Fiz a 4 grandes amigos/parceiros e excepcionais
profissionais de BI(Priscila Matuck, da Unimed-BH, Gideão Neri, da Nexx
Tecnologia e coordenador de BI do Hermes Pardini, Marcelo Lamounier, da MG-Info,
especializada em serviços de BI para grandes empresas e Rafael Piton, um dos
principais nomes do Agile BI & Analytics no Brasil) uma simples pergunta :
Quais são os principais problemas que vocês enfrentam(na vida real),
implantando grandes projetos de BI? O meu objetivo, neste texto, é alinhavar
esses fatores apontados pelos especialistas de hoje, com os aspectos de
Governança de dados que temos desenvolvido e verificar como a GD pode
influenciar positivamente num projeto de BI. Houve respostas que variaram, mas a maioria
convergiu. Para cada uma delas, estabeleci o racional abaixo, sobre como um
Projeto de BI e as propostas de GD se alinham, na mitigação e resolução de
problemas:
1) Falta
de patrocinador forte em projetos de BI
Considerações: Em muitas empresas, os projetos de BI
nascem por inspiração da gerência tática ou operacional e não necessariamente de
uma estratégia alinhada e definida pelos negócios. Uma das grandes ações da GD
é estabelecer uma estrutura, onde stakeholders importantes participem das
decisões de “dados” da empresa. O P do Patrocínio(um dos P´s da GD, conforme
definimos, já há tempos) é um dos mais fortes elementos para a implementação de
GD. A presença de uma área forte de GD certamente vai alavancar soluções em
direção a projetos de dados estratégicos e BI é um deles. O patrocínio de GD se
reflete no patrocínio de BI e de outros projetos de Dados, como MDM, Qualidade,
Segurança, Compliance, etc.
2) Há
uma falta de clareza ou conhecimento das regras de negócios
Considerações: As regras de negócios, num ambiente de GD
devem estar definidas num Glossário de negócios, repositório central onde dados
e definições organizacionais habitam, diferentemente dos Dicionários de dados,
mais focados no plano físico. As regras de negócios, que envolvem dados básicos
ou derivados estarão definidas, com uma semântica comum à organização, ou com
suas variações consentidas e consensadas. Nessa Plataforma(outro P da GD),
residirão os dados, mantidos por definições de gestores de dados das diversas
áreas organizacionais, que participam de Comitês de gestão de dados, onde diferenças semânticas são
resolvidas e convergências obtidas.
3) O
BI é uma camada vitrine e por vezes apresenta dados com erros
Considerações: Esse é o mais clássico dos problemas de
dados de BI. O famoso Garbage-in->Garbage-out. Como a camada de BI é
predominantemente transformadora dos dados transacionais, mestres e
referenciais, os seus resultados serão diretamente proporcionais à qualidade
dos dados encontrada na organização. A GD(Governança de dados) atua fortemente
atrelada às áreas de gerências de dados, como BI, BD,MDM, Qualidade,etc. A GD,
neste relacionamento, funciona como um
ente legislativo e judiciário dos dados, enquanto as respectivas áreas de
gerências(BI, BD, Qualidade, etc), tem o papel da camada executiva. Se, por
Políticas(outro P da GD), há a definição de que os dados de certos domínios
deverão passar por Processos(outro P da GD) de Profiling de dados, resultará
que estes, quando chegarem às portas do BI, estarão com maior probabilidade de
qualidade nas suas diversas dimensões(integridade, completude, precisão,etc). Dessa
forma, a GD, por Políticas fortes, pode antecipar a mitigação/detecção de
problemas de dados e processos, minimizando o fenômeno garbage-in/garbage-out.
4) As
empresas ainda desconhecem o potencial das ferramentas e muitas compram essas
tecnologias por impulso, ou por sedução
de marketing. E olhe que essas tecnologias são caras...
Considerações: A GD ajuda a definir, no âmbito das
diversas gerências, o conceito de Políticas, conforme já referenciado aqui.
Políticas são regras normativas e
direcionadoras que foram definidas, por consenso, em função de princípios estabelecidos
na organização. Políticas relativas à aquisição de ferramentas e tecnologias de
dados certamente estarão presentes nas empresas com maior maturidade em
Governança e Gerência de dados. Normalmente há políticas atreladas a Dados
Mestres, BI, Qualidade de dados, Segurança, etc e , dentre elas, algumas que
regulam a escolha e aquisição de ferramentais daqueles domínios. Há mais de 40
anos na área, já vi várias ocorrências de empresas que compram ferramentas e
depois perguntam o “porquê”.
5) O
BI é uma função de Negócios ou de TI?
Considerações: Com a chegada da GD, há uma forte
tendência de se deslocar a responsabilidade sobre os dados para as áreas de
negócios. Os dados pertencem sim, ao negócio. Isso, entretanto, não deve restringir
uma forte participação da TI como custodiadora técnica dos dados(onde eles são
armazenados, protegidos e controlados fisicamente). Para isso, a GD define os
papéis de Gestores de dados de negócios(aqueles da área de negócios, próximos
do Owner dos dados, que são os que tem responsabilidades/accountability sobre
eles). Para isso também a GD define, com a TI, os gestores
técnicos/operacionais de dados(DBA´s, analistas de BI) e esses dois grupos em
conjunto (Gestores de dados de negócios e Gestores de dados técnicos) buscam a harmonia da melhor solução.
6) Por
vezes os gerentes/usuários das áreas clientes do BI não tem a perfeita noção do
que precisam; às vezes querem algo como as planilhas excel com as quais estão
acostumados a trabalhar.
Considerações: Aqui reside o problema da eterna lacuna do
“Why”. Dentre os elementos do 5W2H, o Why é um dos melhores indicadores e deve
ser sempre o primeiro a ser perguntado. A GD, quando existente na empresa, tem
na figura dos Gestores de dados de negócios(residentes nas áreas de business)
os grandes guardiões do Why. Por conhecerem bem o negócio naqueles domínios
onde gravitam e por serem gestores de dados com formação, tornam-se
fundamentais para alinhar o desejo de suas gerências com a efetiva necessidade
dos negócios da área.
7) Por
vezes o BI é implantado mas a sua utilização não é efetiva ou torna-se muito
mais um custo(liability) do que uma solução.
Considerações: Aqui pode-se pensar no P (de Performance)
da GD. A Performance é a medida efetiva dos resultados produzidos pela
implementação de uma abordagem de GD(Governança e Gerência) de dados. Advém da
antiga máxima de que só se gerencia o que se mede. A implantação de um Sistema
de dados(BI, MDM,QD,etc) deverá vir sempre lastreado por Políticas que definam
a sua real utilização, em pró do negócio. Alguns motivos citados acima, podem
justificar o baixo uso/efetividade do BI. O importante é a monitoração desta
performance, para se entender os reais motivos e ajustá-los, caso possível, ou
aprender as lições para o próximo projeto de BI. Ferramentas mal avaliadas,
Requisitos de BI pobremente definidos, qualidade de dados que afetam a
credibilidade dos indicadores, podem ser detectados e transformados em lições
futuras.
8)
Faltam definições claras sobre a semântica dos dados e as responsabilidades
sobre eles.
Considerações: Este é um dos grandes objetivos da GD.
Definir formalmente responsabilidades (e accountability-responsabilidade final)
sobre os dados. Cada elemento de dados fundamental da empresa(ou um conjunto
deles, ou a Entidade mestre relativa a eles), terão um gestor responsável. Esse
profissional será o gestor daquele dado, trabalhando com o Owner do
dado(normalmente a unidade organizacional onde o dado é originado ou mais
impactada pela sua qualidade). A responsabilidade implica na manutenção correta
dos metadados acerca dele (de dados e de processos), bem como todos os cuidados
relativos a qualidade do seu conteúdo. Os elementos de BI, como dados básicos
ou métricas derivadas (Tabelas Fato), regras de derivação, hierarquias de
dimensões com seus atributos, regras de transformações e conversões, são dados/metadados
que compõem esse portfólio de responsabilidade dos gestores de dados.
9)Há
nítidos erros na confecção de modelos dimensionais de dados.
Considerações: Os erros de modelos dimensionais poderão
ser tratados e mitigados pela GD através de Políticas de treinamento de dados,
bem como de aplicação de processos e procedimentos(outros P da GD) de
QA-Quality assurance, ou garantia da Qualidade, que constarão de revisões
técnicas de verificação e validação. Um QA aplicado com método, melhora a
qualidade dos artefatos/insumos de um projeto de BI.
10)
Por vezes o BI entrega algo que o cliente não quer ou não vai usar ou as
entregas podem levar meses ou ano.
Considerações: Há claros ganhos na adoção de métodos
ágeis em Projetos de BI, pelas características de maior aproximação de usuários
com a solução em desenvolvimento. Sprints menores, com entregas definidas
garantem esses ganhos. A presença dos gestores de dados de negócios na equipe
de Scrum, potencializa essas melhorias, pela comunicação estabelecida, pela
documentação correta dos elementos de BI nos glossários de negócios e pelo
maior comprometimento e coesão da equipe TI e de negócios.
Nenhum comentário:
Postar um comentário