Boas práticas em governança de dados corporativos

Um olhar prático sobre os principais pontos que engloba a implantação de um programa de governança de dados nas empresas.

Nos últimos anos, o conceito e a disciplina de governança de dados cresceram em importância nas organizações, seja para cumprir regulamentações do setor, como a LGPD, para otimização do trabalho de equipes, no corte de custos para melhorar margens de lucros e também com o intuito das iniciativas baseadas em dados para aumentar a receita. Como resultado, as companhias, principalmente internacionais, muitas vezes criam um Centro de Excelência em Governança de Dados – COE, na sigla em inglês de Center of Excellence. O COE inclui os profissionais, processos de negócios e tecnologias necessárias para controlar os dados em nível empresarial.

Neste post, vamos explorar os desafios que as organizações enfrentam hoje na implementação de um programa de governança de dados.

Neste post, vamos explorar os desafios que as associações enfrentam hoje na implementação de um programa de governança de dados.

Um caso básico para ilustrar

Vamos considerar uma cadeia de varejo regional de artigos esportivos denominada D&G Sports. A rede planeja expandir sua atuação da Região Sul do Brasil para o Sudeste, com a aquisição de um revendedor regional de artigos para tênis, tênis de mesa e ping pong, e que também realiza treinamentos e ações para incentivar a práticas desses esportes.

Como parte desta aquisição, a D&G está comprometida em criar um programa de governança de dados para melhorar a experiência do cliente por meio de pesquisas aprimoradas e integração de mídia social; para aumentar a eficiência ao trazer novas fontes de dados para o fornecimento e cadeia de marketing; para estabelecer programas de gerenciamento e propriedade de dados de nível empresarial para conduzir melhores análises para redes regionais.

Uma equipe foi criada para integrar o COE de governança de dados, presidido por seu diretor de inteligência (CIO), e incluiu membros da linha de gerentes de negócios, o vice-presidente de análises e inteligência de negócios, diretores de tecnologia da informação e representação de gerentes de negócios nas várias lojas regionais.

Assim, envolvendo diversos setores, a atuação fica mais abrangente, não se restringindo apenas a profissionais da área de TI, o que dificultaria a identificação de necessidades e, posteriormente, a implantação das práticas pensadas. Em uma análise inicial, os integrantes definiram algumas questões para servir de base aos requisitos do programa, como:

• Os painéis do ponto de venda (PDV) são ótimos, mas a qualidade dos dados ainda é o calcanhar de Aquiles.

• A comunicação de alterações nos dados (hierarquias e correções) não é tratada uniformemente e, portanto, não pode ser implantada de forma rápida e eficiente.

• A empresa precisa de métodos padrões para detectar, avaliar, corrigir e comunicar vários tipos de problemas de qualidade de dados. Ele precisa ser capaz de integrar facilmente novas fontes de dados.

• A propriedade dos dados precisa ser tratada em todas as marcas e áreas de negócios.

• Novas iniciativas estratégicas e de marketing, como centros de treinamento de tênis, precisam de novas fontes de dados limpos e confiáveis.

Como ocorre em muitas empresas, cada área da D&G possui seus próprios softwares e planilhas que atendem especificamente cada setor, sem conversarem entre si e sem qualquer padronização de dados.

A equipe de governança de dados

Embora os programas de governança de dados sejam normalmente compostos por equipes multifuncionais, existem várias funções que desempenham uma parte importante de qualquer iniciativa de governança de dados. O que a D&G escolheu como modelo para essas funções abrangem três figuras principais:

O administrador de dados de negócios, principal ponto de contato para todos os problemas de dados e responsável pela qualidade e uso de dados. A responsabilidade dele é:

• Definir métricas e limites de qualidade de dados para a área de assunto;

• Garantir a conformidade com as políticas e processos de governança dentro da área da matéria;

• Identificar metadados de negócios a serem coletados para a área de assunto;

• Supervisionar o uso comercial apropriado de dados na área de assunto;

• Criar diretrizes de auditoria de dados para atualizações de dados e novas fontes de dados;

• Trabalhar com o arquiteto de dados para definir relacionamentos de dados.

O arquiteto de dados, que define, modela, projeta e mantém os dados com base em requisitos de negócios e de dados. A responsabilidade dele é:

• Definir padrões de extração de dados de origem;

• Fornecer experiência em modelagem de dados;

• Criar, manter e apoiar a aplicação de modelagem de dados e padrões de nomenclatura;

• Manter a arquitetura de dados de referência.

O líder de qualidade de dados, que garante que os dados estejam em conformidade com os requisitos de negócios e mantém os processos e automações necessários para a correção dos dados. A responsabilidade dele é:

• Realizar análises de causa raiz e erro de dados de origem;

• Realizar monitoramento de qualidade de dados de produção e correção de dados;

• Projetar projetos de melhoria de qualidade de dados;

• Recomendar mudanças de nível de limite de qualidade de dados;

• Executar inspeções de qualidade regulares dos dados e criar melhorias na qualidade dos dados e projetos de dados que não estejam em conformidade com os padrões estabelecidos.

Pode haver outras pessoas-chave em qualquer programa de governança de dados bem-sucedido, mas os papéis que eles assumem são normalmente uma mistura destes. A governança de dados requer um número de usuários e equipes para implementar a iniciativa, colaboração entre as várias equipes e os membros tornam-se essenciais para o sucesso geral.   

O nível de maturidade com dados

O COE da D&G entende que precisa de métricas e de um entendimento mais profundo para avaliar os resultados de implementar a estrutura de governança de dados. Para isso, utilizam o modelo de maturidade Enterprise Information Management, da Gartner:

A maioria das associações, antes de embarcar em um programa de governança de dados, se encontrará nas fases inferiores desse modelo.

Fase 0 – Inconsciente: significa que você pode estar mais ou menos sozinho em sua organização com suas ideias sobre como a governança de dados pode permitir melhores resultados de negócios. Aqui, é possível ter uma visão do que é necessário, mas precisa se concentrar em coisas muito mais humildes, como convencer as pessoas certas na empresa e na TI para objetivos menores em torno da conscientização e pequenos ganhos.

Fase 1 – Ciente: a necessidade de políticas e padrões é reconhecida, há espaço para o lançamento de uma estrutura de governança de dados sob medida, abordando os óbvios pontos problemáticos em sua organização.

Fases 2 e 3 – Reativa e proativa: significa que uma estrutura de governança de dados mais abrangente pode ser estabelecida cobrindo todos os aspectos da governança de dados e a estrutura organizacional completa em alinhamento com os resultados comerciais a serem alcançados.

Fases 4 e 5 – Gerenciado e eficaz: sua estrutura de governança de dados será uma parte integrante de fazer negócios.

Se as políticas e procedimentos de governança de dados atuais são o guia, o modelo de maturidade é o livro de história. É compilado a partir de dados históricos com base em uma avaliação de maturidade, que compara o desempenho de uma empresa com metas e benchmarks estabelecidos em um determinado período – um trimestre, por exemplo, ou um ano, ou até cinco anos. O modelo mostra onde a empresa esteve ou iniciou, o que ajuda a definir para onde está indo.

Uma estrutura da governança de dados

Para ajudar a entender o que uma estrutura de governança de dados deve abranger, o COE da D&G recorreu a Data Management Association (DAMA) International  – DAMA – que recomenda dividir o gerenciamento de dados em 10 áreas de conhecimento:

• Arquitetura de dados: uma estrutura geral de dados e recursos relacionados a dados como parte integrante da arquitetura corporativa;

• Modelagem e design de dados: análise, design, construção, teste e manutenção;

• Armazenamento e operação de dados: implantação e gerenciamento de armazenamento de ativos de dados físicos estruturados;

• Segurança de dados: garantia de privacidade, confidencialidade e acesso apropriado;

• Integração e interoperabilidade de dados: aquisição, extração, transformação, movimentação, entrega, replicação, federação, virtualização e suporte operacional;

• Documentos e conteúdo: armazenar, proteger, indexar e permitir o acesso a dados encontrados em fontes não estruturadas e disponibilizar dados para integração e interoperabilidade com esses dados estruturados;

• Dados de referência e mestre: gerenciamento de dados compartilhados para reduzir a redundância e melhor garantia de qualidade de dados por meio da definição padronizada e do uso de valores de dados;

• Data warehousing e business intelligence (BI): gerenciando o processamento de dados analíticos e permitindo o acesso aos dados de apoio à decisão para relatórios e análises;

• Metadados: coleta, categorização, manutenção, integração, controle, gerenciamento e entrega de metadados;

• Qualidade dos dados: definir, monitorar, manter a integridade dos dados e melhorar a qualidade dos dados.

Ao estabelecer uma estratégia para governança de dados, cada uma das facetas acima de coleta, gerenciamento, arquivamento e uso de dados deve ser considerada.

Para a D&G este requisito é crítico devido a sua recente aquisição. Dados de clientes, vendas e recursos humanos da empresa adquirida devem ser rapidamente reconciliados com os sistemas existentes. Fornecendo uma consistente visão do cliente para os programas de fidelidade, operações de vendas e investimentos em marketing, são fundamentais quando se trata de aproveitar a receita do crescimento prometido pela aquisição.

A tecnologia

Ter a capacidade de gerenciar centralmente esses dados comuns e fornecer interfaces às várias linhas de negócios para importar, atualizar e publicar esses dados reconciliados para sistemas operacionais são um componente importante para qualquer programa. Habilita integração mais rápida de novas fontes de dados e fornece uma comunicação consistente e mecanismo de publicação para toda a organização.

Por isso, a D&G foi ao mercado de softwares pesquisar quais as ferramentas disponíveis para utilização nesse processo e encontrou esta lista das soluções de governança de dados mais populares:

• SAS Data Management

• Collibra Governance

• Informatica Axon

• Varonis Data Governance Suite

• Alation

• SAP Data Hub

• IBM Data Governance

• Unifi Data Platform

A escolha da ferramenta mais adequada para uma empresa ocorre avaliando como necessidade, volume de dados e orçamento necessário para colocar em práticas as definições do COE de governança de dados.

As práticas recomendadas

A D&G avançou em seu processo de expansão no novo mercado do Sudeste, com a aquisição do distribuidor regional. Com o processo de governança de dados acontecendo, foram combinadas as disciplinas de qualidade de dados, gerenciamento de dados, gestão de políticas de dados, gestão de processos de negócios e gestão de riscos em uma metodologia que ajudou a gerenciar ativos de dados críticos da empresa. Como resultado, ficam as boas práticas percebidas no projeto:

• Iniciar a governança de dados dentro da empresa é pensar com o quadro geral em mente, mas começar aos poucos com as pessoas, depois criar os processos e, finalmente, incorporar a tecnologia. Sem as pessoas certas, é difícil construir os processos bem-sucedidos necessários para a implementação técnica da governança de dados. Ao identificar ou contratar as pessoas certas para essa iniciativa, elas ajudarão a construir seus processos e obter a tecnologia para fazer o trabalho bem feito.

• Outro ponto que pode ajudar são as métricas. Como acontece com qualquer objetivo, se não se pode medi-lo, não se pode alcançá-lo. Ao fazer qualquer alteração, é interessante coletar essas medidas com antecedência para justificar os resultados depois, para mostrar mudanças gerais ao longo do tempo e servir como pontos de verificação para garantir que os processos sejam eficazes.

• É importante considerar o fato de que a governança de dados é uma maratona, não um sprint. Um programa de governança de dados é um investimento de longo prazo, não um projeto único, com data de início e término. É um processo contínuo e iterativo com muitos subprojetos e marcos. Os programas de governança de dados podem durar anos, mas os projetos individuais normalmente não devem durar mais do que três meses. Uma boa prática é incluir projetos menores na estratégia de governança de dados de longo prazo para tecer mudanças mais fundamentais na organização.