Gestão de Dados Científicos e seu Ciclo de Vida

I Capacitação de Integração de Banco de Dados e Sistemas de Informação de
Biodiversidade
Daniel Lins da Silva (daniellins@usp.br)
Grupo de Integração de Sistemas
Escola Politécnica da USP
Gestão de Dados Científicos
Ciclo de Vida dos Dados

2
I Capacitação de Integração de Banco de Dados e
Sistemas de Informação de Biodiversidade
Agenda
1. INTRODUÇÃO
2. PORQUE A GESTÃO DE DADOS?
3. GESTÃO DE DADOS;
4. DESAFIOS DA GESTÃO DE DADOS;
5. CICLO DE VIDA DE DADOS CIENTÍFICOS;
6. BOAS PRÁTICAS NA GESTÃO DOS DADOS;
7. REFERÊNCIAS COMPLEMENTARES.

3
Introdução
UM CONJUNTO DE COMPONENTES INTER-RELACIONADOS QUE
COLETA (OU RECUPERA), PROCESSA, ARMAZENA E DISTRIBUI
INFORMAÇÕES DESTINADAS A APOIAR A TOMADA DE DECISÕES E O
CONTROLE EM UM DOMÍNIO. Fonte: Laudon, 2007.
CONCEITO DE SISTEMA DE INFORMAÇÃO

4
Introdução
CONCEITO DE SISTEMA DE INFORMAÇÃO
1. DADOS: FLUXOS DE FATOS COLETADOS (BRUTOS) QUE REPRESENTAM
EVENTOS DO DOMÍNIO (EX: UMIDADE, TEMPERATURA, PRECIPITAÇÃO,
OBSERVAÇÃO, COLETA, ETC);
2. INFORMAÇÃO: CONJUNTOS DE DADOS SIGNIFICATIVOS E ÚTEIS A SERES
HUMANOS EM PROCESSOS COMO O DE TOMADA DE DECISÕES;
3. CONHECIMENTO: INFORMAÇÕES INTER-RELACIONADAS NÃO ESTRUTURADAS
DE REGRAS QUE DIRECIONAM AS TOMADAS DE DECISÕES.
Fonte: CORRÊA & SARAIVA.

5
Introdução
Processo de Conservação da Biodiversidade
Síntese
Operacional
Integração
Gerencial
Estratégico
Curto/Médio
prazo
Médio/Longo
prazo
Decisões
Fonte: CORRÊA, 2012.
Níveis de Informação

6
Porque a gestão de dados?
PORQUE APLICAR AS TÉCNICAS E CONCEITOS DE GESTÃO DE
DADOS?

7
1. PARA CAPTURAR, ARMAZENAR, PROTEGER E GARANTIR A INTEGRIDADE
DOS ATIVOS DE DADOS CIENTÍFICOS;
2. GARANTIR A UTILIZAÇÃO ADEQUADA DOS DADOS E INFORMAÇÕES;
3. MAXIMIZAR O USO EFICAZ DOS DADOS E AGREGAR VALOR AOS ATIVOS
DA INFORMAÇÃO.
Fonte: DAMA International, The DAMA Guide to the Data
Management Body of Knowledge

8
Fonte: http://news.bbc.co.uk/1/hi/uk/8332445.stm
SE SEUS DADOS CAIREM EM MÃOS
ERRADAS?

9
Fonte: The Telegraph
SE FOR NECESSÁRIA A PRODUÇÃO DE
INFORMAÇÕES?

10
Fonte: http://g1.globo.com/sao-paulo/noticia/2010/05/incendio-no-instituto-butantan-destroi-maior-acervo-de-
cobras-do-pais.html
SE ESTE FOR O SEU INSTITUTO DE
PESQUISA?

11
Fonte: http://blogs.ch.cam.ac.uk/pmr/
2011/08/01/why-you-need-a-
data-management-plan
SE ESTA FOR A SUA
MOCHILA?
“O HD EXTERNO É MUITO
IMPORTANTE, POIS CONTÉM 5
ANOS DE DADOS DE
PESQUISAS…”

12
Gestão de dados
“GESTÃO DE DADOS É A DISCIPLINA RESPONSÁVEL POR DEFINIR,
PLANEJAR, IMPLANTAR E EXECUTAR: ESTRATÉGIAS, PROCEDIMENTOS
E PRÁTICAS NECESSÁRIAS PARA GERENCIAR DE FORMA EFETIVA OS
RECURSOS DE DADOS E INFORMAÇÕES DAS ORGANIZAÇÕES,
INCLUINDO PLANOS PARA SUA DEFINIÇÃO, PADRONIZAÇÃO,
ORGANIZAÇÃO, PROTEÇÃO E UTILIZAÇÃO.”
A GESTÃO DE DADOS É UM CONCEITO BASTANTE AMPLO, ELA ATUA
NOS NÍVEIS: OPERACIONAL, GERENCIAL (TÁTICA) E ESTRATÉGICO.
Fonte: DAMA-DMBOK

13
O que envolve a Gestão de
Dados?
1. CRIAR OS DADOS;
2. DESCREVER OS DADOS;
3. ACESSAR E UTILIZAR OS DADOS;
4. ARMAZENAR E PROTEGER OS DADOS;
5. COMPARTILHAR OS DADOS;
6. PRESERVAR OS DADOS.
0. PLANEJAR AS AÇÕES;
Planejar

14
QUAIS OS DESAFIOS DA GESTÃO DE DADOS?
Foto de @HawkeyePilot
http://www.flickr.com/photos/29
374594@N00/3215997536/
14

15
Silos de Dados
SÃO OS DEPÓSITOS ISOLADOS DE DADOS, CRIADOS POR
ORGANIZAÇÕES, SEUS SETORES E ATÉ POR COLABORADORES.

16
Dados Orfãos
• INFORMAÇÃO QUE SE TORNOU IRRECUPERÁVEL POR ESTAR LOCALIZADA
EM DISPOSITIVOS NÃO MAIS ACESSÍVEIS, COMO NOTEBOOKS, E QUE
NUNCA FORAM TRANSFERIDAS PARA SERVIDORES COMPUTACIONAIS;
• INFORMAÇÕES PERDIDAS APÓS O DESLIGAMENTO DE
PESQUISADORES/FUNCIONÁRIOS DA INSTITUIÇÃO;
• DADOS DE PESQUISADORES NÃO ASSOCIADOS A NENHUMA REDE DE
DADOS.
?
??

17
Dados Orfãos
• INFORMAÇÃO QUE SE TORNOU IRRECUPERÁVEL POR ESTAR LOCALIZADA
EM DISPOSITIVOS NÃO MAIS ACESSÍVEIS, COMO NOTEBOOKS, E QUE
NUNCA FORAM TRANSFERIDAS PARA SERVIDORES COMPUTACIONAIS;
• INFORMAÇÕES PERDIDAS APÓS O DESLIGAMENTO DE
PESQUISADORES/FUNCIONÁRIOS DA INSTITUIÇÃO;
• DADOS DE PESQUISADORES NÃO ASSOCIADOS A NENHUMA REDE DE
DADOS.
?
??

18
“The Long tail” da GD
VOLUME
VARIEDADES DE DADOS
Repositórios Especializados
Dados orfãos
“A maioria dos bytes estão
no topo, mas a maioria das
coleções de dados estão
embaixo.” – Jim Gray
Fonte: DataONE

19
“Dilúvio” dos Dados
Fonte:http://www.intel.com/content/www/us/en/communications/internet-
minute-infographic.html

20
“Dilúvio” dos Dados
Fonte:www.carboafrica.net
Redes, Sensores, Sensoriamento
Remoto, Experimentos, Coletas…

21
Entropia dos DadosConteúdodaInformação
Tempo
Período da Publicação
Perda de detalhes específicos
Perda dos detalhes gerais
Um acidente
pode
destruir os
dados e
documentos
Aposentadoria ou
mudança na carreira
Morte
Fonte: Michener et al. 1997

22
C.V. de Dados Científicos
Coletar
Assegurar
Descrever
Depositar
Preservar
Descobrir
Integrar
Analisar
Planejar
Fonte: DataONE Best Practices

23
Como eu
mantenho meus
dados?
Quais são as
ferramentas
de QA/QC?
O que é um
plano de gestão
de dados?
O que são
metadados?
Como
preservo
meus dados?
Planejar
Coletar
Assegurar
Descrever
Preservar
Descobrir
Integrar
Analisar Como devo
organizer
meus dados?
Como posso
visualizar e
analisar os
dados?
Que
ferramentas
eu posso
utilizar?
Que outros
dados
existem?

24
BOAS PRÁTICAS NA GESTÃO DE DADOS
24
Foto de @Aestheter
http://www.flickr.com/photos/di
ngridsystem/7758303394/
PLANEJAR COLETA

25
Planejar
1. MAPEIA OS PROCESSOS E RECURSOS PARA TODO O CICLO DE
VIDA DOS DADOS;
• COMEÇAR COM OS OBJETIVOS DO PROJETO (DESEJOS, RESULTADOS E
IMPACTOS) E CONSTRUIR UM PLANO DE GESTÃO DOS DADOS,
CONSIDERANDO A POLÍTICA DOS DADOS E SUA SUSTENTABILIDADE.
• PONTOS A SEREM CONSIDERADOS:
• QUAIS E COMO OS DADOS SERÃO COLETADOS;
• ONDE OS DADOS SERÃO ARMAZENADOS (REPOSITÓRIO);
• COMO OS DADOS SERÃO ORGANIZADOS (FORMATOS, ESTRUTURA);
• COMO OS DADOS SERÃO DESCRITOS (METADADOS);
• COMO OS DADOS SERÃO COMPARTILHADOS;
• DEFINIÇÃO DO PLANO DE PRESERVAÇÃO DOS DADOS E
RESPONSABILIDADES.

26
Plano de Gestão dos Dados
1. DOCUMENTO FORMAL;
2. DESCREVE COMO OS DADOS SERÃO MANIPULADOS DURANTE E DEPOIS DA
CONCLUSÃO DA PESQUISA/PROJETO;
3. OBJETIVA QUE SEUS DADOS ESTARÃO SEGUROS NO PRESENTE E NO FUTURO.
4. PORQUE UM PLANO DE GESTÃO?
• GARANTE QUE TODOS POSSAM ENTENDER E REUTILIZAR OS DADOS;
• ECONOMIZA TEMPO E ESFORÇO (REORGANIZAR É PIOR);
• FACILITA A PRESERVAÇÃO E COMPARTILHAMENTO DOS DADOS;
• EVITA O RETRABALHO E ESFORÇOS DUPLICADOS;
• TORNA A PESQUISA (E SEUS RESULTADOS) MAIS CONFIÁVEIS E
RELEVANTES;
• ESTÁ SE TORNANDO UMA EXIGÊNCIA DAS AGÊNCIAS FINANCIADORAS.

27
Plano de Gestão dos Dados
1. FERRAMENTAS PARA A CRIAÇÃO DE PLANOS DE GESTÃO DE
DADOS:
dmp.cdlib.org dmponline.dcc.ac.uk

28
Protocolos de Monitoramento
1. DEFINE COMO OS DADOS
DEVEM SER COLETADOS,
GERENCIADOS, ANALISADOS
E PUBLICADOS;
2. DEFINE TAMBÉM QUESTÕES
DE QUALIDADE E
PADRONIZAÇÃO DOS DADOS.
http://science.nature.nps.gov/im/monit
or/protocols/ProtocolGuidelines.pdf

29
Custos do Ciclo de Vida
1. COLETA;
2. DIGITALIZAÇÃO;
3. GESTÃO;
4. ARMAZENAMENTO;
5. SEGURANÇA;
6. PESSOAS;
7. HARDWARE;
8. SOFTWARE;
9. CAPACITAÇÃO.

30
30
Foto de @Aestheter
COLETAR ASSEGURPLANEJAR

31
Coletar
1. DETERMINA A MELHOR FORMA PARA SE OBTER OS DADOS;
2. O RESULTADO DESTE PROCESSO É UM DOCUMENTO QUE DESCREVE A FORMA COMO
OS DADOS SÃO ESTRUTURADOS.
• DETERMINA COMO OS DADOS SÃO COLETADOS;
• DETERMINA COMO OS DADOS GERADOS SÃO ORGANIZADOS E ARMAZENADOS.
3. PARA O ARMAZENAMENTO EM LONGO PRAZO, OS DADOS DEVEM SER ARMAZENADOS
EM FORMATOS DE DADOS CONSISTENTES E ESPECÍFICOS PARA ESTA FINALIDADE
(FACILITANDO SUA UTILIZAÇÃO HOJE E NO FUTURO).
• BASES RELACIONAIS;
• ARQUIVOS CSV (TEXTO COM SEPARADORES);
• OUTROS RECOMENDAÇÕES DE FORMATOS
http://libraries.mit.edu/guides/subjects/data-management/formats.html

32
Problemas na coleta
• Inconsistências entre os eventos coletados;
• Localização das informações de datas;
• Inconsistência no formato de datas;
• Nome das colunas;
• Ordem das colunas.

33
Problemas na coleta
• Colunas devem ser consistentes: apenas números, datas ou textos;
• Formatos e códigos consistentes;
• Dados em apenas uma planilha, para facilitar a captura dos dados por sistemas
computacionais, sem a intervenção humana;
• Colunas específicas para comentários e demais características que descrevem o
registro.

34
34
Foto de @Aestheter
ASSEGURAR DESCREVCOLETAR

35
Assegurar
1. EMPREGAR PROCEDIMENTOS DE GARANTIA E CONTROLE DA QUALIDADE
(QA/QC) DOS DADOS:
• CAPACITAÇÃO DE PARTICIPANTES;
• ROTINA DE CALIBRAÇÃO DE INSTRUMENTOS;
• PROCEDIMENTOS DE REVISÃO DOS DADOS.
2. IDENTIFICAR PROBLEMAS E TÉCNICAS POSSÍVEIS PARA SOLUCIONÁ-LOS.
QUALITY ASSURANCE (QA) É UM CONJUNTO DE PROCESSOS UTILIZADOS PARA
GARANTIR QUE OS MELHORES DADOS POSSÍVEIS SERÃO COLETADOS E
ARMAZENADOS;
QUALITY CONTROL (QC) É UM CONJUNTO DE PROCESSOS PARA AVALIAR A
QUALIDADE DOS DADOS DEPOIS QUE OS MESMOS FOREM COLETADOS.

36
Assegurar
1. TIPOS MAIS COMUNS DE ERROS:
• ERROS DE AÇÃO
• DADOS INSERIDOS INCORRETAMENTE;
• EXEMPLOS: INSTRUMENTOS MAL CALIBRADOS, ERROS DE DIGITAÇÃO.
• ERROS DE OMISSÃO
• DADOS OU METADADOS NÃO REGISTRADOS;
• EXEMPLOS: DOCUMENTAÇÃO INADEQUADA, ERRO HUMANO, ANOMALIAS NAS COLETAS
EM CAMPO.

37
Assegurar
1. ATIVIDADES DE QA/QC
• ANTES DAS COLETAS/REGISTROS
• DEFINIR E GARANTIR O CUMPRIMENTO DAS NORMAS;
• FORMATOS, CÓDIGOS, UNIDADES DE MEDIDA, METADADOS.
• DEFINIR RESPONSÁVEIS PELA QUALIDADE DOS DADOS.
• DURANTE AS COLETAS/REGISTROS
• ENTRADA DUPLA DOS DADOS;
• PROCESSOS DE VALIDAÇÃO DOS DADOS;
• PROJETO DE DADOS E INTERFACES BEM ELABORADOS.
• APÓS AS COLETAS/REGISTROS
• VALIDAÇÃO SE OS DADOS ENCONTRAM-SE NAS COLUNAS CORRETAS;
• CHECAGEM DE VALORES AUSENTES, IMPOSSÍVEIS OU ANOMALIAS;
• REALIZAR RESUMOS ESTATÍSTICOS;
• VERIFICAÇÃO DE OUTLIERS.

38
38
Foto de @Aestheter
DESCREVER PRESERVASSEGURAR

39
Descrever
1. DOCUMENTAÇÃO DOS DADOS
• PORQUE, QUEM, O QUÊ, QUANDO, ONDE E COMO;
• UTILIZAÇÃO DE METADADOS (DADOS SOBRE DADOS);
• É A CHAVE PARA O COMPARTILHAMENTO E REUTILIZAÇÃO DOS DADOS.
• VÁRIAS NORMAS E FERRAMENTAS ESTÃO DISPONÍVEIS PARA APOIAR ESTE
PROCESSO.
• OS METADADOS SÃO UTILIZADOS TANTO POR HUMANOS QUANTO POR
COMPUTADORES PARA APOIO NOS PROCESSOS DE DESCOBERTA,
INTEGRAÇÃO E ANÁLISE DOS DADOS.

40
Descrever
1. REUTILIZAÇÃO DOS DADOS
• SE VOCÊ CRIA METADADOS, OUTRAS PESSOAS PODEM DESCOBRIR SEUS
DADOS.
• SE VOCÊ CRIA METADADOS, VOCÊ PODE ENCONTRAR OS SEUS PRÓPRIOS
DADOS!

41
Descrever
TEMPO
DETALHESDOSDADOS
A gestão da informação,
incluindo o desenvolvimento
de metadados, pode acabar
com a perda dos dados.
ENTROPIA DOS DADOS

42
42
Foto de @Aestheter
PRESERVAR DESCOBRDESCREVER

43
Preservar
PLANO PARA PRESERVAR OS DADOS
• NO CURTO PRAZO PARA MINIMIZAR AS PERDAS POTENCIAIS, COMO ACIDENTES;
• NO LONGO PRAZO PARA QUE PARTICIPANTES DO PROJETO E OUTROS
PESQUISADORES POSSAM ACESSAR, INTERPRETAR E UTILIZAR OS DADOS NO
FUTURO.
• PROTEÇÃO DOS DADOS INCLUEM QUESTÕES COMO BACKUPS, SEGURANÇA
FÍSICA, CRIPTOGRAFIA;
• PRESERVAÇÃO DOS DADOS INCLUEM OS PROCESSOS PARA CONSERVAÇÃO,
RECUPERAÇÃO, REORGANIZAÇÃO E DESCRIÇÃO DOS DADOS.

44
Preservar
BOAS PRÁTICAS
• ARMAZENAR OS DADOS E METADADOS EM FORMATOS APROPRIADOS;
• REALIZAR BACKUPS DOS DADOS DOS PROJETOS;
• GARANTIR A INTEGRIDADE E O ACESSO AOS BACKUPS DE DADOS;
• DEFINIÇÃO DE POLÍTICAS PARA SEGURANÇA E ARMAZENAMENTO DAS
INFORMAÇÕES;
• IDENTIFICAR DADOS COM VALOR A LONGO PRAZO;
• PRESERVAR OS DADOS BRUTOS;
• IDENTIFICAR E GERENCIAR OS DADOS SENSÍVEIS.

45
45
Foto de @Aestheter
DESCOBRIR INTEGRAPRESERVAR

46
Descobrir
1. ESTRATÉGIAS PARA A LOCALIZAÇÃO E AQUISIÇÃO DE DADOS
POTENCIALMENTE ÚTEIS:
• IDENTIFICAR DADOS COMPLEMENTARES QUE POSSAM AGREGAR VALOR AOS
DADOS DO PROJETO.
• BUSCADORES GENÉRICOS NA WEB NÃO SÃO EFICIENTES PARA ENCONTRAR
DADOS ÚTEIS.
• DADOS CIENTÍFICOS SÃO MAIS FACILMENTE ENCONTRADOS POR MEIO DAS
REDES, DIRETÓRIOS DE PROJETOS E REPOSITÓRIOS:
Repositórios Website
Global Biodiversity Information Facility gbif.org
Atlas of Living Australia ala.org.au
Knowledge Network for Biocomplexity knb.ecoinformatics.org
Dryad datadryad.org

47
Descobrir (Compartilhar)
1. ESTRATÉGIAS PARA TORNAR AS INFORMAÇÕES SOBRE OS DADOS
DISPONÍVEIS, PARA QUE OS OUTROS POSSAM DESCOBRI-LOS E
ACESSÁ-LOS:
1. AUMENTANDO A VISIBILIDADE DO PROJETO E DE SEUS DADOS:
• AUMENTO DO POTENCIAL DE USO AMPLO;
• BENEFÍCIOS PARA A PESQUISA CIENTÍFICA, O APOIO À DECISÃO E A
ELABORAÇÃO DE POLÍTICAS PÚBLICAS.
2. ESTRATÉGIAS PARA GARANTIR O MÁXIMO IMPACTO PARA OS DADOS GERADOS:
• REGISTRAR O PROJETO EM UM SITE DE DIRETÓRIO DE PROJETOS;
• DEPOSITAR OS DADOS GERADOS EM UM REPOSITÓRIOS COMPARTILHADOS;
• ADICIONAR DESCRIÇÕES DOS DADOS (METADADOS) EM SISTEMAS DE
ARMAZENAMENTO DISTRIBUÍDO DE METADADOS.

48
Descobrir (Compartilhar)
1. DIVERSOS ESTÁGIOS SÃO CRÍTICOS PARA UMA EFETIVIDADE NO
COMPARTILHAMENTO DE DADOS:
Definir o processo e as regras para uma
eficiente documentação dos dados gerados.
Descrever
Armazenar os dados em uma localização que
facilite o seu acesso.Depositar
Selecionar formatos de armazenamento, tipos
de arquivos e meios de comunicação
adequados.
Preservar
Publicar informações sobre os dados para que
os mesmos possam ser localizados.Descobrir

49
O COMPARTILHAMENTO AGREGA VALOR AOS DADOS
OS METADADOS GARANTEM A PROPRIEDADE DOS
DADOS, SUA CONFIABILIDADE E USABILIDADE
OS PATROCINADORES ESPERAM, E ALGUNS EXIGEM,
QUE OS DADOS SEJAM COMPARTILHADOS
O COMPARTILHAMENTO DE CONHECIMENTO É
ESSENCIAL PARA O AVANÇO DA CIÊNCIA

50
50
Foto de @Aestheter
INTEGRAR ANALISADESCOBRIR

51
Integrar
COMBINA DADOS DE DIVERSAS FONTES PARA POSSIBILITAR NOVAS
ANÁLISES E INVESTIGAÇÕES.
• O SUCESSO DA INTEGRAÇÃO DE DADOS DEPENDE DO EMPREGO DE
BOAS PRÁTICAS DE GESTÃO EM TODO O CICLO DE VIDA DOS DADOS.
• EXISTEM DIVERSOS CENÁRIOS PARA A INTEGRAÇÃO DE DADOS:
• INTEGRAÇÃO DE DADOS DE MÚLTIPLOS PROJETOS PARA O TRATAMENTO DE
QUESTÕES COMPLEXAS;
• DADOS ESPARSOS QUE PRECISAM SER COMPLEMENTADOS COM DADOS
EXISTENTES PARA POSSIBILITAR A REALIZAÇÃO DE ANÁLISES;.

52
52
Foto de @Aestheter
ANALISAR PLANEJAINTEGRAR

53
Analisar
1. UTILIZAR OS DADOS PARA ANÁLISES QUE ATENDAM OS OBJETIVOS DO
PROJETO.
• MUITAS FERRAMENTAS DE SOFTWARE JÁ ESTÃO DISPONÍVEIS PARA APOIAR AS
ATIVIDADES DE EXPLORAÇÃO, ANÁLISE E VISUALIZAÇÃO DOS DADOS.
• DATA ANALYSES
• CONDUZIDA POR COMPUTADORES, GRID OU CLOUD COMPUTING;
• ESTATÍSTICAS, EXECUÇÃO DE MODELOS, ESTIMATIVA DE PARÂMETROS,
GRÁFICOS E PLOTAGENS.

54
Analisar
1. REPRODUTIBILIDADE
• A REPRODUTIBILIDADE É A CHAVE PARA OS MÉTODOS CIENTÍFICOS;
• PROCESSOS COMPLEXOS SÃO MAIS DIFÍCEIS DE SEREM REPRODUZIDOS;
• BOA DOCUMENTAÇÃO É ESSENCIAL PARA A REPRODUTIBILIDADE;

55
Analisar
1. FLUXOS DE TRABALHO (WORKFLOW)
• A FORMALIZAÇÃO DOS METADADOS DO PROCESSO;
• DESCRIÇÃO PRECISA DO PROCEDIMENTO CIENTÍFICO;
• TRÊS COMPONENTES:
• INPUTS: INFORMAÇÃO E/OU MATERIAL NECESSÁRIO;
• OUTPUTS: INFORMAÇÃO OU MATERIAL PRODUZIDO E POTENCIALMENTE
UTILIZADO COMO INPUT EM OUTROS PASSOS;
• REGRAS DE TRANSFORMAÇÃO/ALGORITMOS.

56
Analisar
1. BOAS PRÁTICAS
• OS CIENTISTAS DEVEM DOCUMENTAR OS FLUXOS DE TRABALHO USADOS
NA CRIAÇÃO DE RESULTADOS:
• PROVENIÊNCIA DOS DADOS;
• ANÁLISES E PARÂMETROS UTILIZADOS;
• CONEXÕES ENTRE ANÁLISES POR MEIO DOS INPUTS (ENTRADAS E OUTPUTS
(SAÍDAS).
• A DOCUMENTAÇÃO PODE SER INFORMAL (EX: FLOWCHARTS, COMMENTED
SCRIPTS) OU FORMAL (EX: KEPLER, VISTRAILS).

57
Analisar
1. WORKFLOW INFORMAL

58
Analisar
• WORKFLOW FORMAL
www.vistrails.org kepler-project.org

59
Planejar
Coletar
Assegurar
Descrever
Preservar
Descobrir
Integrar
Analisar

60
DADOS POSSUEM UMA VIDA ÚTIL MAIS LONGA QUE
O PROJETO DE PESQUISA OU SEU PESQUISADOR...
Foto de @Moyan_Brenn
http://www.flickr.com/photos/ai
gle_dore/6225529941/ 60
PESQUISADORES CONTINUAM TRABALHANDO COM
OS DADOS APÓS O FIM DE PROJETOS...
OS DADOS PODEM SER REUTILIZADOS POR
OUTROS PESQUISADORES OU PROJETOS...
DADOS ORGANIZADOS, DOCUMENTADOS,
PRESERVADOS E COMPARTILHADOS POSSUEM UM
VALOR INESTIMÁVEL PARA O AVANÇO DA CIÊNCIA...

61
Referências
1. BRASIL. PADRÕES DE INTEROPERABILIDADE DE GOVERNO ELETRÔNICO - E-PING. COMITÊ EXECUTIVO DE
GOVERNO ELETRÔNICO. VERSÃO 2013.
• http://eping.governoeletronico.gov.br/.
2. BRASIL. MINISTÉRIO DO PLANEJAMENTO, ORÇAMENTO E GESTÃO. SECRETARIA DE LOGÍSTICA E
TECNOLOGIA DA INFORMAÇÃO. PANORAMA DA INTEROPERABILIDADE NO BRASIL. BRASÍLIA-DF, 2010.
• http://www.governoeletronico.gov.br/biblioteca/arquivos/panorama-da-interoperabilidade-no-brasil.
3. CORRÊA, P.L.P. ARQUITETURA PARA INTEGRAÇÃO DE SISTEMAS DE INFORMAÇÃO E BANCO
DE DADOS DE BIODIVERSIDADE DO MINISTÉRIO DO MEIO AMBIENTE, MMA. 2012.
4. CORRÊA, P.L.P.. SARAIVA, A.M COMPUTAÇÃO E BIODIVERSIDADE, PROGRAMA DE PÓS-GRADUAÇÃO EM
ENGENHARIA ELÉTRICA. ESCOLA POLITÉCNICA DA USP.
5. DAMA INTERNATIONAL, THE DAMA GUIDE TO THE DATA MANAGEMENT BODY OF KNOWLEDGE - DAMA-
DMBOK, TECHNICS PUBLICATIONS, LLC, 2010.
6. DATA ONE BEST PRACTICES
• http://www.dataone.org/best-practices.
7. FRAME, M. LIFECYCLE AND METADATA. IN: IS 590 ENVIRONMENTAL INFORMATICS. UNIVERSITY OF
TENNESSEE. 2013.

62
Referências
8. HEY, T.; TOLLE, K. THE FOURTH PARADIGM DATA-INTENSIVE SCIENTIFIC DISCOVERY. REDMOND, WASH.:
MICROSOFT RESEARCH, 2009.
• http://research.microsoft.com/en-
us/UM/redmond/about/collaboration/fourthparadigm/4th_PARADIGM_BOOK_complete_HR.pdf
9. WIGGINS, A. ET AL. DATA MANAGEMENT GUIDE FOR PUBLIC PARTICIPATION IN SCIENTIFIC RESEARCH.
DATAONE PUBLIC PARTICIPATION IN SCIENTIFIC RESERARCH WORKING GROUP, 2013.
• http://www.dataone.org/sites/all/documents/DataONE-PPSR-DataManagementGuide.pdf
10. STRASSER, C. ET AL. PRIMER ON DATA MANAGEMENT: WHAT YOU ALWAYS WANTED TO KNOW. 2012.
CALIFORNIA DIGITAL LIBRARY, 2013.
• http://escholarship.org/uc/item/7tf5q7n3

Gestão de Dados Científicos
Ciclo de Vida dos Dados
Grupo de Integração de Sistemas
Coordenadores
Pedro Luiz Pizzigatti Corrêa (pedro.correa@usp.br)
Antônio Mauro Saraiva (saraiva@usp.br)
Equipe Técnica
Allan Koch Veiga (allan.kv@usp.br)
André Filipe (andrefmb@usp.br)
Cauê Felipe Pan (caue.pan@usp.br)
Cleverton Borba (cleverton.borba@usp.br)
Daniel Lins da Silva (daniellins@usp.br)
Dennis Seman (dennis.seman@usp.br)
Jorge Pinaya (jpinaya@usp.br)
Silvio Luiz Stanzani (silvio.stanzani@usp.br)
I Capacitação de Integração de Banco de Dados e Sistemas de Informação de
Biodiversidade

Gestão de Dados Científicos e seu Ciclo de Vida

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (13)

Semelhante a Gestão de Dados Científicos e seu Ciclo de Vida

Semelhante a Gestão de Dados Científicos e seu Ciclo de Vida (20)

Mais de Daniel Lins da Silva

Mais de Daniel Lins da Silva (8)

Último

Último (17)

Gestão de Dados Científicos e seu Ciclo de Vida