EAD-Governança de Dados-Unidade 04

Prévia do material em texto

Governança de Dados
Lauro de Freitas
Unidade 04
DAMA DMBOK
DAMA-DMBOK
Frameworks
Alguns frameworks sugerem o conceito e a forma de implementação da Governança de Dados em uma organização.
• Framework de Governança de Dados - 5W2H; 
• Framework de Governança de Dados - IBM; 
• EDM (Enterprise Data Management Council) e DCAM (Data Management Capacity Assessment Model); 
• Modelo Data Management Maturity (DMM) do CMMI institute; 
• Gestão, Governança e Gerência de Dados: DAMA DMBOk V2.
Segundo Barbieri (2019), todos os frameworks supracitados mostram alguns caminhos comuns, mas, o DAMA DMBOK V2 mostra-
se acima dos demais. Sendo, portanto, a referência mais indicada na implementação e execução de programas de gestão e 
Governança de Dados.
DAMA-DMBOK2 Framework
• A DAMA International define 11 áreas de conhecimento 
cobrindo áreas centrais no Guia DAMA-DMBOKv2 para 
realizar o gerenciamento de dados. 
• Cada área de conhecimento tem tópicos de seção que 
agrupam atividades logicamente. Há também uma seção 
adicional de Gerenciamento de Dados contendo tópicos 
que descrevem os requisitos de conhecimento para 
profissionais de gerenciamento de dados. 
• E a nova área de conhecimento é Integração de Dados e 
Interoperabilidade.
Fonte: DAMA-DMBOK2
Governança de Dados x Gestão de Dados
• Segundo a versão atual do guia DAMA-DMBOK, 
a Gestão de Dados é uma disciplina formada 
pelo conjunto de onze funções de 
gerenciamento de dados integradas. 
• A integração dessas funções é feita pela função 
de Governança de Dados, por esta razão ela 
está localizada como elemento central do 
framework do DAMA-DMBOK. 
Fonte: DAMA-DMBOK2
Governança de Dados x Gestão de Dados
• A estrutura (pirâmide) de Peter Aiken usa as áreas 
funcionais do DMBOK para descrever a situação em 
que muitas organizações se encontram.
• Uma organização pode usá-lo para definir um 
caminho a seguir, buscando um estado em que a 
organização tenha dados e processos confiáveis ​​para 
apoiar objetivos estratégicos de negócios.
Fonte: https://www.dama.org/cpages/home
Governança de Dados x Gestão de Dados
Fase 1: aquisição de um aplicativo que inclui banco de dados. Isso significa que a organização tem um ponto de partida para dados modelagem/design, 
armazenamento de dados e segurança de dados. Para que o sistema funcione dentro de seu ambiente e com seus dados, requer trabalho sobre integração e 
interoperabilidade.
Fonte: https://www.dama.org/cpages/home
Governança de Dados x Gestão de Dados
Fase 2: assim que começarem a usar o aplicativo, encontrarão desafios em relação à qualidade de seus dados. Para obter dados de qualidade são necessários 
metadados confiáveis ​​e arquitetura de dados consistente. Estes fornecem clareza sobre como os dados de diferentes sistemas funcionam juntos.
Fonte: https://www.dama.org/cpages/home
Governança de Dados x Gestão de Dados
Fase 3: práticas disciplinadas para gerenciar a qualidade dos dados, metadados e arquitetura requerem uma Governança de Dados, que fornece suporte 
estrutural para atividades de gerenciamento de dados. A Governança de Dados também permite a execução de iniciativas estratégicas, como:
• Gerenciamento de Documentos e Conteúdo,
• Gerenciamento de Dados de Referência,
• Gerenciamento de Dados Mestre,
• Datawarehousing e Business Intelligence.
Fonte: https://www.dama.org/cpages/home
Governança de Dados x Gestão de Dados
Fase 4: a organização aproveita os benefícios de dados bem gerenciados e aprimora seus recursos analíticos.
Fonte: https://www.dama.org/cpages/home
Governança de Dados x Gestão de Dados
• Outra maneira de examinar as áreas de 
conhecimento do DAMA é explorar as dependências 
entre elas.
• Desenvolvido por Sue Geuens, o framework na 
Figura reconhece que as funções de Business 
Intelligence e Analytic dependem de todas as outras 
funções de gerenciamento de dados. Eles dependem 
diretamente de Dados Mestre e soluções de 
datawarehouse. Mas esses, por sua vez, dependem 
de sistemas e aplicações de alimentação.
Fonte: https://jkolb.com.br/estrutura-de-gerenciamento-de-dados-dama-evoluida/
Governança de Dados x Gestão de Dados
Hexágono de fatores ambientais: mostra o 
relacionamento entre pessoas, processo e tecnologia 
e fornece uma chave para a leitura dos diagramas de 
contexto do DMBOK. Ele coloca metas e princípios no 
centro, pois fornecem orientações sobre como as 
pessoas devem executar atividades e usam 
efetivamente as ferramentas necessárias para o 
gerenciamento bem-sucedido dos dados.
Fonte: https://www.dama.org/cpages/home
Governança de Dados x Gestão de Dados
Diagrama de contexto da área de conhecimento: descreve os detalhes das áreas de conhecimento, incluindo 
detalhes relacionados a pessoas, processos e tecnologia. Eles são baseados no conceito de um diagrama SIPOC 
usado para gerenciamento de produtos (fornecedores, entradas, processos, saídas e consumidores).
Os diagramas de contexto colocam as atividades no centro, pois produzem os resultados que atendem aos requisitos 
das partes interessadas.
Cada diagrama de contexto começa com a definição e os objetivos da área de conhecimento.
As atividades que conduzem os objetivos (centro) são classificadas em quatro fases: Planejar (P), Desenvolver (D), 
Operar (O) e Controlar (C).
Governança de Dados x Gestão de Dados
No lado esquerdo (que flui para as atividades) estão os insumos e fornecedores. No lado direito (saindo das 
atividades), estão os Entregáveis ​​e os Consumidores. Os participantes estão listados abaixo das Atividades.
Na parte inferior, estão Ferramentas, Técnicas e Métricas que influenciam aspectos da Área de Conhecimento.
As listas no diagrama de contexto são ilustrativas, não exaustivas. Os itens serão aplicados de maneira diferente a 
diferentes organizações. As listas de funções de alto nível incluem apenas os papéis importantes.
Fonte: https://jkolb.com.br/a-estrutura-do-dama-dmbok/
Governança de Dados x Gestão de Dados
Fonte: https://jkolb.com.br/a-estrutura-do-dama-dmbok/
1 – Governança de Dados
1 - Governança de Dados
• Planejamento, supervisão e controle sobre o gerenciamento de 
dados e o uso de dados e recursos relacionados a dados.
• Em outras palavras, governança de dados é uma estrutura que 
coordena, orienta e define regras para criação, reuso e consumo 
dos dados.
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
1 - Governança de Dados
• Planejamento, supervisão e controle sobre o gerenciamento de 
dados e o uso de dados e recursos relacionados a dados.
• Em outras palavras, governança de dados é uma estrutura que 
coordena, orienta e define regras para criação, reuso e consumo 
dos dados.
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
1 - Governança de Dados
Planejamento da Governança de dados é similar a um planejamento de saúde a longo prazo.
Segundo Rajeev Priyardashi da IBM, a governança de dados é como planejar a saúde a longo prazo. 
Criativamente ele nos exemplifica isso com a seguinte pergunta:
Por que devo cuidar da minha saúde?
• R: Porque pretendo correr e brincar com meus netos quanto tiver meus 70 anos.
Por que deve aplicar governança de dados? 
• R: Porque poderemos tomar melhores decisões de negócio, teremos os melhores insight’s, nossos 
riscos de segurança de dados serão minimizados.
1 - Governança de Dados
E como monitoramos efetividade do programa de saúde?
• Checando o peso semanalmente\mensalmente.
• Monitorando a pressão.
• Realizando checkups regularmente.
Como monitoramos a efetividade do programa de governança de dados?
• Avaliando o nível no programa de maturidade de dados (Inicial, reprodutível, definido, gerenciado e otimizado)
• Monitorando a qualidade dos dados.
• Escolhendo as ferramentas e tecnologias para suportar a governança de dados.
• Garantindo treinamento adequado para cada membro do time.
• Auditandoe comunicando não conformidade de dados e metadados, assim como provendo feedback de cada 
progresso realizado.
1 - Governança de Dados
Não implementar a Governança de Dados representa um risco para qualquer empresa.
a) Criação de bases sem critério definido.
b) Proliferação de silos informacionais.
c) Qualidade duvidosa dos dados.
d) Dificuldades em se reutilizar dados existentes.
e) Problemas de conformidade regulamentar (auditorias e Compliance).
2 – Arquitetura de Dados
2 – Arquitetura de Dados
• Estrutura geral de dados e recursos relacionados a dados como 
uma parte da arquitetura da empresa.
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
• Determinadas situações podem necessitar estruturações 
diferentes, o padrão é a divisão do Data Lake em 4 zonas:
• Transient Zone;
• Raw Data Zone;
• Trusted Zone;
• Refined Zone.
Fonte: Medium
Estágios para Armazenamento em um Data Lake
Fonte: https://dzone.com/articles/data-lake-governance-best-practices
Um hub de dados é um centro de troca de dados que é suportado por tecnologias de ciência de dados, 
engenharia de dados e data warehouse para interagir com endpoints, como aplicativos e algoritmos.
Arquitetura Data Hub
Fonte: https://www.altexsoft.com/blog/data-hub/
No Data Mesh, o novo não está na criação de tecnologias e/ou ferramentas, mas sim na combinação 
de conceitos e práticas consolidadas, criando uma nova abordagem para trabalhar com dados:
• Data: pensar nos dados como parte essencial da estratégia executiva e tecnológica.
• Product thinking: pensar nos dados como produtos, não como projeto ou serviço, oferecendo uma ótima 
experiência para os usuários. 
• Distributed domain driven design architecture: pensar nos dados como parte dos domínios de negócio, 
distribuindo efetivamente a autonomia e responsabilidade. Podemos observar esta nova arquitetura 
ganhando espaço junto com Domain-driven design (DDD), microservices e service mesh;
• Self-service platform design: reduzir a carga cognitiva dos usuários com padrões, protocolos, 
tecnologias e ferramentas agnósticas de domínio, disponíveis em uma plataforma de autosserviço. 
Arquitetura Data Mesh
Princípios do Data Mesh: 
1. Domain Ownership
2. Data as Product
3. Self-service Data Plataform
4. Federated Computacional Governace
Arquitetura Data Mesh
Arquitetura Data Mesh
Fonte: https://www.thoughtworks.com/insights/articles/data-mesh-in-practice-technology-and-the-architecture
3 – Modelagem e Design de Dados
3 – Modelagem e Design de Dados
• Análise, projeto, construção, teste e manutenção (área de 
conhecimento renomeada, pois foi Desenvolvimento na DAMA-
DMBOK 1ª edição)
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
Modelo Relacional
3 – Modelagem e Design de Dados
Fonte: Próprio autor
Modelo Físico
Fonte: https://www.visual-paradigm.com/support/documents/vpuserguide/3563/3564/85378_conceptual,l.html
3 – Modelagem e Design de Dados
https://www.visual-paradigm.com/support/documents/vpuserguide/3563/3564/85378_conceptual,l.html
Fonte: Nardi (2007)
3 – Modelagem e Design de Dados
3 – Modelagem e Design de Dados
Fonte: https://learn.microsoft.com/pt-br/power-bi/guidance/star-schema
Modelo Dimensional
3 – Modelagem e Design de Dados
Fonte: Próprio autor
4 - Armazenamento e Operações de 
Dados
4 – Armazenamento e Operações de Dados
• Implantar armazenamento de ativos de dados físicos estruturados 
e gestão (área de conhecimento renomeada, pois foi Operações 
de Dados na 1ª edição do DAMA-DMBOK)
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
SQL, NoSQL ou NewSQL
4 – Armazenamento e Operações de Dados
Fonte: https://blog.devart.com/sql-vs-nosql.html
5 - Segurança de Dados
5 – Segurança de Dados
• Garantir privacidade, confidencialidade e acesso apropriado.
• LGPD.
• É necessário planejar e projetar uma estrutura capaz de garantir a 
privacidade, confidencialidade e acesso apropriado ao dado.
• Consiste no planejamento, desenvolvimento e execução de 
políticas e procedimentos para assegurar a devida autenticação, 
autorização, acesso e auditoria nos ativos de dados e 
informações. (DMBOK, 2012).
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
A Segurança de Dados garante que a privacidade e a confidencialidade dos 
dados sejam mantidas, que os dados não sejam violados e que os dados 
sejam acessados adequadamente.
A Segurança de Dados inclui o planejamento, o desenvolvimento e a 
execução de políticas e procedimentos de segurança para fornecer 
autenticação, autorização, acesso e auditoria adequados de ativos de dados e 
informações. 
Objetivos da Segurança de Dados:
• Habilitar acesso apropriado a ativos de dados corporativos
• Impedir o acesso inadequado a ativos de dados corporativos
• Compreender e cumprir regulamentos e políticas relevantes para 
privacidade, proteção e confidencialidade.
• Garantir que as necessidades de privacidade e confidencialidade de todas 
as partes interessadas sejam aplicadas e auditadas.
5 – Segurança de Dados
Fonte: DAMA-DMBOK2
6 - Integração de Dados e 
Interoperabilidade
6 – Integração de Dados e Interoperabilidade
Aquisição, extração, transformação, movimento, entrega, replicação, 
federação, virtualização e suporte operacional (uma área de 
conhecimento novo em DMBOKv2).
Integração de dados: consolida os dados em formas consistentes 
(físicas ou virtuais). Dois ou mais sistemas podem compartilhar 
dados.
Interoperabilidade de dados: fornece capacidade para vários 
sistemas se comunicarem; dois ou mais sistemas permanecem 
inalterados e podem trabalhar juntos.
6 – Integração de Dados e Interoperabilidade
Fonte: https://www.informatica.com/resources/articles/what-is-etl.html
7 - Documentos e Conteúdo
7 – Documentos e Conteúdo
• Armazenar, proteger, indexar e habilitar o acesso aos dados 
encontrados em fontes não estruturadas (arquivos eletrônicos e 
registros físicos) e disponibilizando esses dados para integração e 
interoperabilidade com dados estruturados (banco de dados).
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
7 – Documentos e Conteúdo
Os 8 princípios incluem:
Accountability - Prestação de contas: A organização designa um executivo sênior e uma equipe, adota políticas e processos para 
orientar a equipe e garante a auditabilidade do programa.
Integrity Integridade: Registros e informações têm uma garantia razoável e adequada de autenticidade e confiabilidade.
Protection - Proteção: O programa garante um nível razoável de proteção das informações.
Compliance: O programa garante a conformidade com as leis aplicáveis e as autoridades vinculantes, bem como com as políticas 
da organização.
Availability - Disponibilidade: O programa garante a recuperação oportuna, eficiente e precisa das informações.
Retention - Retenção: O programa garante que a organização retenha suas informações por um tempo apropriado, levando em 
consideração todos os requisitos operacionais, legais, regulatórios e fiscais.
Disposition - Disposição: O programa garante que a organização fornecerá disposição segura e adequada das informações.
Transparency - Transparência: O programa, incluindo políticas, processos e atividades, será documentado de forma disponível e 
compreendida pela equipe e pelas partes interessadas apropriadas.
7 – Documentos e Conteúdo
Gestão de Documentos: engloba os processos, técnicas e tecnologias para controlar e organizar documentos e registros ao longo de seu ciclo de 
vida. O gerenciamento do ciclo de vida inclui:
• Inventário.
• Política.
• Classificação.
• Armazenamento.
• Recuperação e circulação.
• Preservação e Destinação.
Gerenciamento de registros: o gerenciamento de registros tem requisitos especiais. Registros bem elaborados possuem características como:
• Conteúdo: Deve serpreciso, completo e verdadeiro.
• Contexto: Informações descritivas (ou seja, metadados) devem ser mantidas (por exemplo, criador do registro, data de criação).
• Pontualidade: um registro deve ser criado logo após o evento, ação ou decisão ocorrer.
• Permanência: Uma vez designado como registro, não pode ser alterado pelo tempo legal de sua existência.
• Estrutura: Deve ser registrado no formulário ou modelo correto.
Gestão de Ativos Digitais: Semelhante à gestão de documentos, mas focada em mídia avançada, como vídeo, logotipos, fotografias.
8 - Dados Mestre e Referência
8 – Dados Mestre e Referência
• Gerenciar os dados compartilhados para reduzir a redundância e 
garantir qualidade de dados através da definição padronizada e 
uso de valores de dados.
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
8 – Dados Mestre e Referência
Dados mestres são o conjunto de identificadores que fornecem contexto sobre dados de negócios, como 
localização, cliente, produto, ativo, etc. São os dados principais absolutamente essenciais para a execução de 
operações em uma empresa ou unidade de negócios. 
Em geral, os dados capturados pelas empresas se enquadram em uma destas três categorias:
• Dados transacionais: dados transacionais são dados gerados por várias fontes durante a execução ou suporte a 
processos de negócios diários.
• Dados analíticos: dados analíticos surgem por meio de cálculos ou análises executadas nos dados transacionais.
• Dados mestres: dados mestres representam os objetos de negócios reais e críticos sobre os quais essas 
transações são realizadas, levando também em consideração os parâmetros nos quais a análise de dados é 
realizada.
8 – Dados Mestre e Referência
Categorias mais comuns de dados mestres, juntamente 
com seus componentes, são:
Partes: indivíduos e organizações, além de todo o 
espectro de funções aninhadas neles: compradores, 
fornecedores, clientes e funcionários.
Produtos: commodities negociadas entre as partes.
Estruturas financeiras: ativos, contas, documentos, etc.
Conceitos de localização: territórios de vendas, filiais, 
escritórios.
Fonte: https://www.tibco.com/pt-br/reference-center/what-is-master-data
9 – Data Warehousing & Business 
Intelligence
Modelo Dimensional
9 – Data Warehousing & Business Intelligence
Fonte: Próprio autor
9 – Data Warehousing & Business Intelligence
• Gerenciar o processamento de dados analíticos e permitindo acesso a dados de suporte à 
decisão para relatórios e análises.
https://www.astera.com/type/blog/data-warehouse-
definition/
Fonte: Próprio autor
Surrogate Key
9 – Data Warehousing & Business Intelligence
9 – Data Warehousing & Business Intelligence
Fonte: Rafael Piton
Big Data x IoT x Analytics
9 – Data Warehousing & Business Intelligence
Fonte: https://www.linkedin.com/pulse/big-data-analytics-internet-things-ayushi-
agrawal/
Descoberta de Conhecimento
9 – Data Warehousing & Business Intelligence
Fonte: https://www.linkedin.com/pulse/differentiating-business-intelligence-big-data-analytics-
nedim-dedi%C4%87/
10 – Metadados
10 – Metadados
• Coletar e categorizar, mantendo, integrando, controlando, 
gerenciando e entrega de metadados
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
10 – Metadados
• Coletar e categorizar, mantendo, integrando, controlando, 
gerenciando e entrega de metadados
• Metadados é frequentemente chamado de dados sobre dados ou 
informação sobre informação.
• Por exemplo ao tirar uma foto, a imagem em si (conteúdo) é o 
dado, já as informações desta imagem, como: nome, data, 
horário, resolução, tamanho e até geolocalização (se você tirou 
pelo celular e o recurso estiver ativo) são considerados 
metadados
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
10 – Metadados
• Metadados são informações estruturadas que descrevem, 
explicam, localizam ou fazem com que seja mais fácil de 
recuperar, usar ou gerenciar um recurso de informação, 
geralmente referem-se a modelos de dados e estruturas e não ao 
conteúdo propriamente dito, podem conter termos de negócio, 
atributos de um modelo logico de dados ou tabelas\colunas de 
um banco de dados.
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
10 – Metadados
Segundo o DAMA-DMBOK Gestão de metadados:
• “É a função responsável por gerir e armazenar metadados de uma 
organização, além de viabilizar formas de acesso”.
• A gestão de metadados, é parte fundamental na democratização 
dos dados, sem metadados disponível atualizado e confiável, o 
cientista de dados terá seu trabalho comprometido.
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
10 – Metadados
Metadados – Técnico:
• Modelo Logico — Contém as entidades, atributos e 
relacionamentos.
• Modelo físico — Contém os bancos de dados, tabelas.
• Integração de dados — Contém movimentação e transformação 
dos dados (Datalineage).
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
10 – Metadados
Metadados – Negócio:
Glossário de negócio e taxonomias — Contém os termos de negócio, suas definições, sinônimos e as taxonomias também 
chamadas de classificações que determinam como um elemento poder ser categorizado, por exemplo para sexo a classificação 
disponível na companhia seria: Masculino e Feminino.
Fonte: https://medium.com/ensina-ai/como-a-
governan%C3%A7a-de-dados-podem-ajudar-a-
democratiza%C3%A7%C3%A3o-dos-dados-
53174e847ea7
10 – Metadados
Mas, como tudo isso funciona? Desde a chegada de um dado, até seu cadastro no portfólio?
Fonte: https://medium.com/ensina-
ai/como-a-governan%C3%A7a-de-dados-
podem-ajudar-a-
democratiza%C3%A7%C3%A3o-dos-
dados-53174e847ea7
11 – Qualidade dos Dados
11 – Qualidade dos Dados
• Definir e monitorar, mantendo a integridade dos dados e 
melhorando a qualidade dos dados.
• Iniciativas de negócios bem-sucedidas começam com dados 
confiáveis e de qualidade. É por isso que é importante monitorar 
a qualidade de dados estratégicos em toda a empresa. 
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
11 – Qualidade dos Dados
Uma pequena lista de dimensões de qualidade de dados:
• Exatidão;
• Completude;
• Consistência;
• Integridade;
• Razoabilidade;
• Pontualidade;
• Exclusividade/Eliminação de duplicação;
• Validade;
• Acessibilidade.
Fonte: https://www.alamy.com/data-driven-business-
concept-icon-image450776862.html
11 – Qualidade dos Dados
Alguns usos incluem:
• Aumentar o valor dos dados organizacionais e as oportunidades de usá-los;
• Redução de riscos e custos associados a dados de baixa qualidade;
• Melhorar a eficiência e a produtividade organizacionais;
• Proteger e melhorar a reputação da organização;
• Criação de perfil de dados (para estabelecer tendências e descobrir inconsistências nos dados);
• Padronização de dados (para garantir que os dados usem o mesmo formato consistente);
• Monitoramento de dados (para alertar os administradores de dados quando os limites de DQ não são 
atendidos);
• Análise de dados (para descobrir se os dados estão em conformidade com padrões reconhecíveis);
• Limpeza de dados.
11 – Qualidade dos Dados
• Quadrante™Mágico do Gartner® para 
Soluções de Qualidade de Dados 2022.
Fonte: Gartner
	Slide 1
	Slide 2
	Slide 3
	Slide 4
	Slide 5
	Slide 6
	Slide 7
	Slide 8
	Slide 9
	Slide 10
	Slide 11
	Slide 12
	Slide 13
	Slide 14
	Slide 15
	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
	Slide 29
	Slide 30
	Slide 31
	Slide 32
	Slide 33
	Slide 34
	Slide 35
	Slide 36
	Slide 37
	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
	Slide56
	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