Gestão de Conhecimento

Ξ 1 comentário

Data Quality Management : dados são a causa e consequência de um bom negócio

publicado por Melissa Adimari

Por ironia do destino, ou não, há 4 anos atrás desenvolvi meu TCC sobre qualidade de dados, em ambiente Datawarehouse para PEP – prontuário eletrônico do paciente, e hoje trabalho com BI – Business Intelligence, que tem como ambiente de desenvolvimento um datawarehouse. Mas o que me chamou mais a atenção sobre essa coincidência foi a necessidade da qualidade de dados, ou Data Quality, para que o relatórios obtidos sejam concisos, coerentes e transparentes.

Hoje no mercado existem várias ferramentas que promovem a qualidade de dados, portanto, analisar o cenário correto, para um processo que nos dê dados limpos e de acordo com a realidade da empresa, depende da visão do analista.

A qualidade de dados é multi-dimensional, dependendo do seu contexto ou aplicabilidade. Podemos agrupar as dimensões em 4 categorias, como segue:

Categorias
Intrínseca
Contextual
Representação
Acessibilidade

Dimensões
Correção, objetividade, reputação e credibilidade
Valor acrescentado, relevância, disponibilidade, completude, quantidade apropriada
Interpretabilidade, compreensibilidade, consistência e representação concisa
Acessibilidade e segurança

Para além das métricas objetivas citadas acima, a qualidade de dados tem um caráter subjetivo que se relaciona com a percepção dos utilizadores, ou conceitos, crenças que estão implícitos em cada profissional. Porém, ao executar um processo de DQM, são constatados alguns erros comuns como o profissional esperar o surgimento da ferramenta mágica, que resolva todos os seus problemas, isso é identificado quando a compra de uma ferramenta de Data Quality é o primeiro passo na implementação de um processo de DQM, sem antes ser desenvolvido um programa de tratamento de dados.

Um programa bem elaborado de DQM precisa verificar as várias dimensões de um dado, aliado à regra de negócio da empresa, com o conjunto de processos como entradas, atividades, itens regulatórios, itens de suporte e saídas, definidos a parte de TI pode avaliar com maior precisão a ferramenta mais aderente às suas necessidades.

Um problema só pode ser corrigido quando devidamente mensurado, portanto verificar valores default, contraditórios, violação de uma regra de negócio, realizar uma auditoria para corrigir de acordo com um checklist de avaliação de qualidade de dados.

Após esse procedimento, a equipe de TI terá material suficiente para adquirir uma ferramenta que atenda seu propósito. Alguns exemplos são os produtos de Data Quality da IBM: WebSphere (ProfileStage / AuditStage / QualityStage / DataStage); SAP BusinessObjects (Data Quality Management / Data Services / Data Integrator / Data Federator / Data Migration / Event Imsight / Information Steward).

Assim fica à critério da empresa e sob sua responsabilidade a qualidade do negócio, e não atribuído apenas à ferramenta utilizada .

Autor

Sou consultora Marketing B2B & BI, tenho conhecimento em várias ferramentas, como Oracle, Microsoft, Tableau. Cursei faculdade de Ciência da Computação e Marketing Estratégico, gosto de assuntos relacionados a tecnologia, psicologia, administração, estratégias. Defendo o empreendedorismo no Brasil, além de ações sociais voltadas ao meio ambiente, pois para crescer precisamos plantar, adubar, regar e assim colher frutos bons.

Melissa Adimari

Comentários

1 Comment

  • Melissa, parabéns! Ótimo texto! Comprando com os anteriores, seus posts estão cada vez melhor!

You must be logged in to post a comment.

Busca

Patrocínio

Publicidade



Siga-nos!

Newsletter: Inscreva-se

Para se inscrever em nossa newsletter preencha o formulário.

Artigos Recentes