Data Quality Solutions Presentation

Apresentação Corporativa
#BecauseDataMatters

Copyright DataLab/ Confidential Information / Distribution Prohibited
2
+20 +50
Anos de
experiência
Clientes
Software SaaS Services
DataLab… ponto de partida!

• Mais que uma empresa de TI, uma empresa que
tem como meta a qualidade e gestão dos
dados.
– Parceiros da empresa líder na Europa em Data Quality
– Responsáveis pela adaptação das ferramentas da Uniserv
para Portugal
– Responsáveis pela manutenção dos dicionários de
moradas de Portugal
– Parceiros da empresa líder em Master Data Management
– Parceiros da empresa líder em Data Masking
DataLab… quem somos?

• Pela execução, provamos o nosso expertise único
nas áreas em que actuamos
• Somos pioneiros, ao trazer para Portugal a
representação das tecnologias líderes
• Ajudamos os nossos Clientes e Parceiros colocando
o nosso know-how à disposição destes
DataLab… o que fazemos?

Os nossos Clientes

O que dizem os nossos Clientes
"Com as ferramentas da Uniserv conseguimos maximizar a
qualidade das nossas moradas, aumentando a confiança dos
nossos utilizadores.“
Rui Martins, Director Adjunto do Departamento de Sistemas de Informação da Multicare
"Como empresa global que somos, encontrámos na Uniserv
o parceiro ideal para a qualidade de dados com uma
cobertura global.“
Mário Jordão Alves, IT Director na Redcats Portugal (La Redoute)

Porque é a Data Quality importante?
"in a December 2012 survey The
Information Difference found that
80% of survey respondents felt that
data quality was of “key
importance” to big data
initiatives.“
"The Data Quality Landscape - Q1 2013"
publicado pelo “The Information Difference”
"Quality Data Takes More Than a Quick
Technology Fix (...) the ability to
communicate the value of data quality
and then implementing technology
solutions was the prime process for
improved data quality overall. “
Eric Lundquist
(editor in chief at PC WEEK)
"Social Data Quality Will Take Back Seat to Data Relevance“
James Kobielus (serves as IBM’s big data evangelist)
"Data quality is a challenge senior executives are often aware of, but fail to do
anything about. Getting the message across to business is becoming
increasingly important, as the value of data grows and the cost of poor
quality data begins to mount. A low data error rate of less than 5% can
add nearly 30% to hidden and non-value-adding costs. (…)“
Gary Alleman (IT Web)

Data Quality [DQ]
Qualidade de Dados

Quais os problemas mais comuns em DQ?
Validar/Normalizar Moradas
Transformar em
Dados do utilizador
Morada: Estr juse Aveleno Tinto I imp 3, 9300 Camera de Lovos
Componentes da morada
1º Impasse da Estrada José Avelino Pinto 3
Código postal:
Morada:
Localidade:
9300-326
Câmara de Lobos
Ilha da Madeira
Concelho:
Distrito:
Freguesia:
Câmara de Lobos
Câmara de Lobos
Coordenadas geográficas:
Código Distrito/Concelho/Freguesia:
32.661026,-16.991668
310201
Conteúdos
locais
para
23
países

A solução é simples!
Validar/Normalizar Moradas
Componentes da morada
Rua Joshua Benoliel 6
Código postal:
Morada:
Localidade:
1250-133
Lisboa
Lisboa
Concelho:
Distrito:
Freguesia:
Lisboa
Campo de Ourique (antes era Sta.Isabel)
Coordenadas geográficas:
Código Distrito/Concelho/Freguesia:
38.720911,-9.161683
110659
Transformar em
Dados do utilizador
Morada: R Jojua Benolel 6 1000 Lisvoa
Conteúdos
globais
para
240
países

Possível em qualquer dispositivo!
NOME
RUA
CODIGO POSTAL
CIDADE
Registar
José Silva
Av de Roma 11 1-DTO
Lisboa
1049-
Validação e correção de
erros de leitura, erros de
digitação ou erros de
compreensão auditiva
Suporte para uma grande
variedade de idiomas e
conjuntos de caracteres
Adequado para aplicações
interativas e para
processamento de dados em
massa
Fácil integração em uma
grande variedade de aplicações
e sistemas
Disponível On-Premise, SaaS ou
como uma solução híbrida
Bases de dados de referência de
excelência, atualizadas
regularmente
000 049

Utilizando quaisquer caracteres!
‫العربية‬ ‫اللغة‬
Arabe
ελληνική
Grec
‫ברית‬
Hébreu
한국 / 韓國
Hangûl
Кирилиц
Cyrillique
汉字
Hanzi
漢字
Kanji
平仮名
Hiragana
カタカナ
Katakana

E existem mecanismos que facilitam!
Auto-Complete Moradas
Inserindo apenas alguns caracteres, é disponibilizada uma lista de
sugestões para que possa escolher a morada correcta.
Esta funcionalidade pode ser facilmente integrada em diferentes
aplicações existentes no landscape tecnológico da sua empresa.
Disponível para +20 países.

Auto-Complete: várias possibilidades!
Pesquisa pelo código postal
…ou pela localidade
…ou pela morada

O Auto-Complete está disponível para os
seguintes países:

E caso necessite de integrar estes temas nas
suas aplicações…
Web API
Disponibilizamos um conjunto de validações através da
nossa RESTful API:
Validações de moradas nacionais e internacionais
Auto-complete de moradas nacionais e internacionais
Validação de e-mail
…entre outras
YOUR
APP
OUR
DATA
API
request
data

Outros problemas mais comuns em DQ?
Várias fontes de dados = Registos duplicados
CRM / ERP Web etc.
Hearing Error Fraud
OCR Errors
Typing Error
Lack of Accuracy
Varied Profiles
Duplicates Multiple Registrations

Outros problemas complicados de resolver?
Serão os 3 registos da mesma pessoa?
ID 113
Cristina Isabel Cardoso Pinto
Morada:
Nome:
Localidade:
Rua dos Pinheiros, Lote 7, Bloco B, 3.Esq
Lisboa
ID 76
Cristina Pinto
Morada:
Nome:
Localidade:
Rua dos Pinheiros, 7, B, 3 E
Lisboa
ID 986
Kris I C Pinto
Morada:
Nome:
Localidade:
R. Pinhheiros, Lt 7, Blc B, 33.Esq
Lisvoa
Identificar Duplicados
Web site
CRM
Call center

Outros problemas comuns em DQ?
Validar e-mails
SYNTAX
CHECK
DOMAIN
CHECK
MAILBOX
CHECK
Validity of characters &
strings
Validity of domain Validity of recipient‘s
mailbox
Utilizamos 3 passos para a validação…

A relevância da validação!
Validar e-mails: exemplo
A importância de perceber o porquê do e-mail não ter sido entregue !

Necessidade crescente do contexto espacial?
Ausência de informação geográfica
Geocoding = Tradução de uma morada em coordenadas geográficas
(latitude e longitude)
A má qualidade dos
endereços postais
influencia como se obtem
uma coordenada
geográfica correcta e
consequentemente o
impacto em análises
futuras como o exemplo
aqui ilustrado
Com o endereço postal
normalizado e validado,
podemos dar-lhe a
melhor coordenada (X;Y)

Quais são os seus problemas?
Peça-nos JÁ uma
auditoria!

O nosso parceiro tecnológico… em DQ
"Finding a good business partner may seem hard, but finding your rhythm with your
business partner is even harder. I work with the founders of DataLab for over fourteen
years now, and what I can say, is that it was very easy to find our rhythm. Together,
Uniserv and DataLab have built a very successful long-term relationship that will
continue to prosper for many years.“
Ulrich Sohn, International Sales Director na Uniserv GmbH
A Uniserv possui um portfólio de
soluções de software e serviços
verdadeiramente internacionais para
gestão de dados e, através da sua
visão GloCal (“Pensar global, agir
local”) é líder nos países onde tem
representação.

O nosso parceiro tecnológico… em DQ
Entre os seus clientes estão inúmeras
empresas de renome nas mais
diversas industrias em todo o mundo,
como: Allianz, Amazon, Axa France,
BMW, Dell, Deutsche Bank, eBay,
EDEKA, E.ON, France Telecom,
Johnson & Johnson, Lufthansa, OTTO,
Siemens, Swisscom e Time Warner,
TUI, Volkswagen, Yves Rocher, entre
muitos outros.
CHALLENGERS LEADERS
VISIONARIES
NICHE PLAYERS
Source: Gartner (November 2015)
Informatica
IBM
SAS (DataFlux)
SAP
Trillium
Oracle
Pitney Bowes
Neopost
Talend
Information Builders
Ataccama
BackOffice Associates
Innovative Systems
RedPoint
MIOsoft
DataMentors
UNISERV
Gartner Magic Quadrant for Data Quality Tools
Experian
From 2013 to 2014 From 2014 to 2015

Porque Portugal é diferente do resto do
mundo…
#1 em Portugal
+15 Clientes
+1.500 utilizadores licenciados
+15.000 utilizadores a aceder em RT
MARKET STRENGTH
TECHNOLOGY
Informatica
IBM
SAS (DataFlux)
SAP
Trillium
Oracle
UNISERV
Tamanho das bolhas representa o nº de Clientes activos
Portugal Data Quality Landscape

Soluções Plug&play para os principais CRM
Outros em desenvolvimento em parceria com empresas portuguesas na área do Software

Soluções Plug&play para os principais CRM
Exemplo
#1. Morada
pesquisada
#2. Morada
normalizada
#3. Potencial
duplicado
#4.
Resultado
Final

Copyright DataLab/ Confidential Information / Distribution Prohibited33
Referências internacionais
Insurance Banks Publishers Mail Order
Marketing
Service
Providers
Trade &
Industry
Allianz
Alte Leipziger
ARAG
AXA
Debeka
DEVK
Direct Line
Ergo Direct
Generali
HDI-Gerling
Helvetia
HUK-Coburg
ING DiBA
R+V
VHV
W&W
WWK
Zürich Agrippina
Bank of America
Bausparkasse Mainz
Commerzbank
Crédit Agricole
Deka
Investmentfonds
Deutsche Bank
Deutsche Börse
Finanz Informatik
KfW Bankengruppe
Landesbanken
Norisbank
Raiffeisen
SEB
UBS
Volkswagen
Financial Services
ADAC
Berliner Verlag
Burda
Cornelsen
Forum Verlag
Gruner+Jahr
Haufe
Reader‘s Digest
Amazon
Josef Witt
La Redoute
Neckermann.de
OTTO
Printus
Pro Idee
Versandhaus Walz
Yves Rocher
3 Pagen
Acxiom Deutschland
Consodata
defacto
IMS Health
MEILLERGHP
Mohnmedia
Prisma Direct
Schober Information
Group
BMW
Bruker Physik
Coop
Dell
dm
EnBW
FC Bayern München
Heineken
Henkel
MAN
Media Markt
Philip Morris
Peugeot Citroen
Pneuhage
Raab Karcher
Thyssen Krupp
Volvo
Vorwerk
Westfalia
€
§

O que vem a seguir à Qualidade de Dados?
"As well as increasing in scope, data quality has started to be
subsumed within broader data management initiatives.
Master Data Management projects have data quality
as a major component; indeed, an Information Difference
survey showed that master data projects consume on average
30% of their budget on issues related to data quality.“
retirado do documento "The Data Quality Landscape - Q1 2013" publicado pelo “The Information Difference”

Master Data Management [MDM]
Gestão de dados de Referência ou Mestre

O que é então Master Data?
António Silva comprou um televisor “Samsung X”
no dia 24 de Dezembro de 2014 por 799,00€
ID: 123
Nome: António Silva
ID: 12345
Nome: Samsung X
Tipo: Televisor
Cliente
Produto
ID: 456
Cliente: 123
Produto: 12345
Data: 24-12-2014
Qt: 1
Preço: 799,00€
ID: 778899
Cliente: 123
Produto: 12345
Compra: 456
Data: 25-12-2014
Preço: 799,00€
Iva: 183,77€
Compra
Factura
Master Data Transactional Data

A nossa visão para o MDM
Master Data
Things
Products
Services, Pricing
Physical assets,
Real Estate
Reference
Data
Geographies,
Regions
Organizational
Structures
Financial
Hierarchies
Codifications
Master Data
Parties
People,
Employees
Clients,
Suppliers
Uma abordagem de multi-domínios permite gerir qualquer tipo de dados
mestre e/ou referência, bem como as relações entre os dados

O que dizem os analistas sobre este tema?
• O único fornecedor de MDM posicionado em ambos os
Quadrantes Mágicos da Gartner com o mesmo software.
– Quadrantes Mágicos Gartner para MDM de dados de Produto e
dados de Cliente
• O único fornecedor de MDM considerado «Bom» pela
Gartner nas áreas Financeira, Clientes e Produtos com o
mesmo software.
– Uma visão da experiência dos fornecedores de MDM em
múltiplos domínios de Master Data
• A Michelin, cliente da Orchestra Networks, venceu o Prémio
de Excelência Gartner MDM EMEA em 2013

O nosso parceiro tecnológico… para MDM
Entre os seus clientes estão inúmeras
empresas de renome nas mais
diversas industrias em todo o mundo,
como: Burguer King, JP Morgan
Chase, CityGroup, BNP Paribas,
Toyota, L’Óreal, Groupama, LaPoste,
Amadeus, Danone, TechTip, Faurecia,
Sanofi, Boiron, IMS Health, Michelin,
Maersk, ViaCom, UbiSoft, Pernod
Ricard, Paramount, Credit Agricole,
Swiss Re, Essilor, entre muitos outros.
1ª edição deste Quadrante em 2017
CHALLENGERS LEADERS
VISIONARIES
NICHE PLAYERS
Source: Gartner (January 2017)
Informatica
IBM
SAP
Oracle
Tibco
Riversand
EnterWorks
Stibo Systems
Gartner Magic Quadrant for Master Data Management Tools
Magnitude
ORCHESTRA NETWORKS

Qual a opinião da Bloor?
• Fornecedor líder na área de
gestão de dados mestre e dados
de referência
• Fornecedor independente
– Fundado em 2000
– Privado, com crescimento de
lucro e receita consistente
– Gerido pelos co-fundadores
desde há 13 anos
Source: Bloor (Agosto 2013)
Kalido
Champions
Bloor Market Overview
Orchestra Networks
Informatica
IBM
SAS
SAP
Oracle
Software AG
Stibo
Teradata
Riversand
VisionWare

Como é o panorama nesta área?
• Classificado como #1 entre 34
fornecedores de tecnologia
MDM pela “The Information
Difference” pelo segundo ano
consecutivo
• Reconhecido como líder em RDM
pelo “MDM Institute”
MARKET STRENGTH
TECHNOLOGY
Informatica
Tamanho das bolhas representa o nº de Clientes globais
Master Data Management Landscape
IBM
Oracle
SAP
Stibo
Software
AG
Orchestra
Networks
Riversand
Kalido
Vision
Ware
Teradata
SAS

…e quando se fala de funcionalidades?
Source: The Information Difference (May 2014)

Quais os desafios mais comuns do MDM?
• Visões inconsistentes dos dados utilizados por diferentes
aplicações conduzem a incorretas e inconsistentes métricas de
negócio
• Múltiplas fontes para a mesma classe de dados podem causar
confusões e representações inconsistentes dos dados de referência -
múltiplas visões/versões da “verdade”
• Pobre entendimento das fontes dos dados leva a que múltiplos
sistemas atuem como dados de referência e mestre ou como pontos
de distribuição, aumentando a complexidade e diminuindo a
consistência
• A ausência de governo de dados para os dados de referência e
dados mestre significa que não há ownership
• Fluxos de dados complexos e pouco entendimento sobre as suas
dependências

Benefícios
Alta reutilização de dados
Uso de "verdadeiras" ferramentas
de MDM para a gestão do
ciclo de vida dos dados de
referência
Redução do investimento em
soluções de hardware
personalizadas
Roteamento transparente e
garantia de acesso aos dados
Semântica consistente
Estrutura de gestão de dados
consistente
Impacto Negócio
Eliminar o risco de Interpretação
Altos níveis de automatização no
suporte a criação, administração e
governo de dados
Consistente e intuitiva experiência
para o utilizador
Redução de Custos
Aumento da qualidade dos dados
Dados Integrados
Investimento de TI flexível
MDM, Benefícios e impactos no negócio

Insurance
Banking
Manufacturing, CPG, Retail
Engineering & Construction

Pharma & Cosmetics
Media & Entertainment
Services & Public Sector
Logistics & Transportation
Retail

Depois de garantirmos a Qualidade dos
Dados? Que fazer quanto à sua segurança?
"A study found that (…) 2012 was a record-breaking year when it came to the
number of reported data loss incidents. (…) Despite increased vigilance by
organizations, data loss is a very real threat to a company’s reputation (…).
The financial repercussions of this type of data loss are extremely high. Current
approaches to data protection such as firewalls, encryption and passwords
fail to sufficiently lock down data. “
retirado do documento "A Beginner’s Guide to Data Masking"
“Data masking should be mandatory for enterprises using copies of
sensitive production data for application development, analytics or training“
retirado do documento “Gartner Magic Quadrant for Data Masking Technology Report”
“Data breaches 9% more costly in 2013 than year before. It cost US
companies hit by data breaches last year an average of $5.4 million to cope with
the after-effects up 9 percent from the year before (…) On average, it cost $201 per
record lost, up from the $188 the year before (…)“
retirado do estudo apresentado em Maio de 2014 feito pelo Ponemon's Institute "2014 Cost of Data Breach Study: United States"

Data Masking [ILM]
Mascaramento de Dados

O que é afinal o Data Masking?
• Desidentificar, anonimizar ou ofuscar os dados
• Quem desenvolve necessita de aceder a dados realistas
para realizar o seu trabalho
• O Data Masking permite ainda aos developers aceder a
bases de dados seguras, sem expor informações
confidenciais
Dados Originais
ID SSN DoB Salary
1 123-456-789 12-12-1975 €35.000
2 456-789-123 01-01-1970 €20.000
3 789-123-456 10-07-1985 €30.000
Base de Dados de Produção
Dados Mascarados
ID SSN DoB Salary
1 123-456-456 01-01-1970 €31.500
2 456-789-789 12-12-1975 €18.000
3 789-123-123 12-12-1975 €27.000
Dados realistas
Base de Dados de Qualidade ou
Desenvolvimento

O nosso parceiro… em Data Masking
"This partnership with DataLab enhances our capabilities in delivering data masking
solutions to new clients in Portugal, and some PALOP countries as wel. We are
committed to providing data privacy solutions with leading global IT solutions and
service partners, and we are excited to be working with DataLab and continuing to
expand our presence internationally. “
Rajesh Parthasarathy, CEO na MENTIS Inc.
Com um foco constante na proteção de dados onde esta é mais
importante, na fonte, a MENTIS ajudou com sucesso na resolução de
alguns dos problemas mais complexos do mundo em torno da
segurança de dados.
Como pioneiros no campo da segurança de dados e aplicativos,
permitimos que nossos clientes eliminem o risco em todos os
lugares, removendo completamente os dados confidenciais em
ambientes de não produção e pré-produção, controlando o acesso a
dados confidenciais em ambientes de produção, oferecendo uma
visão de 360 graus de como e onde seus dados confidenciais estão
sendo usados e até retirando os dados confidenciais não usados.
Nossa tecnologia é única e ajuda você a proteger seus dados
confidenciais em todo o seu ciclo de vida, desde a descoberta de
dados até a desativação, com uma solução de nível corporativo.

Data Masking – Visão da Gartner
Reconhecimento no mercado por:
• Reputação do produto
• Nível de suporte
• Razoabilidade do preço
• Facilidade de uso e flexibilidade da
solução
• Vontade e capacidade para adaptar e
ajustar a solução às necessidades do
Cliente
Source: Gartner (march 2020)
Gartner Peer Insights “Voice of Customer”

Data Masking – Visão da Bloor

Exemplo da não protecção de dados

Porque deve proteger os seus dados?
• A conformidade regulamentar com normas de
privacidade
• Proteger dados sensíveis de exposição interna
desnecessária
• Proteger de prestadores de serviços externos
• As condições de mercado e as implicações para
a segurança da informação

Está ao corrente do Regulamento Europeu de
Protecção de Dados Pessoais (RGPD)?
https://secure.edps.europa.eu/EDPSWEB/e
dps/EDPS?lang=pt

Como ajudamos?
• Classificação e descoberta de dados
• Auditoria e proteção centrada em dados
• Desidentificação de dados
• Mascaramento de dados estáticos, dinâmicos
e combinados
• Monitoramento de acesso ao banco de
dados
• Gestão de dados de teste
• Remoção de dados sensíveis

O GPS para os seus dados empresariais?

Abordagem!
MENTIS pode ajudá-lo a
assumir o controle de:
• Segurança de dados
• Privacidade
• Minimização de Dados
• Conformidade
• Segurança na nuvem
• Residência de dados

6
1
• Business Driver: Cross-Border Data Sharing
• MENTIS Modules: Discovery, Static Data Masking & Dynamic Data Masking
• Data Stores: Oracle, SQL Server, Files, Big Data
• Successes:
• Obtained first ever approval from Swiss Legal forum to offshore Production Database access
• Discovered sensitive data to high degree of certainty, with less than 10% false positives
• Business Driver: Sensitive Data Protection
• MENTIS Modules: Discovery, Static Data Masking
• Data Stores: Oracle, & SQL Server
• Successes:
• Discovered credit card data in undocumented locations
• Maintaining referential integrity across all applications and data stores
• Business Driver: Sharing non-production database access to external developers and third parties
• MENTIS Modules: Discovery, Static Data Masking
• Data Stores: Oracle, SQL Server, Mainframe DB2
• Successes:
• Consistent, repetitive masking process
• Maintained referential integrity across all applications/ databases/ points-in-time
• Business Driver: GDPR Compliance
• MENTIS Modules: Discovery, Static Data Masking & Dynamic Data Masking (Database & Application Layers)
• Data Stores: Oracle
• Successes:
• Data Masking on one of the most complex applications in the world, with follow-the-sun data access
• Auditable processes for compliance

Em resumo… as soluções que o vão ajudar!
Data
Masking
Master Data
Management
Data
Quality
…somos a sua referência nestas áreas!

Como o podemos ajudar?

Carlos Guerreiro | Chief Operations Officer
e: carlos.guerreiro@datalab.pt
t: +351 91 765 11 99

Data Quality Solutions Presentation

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a Data Quality Solutions Presentation

Semelhante a Data Quality Solutions Presentation (20)

Mais de Carlos Guerreiro

Mais de Carlos Guerreiro (7)

Data Quality Solutions Presentation