Recomendados
Mais conteúdo relacionado
Semelhante a DQGoverno
Semelhante a DQGoverno (20)
DQGoverno
- 1. Data Quality para Governo 25 de Março de 2021
- 2. 2 Sobre Esta Apresentação — Tema: Iniciativas pioneiras em Data Quality, conduzidas pelo Escritório de Governança de Dados do SERPRO Agenda: 1. Conceitos Básicos 2. Data Quality e Governo Federal 3. Ciclos de Data Quality 4. Resultados e Lições
- 3. 3 Data Management — A “mandala” da DAMA, comunidade global para gerenciamento de dados
- 4. 4 Data Quality Management — Planejamento, implementação e controle de atividades que aplicam técnicas de gestão de qualidade aos dados, para garantir que estejam adequados ao consumo e atendam às necessidades dos consumidores de dados. Fonte: DAMA-DMBoK v2
- 5. 5 1. Desenvolver uma abordagem governada para ajustar os dados à sua finalidade, com base nos requisitos dos consumidores de dados 2. Definir padrões, requisitos e especificações para os controles de qualidade de dados como parte do ciclo de vida dos dados 3. Definir e implementar processos para medir, monitorar e reportar os níveis de qualidade dos dados 4. Identificar e sustentar oportunidades para melhorar a qualidade dos dados, por meio de melhorias de processos e de sistemas Objetivos - Data Quality Management — Fonte: DAMA-DMBoK (Data Management Body of Knowledge)
- 6. 6 Dimensões de Data Quality — Critérios de Qualidade de Dados As dimensões de Data Quality, ou Critérios de Qualidade, fornecem um vocabulário a ser usado nas medições do nível de qualidade dos dados.
- 7. 7 Dimensões de Data Quality — Critérios de Qualidade de Dados • Completude • Conformidade • Consistência • Acurácia • Unicidade • Veto • Representação • Medida Estatística
- 8. 8 Dimensões de Data Quality — COMPLETUDE – Dados obrigatórios preenchidos É reprovado no critério de completude um campo de preenchimento obrigatório que esteja com conteúdo vazio: • Data de nascimento do servidor público • Número de CPF do servidor público • Data de óbito do instituidor de pensão • Imóveis da União com CEP vazio
- 9. 9 Dimensões de Data Quality — CONFORMIDADE, CONSISTÊNCIA, ACURÁCIA – Dados Válidos É reprovado nos critérios de validade um campo cujo conteúdo, embora preenchido, não esteja de acordo com o que se espera: • E-mail com formato indevido • Pensionista sem Instituidor • CEP inexistente na tabela dos Correios • Nome ou sexo diferentes na RFB
- 10. 10 Dimensões de Data Quality — UNICIDADE – Dados Únicos ou Restritos É reprovado no critério de unicidade um campo cujo conteúdo, preenchido e válido, se repete indevidamente para vários indivíduos: • RG do servidor (dados da identidade) • Número do título eleitoral • Endereço do servidor
- 11. 11 Qualificação de Dados do Governo — Quantidade de Diagnósticos por Dimensão 31% 7% 35% 12% 10% 5% Completude Conformidade Consistência Unicidade Acurácia <Outras>
- 12. 12 Data Quality e Governo — Bases de Dados dos Sistemas Estruturantes SITUAÇÃO DOS DADOS E DOS METADADOS • Bases muito antigas, algumas da década de 1980 • Bases sem mecanismos de integridade referencial • Dificuldade para integrar dados entre os cadastros • Diversidade dos órgãos responsáveis pela atualização das bases • Cliente com visibilidade restrita dos seus dados • Ingestão em Lago de Dados com precariedade de metadados
- 13. 13 Data Quality e Governo — Bases de Dados dos Sistemas Estruturantes MOTIVAÇÃO DE MELHORIA • Necessidade de integração de dados • Aprimoramento do processo decisório • Desejo de implantar uma cultura orientada a dados • Questionamentos legais (TCU) • Custos públicos indevidos • Acesso aos dados de governo pelo cidadão (LAI)
- 14. 14 Data Quality e Governo — Movimento de Qualificação Cadastral INICIATIVAS EM ANDAMENTO • ME/SGP – Secretaria de Gestão e Desempenho de Pessoal • ME/SPU – Secretaria de Coordenação e Governança do Patrimônio da União • INCRA – Instituto Nacional de Colonização e Reforma Agrária
- 15. 15 Data Quality e Governo — MISSÃO Melhorar continuamente a qualidade dos dados dos sistemas estruturantes do Executivo Federal, usados como fonte de dados para vários outros sistemas e para divulgação pública das políticas de governo.
- 16. 16 Ciclos de Data Quality — 1. Identificar e detalhar os problemas de dados 2. Localizar as origens e projetar os diagnósticos 3. Implementar perfis e diagnósticos 4. Analisar resultados 5. Implementar medidas saneadoras 6. Executar periodicamente
- 17. 17 Resultados Obtidos — • Relacionamento com cliente colaborativo e cordial durante todo o projeto • Crescimento de ambas as partes com relação ao domínio dos dados e das ferramentas • Aprimoramento das soluções visando facilitar a sua manutenção e a automatização do ciclo de qualificação de dados • Definição de processos e padrões de qualificação de dados para posterior descentralização e fomento de novas iniciativas de Data Quality no Serpro
- 18. 18 Resultados Esperados — • Contribuir para que o gestor público tenha informações precisas para tomada de decisão • Apoiar a redução dos gastos públicos com a adoção de medidas saneadoras • Aprofundar a parceria com os órgãos públicos responsáveis pelos sistemas estruturantes, nas questões relacionadas à qualidade de dados • Realizar o primeiro passo no sentido de fazer girar a roda permanente da Qualidade de Dados nas bases de dados do governo, iniciando a construção de um legado de Data Quality para as gerações futuras
- 19. 19 Lições Aprendidas — • Montar uma cadeia de dimensões, começando pela COMPLETUDE e assim evitar dupla contagem de problemas • Envolver e comprometer técnicos do sistema de origem, para conseguir acompanhar o dinamismo das bases de dados • Buscar “Data Quality by Design”, para que as bases já surjam com alto nível de qualidade e com monitoramento de qualidade construído a priori
- 20. 20 Lições Aprendidas — • Importância de uma equipe entrosada e comprometida • Importância de haver cordialidade e transparência no relacionamento com o cliente • Esmero no controle de qualidade, com investigação constante dos dados de origem e dos resultados obtidos Um produto de Qualidade de Dados precisa ter qualidade!
- 21. Obrigada Rosângela Nóbrega Superintendência de Soluções Analíticas e Inteligência Artificial Escritório de Governança de Dados