurança incluem:
• Identificação de dados críticos: Identificação dos dados mais críticos e confidenciais da 
organização, que precisam de proteção adicional.
• Definição de políticas de segurança: Estabelecimento de políticas e procedimentos claros 
para gerenciar e proteger os dados confidenciais.
• Controle de acesso: Definição de quem pode acessar os dados críticos e como eles podem 
ser acessados.
Governança de Dados em CiberSegurança
Algumas das práticas comuns de governança de dados em cibersegurança incluem:
• Monitoramento e análise: Monitoramento constante dos dados confidenciais para 
detectar qualquer atividade suspeita ou violação de segurança.
• Treinamento e conscientização: Treinamento de funcionários para garantir que todos 
entendam a importância da governança de dados em cibersegurança e como seguir as 
políticas e procedimentos.
• Revisão e melhoria contínua: Revisão regular das políticas e procedimentos de 
governança de dados para garantir que estejam atualizados e eficazes contra ameaças 
cibernéticas em constante evolução.
Governança de Dados em CiberSegurança
The Data Management Body of 
Knowledge (DAMA-DMBoK®)
• A Data Management Association (DAMA) é uma associação 
sem fins lucrativos e independente de fornecedores de 
profissionais técnicos e de negócios dedicada ao avanço do 
gerenciamento de dados e gerenciamento de informações. 
• A organização cuida do desenvolvimento e execução deprocedimentos, práticas, políticas e arquitetura que 
gerenciam adequadamente todo o ciclo de vida dos dados de 
uma empresa.
• O Guia DAMA-DMBOK® é um conjunto de boas práticas de 
Governança de Dados reunidas em um documento 
estruturado em forma de um framework.
• https://www.dama.org/
O que é o Guia DAMA-DMBOK®
Fonte: https://www.dama.org/
https://www.dama.org/
• Fornecer informações sobre as melhores práticas, funções e responsabilidades, 
entregáveis ​​e métricas e modelos de maturidade para gerenciamento de dados.
• Para padronizar as práticas de gestão em toda as áreas.
• Servir como uma estrutura funcional para a implementação dessas práticas em 
qualquer contexto de negócios.
• Estabelecer um vocabulário formal para esses conceitos.
• Para esclarecer o escopo do que essas práticas podem e não podem fazer.
• Para fornecer uma visão geral neutra do fornecedor das práticas de gerenciamento e 
possíveis alternativas para situações específicas.
Objetivos do DAMA-DMBOK®
Funções de Gestão de Dados
• A estrutura DAMA DMBOK define 11 áreas funcionais 
de gerenciamento de dados de acordo com a 2ª 
edição de Julho de 2017.
• A função Governança de Dados está localizada no 
centro da figura para demonstrar que exerce 
importante influência em todas as demais funções.
• Além disso, a última edição do DMBoK contém seções 
dedicadas para ética de dados, big data, integração e 
interoperabilidade de dados e avaliação de 
maturidade em gerenciamento de dados. 
Fonte: DAMA-DMBOK2
Pirâmide DMBOK
Fonte: https://dataninjago.com/
A pirâmide DMBOK define quatro fases para a jornada 
de gerenciamento de dados de uma organização:
• Fase 1 (Camada azul) – Começa com a compra de 
ferramentas que incluem recursos de banco de 
dados. Modelagem e design de dados, 
armazenamento de dados e segurança de dados são 
as funções a serem implementadas inicialmente.
• Fase 2 (camada laranja) – Começa a sentir as dores 
da má qualidade dos dados. Para melhorar a 
qualidade dos dados, metadados confiáveis ​​e 
arquitetura de dados consistente são essenciais.
Pirâmide DMBOK
Fonte: https://dataninjago.com/
• Fase 3 (Camada verde) – Começam a aparecer as 
necessidades de suportes estruturais para as 
atividades de gerenciamento de dados que revelam a 
importância de uma prática adequada de governança 
de dados. Ao mesmo tempo, a governança de dados 
permite a execução de iniciativas estratégicas, como 
armazenamento de dados, gerenciamento de 
documentos e gerenciamento de dados mestres.
• Fase 4 (camada vermelha) – dados bem gerenciados 
permitem análises avançadas.
Ferramentas na Amazon Web Services
https://aws.amazon.com/pt/blogs/aws-brasil/ferramentas-de-governanca-de-dados-na-amazon-web-services/
Definição de Gestão de Dados
Derivado do termo que significa "fato“.
É o novo petróleo, a nova eletricidade!
É caro, por isso é um ativo valioso
Nós o coletamos por um motivo... esperamos?
Usado para referência ou análise.
O que são dados e por que eles são importantes?
Volumes do Big Data
DADOS CORPORATIVOS MÉDIOS 
VOLUMES DOBRAM A CADA 
1.2 ANOS 
2.5 QUINTILHÃO
GRÃOS DE AREIA
NA TERRA
2.5 QUINTILHÃO
BYTES DE NOVOS 
DADOS CRIADOS 
TODOS OS DIAS 
* Um quintilhão é 1 seguido por 18 zeros.
Medida de Informação: Bits e Bytes
Fonte: https://www.yumpu.com/en/document/view/4608427/disk-storage-measures
Volumes do Big Data
1 TB = 1.024 GB = 1.048.576 MB = 
1.073.741.824 KB = 1.099.511.627.776 B
Por que os dados são importantes?
• FATO - Os dados são o ativo mais valioso de 
uma organização depois de seu pessoal 
• FATO - Os dados são críticos para a execução 
de funções e processos de negócios
• FATO - Sem vigilância constante e esforço 
para manter a entropia dos dados da ordem 
ou as rédeas da anarquia
https://pt.wikipedia.org/wiki/Entropia_da_info
rma%C3%A7%C3%A3o
Fontte: sciphilos.info
https://pt.wikipedia.org/wiki/Entropia_da_informa%C3%A7%C3%A3o
https://pt.wikipedia.org/wiki/Entropia_da_informa%C3%A7%C3%A3o
Econômico: 
Receitas, Custos, Lucros
Lei e Regulamentação
Marca e Reputação
Fidelização de Clientes
O Impacto Negativo da Má Gestão de Dados
Então, Como Você Começa? 
• Faça dos dados uma prioridade de negócios, não uma função de TI.
• Realizar uma auditoria de dados.
• Implemente uma estratégia de dados – abrace tanto a melhoria quanto a 
exploração.
• Preparar e aplicar uma política de dados para controlar as regras de acesso e 
uso.
• Monitorar, medir e controlar os principais conjuntos de dados - dados de 
referência (ou núcleo) e dados mestre.
• Criar e executar dados e projetos de aprimoramento de processos.
• Implementar um sistema de Governança de Dados.
O problema do Silo de Dados
https://tigosoftware.com/data-silos-achilles-heel-large-organizations
A solução “Centrada" nos Dados 
DADOS DE VENDAS
DADOS DE MARKETING
DADOS FINANCEIROS 
DADOS DE COMPRAS
https://tigosoftware.com/data-silos-achilles-heel-large-organizations
Trate os dados 
como 
infraestrutura
Gestão dos Dados
Fonte: https://inovecapacitacao.com.br/meta-brasileira-e-ser-lider-em-infraestrutura-de-
transportes-na-america-latina/
Trate os dados como um ativo
Ciclo PDCA
Fonte: https://pt.wikipedia.org/wiki/Ciclo_PDCA
Ciclo de vida dos dados
Create
Ingest
StoreUse
Archive
Plan
Fonte: Próprio autor
✓ Plano – Planejar/Especificar/Habilitar (Arquitetura do Sistema / Ciclo de 
Vida de Desenvolvimento / Conjuntos de Ferramentas / Infraestrutura / 
Padrões).
✓ Criar – capturar, adquirir, trocar, reutilizar, etapas do processo, controle 
de qualidade, metadados.
✓ Ingestão – Recebimento e Avaliação, Extração, Transformação e 
Carregamento.
✓ Armazenamento – Pastas vs Banco de dados, modelagem de dados.
✓ Uso – Finalidade, controle, controle de versão, acesso.
✓ Arquivo – como, onde, metadados, recuperação e acessibilidade, 
implicações de custo.
Create
Ingest
StoreUse
Archive
Plan
Ciclo de vida dos dados
Fonte: Próprio autor
Adapted from the well known Data-Information-Knowledge Triangle by OceanWise (2011)
Wisdom???
Dados em Contexto
• Gestão de Dados é a função na organização que cuida do planejamento, controle e entrega 
dos ativos de dados e de informação. 
• Esta função inclui: as disciplinas do desenvolvimento, execução e supervisão de planos, 
políticas, programas, projetos, processos, práticas e procedimentos que controlam, protegem, 
distribuem e aperfeiçoam o valor dos ativos de dados e informações. (Fonte: DAMA-DMBOK® Guide)
Gestão de Dados
Fonte: Rêgo (2013)
Princípios da Gestão de Dados
5 princípios básicos que orientam a adoção da Gestão de Dados estabelecidos pelo DAMA: 
1. Dados e informações são ativos valiosos das organizações. 
2. Como todo ativo, os dados devem ser gerenciados, assegurando qualidade adequada, 
segurança, integridade, proteção, disponibilidade, compreensão e uso efetivo. 
3. A responsabilidade da Gestão de Dados é compartilhada entre os Gestores de Dados de 
Negócio e os profissionais de Gestão de Dados de Tecnologia. 
4. Gestão de Dados é uma disciplina de negócios e um conjunto de funções relacionadas. 
5. Gestão de Dados é uma profissão emergente e em amadurecimento.
Negócios:
• Gerentes / Coordenadores
• Gestor da Informação
• Gestor de Dados do Negócio
Estratégicos:
• Executivo de Gestão de Dados (CDO – Chief Data Officer)
• Gestor Estratégico de Dados
Técnicos:
• Gerentes / Coordenadores
• Gestor Técnico de Dados
• Administrador dos Repositórios de Metadados
• Projetista de Dados
• DBA de Infraestrutura
• DBA de Aplicação
• Arquiteto de Integração de Dados
Papéis em Gestão de Dados
Papéis em Gestão de Dados
Fonte: Rêgo (2013)
Certificações para o Profissional de Gestão de Dados alinhadas ao DMBOK:
• CDMP - Certified Data Management Professional
https://dama.org/content/certification
• DGSP - Governance and Stewardship Professional
https://www.iccp.org/data-professionals.html
• CBIP - Certified Business Intelligence Professional
https://tdwi.org/cbipCertificações em Gestão de Dados
https://dama.org/content/certification
https://www.iccp.org/data-professionals.html
https://tdwi.org/cbip
LGPD
LGPD – Lei Geral de Proteção de Dados
LGPD - Lei Geral de Proteção de Dados – Lei 13.709 de 14 de Agosto de 2018
• Dispõe sobre o tratamento de dados pessoais – Nome, gênero, 
preferências de lazer, GPS, IP, etc.
• Conformidade/Compliance em agosto/2021.
• Regras para coletar, armazenar, tratar e compartilhar dados pessoais.
• Estende-se aos subcontratantes - fornecedores e parceiros.
• Multas podem chegar em 2% do faturamento/R$ 50 milhões (por infração).
• Somos os donos do nosso CPF, RG, número de telefone pessoal, endereço, 
etc. Apesar de não parecer, estes dados nos pertencem. O uso 
indiscriminado da internet no compartilhamento de dados só trouxe mais 
complexidade ao problema.
Fonte: https://olhardigital.com.br/2021/08/17/tira-
duvidas/lgpd-qual-a-diferenca-entre-dados-pessoais-
sensiveis-e-anonimizados/
• Todo dado pessoal só pode ser tratado se seguir um ou mais critérios definidos 
pela LGPD, mas, dentro do conjunto de dados pessoais, há ainda aqueles que 
exigem um pouco mais de atenção: 
• Sobre crianças e adolescentes; 
• Dados “sensíveis”, que são os que revelam origem racial ou étnica, 
convicções religiosas ou filosóficas, opiniões políticas, filiação sindical, 
questões genéticas, biométricas e sobre a saúde ou a vida sexual de uma 
pessoa.
LGPD
• A comprovação se dará por meio dos documentos que devem compor o 
Relatório de Impacto à Proteção de Dados Pessoais, tais como: 
mapeamento do ciclo de vida do dado pessoal, mapeamento de risco, 
identificação dos agentes de tratamento em cada etapa ou processo de 
tratamento de dados, criação de políticas, códigos de conduta e 
comprovantes de treinamento, entre outros.
• Ademais, existem certificações mundiais sobre segurança da informação, 
tais como a ISO 27001 e 27002.
Como comprovar que a empresa garante a proteção 
dos dados?
• Em âmbito administrativo, as multas aplicadas poderão ser arbitradas 
pelos órgãos fiscalizadores, tais como PROCONs, Ministério Público, 
entre outros. 
• Para cada multa será levado em consideração o grau de 
comprometimento da empresa com a segurança da informação e a 
proteção de dados pessoais, mediante a comprovação documental, a 
informação sobre o incidente aos titulares dos dados; o porte da 
empresa e seu faturamento.
Multa caso a empresa não tenha se adequado à LGPD 
• O artigo 50 da LGPD determina que as empresas promovam ações 
educativas e de treinamento sobre o tratamento dos dados de acordo 
com a LGPD. 
• Desta forma, é recomendável que a empresa faça treinamentos com 
profissionais especializados para conscientização sobre a lei bem como 
faça treinamentos específicos para os setores mais envolvidos no 
tratamento de dados pessoais de acordo com o modelo de negócio de 
cada empresa.
Treinamento para Segurança dos Dados Pessoais
• Mapear e analisar o fluxo de dados pessoais tratado: o que envolve também a classificação entre o 
que é pessoal, sensível e crítico;
• Identificar operações de tratamento realizadas: inclui a avaliação de plataformas e níveis de 
barreiras de segurança em cada armazenagem ou transferência de dados. O foco é avaliar todos os 
potenciais riscos de violações e vazamentos;
• Indicação das bases legais para cada tratamento realizado: todas as formas de gestão de dados 
devem estar embasadas na legislação e em boas práticas de compliance;
• Implantação de robustas metodologias de proteção: como por exemplo, criptografia de arquivos, 
uso de firewalls e uso de bancos de dados e tecnologias em compliance com segurança reforçada.
Por onde começar a governança em LGPD?
• Primeiramente, é importante ressaltar que os dados são separados em dois grupos; “estruturados” 
e “não estruturados”.
• O primeiro trata de todo dado organizado, que segue um padrão e é facilmente processado, como 
por exemplo nomes e endereços.
• Já os não estruturados são os dados que não possuem formatação, padrões ou sequências, sendo 
composto por elementos diferentes. Nesta categoria estão as mensagens de e-mail, posts em redes 
sociais, imagens, áudios e etc.
Por onde começar a governança em LGPD?
• De acordo com a lei, o dado pessoal é “toda informação relacionada a pessoa natural identificada ou 
identificável”, ou seja, são as informações básicas de um determinado individuo: nome, sobrenome, 
endereço de residência, RG, CPF, data de nascimento, e-mail, telefone, nacionalidade, hábitos de 
consumo, interesses – inclusive as informações que constam nas redes sociais, como as páginas que 
curtiu ou seguiu.
Dados Pessoais
Fonte: https://olhardigital.com.br/2021/08/17/tira-duvidas/lgpd-qual-a-diferenca-entre-dados-pessoais-sensiveis-e-anonimizados/
• O dado sensível é o “dado pessoal sobre origem racial ou étnica, convicção religiosa, opinião 
política, filiação a sindicato ou à organização de caráter religioso, filosófico ou político, dado 
referente à saúde ou à vida sexual, dado genético ou biométrico, quando vinculado a uma pessoa 
natural.”
• Nesse caso, esse tipo de dado é relacionado à informações mais íntimas de um indivíduo. Essa 
característica acrescenta ainda maior cautela no manejo desse dado por instituições, porque seu 
uso só pode ser feito com autorização do titular e atendendo às regras legais – já que esse tipo de 
informação pode ser usada de forma discriminatória.
Dados Sensíveis
Fonte: https://olhardigital.com.br/2021/08/17/tira-duvidas/lgpd-qual-a-diferenca-entre-dados-pessoais-sensiveis-e-anonimizados/
• É o “dado relativo ao titular que não possa ser identificado, considerando a utilização de meios 
técnicos razoáveis e disponíveis na ocasião de seu tratamento.”
• Esse tipo de dado é muito utilizado na realização de estudos e não está sujeito à aplicação da LGPD, 
no entanto, caso a empresa seja identificada, o dado recebe um novo nome e passa a ser um dado 
pseudonimizado.
Dados Anonimizados
Fonte: https://olhardigital.com.br/2021/08/17/tira-duvidas/lgpd-qual-a-diferenca-entre-dados-pessoais-sensiveis-e-anonimizados/
• Os dados identificáveis são aqueles que, sozinhos, não conseguem identificar o titular, mas somados 
a outras informações torna a ação possível.
• Isso significa dizer que a soma de dados identificáveis, como por exemplo, o número do seu cartão 
de crédito (que você adicionou em uma loja on-line), seu CPF (usado, às vezes, em notas fiscais), o 
nome da empresa para a qual você trabalha (que você adicionou na hora de um cadastro), entre 
outros, se juntos, podem identificar você. Assim sendo, com a nova lei, também estão sob sua 
proteção.
• Por sua vez, segundo o descrito em lei, a pseudonimização é “o tratamento por meio do qual um 
dado perde a possibilidade de associação, direta ou indireta, a um indivíduo, senão pelo uso de 
informação adicional mantida separadamente pelo controlador em ambiente controlado e seguro.”
Dados Identificáveis e Pseudonimizados
Fonte: https://olhardigital.com.br/2021/08/17/tira-duvidas/lgpd-qual-a-diferenca-entre-dados-pessoais-sensiveis-e-anonimizados/
• Por sua vez, segundo o descrito em lei, a pseudonimização é “o tratamento por meio do qual um 
dado perde a possibilidade de associação, direta ou indireta, a um indivíduo, senão pelo uso de 
informação adicional mantida separadamente pelo controlador em ambiente controlado e seguro.”
• Tanto a anonimização quanto a pseudonimização são técnicas de mascaramento de dados, no 
entanto, a diferença é que um pode ter seu processo de reversão possível, oferecendo ao 
controlador informações adicionais na hora do tratamento de dados.
Dados Identificáveis e Pseudonimizados
Fonte: https://olhardigital.com.br/2021/08/17/tira-duvidas/lgpd-qual-a-diferenca-entre-dados-pessoais-sensiveis-e-anonimizados/
GDPR x LGPD
• A LGPD possui inspiração em uma legislação europeia de proteção de 
dados pessoais, GDPR -General Data Protection Regulation ou 
Regulamento Geral sobre a Proteção de Dados, que entrou em vigor 
em maio de 2018.
• O GDPR é a vanguarda do direito de privacidade de dados pessoais 
e possui amplitude a todo cidadão membro da União Europeia. 
• A LGPD brasileira tem influência direta do GDPR, pela sua 
característica vanguardista, mas também por questões comerciais, 
como ocorre frequentemente com normativos regulamentadores, 
nas mais diversas áreas.
GDPR – General Data Protetion Regulation
Fonte: https://tpomap.com/what-is-gdpr
• Tanto a LGPD, quanto o GDPR, aplicam-se a qualquer empresa ou pessoa que trate dados pessoais dentro 
de suas respectivas jurisdições. A LGPD em território brasileiro, o GDPR no âmbito da União Europeia.
• A LGPD e o GDPR definem de forma muito similar o conceito de dados pessoais, ou seja, informações 
relacionadas ou referentes a uma pessoa física identificada ou identificável.
GDPR x LGPD
Fonte: https://gatefy.com/pt-br/blog/pontos-comparacao-lgpd-brasileira-gdpr-europeia/
Princípios da LGPD: 
1. Finalidade; 
2. Adequação; 
3. Necessidade; 
4. Livre acesso; 
5. Qualidade dos dados; 
6. Transparência; 
7. Segurança; 
8. Prevenção; 
9. Não discriminação;
10. Responsabilização.
Princípios do GDPR: 
1. Legalidade, justiça e transparência; 
2. Limitação da finalidade; 
3. Minimização de dados; 
4. Precisão; 
5. Limitação de armazenamento; 
6. Integridade e confidencialidade e 
responsabilidade.
GDPR x LGPD
Em relação aos princípios de tratamento e proteção de dados, a LGPD estabelece dez princípios, 
enquanto o GDPR dispõe de seis princípios.
Data Driven
Data Driven
• Data Driven Decision Making – DDDM – é o processo de coletar 
dados de acordo com os indicadores-chave de desempenho 
(KPIs) de uma empresa, e de transformar tais dados em 
percepções que podem ser colocadas em prática.
• Esse processo é essencial para estratégias de negócios modernas. 
• Você pode usar ferramentas de BI neste processo, pois tornam a 
coleta de dados rápida e proveitosa. Tais ferramentas simplificam 
a visualização de dados e permitem que pessoas sem 
conhecimentos técnicos avançados possam analisá-los. 
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
Conceito de Data-Driven
• Data-Driven refere ao uso de fatos (ou dados) para 
identificar padrões, deduções e percepções que 
fundamentem o processo de tomada de decisões.
• Data-Driven significa a tentativa de tomar decisões sem 
permitir a interferência de vieses ou emoções. Assim, 
assegura-se de que as metas e o roteiro da empresa estejam 
fundamentados em fatos e padrões, não em preferências 
individuais. 
Fonte: www.questionpro.com/blog/data-driven-decision-making/
Porque Data Driven é Importante
• DDDM é importante porque ajuda a fazer escolhas considerando fatos e com imparcialidade. Tomar 
decisões objetivas é a melhor forma de ser justo e equilibrado. 
• As decisões mais bem fundamentadas apoiam-se em dados que mensuram metas empresariais e se 
atualizam em tempo real. Podemos reunir dados necessários para identificar padrões e fazer 
previsões com softwares que geram relatórios.
• Algumas decisões que podem ser amparadas por dados:
• Impulsionar os lucros e as vendas;
• Definir boas práticas de gestão;
• Otimizar operações;
• Melhorar o desempenho da equipe.
5 Passos para utilizar Data-Driven
Fonte: asana.com/resources/data-driven-decision-making
1. Entenda qual é a visão de futuro da empresa – 
podemos usar OKRs anuais da empresa ou os KPIs 
trimestrais da equipe para fundamentar com dados as 
suas decisões).
2. Encontre fontes de dados
• Margem bruta de lucro
• ROI - Retorno sobre o investimento
• Produtividade (total da produção pelo total dos 
custos)
• Número total de clientes (quanto mais clientes, 
maiores as receitas do negócio).
• Receita recorrente (SaaS), representa o montante 
de receita gerada por todos os assinantes ativos.
5 Passos para utilizar Data-Driven
Fonte: asana.com/resources/data-driven-decision-making
3. Organize os Dados - 
4. Analise os Dados
5. Tire Conclusões
3. Organize os Dados – Crie um painel executivo 
para examinar os dados relevantes num só 
lugar e compreender suas interconexões.
4. Analise os Dados -
Contexto Organizacional de Dados
• Em resumo, a governança de dados em cibersegurança é essencial para garantir que os 
dados sensíveis sejam protegidos contra ameaças cibernéticas. Isso requer uma 
abordagem abrangente que abrange políticas, procedimentos, treinamento e 
monitoramento constante.
O Que são Dados?
O que são Dados?
• Os dados são elementos que constituem a matéria-prima da informação. 
• O dado representa a menor partícula de uma informação, assim como um átomo 
representa a menor partícula de uma matéria. 
• Podemos defini-los como o conhecimento bruto, que ainda não foi devidamente tratado 
de forma a prover insights para uma organização.
• Dados, de forma isolada, não conseguem transmitir uma mensagem clara.
O Que são Dados?
• Exemplos: Manga, Roupa, Sapato.
• Definimos dado como uma sequência de símbolos quantificados ou quantificáveis. 
Portanto, um texto é um dado. De fato, as letras são símbolos quantificados, já que o 
alfabeto por si só constitui uma base numérica. 
O Que são Dados?
• Também são dados as imagens, sons e animação, pois todos podem ser quantificados 
a ponto de alguém que entra em contato com eles ter eventualmente dificuldade de 
distinguir a sua reprodução, a partir da representação quantificada, com o original. 
• É muito importante notar-se que qualquer texto constitui um dado ou uma sequência 
de dados, mesmo que ele seja ininteligível para o leitor.
O Que são Dados?
• Dados quantitativos ou numéricos que podem ser:
• Discretos
• número de ovos postos pela tartaruga marinha.
• número de ataques de asma no ano passado.
• Contínuos
• Volume, área, peso, massa.
• Velocidade do carro.
Dados Quantitativos
• Dados qualitativos ou categóricos podem ser:
• Nominais
• Cor dos olhos: castanho, verde, azul.
• Fumante / Não Fumante.
• Doente / Sadio.
• Ordinais
• Grau de periculosidade: baixa, média, alta.
• Escolaridade: 1º grau, 2º grau, 3º grau.
• Estágio do tratamento: inicial, intermediário, final.
Dados Qualitativos
Dados Estruturados x Dados Não Estruturados
• Os dados estruturados, em essência, seguem uma estrutura rígida no qual foram 
armazenados. 
• Dados estruturados podem ser vistos como registros (ou transações) em um ambiente de 
banco de dados; por exemplo, linhas em uma tabela de um banco de dados SQL.
Dados Estruturados
Dados Estruturados
• Os dados não estruturados vêm de fontes diversas, tais como internet e redes 
sociais.
• Esses dados são coletados nos mais variados formatos – texto, imagem, som, vídeos 
– e precisam passar por um processamento antes de serem cruzados com outros 
dados e analisados.
Dados Não Estruturados
Dados Não Estruturados
• Os dados não estruturados são mais abundantes do que os dados estruturados.
• Exemplos de dados não estruturados são: Dados de mídia e entretenimento, dados de 
vigilância, dados geoespaciais, áudio, dados meteorológicos, e-mails, Internet das Coisas 
(IoT).
Dados Não Estruturados
Pirâmide DIKW
• A Hierarquia ou pirâmide DIKW é o modelo utilizado para discussão de dados, 
informações, conhecimento, sabedoria e suas inter-relações. 
DIKW
Fonte: https://www.researchgate.net/figure/
• Em 1955, o economista e educador anglo-americano Kenneth Boulding apresentou uma 
variação na hierarquia que consiste em "sinais, mensagens, informações e conhecimento".
• No entanto, o primeiro autor a distinguir entre dados, informação e conhecimento e 
também empregar o termo “gestão do conhecimento” pode ter sido o educador 
americano Nicholas L. Henry, em um artigo de jornal de 1974.
DIKW
• No contexto do DIKW, os dados são concebidos como fato, símbolos ou sinais, representando 
estímulos ou sinais,que são inúteis.
• Dados como fato: fatos ou observações discretas e objetivas, que são desorganizadas e não 
processadas.
• Dados como sinal: estímulos sensoriais, que percebemos por meio de nossos “sentidos" ou 
"leituras de sinais", incluindo "leituras sensoriais e/ou sensoriais de luz, som, cheiro, sabor e 
toque”.
• Dados como símbolos: "símbolos“ ou "conjuntos de sinais que representam estímulos ou 
percepções empíricas" de "uma propriedade de um objeto, um evento ou de seu ambiente".
DIKW - Dados
• A informação está contida nas descrições e é diferenciada dos dados por ser "útil". 
• Estrutural x Funcional
• São dados organizados ou estruturados, que foram processados ​​de tal forma que a 
informação agora tem relevância para um propósito ou contexto específico e, 
portanto, é significativo , valioso, útil e relevante.
• Simbólico x Subjetivo
• A informação pode ser concebida nos modelos DIKW como: 
• Universal, existindo como símbolos e signos; 
• Subjetivo, o significado ao qual os símbolos atribuem; 
• Ambos. 
DIKW - Informação
• Conhecimento como Processado
• É a síntese de múltiplas fontes de informação ao longo do tempo“ "organização e 
processado para transmitir compreensão, experiência, aprendizado acumulando uma 
mistura de informações contextuais, valores, experiência e regras.
• Responde a perguntas “como”.
• Caracterizado pela crença justificável do indivíduo de que é verdade - contextuais, valores, 
experiência e regras.
DIKW - Conhecimento
• Simplesmente é o conhecimento integrado—informação super útil. 
• A sabedoria como "saber as coisas certas a fazer" e "a capacidade de fazer julgamentos e 
decisões sensatas aparentemente sem pensar".
DIKW - Sabedoria
• A Pirâmide DIKW representa as relações entre dados, informações, conhecimento e sabedoria. 
Cada bloco de construção é um passo em direção a um nível superior - primeiro vêm os dados, 
depois as informações, depois o conhecimento e, finalmente, a sabedoria. 
• Cada etapa responde a diferentes perguntas sobre os dados iniciais e agrega valor a eles. 
• Quanto mais enriquecemos nossos dados com significado e contexto, mais conhecimento e 
percepções obtemos deles para que possamos tomar decisões melhores, informadas e 
baseadas em dados.
DIKW - Sabedoria
Fonte: Creative Commons Attribution 4.0 International
DIKW – Diagrama de Fluxo, GI e GC
O gerenciamento de informações combina processos de negócios, procedimentos e tecnologia para 
organizar, proteger e acessar os dados de uma organização independentemente do formato, 
incluindo dados digitais, documentos em papel e arquivos de áudio e vídeo.
• A informação consiste em dados que um usuário inseriu em um computador, processou e colocou 
em contexto. 
• As empresas devem gerenciar essas informações com ferramentas como Microsoft SharePoint ou 
Alfresco; um sistema de gerenciamento de documentos, como Microsoft OneDrive ou Google 
Drive.
Gestão da Informação - GI
A gestão do conhecimento usa processos e ferramentas para transmitir sabedoria e compreensão de 
diferentes assuntos.
• Quando a informação é colocada no contexto de ser usada para maior compreensão de um assunto, 
ela se torna conhecimento. 
• Esse conhecimento ajuda os funcionários a realizarem seus trabalhos, muitas vezes tornando-os mais 
eficientes. Também pode beneficiar os clientes de uma organização.
• A gestão do conhecimento envolve a coleta, organização e compartilhamento do conhecimento. 
• Esse conhecimento pode estar na forma de documentos, vídeos e outros recursos destinados a ensinar 
as pessoas sobre um assunto específico.
Gestão do Conhecimento - GC
Ciclo de Vida do Dado
▪ Segundo o guia DAMA-DMBOK®, o dado pode ser: extraído, exportado, importado, migrado, 
validado, editado, atualizado, limpo, transformado, convertido, integrado, segregado, agregado, 
referenciado, revisado, relatado, analisado, garimpado, salvo, recuperado, arquivado e 
restaurado antes de eventualmente ser eliminado. Fonte: Rêgo (2013)
Big Data
Qual é o tamanho da web?
▪ Razões para usar o Big Data:
– Entender padrões;
– Prever situações;
– Criar fronteiras;
– Informar coleções de dados;
– Estimar parâmetros escondidos;
– Calibrar.
Big Data
Fonte: https://www.researchgate.net/publication/316994150_THE_INTERNET_OF_THINGS_EVOLUTION
• Os 3Vs
• Os 5Vs
• Os 7Vs
Big Data
❑ Volume: são os dados gerados a cada segundo. O volume define a 
quantidade de dados que temos – o que costumávamos medir em 
Gigabytes agora é medido em Zettabytes (ZB) ou mesmo Yottabytes 
(YB). A Internet das Coisas (IoT) cria um crescimento exponencial de 
dados. As projeções mostram o volume de dados mudando 
significativamente nos próximos anos.
Os Vs do Big Data
❑ Velocidade: um dos grandes desafios do Big Data. A velocidade 
representa a velocidade com que os dados são processados e se 
tornam acessíveis. Hoje, se a entrega não for em tempo real, 
geralmente não é rápida o suficiente.
Os Vs do Big Data
❑ Variedade: quanto mais dados e fontes, maior a complexidade, mas 
também é maior a chance de gerar informações úteis. A variedade 
descreve um dos maiores desafios do big data. Os insights podem vir 
sem estrutura. O ativo total pode incluir muitos tipos de dados, de 
XML a vídeo e SMS. Organizar os dados de maneira significativa não é 
tarefa simples quando os próprios dados mudam rapidamente.
Os Vs do Big Data
❑ Variabilidade: a variabilidade é diferente de variedade. Uma cafeteria 
pode oferecer seis misturas diferentes de café, mas se você obtém a 
mesma mistura todos os dias e tem um sabor diferente a cada dia, isso 
é variabilidade. O mesmo acontece com os dados. Se o significado 
mudar constantemente, isso pode afetar significativamente a 
homogeneização de seus dados.
Os Vs do Big Data
❑ Veracidade: o quanto a informação é verdadeira. A veracidade garante 
que os dados sejam precisos, o que requer processos para evitar que 
dados insuficientes se acumulem em seus sistemas. O exemplo mais 
simples é quando os contatos entram em seu sistema de automação 
de marketing com nomes falsos e informações de contato imprecisas. 
Quantas vezes você viu o Saci Pererê ou Mickey Mouse em seu banco 
de dados? É o clássico desafio de “entrar lixo, sair lixo”.
Os Vs do Big Data
❑ Visualização: a visualização é fundamental no mundo de hoje. Usar 
tabelas e gráficos para visualizar grandes quantidades de dados 
complexos é muito mais eficaz em transmitir significado do que 
planilhas e relatórios repletos de números e fórmulas.
Os Vs do Big Data
❑ Valor: deve-se gerar informações com valor. Depois de abordar 
volume, velocidade, variedade, variabilidade, veracidade e 
visualização – o que leva muito tempo, esforço e recursos –, você quer 
ter certeza de que sua organização está obtendo valor dos dados.
Os Vs do Big Data
IoT – Internet of Things
IoT - Internet das Coisas
• O termo foi utilizado pela primeira vez em 1999 para descrever um sistema onde 
os objetos poderiam ser conectados à internet.
• Por causa do avanço do IoT, houve a necessidade de muito mais endereços de IP 
(IPv4 para IPv6 – 128 bits). 
• O fato de ter tantos dispositivos conectados à rede literalmente tem 
revolucionado o modo como vivemos.
IoT - Internet das Coisas
• Internet das Coisas ou, pela sigla “IoT” (Internet of Things), traz um conceito atual e 
transformador sobre a conexão entre objetos físicos utilizando sensores, chips e softwares.
• Quando falamos de “coisas” em IoT, estamos nos referindo a qualquer objeto que teve a 
implementação de sensores e outros sistemas digitais para funcionar de forma mais 
inteligente por meio da troca de informações com pessoas e outros objetos, não 
necessariamente utilizando conexões de internet.
• Essas trocas de informações podem ocorrer via radiofrequência (RFID), WiFi, Ethernet, 
Bluetooth, entre outras formas de conexão existentes atualmente, e os sistemas de redes de 
comunicação existemem diferentes proporções, podendo ser conectados à web mundial ou 
apenas à rede de casa ou ao carro do usuário, por exemplo.
IoT − Internet das Coisas
• 32 bilhões de coisas vão estar conectadas a internet.
• 10% de todos os dados serão gerados por sistemas embarcados (versus 2% atualmente).
• 21% dos mais valiosos dados serão gerados por sistemas embarcados (versus 8% atualmente).
• Dados de telemetria - semiestruturados e contínuos - representam um desafio para bancos de 
dados relacionais, que exigem um esquema fixo e dados estruturados.
IoT - Internet das Coisas
• Poluição Sonora.
• Otimizar coleta de lixo.
• Controle de tráfego.
• Controle de distribuição de 
energia elétrica.
• Segurança pública.
Cidades Inteligentes
Casas Inteligentes
Inteligência Empresarial ou de Negócios
• A gestão pode ser mais 
eficiente com o uso das 
métricas corretas.
Inteligência Empresarial
• Processo de coleta, organização, análise, 
compartilhamento e monitoramento de 
informações para suporte a gestão de 
negócios.
Inteligência Empresarial
Inteligência Empresarial
• Cloud Computing
• Computação em nuvem, é um termo coloquial para a disponibilidade sob demanda de 
recursos do sistema de computador, especialmente armazenamento de dados e 
capacidade de computação, sem o gerenciamento ativo direto do utilizador.
IOT – Internet of Things
Fonte: https://www.linkedin.com/pulse/big-data-analytics-internet-things-ayushi-
agrawal/
Big Data
Fonte: https://towardsdatascience.com/how-is-the-current-state-of-big-data-analytics-in-
controlling-1273c725ac6a
Big Data
Fonte: https://www.simpliaxis.com/resources/big-data-tools
Business Intelligence (BI) x Business Analytics (BA)
Fonte: Gartner Group
Banco de Dados
Ranking Banco de Dados
https://db-engines.com/en/ranking 
https://db-engines.com/en/ranking
	Slide 1
	Slide 2
	Slide 3
	Slide 4: Governança de Dados
	Slide 5: Governança de Dados
	Slide 6: Governança de Dados
	Slide 7: Governança de Dados
	Slide 8
	Slide 9
	Slide 10
	Slide 11: Por que precisamos de Governança de Dados
	Slide 12
	Slide 13: O que são Objetivos Estratégicos?
	Slide 14: A Governança de Dados apoia as metas estratégicas de negócios
	Slide 15: O que a Governança de Dados tem a ver comigo?
	Slide 16
	Slide 17
	Slide 18
	Slide 19
	Slide 20
	Slide 21
	Slide 22
	Slide 23
	Slide 24
	Slide 25
	Slide 26
	Slide 27: 
	Slide 28: Volumes do Big Data
	Slide 29
	Slide 30: Por que os dados são importantes?
	Slide 31: O Impacto Negativo da Má Gestão de Dados
	Slide 32: Então, Como Você Começa? 
	Slide 33: O problema do Silo de Dados
	Slide 34: A solução “Centrada" nos Dados 
	Slide 35
	Slide 36: Ciclo PDCA
	Slide 37: Ciclo de vida dos dados
	Slide 38
	Slide 39
	Slide 40
	Slide 41
	Slide 42
	Slide 43
	Slide 44
	Slide 45
	Slide 46
	Slide 47
	Slide 48
	Slide 49
	Slide 50
	Slide 51
	Slide 52
	Slide 53
	Slide 54
	Slide 55
	Slide 56
	Slide 57
	Slide 58
	Slide 59
	Slide 60
	Slide 61
	Slide 62
	Slide 63
	Slide 64
	Slide 65
	Slide 66
	Slide 67
	Slide 68
	Slide 69
	Slide 70
	Slide 71
	Slide 72
	Slide 73
	Slide 74
	Slide 75
	Slide 76
	Slide 77
	Slide 78
	Slide 79
	Slide 80
	Slide 81
	Slide 82
	Slide 83
	Slide 84
	Slide 85
	Slide 86
	Slide 87
	Slide 88
	Slide 89
	Slide 90
	Slide 91
	Slide 92
	Slide 93
	Slide 94
	Slide 95
	Slide 96
	Slide 97
	Slide 98
	Slide 99
	Slide 100
	Slide 101
	Slide 102
	Slide 103
	Slide 104
	Slide 105
	Slide 106
	Slide 107
	Slide 108
	Slide 109
	Slide 110
	Slide 111
	Slide 112
	Slide 113
	Slide 114
	Slide 115
	Slide 116
	Slide 117
	Slide 118
	Slide 119
	Slide 120
	Slide 121
	Slide 122