Governança de Dados
Qualquer organização que queira manter-se viva atualmente precisa ter o foco em dados, com uma visão muito elaborada. Dados precisam ser gerenciados como ativos organizacionais, com valor definido, e não como itens colaterais de sistemas e processos. Pode-se dizer que, dentre os insumos corporativos, os dados são aqueles que mais apresentam fluidez, perpassando diversos processos e sofrendo transmutações, dando origem a outros dados, além de nem sempre possuírem fonte e destino claramente definidos (BARBIERI, 2019).
Definição e Objetivos
A definição de Governança de Dados é ampla, sendo este um conceito em evolução que envolve diversas disciplinas, tendo como foco central a qualidade de dados no sentido mais amplo. De forma resumida, pode-se definir Governança de Dados como sendo um conjunto de práticas, dispostas em um framework, com o objetivo de organizar o uso e o controle adequado dos dados como um ativo organizacional (BARBIERI, 2019).
A Governança de Dados busca a maturidade da empresa na gerência dos ativos de dados, melhorando a sua valoração, produção, monitoramento do seu uso, segurança, privacidade, ética e aderência a regras de conformidade associadas a eles (BARBIERI, 2019).
Já o DAMA (2017) define Governança de Dados como o exercício de autoridade e controle (planejamento, monitoramento e execução) sobre o gerenciamento de ativos de dados, tendo como objetivo assegurar que os mesmos sejam gerenciados de modo apropriado, de acordo com as políticas e boas práticas.
Relação entre Governanças
A Governança de Dados surgiu a partir do termo raiz “Governança”, extraído do contexto maior “Governança Corporativa”. A Governança de Dados tangencia pontos da Governança de TI, focando em princípios de organização e controle sobre os insumos de dados, essenciais para a produção de informação e conhecimento das empresas (BARBIERI, 2019).
De acordo com Barbieri (2019), os dados não podem mais ficar restritos à esfera da tecnologia da informação, mas sim, devem ser considerados insumos de negócio, um ativo organizacional. Para tal, as organizações devem definir objetivos organizacionais e processos institucionalizados, que devem ser implementados dentro de um equilíbrio fundamental entre tecnologia da informação e área de negócios.
Figura 1: Relação entre Governança Corporativa, Governança de TI e Governança de Dados. Fonte: Adaptado de BARBIERI (2019).
Frameworks para a definição dos componentes da Governança de Dados
Alguns frameworks sugerem o conceito e a forma de implementação da Governança de Dados em uma organização. Barbieri (2019) destaca os seguintes: (a) Framework de Governança de Dados - 5W2H; (b) Framework de Governança de Dados - IBM; (c) EDM (Enterprise Data Management Council) e DCAM (Data Management Capacity Assessment Model); (d) Modelo Data Management Maturity (DMM) do CMMI institute; (f) Gestão, Governança e Gerência de Dados: DAMA DMBok V2.
Segundo Barbieri (2019), todos os frameworks supracitados mostram alguns caminhos comuns, mas, o DAMA DMBoK V2 mostra-se acima dos demais. Por este motivo, falaremos um pouco mais sobre ele aqui.
Lançado em 2017, o DAMA DMBok V2 está estruturado em 17 capítulos, sendo que 11 estão relacionados às áreas de conhecimento, além de outros assuntos relacionados, como ética no tratamento de dados; Big Data & Ciência de Dados; avaliação de maturidade em gestão de dados; papéis e organização da gestão de dados; e gerência de mudanças na gestão de dados.
A Figura 2 mostra um diagrama (DAMA Wheel Evolved) que resume o framework DAMA DMBoK v2, com as atividades principais cercadas pelas atividades de uso e atividades do ciclo de vida, contidas dentro das restrições da governança.
Figura 2: Framework DAMA-DMBok V2 (DAMA Wheel Evolved). Fonte: DAMA (2017).
As atividades principais (core activities), incluindo Gestão de Metadados (Metadata Management), Gestão da Qualidade de Dados (Data Quality Management) e Definição da Arquitetura (Architeture) estão no centro do framework (DAMA, 2017).
As atividades de gerenciamento do ciclo de vida podem ser definidas a partir de uma perspectiva de planejamento (risk management, modeling, data design, Reference Data Management) e em uma perspectiva de habilitação (Master Data Management, data technology development, data integration and interoperability, data warehousing, and data storage and operations).
A utilização emerge das atividades de gerenciamento do ciclo de vida: Master data usage, Document and content management, Business Intelligence, Data Science, predictive analytics, data visualization. Muitos deles criam mais dados por meio do aprimoramento e/ou desenvolvendo insights sobre os dados existentes. Oportunidades para a monetização de dados poderão ser identificados a partir da sua utilização.
As atividades de Governança de Dados fornecem supervisão e contenção, por meio de estratégia (strategy), princípios (principles), política (policy) e administração (stewardship). Que possibilitam a consistência por meio da classificação e avaliação de dados.