DGIQ-2018-San Diego-Califórnia-11 a 14 de
junho-2018 -Parte I
Visão geral sobre o DGIQ-2018, em
San Diego-CA.
1)Participantes:
Foi considerado pelos organizadores
como o maior DGIQ, desde a sua criação em 2008, com um total de mais de 600
pessoas de várias partes do mundo. Além da presença maciça dos americanos e
canadenses, o restante do mundo também apareceu por aqui. A América do Sul
começa a despertar para os aspectos de GD e vieram 6 do Chile, 3 da Colômbia e
até o Suriname, vizinho das Guianas, esteve com 2 representantes. A África
também despertou e há 3 da Nigéria e um da África do Sul. A Europa, depois do
GDPR, esteve presente com França, Portugal (com 2), Irlanda, Alemanha,
Dinamarca. Há reps da Arábia Saudita, Kuwait, Japão, Cingapura, Qatar,
Austrália. O México, coladinho em San Diego, mandou 1 rep somente. O Brasil,
como sempre, fica distante deste evento. No ano passado havia além de mim, uma
analista do Banco Central. Hoje estou sozinho. OK, Esse ano tem Copa do mundo,
eleição, whatever...
2)Assuntos dominantes:
a)Glossário de dados/Metadados:
Houve uma distribuição de temas
sobre Governança de dados, em vários níveis, com tutoriais introdutórios,
intermediários e outros mais avançados. Um
assunto nitidamente crescente foi sobre Metadados e Glossário de negócios.
Assisti um tutorial avançado e uma palestra sobre o tema. O tutorial, muito bom,
sobre catálogo de dados, foi de Lowell Fryman, experiente especialista em
metadados, com livros escritos e participação nos Livros Vermelhos da IBM(Red Books),
recentemente contratado por uma empresa
que vende essa tecnologia(Collibra). Muito profissional, o tema foi tratado de
forma agnóstica, sem menção ao produto. Os conceitos apresentados evidenciam o
assunto do momento que é a necessidade de se conhecer organizacionalmente os
dados existentes, realizar a sua catalogação, mapear sua linhagem, etc. Não
estamos falando de Dicionários de Dados atrelados às ferramentas de SGBD, ETL,
Modelagem de dados, etc. O conceito é sobre os dados da empresa, catalogados
com seus metadados circundantes, dentro da visão de negócios(conceitual/lógica).
Com uma tecnologia já relativamente estabelecida, os produtos deste segmento
começam a buscar espaços de evolução nas suas plataformas. A IBM , por exemplo,
aproveitando o seu famoso Watson, plataforma
de IA, vencedora do programa de TV Jeopardy, encaixou nas camadas de dados do
seu Information Server (extração, transformação, profiling, limpeza,etc) a
possibilidade de uso dos elementos de IA-inteligência
artificial( machine learning), prometendo mais rapidez e inteligência no tratamento de dados e de
metadados. Assim , a extração de um dado, feita de um schema de BDs, poderá ser
acompanhada de uma análise inferencial que apontará seus prováveis
relacionamentos, por exemplo. É o conceito de Machine learning se encontrando
com o Metadados.
b)GD:
Ficou a clara constatação de
que, com a chegada de Big Data e com a onda de transformação digital, onde os dados são
elementos fundamentais, a GD chegou para ficar. As empresas deverão nesses próximos
anos, usar os seus dados, não mais somente como elementos de tomada de decisão,
mas fundamentalmente para produzir novos modelos de negócios, onde esses ativos
participam. As empresas que apresentaram “cases” já mostram uma GD muito
evoluída, citando os obstáculos pelos quais passaram (ou passam). De comum, a
clara indicação de que GD é um desafio cultural, que o “P” do Patrocínio é
vital para o sucesso e o “P” das Pessoas e Papéis idem. Neste último estão o
alinhamento com ideias de colaboração e participação, uma certa flexibilização com
relação às mudanças necessárias e a propensão à adesão a um programa que
somente visa melhorar a empresa, via a gestão dos dados. Em resumo, os
obstáculos que a GD enfrenta não estão somente na camada de dados
desorganizados. Para isso há técnicas e ferramentas. O problema é mais relacionado
aos conceitos de “proprietarismo dos dados” enraizado por muitos anos. Menos
hardware e software e mais Peopleware. Houve até uma palestra especificamente
sobre isso (DG meets Psichology-How to influence individuals within
organizations). Colocar ordem nos dados de uma empresa, seja de que tamanho
for, é algo desafiador. Durante muito tempo, esses elementos de dados, hoje cada
vez mais importantes, ficaram à deriva, numa fase, digamos mais orientada aos
processos. Isso produziu o que aqui foi
chamado de débito de dados (Data Debt), uma invenção semântica fresquinha, que
acabou de sair do forno da indústria da consultoria. No fundo, é uma metáfora
baseada no modelo Scrum, onde há o débito técnico. No fundo, de novo, é o
sentido de débito produzido quando, por exemplo, as empresas replicaram livre e
descontroladamente os seus arquivos, ou
deram pouca atenção à qualidade de seus elementos de dados, produzindo sanções
ou multas, além de tomadas de decisões erradas. Com os novos tempos, essas
ações indevidas agora mandam a conta, seja na forma de um projeto reparador de Dados
Mestres ou a criação de GD com definição
e rigor nas Políticas, Padrões, Processos e Procedimentos.
c)GD e Agilidade
Aqui também tivemos um tema que
cresce, pois há a clara necessidade de se conciliar os métodos de
desenvolvimentos de sistemas ágeis, com o imperioso controle de dados. De novo,
as soluções serão a conscientização das equipes de desenvolvimento, a presença
de um gestor de dados no time de Scrum e a aprovação dos dados do projeto, não
somente pelo PO ou SM, mas também pela GD.
d)GD=Negócio:
O óbvio, que já foi
definido como uma das piores formas de distração, apareceu também. Às vezes, o
óbvio é tão translúcido que você não atenta para ele. Uma das suas
manifestações: A GD deverá ser “vendida” como um programa nas empresas, não somente
pelas vantagens conceituais que oferece, mas principalmente pela resolução direta dos
problemas de dados existentes que hoje as assustam pela força da regulação, gerando riscos de multas e sanções e
incomodam os tomadores de decisão pela inconsistência de seus dados. Por esse
motivo é que a grande incidência de empresas com GD muito bem estabelecidas gravitam
em torno de Compliance e Risco, como organizações de Health Care e Instituições
financeiras. No próximo post,
continuaremos com a visão de futuro da GD.
Barbi, infelizmente aqui no sul os profissionais estão beeeeeem longe de saber o que é GD. :( e há quem diga que FLN é a pólo de tecnologia, o Vale do Silício do Brasil... :o
ResponderExcluir