Depois de analisarmos os aspectos de Gestão e Governança
de dados, envolvendo os conceitos de DMM e DMBOK, vamos discutir os passos necessários para se
estabelecer, de forma prática, os trabalhos de implementação da MGD-Melhoria de
Gestão de Dados. Nesse particular, a empresa poderá adotar os conceitos do
DMM-Data Maturity Model, ou do DAMA(Data Management Association), convergentes como
mostrado nos posts anteriores. A aplicação de DMM permitirá um caminho mais
incremental, em direção à uma maturidade de dados. O da DAMA sugere um conjunto
de melhores práticas, mas não define camadas de maturidade. Ambos são trilhas
certas e inclusive, podem ser adotados de forma conjunta, permitindo que a
empresa estabeleça a sua MGD-Melhoria de Gestão de Dados.
1)Criação de um grupo de estudo, envolvendo a
TI e as áreas de negócios cujos dados sejam mais sensíveis e críticos,
como dados financeiros, de clientes, de vendas, etc. É fator absolutamente
crítico de sucesso o alto envolvimento das áreas de negócios, com a busca de patrocinadores fortes
e comprometidos com a melhoria da gestão de dados. Dessa forma, você deve
·
Entender os problemas existentes
·
Entender e levantar os principais objetivos de melhorias de dados e ter uma visão clara de
como isso acontecerá;
·
Levantar e identificar prioridades em solução de
dados: áreas, processos, dados, regras de negócios, tudo balizados pelo
incômodo dos problemas e apreensões
existentes nessa ;
2)Definir políticas para a conceituação de
Dado, como um ativo(asset) da empresa e diretrizes para a formação do Conselho de
Governança de dados da empresa. As políticas deverão ser regras gerais “consensadas”
entre as unidades organizacionais
envolvidas e aprovadas pela alta gestão da empresa e deverão ser parte
de processos e padrões definidos para a Gestão/Governança de
dados na empresa. Começar a pensar nas pessoas envolvidas;
3)Definir os riscos de dados “impuros” (data flaws)
ou como os aspectos de baixa qualidade dos dados criam impactos nos negócios da
empresa, na sua reputação ou na produção adequada e confiável de informação. A
definição de riscos potenciais ou de “business cases” de problemas
derivados de qualidade de dados é fator crítico na aprovação de um Programa de
Governança de dados, pela alta gerência e fundamental para sua sensibilização ;
4)Inventariar nas áreas definidas, TI
inclusive, as principais fontes de dados, de forma a se ter uma visão do grau
de replicação de arquivos considerados críticos, como BD de Clientes, de
Pessoal, de Materiais, Financeiro, etc; Esse item, que oferece uma visão
qualitativa do problema, compõe parte do item 3 acima descrito;
·
Levantar e identificar os Dados, metadados e
envolvidos naquela área/ assunto prioritário analisando e catalogando as informações;
·
Selecionar as fontes de dados consideradas mais
críticas para tratamento quantitativo de qualidade. Buscar e aplicar soluções
de “data profiling” em bases escolhidas baseadas em priorização, visando
demonstrar o grau de qualidade dos dados considerados críticos;
5)Analisar as lacunas observadas e o nível de
maturidade atual no assunto dados. Observar qual o grau de pré-disposição das
áreas com relação ao compartilhamento e “proprietarismo” de dados. Isso poderá
indicar o grau de dificuldade nas ações de GD. Com eles, fazer a
proposição de plano de ação, que poderá envolver a criação de gestores de
dados(data steward) localizados em áreas críticas de negócio da empresa. Os
gestores de dados atuam em áreas funcionais/linhas de negócios com a
responsabilidade de aplicar e preservar as políticas, regras , diretrizes de
qualidade, como criação, uso, replicação,etc; Alguns gestores
comporão a camada tática da GD, através do Comitê de Gestores, juntamente com o
CDO(autoridade em dados na empresa, caso haja) e com o grupo responsável pela
implementação das ações de GD na empresa(DMO-Data Management Office ou DGPG-Data
Governance Process Group), semelhantemente ao SEPG das implementações CMMI e
MPS.BR
6)Assim, definir a GD em camadas funcionais distintas,
com papéis definidos e pessoas alocadas:
A camada
estratégica, onde está o Conselho de GD, ou de Conselho de Dados, ou que nome venha
a ter. Formado por gerentes funcionais de áreas (TI, inclusive), terá o
objetivo de estabelecer as políticas e diretrizes que definem o dado como
um ativo da empresa. Resolverá impasses que certamente surgirão e será uma
espécie de Comitê Consultivo;
A camada tática com
o Grupo de implementação do programa de GD(CDO-Chief Data Office, ou DMO-Data
Management Office, ou DGPG-Data Governance Program/Process Group), formado pela
gerência média, responsáveis pela execução dos planos de ação. Aqui entrará o
Comitê dos Gestores de Dados, formado pelos gestores das áreas funcionais. As
palavras chaves aqui são: envolvimento, cooperação e convencimento por
resultados concretos. A gerência de uma área de negócios deverá ter pleno
entendimento das definições de GD, vindas do Comitê acima, a fim de apoiar as
ações de seus gestores de dados e as definições do CDO/DMO/DGPG;
· A camada
operacional, com os gestores de dados(data steward) alocados nas áreas e linhas
de negócios, responsáveis pelas atividades do dia a dia. Por exemplo, na área
de Faturamento de uma empresa de energia elétrica, poderá haver gestores de
dados divididos em domínios ou subdomínios, como faturamento
secundário/primário/grandes consumidores de alta tensão, etc. O aproveitamento
de recursos humanos nas áreas de negócios, com grande conhecimento do
assunto(subject área) pode ser considerada uma excelente estratégia na
definição dos gestores de dados(data steward). Esse conceito é chamado
“Governança de dados não invasiva”, e foi definido por Robert Seiner, da
Kikconsulting, especialista em Governança e Administração de dados;
•
Pensar nas Pessoas e Papeis(Estrutura Organizacional)
– Não
se esquecer de buscar o apoio executivo fundamental nos CxO
– Não
se esquecer dos envolvidos nos dados, owners de dados, responsáveis pelo uso
dos dados nas áreas de negócio
– Não
se esquecer da camada tática envolvendo o DMO, ou o DGPG e Comitê dos gestores de dados
– Não
se esquecer dos Gestores de dados(de negócios e de TI), com suas variantes nos
projetos SDLC(project data stewards). Pensar nos Gestores de dados de áreas
cujos dados serão compartilhados (domain data stewards)
7)Pensar a Governança de dados em interação com alguns projetos específicos, com seus respectivos planos, selecionados
pela prioridade, definidos em programas, como MDM(Master Data Management),
Segurança de dados, Qualidade dos dados para tomada de decisão(BI com
Analytics), Dados não estruturados(Geo-BI, por exemplo),etc. Por exemplo, na
trilha MDM, identificar as ações para reduzir as replicações de fontes de dados
críticos(Consumidor, Órgãos, Produtos, etc) , levantados nos itens anteriores.
Envolver as áreas de negócios que atuam no domínio daquele dado e criar ações
alinhando “business e TI”. Esses projetos devem ser vistos como iterações do
processo maior de GD, aplicando-se neles as atividades de identificação
de metadados, definição de métricas(processo de MED), garantia da qualidade(processo
de GQA), etc. Na trilha de BI com Analytics, considerar aspectos de
governança no sentido de identificar por áreas de negócios: os seus usuários,
os relatórios ou cubos produzidos e consumidos, o valor de retorno dessas
informações de BI para o usuário, freqüência e tipo de solicitações atendidas,
etc. Esse trabalho deverá ser feito com envolvimento do Núcleo de BI e
apontará , de certa forma, o grau de maturidade com que a área de BI atua. Na
camada de dados não estruturados, entender que 80% dos dados de uma empresa
hoje estão na forma semi ou não estruturada. Assim aspectos relacionados com
dados de mapas, GED (Gestão Eletrônica de Documentos), etc devem ser
observados e também merecer os olhares da GD;
8)Sempre atuar com o conceito de “quick hits”, ou
seja realizando projetos que retornem rapidamente resultados visíveis
e importantes;
•
Seja prático:
–
Sempre mostre valor nas ações e processos;
–
Elementos de dados chaves devem ter os seus
gestores de dados definidos, os seus processos e responsabilidades definidos,
como manutenção de metadados, resolução
de pendências,etc ;
–
Os elementos
de dados chaves a serem escolhidos, normalmente tem sabor “financeiro”,
ou seja elementos de relatórios financeiros, aspectos de “compliance”, riscos
regulatórios, outros dados sugeridos por alto escalão, ou pelos próprios
GDN(gestores de dados de negócios);
–
Identificar a função de negócio que possui o
Dado(ou a mais importante). Embora o dado seja usado por várias funções de
negócios, a escolha da “master” poderá ser feita observando as mudanças e
impactos que aquele dado acarreta em quais funções. Quais funções
fundamentalmente são impactadas quando o
dado muda? É uma diferença entre “USAR” e
“DEPENDER” do dados. A segunda
pergunta é: Onde o dado se origina, seu nascimento, a sua criação e por
conseguinte a sua cadeia e ciclo de vida.
9)Definir procedimentos de monitoração dos
projetos, através de ações de processos/procedimentos de medições(MED) ou de garantia da
qualidade(GQA), criando indicadores, como número e tipos de “incidentes”
relativos a dados, problemas de reclamações externas devido a erros de dados,
não-conformidades com definições regulatórias detectadas, etc;
10) Por fim, entender que GD é um programa e
não um projeto isolado e portanto tem características contínuas, e que o
processo desenhado para implementá-lo deverá ser constantemente avaliado por
medições e ganhos tangíveis, o que viabiliza a sua continuidade e minimiza os
riscos de seu colapso.
11)Se você quiser criar uma memória sintética , pense
nos “ Ps” da GD, discutidos até aqui, ao longo desse contexto:
1)Patrocínio
2)Políticas
3)Processos
4)Padrões
5)Papéis e Pessoas
6)Procedimentos
7)Programas/Projetos(Planos)
8)Performance(MED-Medições e GQA-Garantia da Qualidade)
9)Plataformas
10)Palavras(Comunicação)
12)Considerações sobre a implementação de
MGD-Melhoria de Gestão de Dados e o tamanho de empresas: A GD se caracteriza por
um esforço , hoje ainda encontrado em grandes organizações. Isso entretanto não
invalida a sua aplicação em empresas menores(SMB) fazendo as suas devidas adaptações.
Algumas ações sugeridas acima poderão ser implementadas facilmente nas pequenas
empresas, como o entendimento de seus problemas relacionados aos dados, a
descoberta e catalogação de suas fontes principais de dados, além da definição
dos P das GD(se não de todos, de alguns). Há ferramentais livres e open que
podem ser usados. A estruturação das camadas de GD poderá ser adaptada, visto
que em empresas pequenas, poderemos ter uma camada enxuta de GD, com os donos
fazendo o papel de Conselho de GD e um recurso alocado parcialmente para as funções
de gestor de dados, eliminando-se a camada tática. A nossa experiência em
implementações de melhorias de processos em quase 100 empresas de variados
portes em MG, nos credencia a garantir que a MGD poderá ser também implementada
no segmento de SMB. Ao adotar uma abordagem de MGD-Melhoria de Gestão de Dados,
essas empresas estarão se preparando de forma adequada para o seu crescimento sustentável em termos
de controlar esse ativo fundamental em qualquer empresa: os dados e as
informações deles originados. Agindo agora, evitarão ou minimizarão os efeitos
negativos futuros de uma gestão imprópria de seus dados.
