Total de visualizações de página

sábado, 8 de setembro de 2012

Governança de Dados-Parte IX- Visão Sunil Soares/IBM sobre Governança de Dados-Primeira parte:






Vou centrar as minhas percepções em cima da figura  9.1.  A figura mostra uma adaptação feita por mim, sobre o RoadMap apresentado por Sunil Soares , na página 8, do seu livro  The IBM Data Governance Unified Process, publicado por MC Press, em 2010. Fiz uma análise do roadmap apresentado pela IBM , inserindo idéias e posições próprias, embora o enredo seja baseado nas premissas apresentadas nos trabalhos pesquisados.  
1)Definir um problema: Você deve vender uma proposta de GD sempre com ênfase num problema de dados, seja de segurança, privacidade, riscos em regulações exigentes, problemas de consistência, integridade, precisão e disponibilidade de dados, etc. O problema deverá ser centrado em cima de dados sensíveis, de áreas importantes e vitais para o “business da empresa”. O problema será a semente para se iniciar as ideias de GD. Se a sua empresa não apresenta problemas de dados( o que é altamente improvável), você não precisa de GD. Esqueça;
2)Buscar apoio da Alta Gerência: O problema apresentado deverá ser o mote para você ganhar o apoio da alta gerência com relação à iniciação de um programa de GD. De novo, se não há problemas, esqueça a GD. O problema é que  sempre há problemas de dados, em grande parte submersos, invisíveis e perigosos. O apoio da alta direção é fator fundamental num programa dessa natureza que mexerá e regularizará um insumo que, normalmente não tem dono, ou o que é pior, tem vários; 
3)Realizar uma avaliação de Maturidade: Essa é , na realidade, a primeira fotografia da situação. As empresas normalmente não tem muita ideia da situação de seus dados, a menos daquelas que ainda mantém uma área se preocupando com eles(são poucas), independente do nome que essa função tenha: administração de dados, gestão estratégica de dados, etc. A proposta da IBM é a fotografia realizada via a avaliação de sua maturidade de dados. Essa é uma abordagem que normalmente é feita  em cima de uma área estratégica da empresa, com um escopo que permita um retorno rápido e objetivo. Há modelos da própria IBM sugerindo níveis diferentes de maturidade de dados, baseados no estilo CMMI, que poderiam ser usados em workshops envolvendo os principais das áreas “targets”, juntamente com a TI. Discutiremos os aspectos de maturidade de dados nos próximos posts, com muito mais detalhes, mas por ora, aqui vai uma ideia inicial: Os níveis de maturidade são:
·         Nível Definido-Possui como características:
o   Ações reativas
o   Não há medições de qualidade
o   Políticas inexistentes ou informais
o   Ações sem coordenação centralizada
o   Os erros são corrigidos  nos dados e não na fonte, sem causas raízes identificadas
·         Nível Repetido-Possui como características:
o   Ações ainda tímidas para se antecipar aos erros de dados
o   Algumas dimensões de qualidade são articuladas, como  completude, precisão, disponibilidade, atualidade,etc
o   Primeiras políticas  de Privacidade  e controle de uso aparecem
o   Identificação de erros de não completude, sintaxe, estrutura, etc
o   Primeiras práticas compartilhadas na área de dados
o   Primeiras tentativas de organizar , como elemento essencial de gestão de dados(semente MDM)
·         Nível Definido-Possui como características:
o   Estrutura de GD já existente, com Políticas, Guias, padrões corporativos e Metadados definidos ou em definição
o   Ferramentas e processos de Qualidade de dados(Data Quality) aplicados
o   Processo definido para  precisão e validação de dados. Aqui saímos do contexto de projetos e migramos para um foco mais organizacional
·         Nível Gerenciado-Possui como características :
o   Gerência  Quantitativa de qualidade, com a mensuração de indicadores que reflitam numericamente o estado dos dados, principalmente apontando fragilidades de conteúdo, forma, disponibilidade que implicam riscos no negócio
o   Certificações de fontes de dados, garantindo a não replicação
o   Auditoria formal e institucional de Qualidade de dados
o   GD com forte presença dos representantes  de linhas de negócios
o   Primeiras ações em MDM, visando a gerência de dados mestres
·         Nível Otimizado:
o   Processo automatizado de detecção de erros
o   Controle de dados ao longo de toda empresa
o   Métricas e políticas constantemente revisadas
o   GD  e Qualidade de dados institucionalizada
o   MDM implementado
Outra alternativa que poderia ser aplicada seria um projeto focado de Data Profiling, em cima de dados fundamentais da empresa, do tipo Master, como Fornecedores, Clientes, Produtos, etc. Essa avaliação, amostral sobre dados fundamentais, poderá ser feita de forma mais rápida e trazer resultados imediatos sobre o nível de qualidade dos dados. Há empresas e ferramentas especializadas nesse segmento e os grandes produtores de tecnologia já oferecem um arsenal de opções para tratamento de dados. A IBM, oferece uma suíte de produtos empacotados na família Infosphere Information Server, com módulos voltados para  MDM(Master Data Management), Análise de informações, avaliação de qualidade, profiling, conexões diversas e governança via metadados. A Oracle e Microsoft, também oferecem soluções nessas áreas, dentro das suas linhas próprias de produtos. Também cresce no Brasil o número de empresas prestadoras de serviços nesse espaço. Em BH, aparece a MD2 e em São Paulo, a ASSESSO, ambas com especialização em ferramentais de limpeza e estruturação de dados e portfólio de projetos em grandes empresas.   
(Continua no próximo post)

Nenhum comentário:

Postar um comentário