Governança de Dados

O sucesso de uma organização no mundo atual dependerá de como ela gerencia os seus dados, sendo necessária uma visão muito elaborada. Dados precisam ser gerenciados como ativos organizacionais, 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 (GD) 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.

De acordo com a versão atual do DMBoK (DAMA-DMBOK, 2017), 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-DMBOK (2017).

As atividades principais (core activities), incluindo Gerência de Metadados (Metadata Management), Gerência 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 dos dados 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 desenvolvimento de 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.

A função de Governança de Dados, além de ser uma área de conhecimento, reside também dentro de cada outra área de conhecimento, com olhar específico de controle sobre aquela gerência. Isso enriquece as áreas de conhecimento, já sugerindo pontos em que será necessário observar aspectos da Governança. Por exemplo, dentro da área de conhecimento Integração e Interoperabilidade de Dados (Data Integration & Interoperability), a Governança de Dados deverá estender sua visão para acordos de compartilhamento de dados, linhagem de dados e métricas de integração (BARBIERI, 2019).

Implementação e Estabelecimento

De acordo com Barbieri (2019), uma das principais ações para a implementação da Governança de Dados constitui a definição formal de uma estrutura corporativa, composta por elementos de negócios e de TI, regida por políticas amplas de dados. Deve-se buscar constantemente a conscientização organizacional de que dados não devem mais ser vistos como produtos colaterais da execução de processos, mas sim como um ativo organizacional.

O processo de implementação da Governança de Dados não é trivial, diante disso, Barbieri (2019) sugere buscar modificações culturais gradativas, de modo a alcançar patamares crescentes de maturidade. Uma das formas mais comuns de adoção da GD é por meio de projetos especiais de dados (projeto estruturante, de extrema importância organizacional). Projetos de Business Intelligence, de qualidade, Gerência de Dados Mestres e LGPD estão entre os tipos mais usuais de projetos com esta finalidade. Tais projetos, cada vez mais, percebem que de nada adianta o investimento em novas plataformas de dados, caso estes não estejam devidamente “governandos”.

Barbieri (2019) salienta que dados governados não significa apenas a resolução física de duplicatas ou de conflitos de hierarquias semânticas, por exemplo, mas também a definição clara dos papéis de administradores de dados (data stewards) e de responsáveis pelos dados (data owners), que serão as referências responsáveis por aquele ativo específico dentro do contexto organizacional. Tudo isso orientado por políticas, padrões e processos, definidos e aprovados sob uma estrutura de governança.