Total de visualizações de página

sábado, 15 de abril de 2017

Governança e Gestão de dados na prática-Parte VII


Pessoas e Papeis:

Representam os recursos humanos, suas atribuições e capacitações para o desempenho de papeis no âmbito da Governança e Gerência de dados. Há a definição formal de papéis, responsabilidades e “accountabilities”, sendo esta definida como responsabilidade final. Poderá haver diversos tipos de estruturas organizacionais para abrigar essas pessoas e o desempenho de seus papeis. Cada empresa deverá buscar o seu modelo, dependendo de suas especificidades. Por exemplo, empresas que são globais poderão ter GD descentralizadas, unidas por um Conselho ou Comitê global. Empresas que são centralizadas poderão ter uma estrutura mais canônica de GD, com um Conselho de alto “board”, um Comitê tático que envolve os Gestores de dados líderes e a camada operacional com os diversos tipos de gestores de dados(de negócios a operacional). Nessa formulação, os aspectos de integração funcional com a área de TI é fator crítico, bem como a definição de um DMO, ou Grupo de condução da GD na empresa, numa espécie de Escritório de Dados. Um ponto fundamental é o treinamento que deverá ser conduzido na preparação desses recursos. Envolverá a discussão dos P´s da GD mais convenientes às suas funções. Dos papeis normalmente definidos, dois são fundamentais de serem destacados:
       Data Owners/Data Stewards:  O data owner representa  “a área responsável”  ou “accountable for” pela função de negócios, responsável pelo estabelecimento  do significado dos dados (definição)  e das regras de negócios(criação, uso e qualidade daquele dado) que o contextualizam.
       Trabalham em conjunto com os seus Gestores de dados(Data stewards) que são, na camada operacional, os responsáveis pelos aspectos de uso, integridade e qualidade dos dados. São também responsáveis pela definição do Metadados e  dos dados  do Data Owner. Os Gestores de dados podem ser classificados em Gestores de dados de negócios, Gestores de dados técnicos(mais envolvidos com TI), Gestores de dados de projetos(participam de projetos com o olhar de dados e seus controles, Gestores de dados de Domínio(quando o mesmo dado mestre é usado de forma compartilhada por várias áreas de negócios e exige uma visão reguladora, com tom organizacional). Claro que, as empresas iniciantes em GD deverão ter somente os papéis mínimos para a decolagem do programa(Gestores de dados de negócios, por exemplo, em diálogo com a TI-Gestores de dados técnicos).
       Um ponto fundamental na definição das pessoas/papéis é a formação de estruturas de comando e apoio do programa de GD. Poderá envolver diversas configurações estruturais. Na essência, deverá haver no topo da estrutura um “board” , formado pelos altos executivos que sejam responsáveis pela busca do Patrocínio à GD e pelo apoio financeiro. Abaixo poderemos ter um corpo diretivo do programa de GD, com os owners de dados, CDO,etc, responsável pela condução estratégica das ações e pela resolução de “issues” que escalem depois de passadas por camadas táticas e operacionais. Num nível seguinte , terá um “board”, composto por Gestores de dados líderes, com reuniões mais frequentes(por exemplo semanais), acompanhando o desenrolar dos trabalhos dos seus gestores de dados e tratando da ligação entre essas unidades organizacionais. Atrelado a esse grupo, pode-se ter o Grupo de implementação da GD na empresa, aqueles que fazem a roda rodar, do ponto de prático na empresa. Em implementação de melhorias de processos de software, que já fizemos em mais de 100 empresas, seria o chamado SEPG(Software Engineering Process Group). São eles que dialogam com todos, servindo de ponte com a consultoria, eventualmente presente para apoiar a implantação de GD. É a base do futuro(ou do já definido)  escritório de dados, ou DMO. Na camada de baixo, os diversos gestores de dados de negócios, nas suas respectivas áreas, cujo líder tem assento no board imediatamente acima e cujo “owner” de dados, responsável pela UO, ou LOB(Linha de negócios)  participa no nível de condução do programa. Repetindo: Cada empresa deverá buscar essa sua conformação estrutural, de acordo com a sua cultura, disponibilidade de recursos e propensão favorável à implantação da GD na empresa.  

Exemplo prático:
Neste exemplo “driver” que estamos discutindo, podemos, definir que  GOP-Gerência de Operações(envolve consultas, atendimentos/agendamento) e a GCO-Gerência de Compliance, além da TI, seriam as áreas que estariam na formação inicial da estrutura de GD. As respectivas chefias formariam o nível executivo, com os Owners de dados; os gestores de dados escolhidos de acordo com o (seu já existente) envolvimento com os dados mais críticos da respectiva UO(Unidade organizacional) e uma definição de liderança tática para compor o grupo de supervisão semanal dos trabalhos. Um conselho de supervisão, de mais alto nível, formado por outros líderes da organização, poderia ser formado, com o intuito de buscar apoio e fundos para a implantação do Programa de GD.  

Programas/Projetos /Planos:

Representam as ações efetivas que são realizadas para a implantação da Governança e Gerência  de dados, ou de projetos de dados que estarão no foco da GD.  Normalmente envolvem programa de GD com Projetos de DW/BI, MDM, Segurança, Big Data, IoT, Qualidade, Metadados, Compliance, etc. Uma estratégia vencedora é a definição de um programa estruturante a longo prazo com um projeto “trigger”, que permita obtenção de resultados rápidos e visíveis acerca dos primeiros movimentos de GD. Poderão começar com um Plano mais estratégico de dados, associado aos objetivos de negócios da empresa e um programa estruturante, com um conjunto de projetos que materializem os objetivos da GD. Os projetos de dados serão tratados como projetos tradicionais, afora a sua especificidade em dados, com a criação colateral das estruturas de GD necessárias para o seu apoio e acompanhamento.

Exemplo prático:
Neste exemplo “driver” que estamos discutindo, podemos entender, que em função dos problemas levantados, deveremos seguir em direção a projetos que atenuem aspectos de Compliance, com recorrentes ações de fiscalização da ANS-Agência Nacional de Saúde Suplementar, produzindo autuações/notificações sobre dados não condizentes acerca de atendimentos, consultas, protocolos clínicos e também reclamações sobre demora em tempo de atendimento. Vamos considerar, por hipótese, que os problemas estão por conta de dados inconsistentes, com lacunas de informações entre os relatórios enviados, além de reclamações sobre atendimentos que ultrapassam o tempo máximo definido pela ANS. Aqui podemos caracterizar quantitativamente ou qualitativamente a incidência e os impactos dos problemas. Assim, na essência observa-se, problemas de consistência nos dados de regulação e a necessidade de levantamento de dados sobre  processos de marcação e atendimento de consultas. Outro ponto sugerido no plano estratégico da organização e que poderia ser trazido à discussão nesta sessão ou em outra, é a proposição sobre “monetização” dos dados. Com esses problemas inicialmente identificados, começaríamos um detalhamento de ações, que poderão ser traduzidas em alguns projetos drivers. Por exemplo, uma aplicação analytics com relatórios rápidos para se aferir os problemas de marcações e atendimentos. Uma análise de profiling dos dados poderia ser feita , visando a detecção de possíveis problemas existentes nos cadastros, que impactem os aspectos de compliance. Por fim, um grupo de trabalho poderia ser formado, visando aprofundar o estudo sobre formas de monetização dos dados de saúde, com um detalhamento sobre dados potenciais, riscos de privacidade, anonimização de dados, mercados potenciais,etc.

Plataformas e Arquiteturas

Representam as camadas necessárias de ferramentas e tecnologias para se implementar adequadamente as funções de Governança e Gerência de dados. Passam por ferramentas de apoio direto aos dados, como Gerência de Metadados e estruturação de catálogos organizacionais de dados (Glossário),  e por ferramentas de tratamento físico de dados, como Profiling, Limpeza, Enriquecimento, Integração, etc. Outros elementos, acessórios, comumente já existentes hoje nas empresas:
  • Ferramentas e camadas para controle da Arquiteturas de Dados associada à Arquitetura Corporativa(Negócios, Processos, Sistemas, Tecnologia,etc),  como  “tools” para Modelagem de dados, Modelagem de processos, BPM,etc ;
  • Ambiência de tecnologia, envolvendo ferramentas  de SGBD, ferramentas de DW/BI, Analytics e Data Science como Big Data, Hadoop/MapReduce e sucedâneos(Spark, Storm,etc), além de softwares de análises estatísticas,etc.
Considerações fundamentais:
·       Nunca compre um elemento de tecnologia sem saber corretamente o objetivo de sua aplicação e o valor potencialmente retornado naquele investimento. Por vezes, na TI, as compras de recursos tecnológicos são altamente impulsivos e direcionados por fatores variados;
·       Para Governança e Gestão de dados, os trabalhos iniciais poderão ser feitos com ferramental (normalmente já) existente nas empresas como EPF, SharePoint e o conhecido Excel/Office. Mas haverá momentos em que esses produtos provarão certa insuficiência, como por exemplo, na criação de glossários e tratamento de volumes grandes de dados. Nesse ponto, você poderá ser instado a pensar em algo mais robusto; 
·       Avalie sempre as necessidades iniciais que o programa de GD tem: Glossário de dados, Controle de Políticas, Qualidade de dados, antes de decidir por qual caminho definitivo seguir;
·       Pense sempre em treinamento , apoio e suporte dessas ferramentas. Embora hoje esteja tudo em “cloud”, não desconsidere um apoio competente e profissional ;
·       Na área de Governança, Gestão e Qualidade de dados  há um conjunto de ferramentas que variam de estilo:
o   Ferramentas associadas às grandes marcas: IBM (família Infosphere), Oracle (Enterprise Data Quality),SAP e MS(esta menos um pouco), tem suítes para tratamento de dados nesses domínios. A empresa Informática, que atua verticalmente nesse segmento, também pode ser considerada um nome forte. Faz par com a SAS, presente aqui no Brasil em aplicações mais estatísticas e analíticas. Essas ferramentas, normalmente, oferecem módulos integrados que atuam no domínio de dados, integração, metadados, limpeza, enriquecimento,etc. Mas podem variar no seu poder de fogo;
o   Há ferramentas, menos conhecidas no Brasil, mas muito fortes nos EUA e Europa. É o caso da Collibra, empresa belga, que tem uma presença de destaque nos EUA e na Europa. Pelas apresentações que assisti nos EUA e em conversas com usuários lá e aqui(no Brasil acho que não há mais do que 3-5 usuários), é muito potente na gestão e governança de dados, porém exige alto investimento. Uma única licença de uso pode chegar a alguns milhares de dólares/ano. Outra ferramenta que começou bem neste segmento, mas hoje se encontra em reposicionamento de mercado é a ASG-Rochade(empresa da Flórida). Conversei recentemente em DelRey Beach com seu representante e a minha percepção é de reposicionamento da ferramenta, depois de um “merge” da companhia. Na Europa há o produto francês Orchestra, com suíte dedicada a Governança e MDM, que tenta abrir espaço nos EUA. Está sempre presente nos “boothes” das feiras internacionais de dados. Outras como a Adaptive, Trillium, Talend e Datum  são participantes deste mercado com alguma expressão, por vezes, presentes no quadrante mágico do Gartner, ou nos círculos concêntricos da Forrester, mas sempre afastadas das empresas “big shots”. Mas merecem ser observadas.

Exemplo prático:

o   Neste exemplo “driver”, plataformas deverão ser pensadas. Além das provavelmente existentes na área de BI/Analytics, outras no domínio de qualidade de dados e profiling, e de metadados e glossário de negócios seriam potenciais opções a serem analisadas,  à princípio. 

Nenhum comentário:

Postar um comentário