O documento discute a importância da governança de dados para organizações. Ele explica que governança de dados envolve gerenciar princípios e políticas para dados, atribuir responsabilidades e governar o uso de dados. Também descreve mecanismos de governança de dados implementados pelo governo federal brasileiro para compartilhar dados entre órgãos e melhorar a qualidade e uso de dados.
Unlocking Greater Insights with Integrated Data Quality for CollibraPrecisely
Data is arguably your company’s greatest asset, and a thoughtful data governance strategy, along with robust tools like Collibra Data Governance Center (DGC), is essential to getting the most value from that data. However, even the best data governance programs will falter without data quality.
Data governance systems provide a framework for the policies, processes, rules, roles and responsibilities that help you manage your enterprise data. But they don’t give you insight into the characteristics and quality of that data – such as errors, outliers and issues – nor how the data changes over time.
During this webinar, we discuss how seamlessly integrating Trillium DQ with Collibra DGC creates a complete data governance solution that delivers rapid insights into the health of your data, ensuring trust and compliance with organizational policies and plans. We demonstrate how data is automatically exchanged between the tools so users can:
• Quickly establish the rules needed to support policies
• Evaluate their data against those rules on an ongoing basis
• Identify problems or improvements with their data quality to take action
LGPD - LEI GERAL DE PROTEÇÃO DE DADOS - SGPD - SISTEMA DE GESTÃO DE PROTEÇÃO ...Wellington Monaco
Considerando-se a Jornada de Adequação à LGPD, faz-se necessário ressaltar a importância da Governança Corporativa na qual o SPGD -Sistema de Gestão de Proteção de Dados é um artefato fundamental para esta desafio corporativo.
What is a secure enterprise architecture roadmap?Ulf Mattsson
Webcast title : What is a Secure Enterprise Architecture Roadmap?
Description : This session will cover the following topics:
* What is a Secure Enterprise Architecture roadmap (SEA)?
* Are there different Roadmaps for different industries?
* How does compliance fit in with a SEA?
* Does blockchain, GDPR, Cloud, and IoT conflict with compliance regulations complicating your SEA?
* How will quantum computing impact SEA roadmap?
Presenters : Juanita Koilpillai, Bob Flores, Mark Rasch, Ulf Mattsson, David Morris
Duration : 68 min
Date & Time : Sep 20 2018 8:00 am
Timezone : United States - New York
Webcast URL : https://www.brighttalk.com/webinar/what-is-a-secure-enterprise-architecture-roadmap
Este infográfico mostra uma síntese da Gestão Ágil de Projetos. Ele mostra um modelo governança ágil que permite avaliar, decidir e selecionar qual o modelo é mais eficiente e adequado para cada perfil de projeto. Os modelos que são apesentados: modelo de gestão baseando no PMBOK, modelo de gestão baseado no Ágil e modelo Hibrido (quando usa-se dois modelos distintos juntos)
RWDG Slides: Build an Effective Data Governance FrameworkDATAVERSITY
Data Governance frameworks are used to structure the core components of a Data Governance program. Frameworks add significant value for those organizations getting started and improve or address missing components for programs already in place.
This month’s RWDG webinar with Bob Seiner will focus on dissecting a common Data Governance framework and customizing the framework to match the needs of your organization. Frameworks can be complex to describe but, in this case, the framework will become the self-describing face of your program.
In this webinar, Bob will share:
- A customizable Data Governance framework
- Five core components of a Data Governance framework
- Five perspectives for addressing each component
- Using a framework to select an approach to Data Governance
- Detailed descriptions of each component from each perspective
O documento discute a importância da privacidade no projeto (Privacy by Design) e da governança em privacidade de acordo com a Lei Geral de Proteção de Dados Pessoais brasileira (LGPD). Ele fornece uma visão geral dos principais conceitos e requisitos da LGPD, como titulares de dados, bases legais para tratamento de dados, direitos dos titulares, governança em privacidade e segurança da informação.
1. O documento discute a implementação da governança de TI com base nas melhores práticas de Cobit, ITIL e BSC.
2. São apresentadas as melhores práticas Cobit, ITIL e BSC e como implantar a governança de TI com base no Cobit.
3. O autor é um especialista em governança de TI e gestão de negócios que fornece orientações sobre como implementar a governança de TI.
Este documento apresenta os detalhes de uma disciplina de Gestão Estratégica da TI. A disciplina aborda três temas principais: TI e gerenciamento de processos, sistemas de informação e gestão do conhecimento. O documento também descreve os requisitos prévios, cronograma de avaliações, bibliografia e datas importantes.
Unlocking Greater Insights with Integrated Data Quality for CollibraPrecisely
Data is arguably your company’s greatest asset, and a thoughtful data governance strategy, along with robust tools like Collibra Data Governance Center (DGC), is essential to getting the most value from that data. However, even the best data governance programs will falter without data quality.
Data governance systems provide a framework for the policies, processes, rules, roles and responsibilities that help you manage your enterprise data. But they don’t give you insight into the characteristics and quality of that data – such as errors, outliers and issues – nor how the data changes over time.
During this webinar, we discuss how seamlessly integrating Trillium DQ with Collibra DGC creates a complete data governance solution that delivers rapid insights into the health of your data, ensuring trust and compliance with organizational policies and plans. We demonstrate how data is automatically exchanged between the tools so users can:
• Quickly establish the rules needed to support policies
• Evaluate their data against those rules on an ongoing basis
• Identify problems or improvements with their data quality to take action
LGPD - LEI GERAL DE PROTEÇÃO DE DADOS - SGPD - SISTEMA DE GESTÃO DE PROTEÇÃO ...Wellington Monaco
Considerando-se a Jornada de Adequação à LGPD, faz-se necessário ressaltar a importância da Governança Corporativa na qual o SPGD -Sistema de Gestão de Proteção de Dados é um artefato fundamental para esta desafio corporativo.
What is a secure enterprise architecture roadmap?Ulf Mattsson
Webcast title : What is a Secure Enterprise Architecture Roadmap?
Description : This session will cover the following topics:
* What is a Secure Enterprise Architecture roadmap (SEA)?
* Are there different Roadmaps for different industries?
* How does compliance fit in with a SEA?
* Does blockchain, GDPR, Cloud, and IoT conflict with compliance regulations complicating your SEA?
* How will quantum computing impact SEA roadmap?
Presenters : Juanita Koilpillai, Bob Flores, Mark Rasch, Ulf Mattsson, David Morris
Duration : 68 min
Date & Time : Sep 20 2018 8:00 am
Timezone : United States - New York
Webcast URL : https://www.brighttalk.com/webinar/what-is-a-secure-enterprise-architecture-roadmap
Este infográfico mostra uma síntese da Gestão Ágil de Projetos. Ele mostra um modelo governança ágil que permite avaliar, decidir e selecionar qual o modelo é mais eficiente e adequado para cada perfil de projeto. Os modelos que são apesentados: modelo de gestão baseando no PMBOK, modelo de gestão baseado no Ágil e modelo Hibrido (quando usa-se dois modelos distintos juntos)
RWDG Slides: Build an Effective Data Governance FrameworkDATAVERSITY
Data Governance frameworks are used to structure the core components of a Data Governance program. Frameworks add significant value for those organizations getting started and improve or address missing components for programs already in place.
This month’s RWDG webinar with Bob Seiner will focus on dissecting a common Data Governance framework and customizing the framework to match the needs of your organization. Frameworks can be complex to describe but, in this case, the framework will become the self-describing face of your program.
In this webinar, Bob will share:
- A customizable Data Governance framework
- Five core components of a Data Governance framework
- Five perspectives for addressing each component
- Using a framework to select an approach to Data Governance
- Detailed descriptions of each component from each perspective
O documento discute a importância da privacidade no projeto (Privacy by Design) e da governança em privacidade de acordo com a Lei Geral de Proteção de Dados Pessoais brasileira (LGPD). Ele fornece uma visão geral dos principais conceitos e requisitos da LGPD, como titulares de dados, bases legais para tratamento de dados, direitos dos titulares, governança em privacidade e segurança da informação.
1. O documento discute a implementação da governança de TI com base nas melhores práticas de Cobit, ITIL e BSC.
2. São apresentadas as melhores práticas Cobit, ITIL e BSC e como implantar a governança de TI com base no Cobit.
3. O autor é um especialista em governança de TI e gestão de negócios que fornece orientações sobre como implementar a governança de TI.
Este documento apresenta os detalhes de uma disciplina de Gestão Estratégica da TI. A disciplina aborda três temas principais: TI e gerenciamento de processos, sistemas de informação e gestão do conhecimento. O documento também descreve os requisitos prévios, cronograma de avaliações, bibliografia e datas importantes.
RWDG Slides: What is a Data Steward to do?DATAVERSITY
Most people recognize that Data Stewards play an essential role in their Data Governance and Information Governance programs. However, the manner in which Data Stewards are used is not the same from organization to organization. How you use Data Stewards depends on your goals for Data Governance.
Join Bob Seiner for this month’s RWDG webinar where he will share different ways to activate Data Stewards based on the purpose of your program. Bob will talk about options to extend existing Data Steward activity and how to build new functionality into the role of your Data Stewards.
In this webinar, Bob will discuss:
- The crucial role of the Data Steward in Data Governance
- Different types of Data Stewards and what they do
- Aligning Data Steward activities with program goals
- Improving existing Data Steward actions
- Finding new ways to use your Data Stewards
How to Build & Sustain a Data Governance Operating Model DATUM LLC
Learn how to execute a data governance strategy through creation of a successful business case and operating model.
Originally presented to an audience of 400+ at the Master Data Management & Data Governance Summit.
Visit www.datumstrategy.com for more!
Real-World Data Governance: Data Governance ExpectationsDATAVERSITY
When starting a Data Governance program, significant time, effort and bandwidth is typically spent selling the concept of data governance and telling people in your organization what data governance will do for them. This may not be the best strategy to take. We should focus on making Data Governance THEIR idea not ours.
Shouldn’t the strategy be that we get the business people from our organization to tell US why data governance is necessary and what data governance will do for them? If only we could get them to tell us these things? Maybe we can.
Join Bob Seiner and DATAVERSITY for this informative Real-World Data Governance webinar that will focus on getting THEM to tell US where data governance will add value. Seiner will review techniques for acquiring this information and will share information of where this information will add specific value to your data governance program. Some of those places may surprise you.
LGPD | VISÃO GERAL | JORNADA DE ADEQUAÇÃO | SGPD - SISTEMA DE GESTÃO DE PROTE...Wellington Monaco
O documento descreve as fases de um Sistema de Gestão de Proteção de Dados (SGPD), começando pela Fase 1 de Preparação. Esta fase inclui 8 etapas como mapear leis de privacidade, analisar impactos, estabelecer governança de dados e inventariar fluxos e dados pessoais, resultando em relatórios e manuais para preparar a organização para a LGPD.
The Data Trifecta – Privacy, Security & Governance Race from Reactivity to Re...DATAVERSITY
Change is hard, especially in response to negative stimuli or what is perceived as negative stimuli. So organizations need to reframe how they think about data privacy, security and governance, treating them as value centers to 1) ensure enterprise data can flow where it needs to, 2) prevent – not just react – to internal and external threats, and 3) comply with data privacy and security regulations.
Working together, these roles can accelerate faster access to approved, relevant and higher quality data – and that means more successful use cases, faster speed to insights, and better business outcomes. However, both new information and tools are required to make the shift from defense to offense, reducing data drama while increasing its value.
Join us for this panel discussion with experts in these fields as they discuss:
- Recent research about where data privacy, security and governance stand
- The most valuable enterprise data use cases
- The common obstacles to data value creation
- New approaches to data privacy, security and governance
- Their advice on how to shift from a reactive to resilient mindset/culture/organization
You’ll be educated, entertained and inspired by this panel and their expertise in using the data trifecta to innovate more often, operate more efficiently, and differentiate more strategically.
The document discusses six key questions organizations should ask about data governance: 1) Do we have a government structure in place to oversee data governance? 2) How can we assess our current data governance situation? 3) What is our data governance strategy? 4) What is the value of our data? 5) What are our data vulnerabilities? 6) How can we measure progress in data governance? It provides details on each question, highlighting the importance of leadership, benchmarks, strategic planning, risk assessment, and metrics in developing an effective data governance program.
Este documento apresenta um tutorial sobre o framework Scrum para desenvolvimento de software. Ele contém informações sobre os desafios do desenvolvimento de software, uma introdução ao Scrum, como funciona o Scrum e um estudo de caso. O objetivo é fornecer conhecimento sobre Scrum e discutir como aplicar suas práticas a projetos de desenvolvimento de software.
LGPD | FASE-2: ORGANIZAÇÃO | JORNADA DE ADEQUAÇÃO | SGPD - SISTEMA DE GESTÃO ...Wellington Monaco
O objetivo deste material é a apresentação de uma Jornada de Adequação Corporativa à nova Legislação de Proteção de Dados - LGPD - considerando-se um Framework | Sistema proposto pela Exin.
O Framework proposta é composto por 5 Fases a saber:
- Fase-1: Preparação
- Fase-2: Organização
- Fase-3: Desenvolvimento e Implementação
- Fase-4: Governança
- Fase-5 Avaliação e Melhoria
Esta apresentação detalha a FASE-2: ORGANIZAÇÃO
LGPD | FASE-1: PREPARAÇÃO | JORNADA DE ADEQUAÇÃO | SGPD - SISTEMA DE GESTÃO ...Wellington Monaco
O objetivo deste material é a apresentação de uma Jornada de Adequação Corporativa à nova Legislação de Proteção de Dados - LGPD - considerando-se um Framework | Sistema proposto pela Exin.
Apresentação de melhores práticas para a estruturação de um Sistema responsável pelo gerenciamento e por mitigar os riscos de proteção de dados e privacidade envolvidos em todo o ciclo de vida de dados pessoais no ambiente corporativo, considerando-se a coleta e o processamento de dados pessoais.
Sistema proposto PD&P (Proteção de Dados e Privacidade) inclui uma metodologia consolidada em processos, fases, etapas, políticas, procedimentos e várias ferramentas técnicas.
O Framework proposta é composto por 5 Fases a saber:
- Fase-1: Preparação
- Fase-2: Organização
- Fase-3: Desenvolvimento e Implementação
- Fase-4: Governança
- Fase-5 Avaliação e Melhoria
This presentation reports on data governance best practices. Based on a definition of fundamental terms and the business rationale for data governance, a set of case studies from leading companies is presented. The content of this presentation is a result of the Competence Center Corporate Data Quality (CC CDQ) at the University of St. Gallen, Switzerland.
Real-World Data Governance Webinar: Data Governance Framework ComponentsDATAVERSITY
There are several basic components that go into delivering a successful and sustainable data governance program. Many of these framework items can be developed using tools you already own and without going to great expense. Organizations swear by the items that will be discussed in this webinar.
Join Bob Seiner for this month’s installment of the Real-World Data Governance series to learn about how to build and deliver immediate and future value from your Data Governance program through the delivery of items that will formalize accountability for the management of data and information assets.
Bob will discuss these core components:
Gaining Leadership’s backing and understanding
Best Practice Analysis leading to Recommended Actions
Operating Model of Roles & Responsibilities
Communications Plan to improve awareness
Action Plan / Roadmap to success
Introduction to Data Management Maturity ModelsKingland
Jeff Gorball, the only individual accredited in the EDM Council Data Management Capability Model and the CMMI Institute Data Management Maturity Model, introduces audiences to both models and shares how you can choose which one is best for your needs.
Building a Data Strategy – Practical Steps for Aligning with Business GoalsDATAVERSITY
Developing a Data Strategy for your organization can seem like a daunting task – but it’s worth the effort. Getting your Data Strategy right can provide significant value, as data drives many of the key initiatives in today’s marketplace – from digital transformation, to marketing, to customer centricity, to population health, and more. This webinar will help demystify Data Strategy and its relationship to Data Architecture and will provide concrete, practical ways to get started.
Most Common Data Governance Challenges in the Digital EconomyRobyn Bollhorst
Todays’ increasing emphasis on differentiation in the digital economy further complicates the data governance challenge. Learn about today’s common challenges and about the new adaptations that are required to support the digital era. Avoid the pitfalls and follow along on Johnson & Johnson’s journey to:
- Establish and scale a best in class enterprise data governance program
- Identify and focus on the most critical data and information to bolster incremental wins and garner executive support
- Ensure readiness for automation with SAP MDG on HANA
RWDG Slides: Building a Data Governance RoadmapDATAVERSITY
A Data Governance roadmap is typically based on the results of a best practice assessment. The assessment defines the outcomes required to achieve Data Governance best practices while the roadmap details the “actionable streams” required to formalize a Data Governance program and achieve those outcomes.
In this month’s webinar, Bob Seiner will share the process he follows to build a Data Governance roadmap of actionable streams and the steps required to complete the streams. In addition, Bob will describe the activities that are common to most organizations getting started or evaluating the success of their program.
Topics to be discussed in this webinar include:
• Criteria for defining best practices
• Using the assessment results to build the roadmap
• Examples of repeated actionable streams
• The role of the program administrator in executing the roadmap
• Communicating the roadmap to the stakeholders
Data Governance Takes a Village (So Why is Everyone Hiding?)DATAVERSITY
Data governance represents both an obstacle and opportunity for enterprises everywhere. And many individuals may hesitate to embrace the change. Yet if led well, a governance initiative has the potential to launch a data community that drives innovation and data-driven decision-making for the wider business. (And yes, it can even be fun!). So how do you build a roadmap to success?
This session will gather four governance experts, including Mary Williams, Associate Director, Enterprise Data Governance at Exact Sciences, and Bob Seiner, author of Non-Invasive Data Governance, for a roundtable discussion about the challenges and opportunities of leading a governance initiative that people embrace. Join this webinar to learn:
- How to build an internal case for data governance and a data catalog
- Tips for picking a use case that builds confidence in your program
- How to mature your program and build your data community
Data Governance and Metadata ManagementDATAVERSITY
Metadata is a tool that improves data understanding, builds end-user confidence, and improves the return on investment in every asset associated with becoming a data-centric organization. Metadata’s use has expanded beyond “data about data” to cover every phase of data analytics, protection, and quality improvement. Data Governance and metadata are connected at the hip in every way possible. As the song goes, “You can’t have one without the other.”
In this RWDG webinar, Bob Seiner will provide a way to renew your energy by focusing on the valuable asset that can make or break your Data Governance program’s success. The truth is metadata is already inherent in your data environment, and it can be leveraged by making it available to all levels of the organization. At issue is finding the most appropriate ways to leverage and share metadata to improve data value and protection.
Throughout this webinar, Bob will share information about:
- Delivering an improved definition of metadata
- Communicating the relationship between successful governance and metadata
- Getting your business community to embrace the need for metadata
- Determining the metadata that will provide the most bang for your bucks
- The importance of Metadata Management to becoming data-centric
Making data based decisions makes instinctive sense, and evidence is mounting that it makes strong commercial sense too.
Whilst being aware of this kind of potential is undoubtedly valuable, knowing it and doing something about it are two very different things.
So how do you go about becoming a data driven organization?
And how does the Data Management Maturity Assessment help in achieving your data strategy goals?
Data Management vs. Data Governance ProgramDATAVERSITY
This document contains a presentation by Peter Aiken on data programs, specifically distinguishing between data management and data governance. Some key points:
- Data management focuses on understanding current and future data needs and making data effective and efficient for business activities. Data governance establishes authority and control over data management.
- Both data management and governance are needed for success. Data management executes practices while data governance provides oversight and guidance.
- Messaging should emphasize the critical importance of data and having a singular focus on improving data's role in achieving organizational strategy.
- A data strategy should define each practice area's relationship and focus on continuous improvement over multiple iterations.
O documento discute a importância dos sistemas de informação na tomada de decisões gerenciais. Ele explica que sistemas de informação são ferramentas essenciais que fornecem dados importantes para gestores tomarem decisões rápidas e bem informadas. Além disso, sistemas de informação aumentam a eficiência dos processos e a competitividade das empresas.
Art 3 a importância do sistema de informação gerencial para tomada de decisõesJoydd Mateus
O documento discute a importância do sistema de informação gerencial (SIG) para tomada de decisões empresariais. Explica que o SIG fornece informações rápidas, precisas e úteis que fortalecem os planos de negócios e melhoram o processo decisório dos gestores. Também define conceitos-chave como dados, informação, conhecimento e tecnologia da informação, e discute como esses elementos apoiam a tomada de decisões.
RWDG Slides: What is a Data Steward to do?DATAVERSITY
Most people recognize that Data Stewards play an essential role in their Data Governance and Information Governance programs. However, the manner in which Data Stewards are used is not the same from organization to organization. How you use Data Stewards depends on your goals for Data Governance.
Join Bob Seiner for this month’s RWDG webinar where he will share different ways to activate Data Stewards based on the purpose of your program. Bob will talk about options to extend existing Data Steward activity and how to build new functionality into the role of your Data Stewards.
In this webinar, Bob will discuss:
- The crucial role of the Data Steward in Data Governance
- Different types of Data Stewards and what they do
- Aligning Data Steward activities with program goals
- Improving existing Data Steward actions
- Finding new ways to use your Data Stewards
How to Build & Sustain a Data Governance Operating Model DATUM LLC
Learn how to execute a data governance strategy through creation of a successful business case and operating model.
Originally presented to an audience of 400+ at the Master Data Management & Data Governance Summit.
Visit www.datumstrategy.com for more!
Real-World Data Governance: Data Governance ExpectationsDATAVERSITY
When starting a Data Governance program, significant time, effort and bandwidth is typically spent selling the concept of data governance and telling people in your organization what data governance will do for them. This may not be the best strategy to take. We should focus on making Data Governance THEIR idea not ours.
Shouldn’t the strategy be that we get the business people from our organization to tell US why data governance is necessary and what data governance will do for them? If only we could get them to tell us these things? Maybe we can.
Join Bob Seiner and DATAVERSITY for this informative Real-World Data Governance webinar that will focus on getting THEM to tell US where data governance will add value. Seiner will review techniques for acquiring this information and will share information of where this information will add specific value to your data governance program. Some of those places may surprise you.
LGPD | VISÃO GERAL | JORNADA DE ADEQUAÇÃO | SGPD - SISTEMA DE GESTÃO DE PROTE...Wellington Monaco
O documento descreve as fases de um Sistema de Gestão de Proteção de Dados (SGPD), começando pela Fase 1 de Preparação. Esta fase inclui 8 etapas como mapear leis de privacidade, analisar impactos, estabelecer governança de dados e inventariar fluxos e dados pessoais, resultando em relatórios e manuais para preparar a organização para a LGPD.
The Data Trifecta – Privacy, Security & Governance Race from Reactivity to Re...DATAVERSITY
Change is hard, especially in response to negative stimuli or what is perceived as negative stimuli. So organizations need to reframe how they think about data privacy, security and governance, treating them as value centers to 1) ensure enterprise data can flow where it needs to, 2) prevent – not just react – to internal and external threats, and 3) comply with data privacy and security regulations.
Working together, these roles can accelerate faster access to approved, relevant and higher quality data – and that means more successful use cases, faster speed to insights, and better business outcomes. However, both new information and tools are required to make the shift from defense to offense, reducing data drama while increasing its value.
Join us for this panel discussion with experts in these fields as they discuss:
- Recent research about where data privacy, security and governance stand
- The most valuable enterprise data use cases
- The common obstacles to data value creation
- New approaches to data privacy, security and governance
- Their advice on how to shift from a reactive to resilient mindset/culture/organization
You’ll be educated, entertained and inspired by this panel and their expertise in using the data trifecta to innovate more often, operate more efficiently, and differentiate more strategically.
The document discusses six key questions organizations should ask about data governance: 1) Do we have a government structure in place to oversee data governance? 2) How can we assess our current data governance situation? 3) What is our data governance strategy? 4) What is the value of our data? 5) What are our data vulnerabilities? 6) How can we measure progress in data governance? It provides details on each question, highlighting the importance of leadership, benchmarks, strategic planning, risk assessment, and metrics in developing an effective data governance program.
Este documento apresenta um tutorial sobre o framework Scrum para desenvolvimento de software. Ele contém informações sobre os desafios do desenvolvimento de software, uma introdução ao Scrum, como funciona o Scrum e um estudo de caso. O objetivo é fornecer conhecimento sobre Scrum e discutir como aplicar suas práticas a projetos de desenvolvimento de software.
LGPD | FASE-2: ORGANIZAÇÃO | JORNADA DE ADEQUAÇÃO | SGPD - SISTEMA DE GESTÃO ...Wellington Monaco
O objetivo deste material é a apresentação de uma Jornada de Adequação Corporativa à nova Legislação de Proteção de Dados - LGPD - considerando-se um Framework | Sistema proposto pela Exin.
O Framework proposta é composto por 5 Fases a saber:
- Fase-1: Preparação
- Fase-2: Organização
- Fase-3: Desenvolvimento e Implementação
- Fase-4: Governança
- Fase-5 Avaliação e Melhoria
Esta apresentação detalha a FASE-2: ORGANIZAÇÃO
LGPD | FASE-1: PREPARAÇÃO | JORNADA DE ADEQUAÇÃO | SGPD - SISTEMA DE GESTÃO ...Wellington Monaco
O objetivo deste material é a apresentação de uma Jornada de Adequação Corporativa à nova Legislação de Proteção de Dados - LGPD - considerando-se um Framework | Sistema proposto pela Exin.
Apresentação de melhores práticas para a estruturação de um Sistema responsável pelo gerenciamento e por mitigar os riscos de proteção de dados e privacidade envolvidos em todo o ciclo de vida de dados pessoais no ambiente corporativo, considerando-se a coleta e o processamento de dados pessoais.
Sistema proposto PD&P (Proteção de Dados e Privacidade) inclui uma metodologia consolidada em processos, fases, etapas, políticas, procedimentos e várias ferramentas técnicas.
O Framework proposta é composto por 5 Fases a saber:
- Fase-1: Preparação
- Fase-2: Organização
- Fase-3: Desenvolvimento e Implementação
- Fase-4: Governança
- Fase-5 Avaliação e Melhoria
This presentation reports on data governance best practices. Based on a definition of fundamental terms and the business rationale for data governance, a set of case studies from leading companies is presented. The content of this presentation is a result of the Competence Center Corporate Data Quality (CC CDQ) at the University of St. Gallen, Switzerland.
Real-World Data Governance Webinar: Data Governance Framework ComponentsDATAVERSITY
There are several basic components that go into delivering a successful and sustainable data governance program. Many of these framework items can be developed using tools you already own and without going to great expense. Organizations swear by the items that will be discussed in this webinar.
Join Bob Seiner for this month’s installment of the Real-World Data Governance series to learn about how to build and deliver immediate and future value from your Data Governance program through the delivery of items that will formalize accountability for the management of data and information assets.
Bob will discuss these core components:
Gaining Leadership’s backing and understanding
Best Practice Analysis leading to Recommended Actions
Operating Model of Roles & Responsibilities
Communications Plan to improve awareness
Action Plan / Roadmap to success
Introduction to Data Management Maturity ModelsKingland
Jeff Gorball, the only individual accredited in the EDM Council Data Management Capability Model and the CMMI Institute Data Management Maturity Model, introduces audiences to both models and shares how you can choose which one is best for your needs.
Building a Data Strategy – Practical Steps for Aligning with Business GoalsDATAVERSITY
Developing a Data Strategy for your organization can seem like a daunting task – but it’s worth the effort. Getting your Data Strategy right can provide significant value, as data drives many of the key initiatives in today’s marketplace – from digital transformation, to marketing, to customer centricity, to population health, and more. This webinar will help demystify Data Strategy and its relationship to Data Architecture and will provide concrete, practical ways to get started.
Most Common Data Governance Challenges in the Digital EconomyRobyn Bollhorst
Todays’ increasing emphasis on differentiation in the digital economy further complicates the data governance challenge. Learn about today’s common challenges and about the new adaptations that are required to support the digital era. Avoid the pitfalls and follow along on Johnson & Johnson’s journey to:
- Establish and scale a best in class enterprise data governance program
- Identify and focus on the most critical data and information to bolster incremental wins and garner executive support
- Ensure readiness for automation with SAP MDG on HANA
RWDG Slides: Building a Data Governance RoadmapDATAVERSITY
A Data Governance roadmap is typically based on the results of a best practice assessment. The assessment defines the outcomes required to achieve Data Governance best practices while the roadmap details the “actionable streams” required to formalize a Data Governance program and achieve those outcomes.
In this month’s webinar, Bob Seiner will share the process he follows to build a Data Governance roadmap of actionable streams and the steps required to complete the streams. In addition, Bob will describe the activities that are common to most organizations getting started or evaluating the success of their program.
Topics to be discussed in this webinar include:
• Criteria for defining best practices
• Using the assessment results to build the roadmap
• Examples of repeated actionable streams
• The role of the program administrator in executing the roadmap
• Communicating the roadmap to the stakeholders
Data Governance Takes a Village (So Why is Everyone Hiding?)DATAVERSITY
Data governance represents both an obstacle and opportunity for enterprises everywhere. And many individuals may hesitate to embrace the change. Yet if led well, a governance initiative has the potential to launch a data community that drives innovation and data-driven decision-making for the wider business. (And yes, it can even be fun!). So how do you build a roadmap to success?
This session will gather four governance experts, including Mary Williams, Associate Director, Enterprise Data Governance at Exact Sciences, and Bob Seiner, author of Non-Invasive Data Governance, for a roundtable discussion about the challenges and opportunities of leading a governance initiative that people embrace. Join this webinar to learn:
- How to build an internal case for data governance and a data catalog
- Tips for picking a use case that builds confidence in your program
- How to mature your program and build your data community
Data Governance and Metadata ManagementDATAVERSITY
Metadata is a tool that improves data understanding, builds end-user confidence, and improves the return on investment in every asset associated with becoming a data-centric organization. Metadata’s use has expanded beyond “data about data” to cover every phase of data analytics, protection, and quality improvement. Data Governance and metadata are connected at the hip in every way possible. As the song goes, “You can’t have one without the other.”
In this RWDG webinar, Bob Seiner will provide a way to renew your energy by focusing on the valuable asset that can make or break your Data Governance program’s success. The truth is metadata is already inherent in your data environment, and it can be leveraged by making it available to all levels of the organization. At issue is finding the most appropriate ways to leverage and share metadata to improve data value and protection.
Throughout this webinar, Bob will share information about:
- Delivering an improved definition of metadata
- Communicating the relationship between successful governance and metadata
- Getting your business community to embrace the need for metadata
- Determining the metadata that will provide the most bang for your bucks
- The importance of Metadata Management to becoming data-centric
Making data based decisions makes instinctive sense, and evidence is mounting that it makes strong commercial sense too.
Whilst being aware of this kind of potential is undoubtedly valuable, knowing it and doing something about it are two very different things.
So how do you go about becoming a data driven organization?
And how does the Data Management Maturity Assessment help in achieving your data strategy goals?
Data Management vs. Data Governance ProgramDATAVERSITY
This document contains a presentation by Peter Aiken on data programs, specifically distinguishing between data management and data governance. Some key points:
- Data management focuses on understanding current and future data needs and making data effective and efficient for business activities. Data governance establishes authority and control over data management.
- Both data management and governance are needed for success. Data management executes practices while data governance provides oversight and guidance.
- Messaging should emphasize the critical importance of data and having a singular focus on improving data's role in achieving organizational strategy.
- A data strategy should define each practice area's relationship and focus on continuous improvement over multiple iterations.
O documento discute a importância dos sistemas de informação na tomada de decisões gerenciais. Ele explica que sistemas de informação são ferramentas essenciais que fornecem dados importantes para gestores tomarem decisões rápidas e bem informadas. Além disso, sistemas de informação aumentam a eficiência dos processos e a competitividade das empresas.
Art 3 a importância do sistema de informação gerencial para tomada de decisõesJoydd Mateus
O documento discute a importância do sistema de informação gerencial (SIG) para tomada de decisões empresariais. Explica que o SIG fornece informações rápidas, precisas e úteis que fortalecem os planos de negócios e melhoram o processo decisório dos gestores. Também define conceitos-chave como dados, informação, conhecimento e tecnologia da informação, e discute como esses elementos apoiam a tomada de decisões.
O documento discute a governança da gestão documental e como gerir, estruturar e utilizar as informações nas empresas. Apresenta especialistas na área que debatem os desafios atuais em lidar com o grande volume de dados gerados diariamente e a necessidade de abordagens inovadoras para a gestão da informação.
Gestão da informação é o conjunto de atividades para mapear fluxos de informação, coletar dados de várias fontes e elaborar produtos informativos para apoiar decisões. Profissionais de TI, arquivistas e bibliotecários se juntam a gerentes para otimizar recursos de informação via sistemas de hardware, software e rede. Um sistema de gestão de informação bem implementado melhora a tomada de decisão, o desempenho empresarial e a retenção de conhecimento.
O documento discute a importância da gestão da informação para o suporte à inteligência de negócios nas organizações modernas. A gestão da informação é um grande desafio que exige tomadas de decisão baseadas em informações seguras, oportunas e abrangentes. Sistemas de informação e business intelligence são necessários para transformar dados em conhecimento e apoiar o processo decisório de forma a gerar vantagens competitivas.
A Governança de TI atraves da Gestão Estratégica da InformaçãoWeig Oliveira
Os avanços tecnológicos estão causando um grande impacto nas Organizações e na sociedade, criando uma nova forma de agir nesta nova realidade. Já nos tornamos a tão falada sociedade da Informação, e hoje somos movidos pelo conhecimento. Esta nova sociedade esta baseada na tecnologia da informação e a cada dia que passa a mesma vem sendo cada vez mais utilizada pelas organizações causando uma dependência ainda maior ao longo dos anos. A falta de conhecimento na utilização da tecnologia da informação está inviabilizando as principais estratégias de negócio nas empresas. Dessa maneira o planejamento dos recursos de TI deve fazer parte do planejamento estratégico a fim de ser bastante discutido entre todos os gestores na organização. A tecnologia da informação apresenta uma maneira de obter um nível maior de excelência com competência e competitividade.
O documento discute a importância dos sistemas de informações gerenciais (SIG) para a tomada de decisões nas empresas. Primeiro, define dados, informação e sistemas, e como os dados se transformam em informações valiosas por meio dos SIG. Segundo, explica que os SIG coletam, processam e disseminam dados para gerar informações úteis aos gestores no processo decisório.
Information System is the term used to describe whether automated system (which can be termed as Computerized Information System), ie manual, covering people, machines, and / or methods organized to collect, process, transmit and disseminate data account information to the user and / or client. Furthermore, the term is also used to describe the area of knowledge in charge of the study of Information Systems, Information Technology and their relationship with organizations.
Entrevista sobre os Sistemas de Informação (SI) e suas áreas de atuação específicas em uma empresa que possua uma área de Tecnologia da Informação (TI) bem desenvolvida.
Trabalho da disciplina de Introdução em Sistemas de Informação. PUCRS.
EMC Summer School on Big Data 2013
http://web.archive.org/web/20130627152404/http://emcbigdataschool.nce.ufrj.br/index.php/speakers-and-schedule/slides.html
http://2014.emcbigdataschool.nce.ufrj.br/images/presentations/
Governança de Dados - Classificação da Informação e Revisão de PermissionamentoVirtù Tecnológica
O documento descreve a solução Data Governance Suite da Varonis para governança de dados, incluindo ferramentas para gerenciamento e governança de dados, auditoria e automação, classificação de dados e coleta e análise de metadados. A solução fornece visibilidade sobre usuários, grupos e permissões, além de recomendações para aprimorar a segurança e a conformidade com as políticas de dados da organização.
Agsinf resumo do livro (sistemas de informações gerenciais - cap. 1 e 2)Tarciso Ferreira
O documento discute a importância dos sistemas de informação para as empresas e como eles apoiam as principais áreas funcionais e objetivos organizacionais. Também explica os tipos de sistemas que atendem às diferentes níveis gerenciais e as responsabilidades do departamento de sistemas de informação.
Este documento descreve um curso de sistemas de informação avançados, abordando novos modelos de SI, automação, gestão do conhecimento, documentos eletrônicos e outros tópicos. Ele também define conceitos-chave como dados, processamento e informação e classifica sistemas de acordo com o tipo de informação processada e nível de decisão apoiado.
O documento discute a evolução da tecnologia da informação na indústria automobilística. Nas décadas de 1970 e 1980, as montadoras automatizaram seus sistemas e criaram consórcios para compartilhar informações em tempo real com fornecedores. Atualmente, a internet permite a interligação de todos os sistemas e a comunicação entre clientes e fornecedores a um custo reduzido.
1. O documento apresenta um trabalho de desenvolvimento de um estudo de caso sobre a programação da formatura de um curso de ADS utilizando um Sistema de Informação Estratégica.
2. O trabalho aborda conceitos de interface humano-computador para desenvolver uma tela protótipo e analisa os sistemas de informação estratégicos e gerenciais.
3. Também discute criptografia, apresentando tipos como substituição e transposição e exemplificando com o Código de César.
O documento apresenta uma introdução sobre Business Intelligence (BI) em mídias sociais, definindo o termo BI e discutindo como as empresas podem obter insights a partir dos dados gerados nas mídias sociais para apoiar a tomada de decisões. Ele também discute os principais conceitos relacionados a BI como coleta, armazenamento e análise de dados.
1. O documento apresenta um trabalho de desenvolvimento de um estudo de caso sobre a programação da formatura de um curso de ADS utilizando um Sistema de Informação Estratégica.
2. O trabalho descreve os objetivos e justificativas do projeto, conceitos de sistemas de informação estratégica e gerencial, e criptografia de dados.
3. Inclui figuras ilustrando telas do protótipo, diagramas de sistemas de informação e tipos de criptografia.
Tecnologia para o processo de tomada de decisãoalessandrotk
O documento discute sobre sistemas de apoio à decisão, sistemas de informações gerenciais e business intelligence. Apresenta as definições destes sistemas, suas características, objetivos, estruturas funcionais e como podem ser usados para melhorar o processo de tomada de decisão nas empresas.
O documento discute conceitos fundamentais de sistemas de informação. Apresenta sistemas de informação como infraestruturas que suportam o fluxo de informação dentro e fora de organizações. Também discute o papel central dos recursos humanos e a importância de abordagens socio-tecnológicas para o estudo de sistemas de informação.
1) O documento discute os benefícios e desafios da qualidade de dados, introduzindo conceitos como padronização, aplicação de políticas e data profiling.
2) A baixa qualidade de dados tem consequências negativas para as organizações e pode prejudicar projetos de business intelligence.
3) A ferramenta de data profiling pode ser usada para melhorar a qualidade dos dados, identificando problemas através da análise das dimensões e aspectos de qualidade de dados.
PRODUÇÃO E CONSUMO DE ENERGIA DA PRÉ-HISTÓRIA À ERA CONTEMPORÂNEA E SUA EVOLU...Faga1939
Este artigo tem por objetivo apresentar como ocorreu a evolução do consumo e da produção de energia desde a pré-história até os tempos atuais, bem como propor o futuro da energia requerido para o mundo. Da pré-história até o século XVIII predominou o uso de fontes renováveis de energia como a madeira, o vento e a energia hidráulica. Do século XVIII até a era contemporânea, os combustíveis fósseis predominaram com o carvão e o petróleo, mas seu uso chegará ao fim provavelmente a partir do século XXI para evitar a mudança climática catastrófica global resultante de sua utilização ao emitir gases do efeito estufa responsáveis pelo aquecimento global. Com o fim da era dos combustíveis fósseis virá a era das fontes renováveis de energia quando prevalecerá a utilização da energia hidrelétrica, energia solar, energia eólica, energia das marés, energia das ondas, energia geotérmica, energia da biomassa e energia do hidrogênio. Não existem dúvidas de que as atividades humanas sobre a Terra provocam alterações no meio ambiente em que vivemos. Muitos destes impactos ambientais são provenientes da geração, manuseio e uso da energia com o uso de combustíveis fósseis. A principal razão para a existência desses impactos ambientais reside no fato de que o consumo mundial de energia primária proveniente de fontes não renováveis (petróleo, carvão, gás natural e nuclear) corresponde a aproximadamente 88% do total, cabendo apenas 12% às fontes renováveis. Independentemente das várias soluções que venham a ser adotadas para eliminar ou mitigar as causas do efeito estufa, a mais importante ação é, sem dúvidas, a adoção de medidas que contribuam para a eliminação ou redução do consumo de combustíveis fósseis na produção de energia, bem como para seu uso mais eficiente nos transportes, na indústria, na agropecuária e nas cidades (residências e comércio), haja vista que o uso e a produção de energia são responsáveis por 57% dos gases de estufa emitidos pela atividade humana. Neste sentido, é imprescindível a implantação de um sistema de energia sustentável no mundo. Em um sistema de energia sustentável, a matriz energética mundial só deveria contar com fontes de energia limpa e renováveis (hidroelétrica, solar, eólica, hidrogênio, geotérmica, das marés, das ondas e biomassa), não devendo contar, portanto, com o uso dos combustíveis fósseis (petróleo, carvão e gás natural).
As classes de modelagem podem ser comparadas a moldes ou
formas que definem as características e os comportamentos dos
objetos criados a partir delas. Vale traçar um paralelo com o projeto de
um automóvel. Os engenheiros definem as medidas, a quantidade de
portas, a potência do motor, a localização do estepe, dentre outras
descrições necessárias para a fabricação de um veículo
Em um mundo cada vez mais digital, a segurança da informação tornou-se essencial para proteger dados pessoais e empresariais contra ameaças cibernéticas. Nesta apresentação, abordaremos os principais conceitos e práticas de segurança digital, incluindo o reconhecimento de ameaças comuns, como malware e phishing, e a implementação de medidas de proteção e mitigação para vazamento de senhas.
Este certificado confirma que Gabriel de Mattos Faustino concluiu com sucesso um curso de 42 horas de Gestão Estratégica de TI - ITIL na Escola Virtual entre 19 de fevereiro de 2014 a 20 de fevereiro de 2014.
Escola Virtual - Fundação Bradesco - ITIL - Gabriel Faustino.pdf
GOVERNANCA DE DADOS.pdf
1. Fonte: https://www.escolavirtual.gov.br/curso/270/
Lição módulo 1
1. Introdução
O que é importante em uma organização?
Pessoas, orçamento, equipamentos, imóveis, dados… é difícil pensar no funcionamento de
organizações na ausência de um desses elementos, o que prova a importância de todos eles. Vários
desses são ativos essenciais à maioria das entidades e, como tais, devem ser bem geridos e
governados, de modo a maximizar o seu valor.
Você sabe a distinção entre gerir e governar?
Em síntese, gerir é garantir que fazemos certo as coisas, enquanto governar é garantir que fazemos as
coisas certas. (WODZINSKI et al, 2015).
O que vem a ser Governança de Dados?
Em suma, a Governança de Dados é responsável por gerir os princípios de organização e controle de
dados e informações. Esta gestão envolve uma interface com diversas outras funções e estabelece
políticas e diretrizes corporativas para, além de atribuir papéis e responsabilidades, governar os dados.
O escopo de atuação da Governança de Dados é muito amplo. Engana-se quem acha que ela atua
somente no patamar das normas e dos padrões ou por meio de controles e permissões de acesso a
dados e informações.
A Governança de Dados também atua com uma visão mais apurada sobre os dados estratégicos da
organização, definindo e analisando os processos que produzem e se abastecem desses dados.
Governança de Dados, segundo consta no Inciso VI do Art. 2º da Portaria STI/MP nº 58, de 23 de
dezembro de 2016, é o conjunto de políticas, processos, pessoas e tecnologias que visam a estruturar
e administrar os ativos de informação, com o objetivo de aprimorar a eficiência dos processos de
gestão e da qualidade dos dados, a fim de promover eficiência operacional, bem como garantir a
confiabilidade das informações que suportam a tomada de decisão.
São objetivos da Governança de Dados:
Definir e implementar estratégias de dados, políticas, normas, padrões, arquitetura, processos
e métricas.
Patrocinar e monitorar os projetos relacionados à Gestão de Dados.
Implementar e gerenciar a Gestão de Riscos relacionada ao compartilhamento de dados.
Promover o valor dos dados como ativos estratégicos.
2. A Importância da Governança de Dados
Governança de Dados permite validar, qualificar, distribuir, organizar e armazenar as informações da
organização de maneira precisa, ágil e eficiente.
Um exemplo prático de uso da Governança de Dados pode ser verificado na implementação da
plataforma de Análise de Dados para Administração Pública, denominada GovData. Essa plataforma
2. disponibiliza infraestrutura de armazenamento e hospedagem, permitindo o cruzamento de grandes
volumes de dados, visando:
1. A utilização de ferramentas para análise e cruzamento de dados para geração de informações
para a tomada de decisões.
2. O favorecimento da desburocratização por meio de acesso centralizado a informações de
governo para simplificar a oferta de serviços públicos.
3. A ampliação da transparência permitindo a análise de contas públicas para combater fraudes.
4. A adoção de tecnologia de ponta no processamento de grande volume de dados com rápido
tempo de resposta.
5. A viabilização da segurança e garantia de sigilo e individualização das bases de dados.
6. A alavancagem da economicidade pelo uso compartilhado de infraestrutura e do consumo de
dados para redução de custos.
Os ganhos advindos do uso da Governança de Dados são muitos – alguns intangíveis – e variam para
cada organização. Os principais ganhos comuns à maioria das organizações que adotam a
Governança de Dados como parte de sua estrutura organizacional são:
Mudança de cultura: dados e informações passam a ser reconhecidos como importantes
ativos estratégicos nas organizações.
Melhor alinhamento entre as áreas de Tecnologia da Informação e Comunicação (TIC) e
de Negócio: esse alinhamento é premissa fundamental para o bom funcionamento da
Governança de Dados. Com isso, outras áreas como a de mapeamento de processos e a de
desenvolvimento de sistemas podem se beneficiar de alinhamentos já iniciados.
A gestão das operações de captura, armazenamento, proteção, planejamento, controle e
garantia da qualidade dos ativos de dados é centralizada em uma única estrutura, permitindo a
redução de custos e a otimização do uso dos recursos.
Criação de uma cultura do uso de indicadores de processo, qualidade e desempenho de
dados e informações: o objetivo é manter alinhados a Governança de Dados e o
Planejamento Estratégico da Organização.
Conhecimento de dados e informações utilizados por meio da adoção de um vocabulário
único sobre as definições dos dados: ampliação e melhoria da disseminação do
conhecimento entre as pessoas – passagem do capital intelectual para o capital estrutural.
Entendimento das principais necessidades de dados e informações da organização,
fornecendo um importante subsídio para estabelecer o planejamento para absorção, criação
e/ou transformação de novos dados e informações para a empresa: definir o que realmente é
importante em relação à utilização de dados e informações e estabelecer prioridades em
relação às futuras implementações e mudanças.
Redução da quantidade de informações redundantes.
Estabelecimento de mecanismos formais de segurança para acesso e disponibilização de
dados e informações.
Reutilização de dados corporativos e/ou compartilhados, por meio do gerenciamento de dados
mestre e dados de referência.
Total governança dos dados manipulados pela organização.
O tema Governança de Dados será mais detalhado no Item 3.1 do Módulo III.
3. Cadeia de Evolução dos Dados e Informações
Dado -> informação -> conhecimento e sabedoria constituem a cadeia de evolução de dados e
informações. Na verdade, quando falamos sobre “dados” estamos nos referindo à base da matéria-
prima necessária para conseguir o que todas as organizações desejam: utilizar o conhecimento das
informações para tomar decisões ágeis e corretas.
A cadeia de evolução de dados e informações representa a transformação gradual e progressiva sobre
o uso de dados e informações. Também serve como modelo para descobrir em que nível dessa cadeia
4. 3.1. Organização da Informação na Administração Pública Federal - APF
É sabido que os órgãos públicos geram muitos dados e informações. Cobram taxas e impostos,
constroem estradas, abastecem hospitais, pagam benefícios e cancelam permissões de motoristas,
essas ações são sustentadas pelo primeiro item: a cobrança de impostos. Poderíamos, então, dizer
que a função do Estado é cobrar impostos e executar ações com esse dinheiro. Mas, para todas as
ações, desde a cobrança de impostos, o insumo básico é informação. Isso ocorre desde a renda
declarada e da renda verificada até a ocorrência de multas que justificarão, por exemplo, o
cancelamento da carteira de motorista.
O governo é uma instituição de informações. Ele consome informações (renda, salários, bens,
ocorrência de doenças, estoque de remédios, idade de pensionistas, multas de trânsito, etc.) e produz
informações (imposto devido, necessidade de reposição de medicamentos, valores de pensões
devidas, carteiras a serem canceladas). Seu desempenho, em todas as áreas, está ligado a essas
informações.
Com isso, a APF, diante de um cenário em que existe uma elevada geração de dados registrados em
diversas bases sem integração e compartilhamento promoveu a criação de instrumentos normativos e
adoção de soluções tecnológicas visando:
Criar um ambiente de integração para simplificar a oferta de serviços públicos.
Subsidiar e otimizar a formulação, a implementação, a avaliação e o monitoramento de
políticas públicas.
Possibilitar a análise de condições para acesso a benefícios sociais e sua respectiva
manutenção.
Fomentar a melhoria da qualidade e da fidedignidade dos dados custodiados pelo governo.
Neste contexto, podemos destacar a publicação do Decreto nº 10.046, de 9 de outubro de 2019 e a
criação da Plataforma de Interoperabilidade do Governo Federal - ConectaGov. Essas duas ações do
governo fomentaram mecanismos de compartilhamento de dados e a possibilidade de
interoperabilidade entre sistemas de governo, com garantia de requisitos de segurança necessários e
suficientes para prover a disponibilidade, a integridade, a autenticidade e a confidencialidade dos
dados.
5. Posto isso, considerando os objetivos da Governança de Dados, destacamos os instrumentos listados
na tabela abaixo como sendo mecanismos de Governança de Dados do governo federal que visam
promover o valor dos dados como ativos estratégicos e subsidiar o processo de transformação digital:
INSTRUMENTO FINALIDADE
Lei nº 12.527, de 18
de novembro de 2011
Regula o acesso a informações previsto no inciso XXXIII do art. 5º, no inciso
II do § 3º do art. 37 e no § 2º do art. 216 da Constituição Federal.
Lei nº 13.460, de 26
de junho de 2017
Definiu que os cidadãos brasileiros não precisam mais apresentar a órgãos
públicos documentos, atestados ou certidões que já estejam de posse da
Administração Pública Federal. São os órgãos que devem integrar as bases
de dados e compartilhar essas informações. Esse compartilhamento pode ser
feito de forma automatizada, sem intervenção humana, por meio de uma API
– Application Programming Interface, uma forma padronizada de conexão e
troca de informações entre diferentes sistemas de diferentes órgãos.
Lei nº 13.709, de 14
de agosto de 2018
Lei Geral de Proteção de Dados Pessoais (LGPD).
Decreto nº 8.638, de
15 de janeiro de 2016
Institui a Política de Governança Digital no âmbito dos órgãos e das
entidades da Administração Pública Federal direta, autárquica e fundacional.
Decreto nº 8.777, de
11 de maio de 2016
Institui a Política de Dados Abertos do Poder Executivo Federal.
Decreto nº 10.046, de
9 de outubro de 2019
Dispõe sobre o compartilhamento de dados no âmbito da Administração
Pública Federal e institui o Cadastro base do Cidadão e o Comitê Central de
Governança de Dados.
Decreto nº 8.936, de
19 de dezembro de
2016
Institui a Plataforma de Cidadania Digital e dispõe sobre a oferta dos serviços
públicos digitais no âmbito dos órgãos e das entidades da Administração
Pública Federal direta, autárquica e fundacional.
Decreto nº 9.094, de
17 de julho de 2017
Dispõe sobre a simplificação do atendimento prestado aos usuários dos
serviços públicos. Institui o Cadastro de Pessoas Físicas - CPF como
instrumento suficiente e substitutivo para a apresentação de dados do
cidadão no exercício de obrigações e direitos e na obtenção de benefícios.
Ratifica a dispensa do reconhecimento de firma e da autenticação em
documentos produzidos no país. Institui a Carta de Serviços ao Usuário.
Decreto nº 9.203, de
22 de novembro de
2017
Dispõe sobre a política de governança da Administração Pública Federal
direta, autárquica e fundacional.
Decreto nº 9.723, de
11 de março de 2019
Altera o Decreto nº 9.094, de 17 de julho de 2017, o Decreto nº 8.936, de 19
de dezembro de 2016, e o Decreto nº 9.492, de 5 setembro de 2018, para
instituir o Cadastro de Pessoas Físicas - CPF como instrumento suficiente e
substitutivo da apresentação de outros documentos do cidadão no exercício
de obrigações e direitos ou na obtenção de benefícios e regulamentar
dispositivos da Lei nº 13.460, de 26 de junho de 2017.
Decreto nº 9.929, de
22 de julho de 2019
Dispõe sobre o Sistema Nacional de Informações de Registro Civil - Sirc e
sobre o seu comitê gestor.
6. Portaria STI/MP nº 58,
de 23 de dezembro de
2016
Dispõe sobre procedimentos complementares para o compartilhamento de
bases de dados oficiais entre órgãos e entidades da Administração Pública
Federal direta e indireta e as demais entidades controladas direta ou
indiretamente pela União.
Em decorrência da publicação desses instrumentos, principalmente do Decreto nº 8.638/2016 e do
Decreto nº 10.046, de 9 de outubro de 2019, foram desenvolvidas as soluções tecnológicas, com suas
respectivas finalidades, apresentadas no quadro a seguir:
SOLUÇÃO FINALIDADE
PLATAFORMA
GOVDATA
Disponibiliza infraestrutura de Data Lake, que permite a hospedagem e o
cruzamento de grandes volumes de dados provenientes de várias bases dados
de órgãos da Administração Pública Federal - APF.
Nesse ambiente, é possível compartilhar informações entre órgãos, mantendo o
sigilo e confidencialidade daqueles dados que são de uso exclusivo.
PLATAFORMA
CONECTAGOV
Plataforma de Interoperabilidade do governo federal. Uma infraestrutura
tecnológica que propicia:
A integração de serviços públicos.
O compartilhamento de informações e mediação de aplicações.
A governança dos ativos e processos de integração.
Modelo simplificado de consumo de API's.
ACESSO ÚNICO
Ferramenta de autenticação para integrar os dados de cadastro dispersos na
Administração Pública Federal.
PORTAL GOV.BR
O Gov.br é um projeto de unificação dos canais digitais do governo federal que,
até dezembro de 2020, vai reunir os serviços públicos ofertados para o cidadão
e informações sobre a atuação de todas as áreas do governo em um só lugar.
Base de Dados Oficiais - As bases de dados do governo federal representam o conjunto de dados ou
informações coletadas a partir de vários sistemas de governo, independente de formato, tecnologia ou
tamanho; sendo o principal ativo de valor no que concerne ao processo de conhecimento das ações de
governo e de insumos para a formulação de políticas públicas.
3.2. A Informação de Qualidade
Os dados são um ativo valioso e devem ser gerenciados conforme são transferidos em uma
organização.
À medida que as fontes de informações estão se tornando mais numerosas e diversificadas e as
iniciativas de conformidade regulatória mais direcionadas, existe a necessidade de integrar e acessar
informações dessas fontes diferentes de forma consistente, confiável e reutilizável.
A informação de qualidade deriva de dados qualificados, característica essencial que determina a
confiabilidade dos dados para a tomada de decisões.
7. Sendo o governo uma organização de informações, seus resultados estão ligados às suas informações
e à qualidade dessas. Exemplo: Se o índice de erro no controle de estoque de medicamentos subir
muito, não apenas o governo irá gastar no que não precisa, como poderá deixar a população sem
atendimento médico adequado. A qualidade da informação inclui atualização, completude, detalhes
etc.
3.3. Legislação Correlata
O uso da informação no âmbito do governo federal é regulamentado por vários instrumentos
normativos.
O mais recente é a Lei Geral de Proteção de Dados (Lei nº 13.709/2018), entre outras produzidas na
medida em que a implementação de novos conceitos e tecnologias são agregados com a finalidade de
aumentar a efetividade das políticas públicas, bem como ampliar a oferta e digitalização de serviços
públicos da Administração Pública Federal.
Destaca-se, dentre esses instrumentos normativos, o Decreto nº 8.789, de 29 de junho de 2016, que
dispõe sobre o compartilhamento de bases de dados na Administração Pública Federal; e a Portaria
STI/MP nº 58, de 23 de dezembro de 2016, que dispõe sobre procedimentos complementares para o
compartilhamento de bases de dados oficiais entre órgãos e entidades da Administração Pública
Federal direta e indireta e as demais entidades controladas direta ou indiretamente pela União.
Esses dois instrumentos têm o objetivo de estabelecer os fundamentos legais para o compartilhamento
de bases de dados oficiais entre órgãos e entidades da Administração Pública Federal direta e indireta
e as demais entidades controladas direta ou indiretamente pela União, visando:
Prover mecanismos para simplificar a oferta de serviços públicos.
Subsidiar e otimizar a formulação, a implementação, a avaliação e o monitoramento de
políticas públicas; possibilitar a análise de condições para acesso a benefícios sociais e sua
respectiva manutenção.
Fomentar a melhoria da qualidade e da fidedignidade dos dados custodiados pelo governo por
meio de mecanismos de compartilhamento de dados que garantam a confiabilidade das
informações, sua interoperabilidade e os requisitos de segurança da informação e
comunicações necessários e suficientes para prover a disponibilidade, a integridade, a
autenticidade e a confidencialidade.
4. Governança e Gestão
Segundo o Decreto nº 9.203, de 22 de novembro de 2017, que dispõe sobre a Política de Governança
da Administração Pública Federal direta, autárquica e fundacional, a Governança Pública compreende
o conjunto de mecanismos de liderança, estratégia e controle postos em prática para avaliar, direcionar
e monitorar a gestão, com vistas à condução de políticas públicas e à prestação de serviços de
interesse da sociedade.
Nesse sentido, a segunda edição do Guia Referencial Básico de Governança do Tribunal de Contas da
União - TCU (2015) apresenta um resumo das características sobre gestão e governança.
São funções da Governança:
Definir o direcionamento estratégico.
Supervisionar a gestão.
8. Envolver as partes interessadas.
Gerenciar riscos estratégicos.
Gerenciar conflitos internos.
Auditar e avaliar o sistema de gestão e controle.
Promover a accountability (prestação de contas e responsabilidade) e a transparência.
De modo complementar, a Gestão diz respeito ao funcionamento do dia a dia de programas e de
organizações no contexto de estratégias, políticas, processos e procedimentos que tenham sido
estabelecidos pelo órgão1
; preocupa-se com a eficácia (cumprir as ações priorizadas) e a eficiência das
ações (realizar as ações da melhor forma possível, em termos de custo-benefício).
São funções da Gestão:
Implementar programas.
Garantir a conformidade com as regulamentações.
Revisar e reportar o progresso de ações.
Garantir a eficiência administrativa.
Manter a comunicação com as partes interessadas.
Avaliar o desempenho e aprender.
Concluindo:
A Gestão é inerente e integrada aos processos organizacionais, sendo responsável pelo
planejamento, execução, controle e ação, enfim, pelo manejo dos recursos e poderes
colocados à disposição de órgãos e entidades para a consecução de seus objetivos.
A Governança provê direcionamento, monitoramento, supervisão e avaliação da prática da
gestão, com vistas ao atendimento das necessidades e expectativas dos cidadãos e demais
partes interessadas.
Observe, na imagem a seguir, as funções de cada uma delas.
Neste contexto, a Governança de Dados está organizada da seguinte forma:
10. 4.2. Papéis Ligados à Governança de Dados
O Comitê de Curadores de Dados é uma Política de Governança de Dados com o objetivo de tomar
decisões de alto nível com base na visão centrada em dados e informações, artefatos da arquitetura
de dados e processos, conhecimento sobre negócio e as metas e objetivos que a organização deve
atingir na perspectiva da Gestão de Dados e Informações.
A imagem abaixo ilustra a Política de Governança de Dados.
Citamos, como exemplo, a Curadoria de Informações, definida na Política de Governança da
Informação do Banco Central do Brasil – BACEN (Portaria nº 90.187, de 17 de agosto de 2016), a qual
compreende o conjunto de ações que visa zelar pela existência, consistência, integridade, precisão,
relevância, autenticidade, segurança e documentação dos ativos de informação de uma base de
dados, respeitando-se os objetivos, princípios e diretrizes da Plano de Governança da Informação
(PGI).
Criar Políticas, Processos e Procedimentos é um dos principais resultados da Governança de Dados.
As Políticas estabelecem um conjunto de metas e afirmam “o que deve ser feito” em
alinhamento com outros instrumentos estratégicos da organização.
Os Processos indicam as atividades, pessoas, ferramentas e regras necessárias ao
cumprimento da Política.
Os Procedimentos descrevem em detalhes como exatamente executar os Processos.
Partindo da premissa de que a Governança e a Gestão são disciplinas distintas que se
complementam, a Governança de Dados se utiliza do conhecimento e da competência das pessoas
para definir políticas, responsabilidades, glossários, metadados, fluxos de trabalho dos dados em
movimento, monitoramento e linhagem de dados que permitam à organização melhorar a qualidade,
descoberta e entendimento desses, de modo a simplificar a extração de informações e conhecimentos,
resultando em melhores análises e decisões de negócio.
11. A seguir, vamos conhecer quatro papeis ligados à Governança de Dados. São eles:
Curador de Dados de Negócio.
Curador de Dados Corporativos.
Encarregado de Proteção de Dados ou Data Protection Officer – DPO.
Curador de Dados Técnico e Operacional.
4.2.1. Curador de Dados de Negócio
Também conhecido como Business Data Steward, é o Gestor de Dados ligado à área de negócio da
organização. Trabalha e atua como o principal curador dos dados, representando os interesses da
área de negócios, atuando com responsabilidade e autoridade sobre o conjunto de dados do seu
escopo de negócio.
A ele compete:
Definir os metadados corretos (glossário de termos, nomes de entidades e atributos, regras de
validação, valores válidos, regras de qualidade).
Identificar problemas de qualidade de dados e suas causas.
Acompanhar a resolução de problemas de qualidade.
Acompanhar o desenvolvimento de novas soluções de tecnologia.
Avaliar riscos e oportunidades no uso dos dados.
O perfil desejado para a posição é de uma pessoa especialista na área de negócio com sólidos
conhecimentos avançados em Gestão e Governança de Dados. Além disso, ele deve ter pleno
domínio sobre captura de requisitos de informação, regras de negócio e modelagem conceitual de
dados.
12. 4.2.2. Curador de Dados Corporativos
Curadores de Dados Corporativos são escolhidos entre os gestores das áreas de negócio.
Geralmente, são ocupantes de cargos com poder de decisão.
A ele compete:
Entender os processos da Gestão e Governança de Dados.
Conhecer o modelo de processos da sua área de negócio em profundidade e os outros
processos de negócio.
Conhecer as técnicas de modelagem de dados.
Conhecer arquitetura de sistemas transacionais e Business Intelligence.
Apoiar na criação e manutenção do glossário de termos de negócio.
Apoiar na criação e manutenção do modelo de dados conceitual corporativo.
Avaliar a o valor das informações e sua qualidade.
Avaliar riscos e oportunidades associadas aos dados e negócio.
Corrigir problemas de qualidade de dados.
4.2.3. Encarregado de Proteção de Dados ou Data Protection Officer – DPO
O Encarregado de Proteção de Dados ou Data Protection Officer – DPO, que teve como origem
a General Data Protection Regulation – GDPR , com adaptações pela Lei Geral de Proteção de Dados
– LGPD (Lei nº 13.709/2018), é o responsável por disseminar a cultura de proteção de dados na
empresa, além de criar normas e procedimentos adequados à lei. Será ele que receberá notificações
da Autoridade Nacional de Proteção de Dados – ANPD e dos titulares das informações e as colocará
em prática.
No art. 41, § 2º, da LGPD, temos algumas atividades do DPO, que consistem em:
I. – Aceitar reclamações e comunicações dos titulares, prestar esclarecimentos e adotar
providências;
II. – Receber comunicações da autoridade nacional e adotar providências;
III. – Orientar os funcionários e os contratados da entidade a respeito das práticas a
serem tomadas em relação à proteção de dados pessoais; e
IV. – Executar as demais atribuições determinadas pelo controlador ou estabelecidas em
normas complementares.
Devido a essas atividades, o DPO tem papel fundamental nas decisões estratégicas das organizações
e deve ter autonomia sobre as atividades que envolvam qualquer tipo de tratamento de dados e
contato direto com a direção da organização para poder tomar decisões que possam deixá-la
em compliance com a lei.
4.2.4. Curador de Dados Técnico e Operacional
Profissional responsável por projetar os mecanismos para integração dos dados. Ele deve dominar o
uso de ferramentas de integração e de extração de dados como SOA, ETL e mecanismos de
integração por meio de SGBDs. Destacam-se:
Responsabilidades:
Emitir pareceres técnicos indicando a melhor forma de integração de dados.
Manter atualizado o catálogo de serviços de integração de dados.
13. Apoiar a especialização de mecanismos de integração.
Apoiar o desenvolvimento de serviços na construção de dispositivos de integração de
dados.
Competências:
Conhecimentos avançados de mecanismos de integração de dados.
Conhecimentos avançados de utilização de repositórios de ativos de informação.
O primeiro benefício para a reutilização é obter cada ontologia em um tamanho compreensível. O
benefício relacionado à reutilização é que, às vezes, uma ontologia tem axiomas que conflitam
com a ontologia de importação. Ter módulos de tamanho razoável permite que um importador
selecione os módulos que deseja e evite axiomas que não deseja.
14. Lição módulo 2
1. A Importância do Gerenciamento de Dados
Mesmo antes do surgimento da Tecnologia da Informação, a informação e o conhecimento foram
fundamentais para a vantagem competitiva.
As organizações que possuem informações confiáveis e de alta qualidade sobre seus usuários,
produtos, serviços e operações podem tomar melhores decisões do que aquelas sem dados (ou com
dados não confiáveis). Porém, produzir dados de alta qualidade e gerenciá-los de maneiras que
permitam os seus usos com eficiência não é um processo simples.
Para aprimoramento dos recursos de gerenciamento de dados de qualquer organização, faz-se
necessário considerar os seguintes aspectos:
Os dados estão em todo lugar.
Dados como um ativo - valor.
Gerenciamento de dados versus gerenciamento de tecnologia.
Atividades de gerenciamento de dados.
Áreas de conhecimento em gerenciamento de dados.
1.1. Os Dados Estão em Todo Lugar
As organizações sempre precisaram gerenciar seus dados, mas os avanços na tecnologia,
considerando a onipresença dos dados, expandiram o escopo dessa necessidade de gerenciamento.
Os dados são difundidos nas organizações. Quase todos os processos de negócios - desde a criação
de clientes, transações de compras, contato com clientes para feedback e serviços - usam dados como
entrada e produzem dados como saída. A maioria desses dados está em formato eletrônico, o que
significa maleabilidade: podem ser armazenados em grandes quantidades, manipulados, integrados e
agregados para diferentes usos, incluindo inteligência comercial e análise preditiva. Eles também
fornecem evidências de conformidade de uma organização (ou falta de conformidade) com leis e
regulamentos.
As mudanças técnicas permitiram que as organizações usassem os dados de novas maneiras para
criar produtos, compartilhar informações, criar conhecimento e melhorar o sucesso organizacional.
Mas, o rápido crescimento da tecnologia e, com ela, a capacidade humana de produzir, capturar e
extrair dados para obter significado intensificaram a necessidade de gerenciar dados de maneira
eficaz.
1.2. Dados Como um Ativo
Um ativo é um recurso econômico, que pode ser de propriedade ou controlado e que detém ou
produz valor. Os ativos são frequentemente vistos como propriedade, mas com a forte implicação
de que podem ser convertidos em dinheiro. Os dados são amplamente reconhecidos como um ativo
da organização, embora muitas organizações ainda lutem para gerenciar os dados como tal. Um
exemplo disso é o fato de que os dados ainda não são contabilizados no balanço da maioria das
organizações.
Se questionados, muitos usuários diriam que os dados de sua organização são um ativo valioso.
15. Os dados não são apenas necessários para as operações de negócio, mas também podem fornecer
informações sobre usuários, produtos e serviços. No entanto, pesquisas mostram que poucas
organizações tratam seus dados como um ativo e para muitas eles podem até ser um passivo. A
falha no gerenciamento de dados é semelhante à falha no gerenciamento de capital, isso resulta em
desperdício e em oportunidades perdidas. Além do mais, dados mal gerenciados apresentam riscos
éticos e de segurança.
Mesmo usuários que reconhecem os dados como um ativo podem não ser capazes de descrever
exatamente o que isso significa, pois os dados diferem de outros ativos de maneiras importantes. No
entanto, o principal fator para o gerenciamento de dados é permitir que as organizações obtenham
valor com seus dados, assim como o gerenciamento eficaz de ativos financeiros e físicos permite
que as organizações obtenham valor com esses ativos. A obtenção de valor dos dados não ocorre no
vácuo ou por acidente, pois além de gerenciamento, ela requer compromisso organizacional e
liderança.
1.3. Gerenciamento de Dados x Gerenciamento de Tecnologia
É necessário diferenciar Gerenciamento de Dados e Gerenciamento de Tecnologia!
Gerenciamento de Dados é o desenvolvimento, execução e supervisão de planos, políticas, programas
e práticas que entregam, controlam, protegem e aprimoram o valor dos ativos de dados e informações
durante todo o seu ciclo de vida.
Você pode se questionar: “Isso não é o que nosso departamento de tecnologia da informação tem
feito?” A resposta é: infelizmente, não.
A TI geralmente não se concentra nos dados. O foco é a tecnologia, os processos, as pessoas que
desenvolvem aplicações e as ferramentas usadas para fazer isso. Historicamente, a TI não se
concentra nos dados criados ou armazenados nas aplicações que gerencia. Não há direcionamento
estratégico para isso.
Embora o gerenciamento de dados seja altamente dependente da tecnologia e cruze com o
gerenciamento de TI, as atividades são separadas, independentes de processos e ferramentas
utilizadas.
Com isso, o que o Gerenciamento de Dados realmente envolve? O que significa gerenciar dados de
maneira eficaz?
O Gerenciamento de Dados envolve o planejamento e a coordenação de recursos e atividades para
atender aos objetivos organizacionais. As atividades em si variam desde as altamente técnicas, como
garantir que grandes bancos de dados sejam acessíveis com desempenho e segurança, até as
altamente estratégicas, como propor a interoperabilidade de dados entre entes de governo de maneira
eficiente e segura. Essas atividades de gerenciamento devem se esforçar para disponibilizar dados
confiáveis e de alta qualidade para a organização, garantindo que sejam acessíveis aos usuários
autorizados e protegidos contra uso indevido.
1.4. Atividades de Gerenciamento de Dados
Existe uma gama de atividades de Gerenciamento de Dados. Elas podem ser entendidas em três
grupos:
16. As que focam na governança para garantir que a organização tome decisões consistentes e
alinhadas (atividades de governança).
As que se concentram no gerenciamento do ciclo de vida dos dados, desde a obtenção dos
dados até a sua eliminação (atividades de ciclo de vida).
As fundamentais, que focam em permitir o gerenciamento, manutenção e uso de dados ao
longo do tempo.
As atividades de governança ajudam a controlar o desenvolvimento de dados e reduzem os riscos
associados ao seu uso, ao mesmo tempo em que permitem que uma organização aproveite-os
estrategicamente.
Essas atividades estabelecem um sistema de direitos e responsabilidades de decisão por dados para
que uma organização possa tomar decisões consistentes nas verticais dos negócios.
Atenção, as atividades de governança incluem as seguintes ações:
Definir a estratégia de dados.
Definir a política de governança.
Definir o valor dos dados para a organização.
Preparar a organização para obter mais valor de seus dados.
Avaliar práticas de gerenciamento de dados.
Evoluir a mentalidade da organização em torno dos dados.
As atividades do ciclo de vida se concentram no planejamento e design dos dados, permitindo seu
uso, garantindo que eles sejam efetivamente mantidos e realmente utilizados. Geralmente, o uso de
dados resulta em aprimoramentos e inovações que têm seus próprios requisitos de ciclo de vida.
Esteja atento às atividades do ciclo de vida que consideram:
Arquitetura de dados.
Modelagem de dados.
Construção e gerenciamento de data warehouses e marts.
Integração de dados para uso por analistas de inteligência de negócios e cientistas de dados.
Gerenciamento do ciclo de vida de dados compartilhados altamente críticos, como dados de
referência e dados mestres.
Atividades básicas são necessárias para o gerenciamento consistente dos dados ao longo do tempo.
Abaixo, ressaltamos as ações que são vitais a todo o ciclo de vida dos dados:
Garantir a proteção dos dados.
Gerenciar metadados.
Gerenciar a qualidade dos dados.
As atividades fundamentais devem ser consideradas como parte do planejamento e design e devem
ser realizadas operacionalmente. Essas atividades também são essenciais para o sucesso das
estruturas de governança.
1.5. Áreas de Conhecimento em Gerenciamento de Dados
Atividades de Gerenciamento de Dados são realizadas por profissionais que atuam em diferentes
áreas de conhecimento, logo necessitam das habilidades e dos conhecimentos apresentados na
imagem a seguir.
17. O guia criado pela DAMA Internacional, organização que visa promover a compreensão, o
desenvolvimento e a prática da gestão de dados e informações como ativos chave de uma
organização, propõe o conjunto de dez funções para a Governança de Dados. Acesse, para conhecer
cada uma dessas funções, as abas a seguir:
Governança de Dados
A Governança de Dados fornece orientação e supervisão para atividades e funções de gerenciamento
de dados, estabelecendo um sistema de direitos e responsabilidades de decisão por dados. Esses
direitos e responsabilidades devem responder às necessidades da empresa como um todo.
Arquitetura de Dados
A Arquitetura de Dados define o modelo para o gerenciamento de ativos de dados, alinhando-se à
estratégia organizacional e estabelecendo projetos para atender aos requisitos de dados estratégicos.
Modelagem e Design de Dados
A Modelagem e Design de Dados é o processo de descoberta, análise, representação e comunicação
de requisitos de dados de uma forma precisa chamada Modelo de Dados.
Armazenamento e Operações de Dados
O Armazenamento e Operações de Dados inclui o design, implementação e suporte de dados
armazenados para maximizar seu valor. As operações fornecem suporte durante todo o ciclo de vida
dos dados, do planejamento à disposição dos dados.
18. Segurança de Dados
A Segurança de Dados garante que a privacidade e a confidencialidade dos dados sejam mantidas,
que os dados não sejam violados e que os dados sejam acessados adequadamente.
Integração e Interoperabilidade de Dados
A Integração e Interoperabilidade de Dados inclui processos relacionados à movimentação e
consolidação de dados dentro e entre repositórios de dados, aplicativos e organizações.
Gerenciamento de Documentos e Conteúdo
O Gerenciamento de Documentos e Conteúdo inclui atividades de planejamento, implementação e
controle para gerenciar o ciclo de vida de dados e informações encontrados em uma variedade de
mídias não estruturadas, especialmente os documentos necessários para suportar os requisitos de
conformidade legal e regulamentar.
Gerenciamento de Referência e Dados Mestre
O Gerenciamento de Referência e Dados Mestre inclui reconciliação e manutenção contínuas dos
principais dados compartilhados críticos para permitir o uso consistente entre os sistemas da versão
mais precisa, oportuna e relevante da verdade sobre entidades essenciais de negócios.
Data Warehousing e Business Intelligence
O Data Warehousing e o Business Intelligence incluem os processos de planejamento, implementação
e controle para gerenciar os dados de suporte à decisão e permitir que os profissionais do
conhecimento obtenham valor dos dados por meio de análise e relatório.
Gerenciamento de Metadados
O Gerenciamento de Metadados inclui atividades de planejamento, implementação e controle para
permitir o acesso a metadados integrados de alta qualidade, incluindo definições, modelos, fluxos de
dados e outras informações críticas para entender os dados e os sistemas através dos quais são
criados, mantidos e acessados.
Gerenciamento da Qualidade dos Dados
O Gerenciamento da Qualidade dos Dados inclui o planejamento e a implementação de técnicas de
gerenciamento da qualidade para medir, avaliar e melhorar a adequação dos dados para uso em uma
organização.
Essas áreas de conhecimento representam atividades no núcleo do Gerenciamento de Dados.
Qualquer organização que busque obter valor com seus dados deverá se envolver neles.
É bom lembrar-se que os dados também estão evoluindo.
Alterações em nossa capacidade de criar e usar dados significam que outros conceitos também podem
ser considerados "áreas de conhecimento" de Gerenciamento de Dados, tais como Ética de Dados,
Ciência de Dados, Gerenciamento de Big Data e Tecnologias Emergentes.
A estrutura DAMA define as áreas de conhecimento de Gerenciamento de Dados. Ela centraliza a
disciplina Governança de Dados das atividades de Gerenciamento de Dados, já que a governança é
necessária para a consistência e o equilíbrio entre as funções. As outras áreas de conhecimento
(Arquitetura de Dados, Modelagem de Dados etc.) são balanceadas em torno do centro. Todas são
partes necessárias de uma função madura de Gerenciamento de Dados, mas podem ser
implementadas em momentos diferentes, dependendo dos requisitos da organização.
19. Os profissionais de Gerenciamento de Dados que trabalham nessas áreas de conhecimento devem ter
como objetivo:
Compreender e dar suporte às necessidades de informações da organização e de suas partes
interessadas, incluindo clientes, funcionários e parceiros de negócios.
Capturar, armazenar e garantir a integridade e a qualidade dos dados para permitir seu uso pela
organização.
Garantir a segurança, a privacidade e a confidencialidade dos dados, impedindo acesso,
manipulação ou uso inadequado.
2 Desafios no Gerenciamento de Dados
O gerenciamento de dados é uma disciplina focada em aprimorar o valor dos dados e informações. O
gerenciamento eficaz de dados beneficia a organização e sociedade de várias maneiras. No caso da
Administração Pública, é disciplina fundamental para alavancar o planejamento eficiente de Políticas
Públicas e de disponibilização de serviços digitais ao cidadão por meio da interoperabilidade de dados.
Existem dez funções principais de gerenciamento de dados que envolvem uma variedade de
indivíduos com habilidades diferentes. O gerenciamento de dados é mais uma função que, quando
implementado de forma eficiente, promove inúmeros resultados positivos.
Em termos gerais, podemos definir Gerenciamento de dados como o desenvolvimento, execução e
supervisão de planos, políticas, programas e práticas que entregam, controlam, protegem e aprimoram
o valor dos ativos de dados e informações ao longo de seus ciclos de vida.
Os dados são uma necessidade estratégica e operacional. Para gerenciar qualquer ativo, é necessário
trabalhar para obter valor. Neste contexto, abordaremos os seguintes tópicos:
Os dados diferem de outros ativos.
Dados representam risco.
Dados de baixa qualidade custam tempo e dinheiro.
A avaliação de dados não é padronizada.
Gerenciamento de dados significa gerenciar o ciclo de vida dos dados.
Diferentes tipos de dados têm diferentes requisitos de ciclo de vida.
Os metadados devem ser gerenciados como parte do ciclo de vida dos dados.
O gerenciamento de dados geralmente é confundido com o gerenciamento de tecnologia da
informação.
O que o gerenciamento de dados requer.
2.1 Os dados diferem de outros ativos
Os dados têm características únicas que o diferenciam de outros ativos: os ativos físicos, por exemplo,
podem ser apontados, tocados e movimentados. Os ativos financeiros, por sua vez, são contabilizados
no balanço patrimonial. Mas os dados são diferentes, porque não são tangíveis. No entanto, são
duráveis e não se desgastam; são fáceis de copiar e transportar, mas não de serem reproduzidos se
perdidos ou destruídos. Por não serem consumidos quando usados, podem até ser roubados sem
desaparecer. Os dados são dinâmicos e podem ser usados para várias finalidades. Os mesmos dados
podem até ser usados por várias pessoas ao mesmo tempo - algo que é impossível com ativos físicos
ou financeiros. Muitos usos de dados geram mais dados.
Essas diferenças tornam desafiador simplesmente manter o controle dos dados e muito mais ainda
atribuir um valor monetário a eles. Sem esse valor monetário, pode ser difícil medir como os dados
contribuem para o sucesso organizacional.
20. Essas diferenças também levantam outros problemas que afetam o gerenciamento de dados, como:
Inventariar a quantidade de dados que uma organização possui.
Definir propriedade e responsabilidade dos dados.
Proteger dados contra o uso indevido.
Gerenciar riscos associados aos dados.
Definir e aplicar padrões de qualidade para dados.
2.2 Dados representam risco
Os dados não representam apenas valor e oportunidade, também retratam riscos. Dados imprecisos,
incompletos ou desatualizados indicam riscos, porque suas informações não estão corretas. Além
disso, os dados apresentam outras ameaças, incluindo:
Uso indevido: se os consumidores de dados não tiverem informações suficientes e corretas
(metadados) sobre os dados que eles usam, existe o risco de serem mal utilizados e/ou
compreendidos.
Confiabilidade (Unreliability): Se a qualidade e a confiabilidade dos dados não forem
estabelecidas por meio de normas e métricas, então existe risco de que decisões sejam
baseadas em dados não confiáveis.
Uso inadequado: se os dados não estiverem protegidos, existe o risco de que eles sejam
utilizados por pessoas não autorizadas para fins não autorizados.
O fato de os dados poderem ser facilmente copiados e replicados significa que eles podem ser
violados sem serem "retirados" de seus legítimos proprietários. Além disso, como os dados
representam pessoas, produtos e dinheiro, os legisladores e reguladores reconheceram os possíveis
usos e abusos das informações e criaram leis destinadas a mitigar riscos óbvios. Por exemplo:
A Sarbanes-Oxley nos EUA concentra-se nos controles sobre a precisão e a validade dos
dados das transações financeiras, da transação ao balanço.
O Solvência II na União Europeia concentra-se na linhagem de dados e na qualidade dos
dados subjacentes aos modelos de risco e adequação de capital no setor de seguros.
Em todo o mundo, os regulamentos de privacidade de dados descrevem obrigações em
relação ao tratamento de dados de identificação pessoal (tais como: nome, endereço, afiliação
religiosa ou orientação sexual) e privacidade (acesso ou restrição a essas informações):
o Lei de Portabilidade e Responsabilidade do Seguro de Saúde (HIPPA), nos EUA.
o Lei de Proteção de Informações Pessoais e Documentos Eletrônicos (PIPEDA), no
Canadá.
o O Regulamento Geral de Proteção de Dados (RGPD), na União Europeia.
o Lei Geral de Proteção de Dados Pessoais (LGPD), Lei nº 13.709/2018, é a legislação
brasileira que regula as atividades de tratamento de dados pessoais e que também
altera os artigos 7º e 16 do Marco Civil da Internet, Lei n° 12.965/2014.
Destacamos a relevância da publicação do Decreto nº 10.046, de 09 de outubro de 2019 que
estabeleceu as regras e as diretrizes de compartilhamento de dados no âmbito da Administração
Pública Federal - APF. Esse decreto, instituiu também o Cadastro Base do Cidadão (CBC) e o Comitê
Central de Governança de Dados (CCGD). Sendo este último, o fórum legítimo para propor políticas e
normas sobre Governança de Dados, mediar e dirimir conflitos sobre compartilhamento de dados entre
órgãos e entidades da administração pública federal e demais Poderes da União.
21. Regras e diretrizes do compartilhamento de dados na APF
As regras contidas no decreto não são aplicáveis ao compartilhamento de dados com os conselhos de
fiscalização de profissões regulamentadas e com o setor privado. Além disso, as regras do texto
excluem os dados protegidos por sigilo fiscal que estão sob gestão da Secretaria Especial da Receita
Federal do Brasil do Ministério da Economia.
A política de compartilhamento de dados terá como finalidades:
simplificar a oferta de serviços públicos;
orientar e otimizar a formulação, a implementação, a avaliação e o monitoramento de políticas
públicas;
possibilitar a análise das condições de acesso e manutenção de benefícios sociais e fiscais;
promover a melhoria da qualidade e da fidedignidade dos dados custodiados pela
administração pública federal; e,
aumentar a qualidade e a eficiência das operações internas da administração pública federal.
O Decreto traz alguns conceitos de atributos dos dados, como o de atributos biográficos, que são os
dados de pessoa natural relativos aos fatos da sua vida, tais como nome civil ou social, data de
nascimento, filiação, naturalidade, nacionalidade, sexo, estado civil, grupo familiar, endereço e vínculos
empregatícios; o de atributos biométricos que são as características biológicas e comportamentais
mensuráveis da pessoa natural que podem ser coletadas para reconhecimento automatizado, tais
como a palma da mão, as digitais dos dedos, a retina ou a íris dos olhos, o formato da face, a voz e a
maneira de andar; e o de atributos genéticos, que são as características hereditárias da pessoa
natural, obtidas pela análise de ácidos nucleicos (DNA) ou por outras análises científicas. Além disso,
traz o conceito de dados cadastrais, que são informações identificadoras perante os cadastros de
órgãos públicos, tais como CPF, CNPJ, PIS, NIS, número de título de eleitor etc.
O compartilhamento de dados pelos entes da administração pública federal deverá seguir algumas
diretrizes.
No caso de informação de Estado, este compartilhamento deverá ser o mais amplo possível,
observadas as restrições legais, os requisitos de segurança da informação e comunicações e o
disposto na Lei nº 13.709, de 2018 (Lei Geral de Proteção de Dados Pessoais – LGPD).
E no caso dados sigilosos, será necessária a assunção (aceitação) pelo recebedor de dados, dos
deveres de sigilo e auditabilidade impostos ao custodiante dos dados. O Decreto assegura que nas
hipóteses de tratamento de dados pessoais serão observados o direito à preservação da intimidade e
da privacidade da pessoa natural, a proteção dos dados e as normas e os procedimentos previstos na
legislação e que a coleta, o tratamento e o compartilhamento de dados por cada órgão do Governo
Federal serão realizados nos termos do disposto na LGPD.
Está estabelecido também que o compartilhamento de dados entre os órgãos e as entidades do
Governo Federal é categorizado em três níveis, de acordo com sua confidencialidade, que serão
definidas pelo gestor dos dados:
compartilhamento amplo – quando se tratar de dados públicos que não estão sujeitos a
nenhuma restrição de acesso, cuja divulgação deve ser pública e garantida a qualquer
interessado, na forma da legislação;
compartilhamento restrito – quando se tratar de dados protegidos por sigilo, nos termos da
legislação, com concessão de acesso a todos os órgãos e entidades do Governo Federal para
a execução de políticas públicas, cujo mecanismo de compartilhamento e regras sejam
simplificados e estabelecidos pelo Comitê Central de Governança de Dados;
compartilhamento específico – quando se tratar de dados protegidos por sigilo, nos termos da
legislação, com concessão de acesso a órgãos e entidades específicos, nas hipóteses e para
os fins previstos em lei, cujo compartilhamento e regras sejam definidos pelo gestor de dados.
22. Cadastro Base do Cidadão
O Cadastro Base do Cidadão constitui um meio unificado de identificação do cidadão para a prestação
de serviços públicos. Ele funciona a partir do cruzamento de informações das bases dos dados
cadastrais partindo do número do CPF do cidadão.
A proposta envolve disponibilizar uma ferramenta unificada de atualização cadastral, suportada
tecnologicamente por todas as entidades e órgãos públicos participantes do cadastro.
Os dados que inicialmente serão disponibilizados serão os dados biográficos que constam na base do
CPF. São eles: número de inscrição no CPF; situação cadastral no CPF; nome completo; nome social;
data de nascimento; sexo; filiação; nacionalidade; naturalidade; indicador de óbito; data de óbito,
quando cabível; e data da inscrição ou da última alteração no CPF.
Comitê Central de Governança de Dados
O Comitê Central de Governança de Dados (CCGD) é responsável, dentre outras tarefas, de
elaborar as políticas e as diretrizes para a categorização de compartilhamento específico dos
dados. A entidade também será responsável pela forma e o meio de publicação dessa
categorização, tendo em mente a legislação pertinente, referente à proteção de dados
pessoais e as regras e os parâmetros para o compartilhamento restrito, incluídos os padrões
relativos à preservação do sigilo e da segurança.
O CCGD será composto sete membros: dois do Ministérios da Economia, sendo um da
Secretaria Especial de Desburocratização, Gestão e Governo Digital, que será o presidente do
Comitê, e um da Secretaria Especial da Receita Federal do Brasil; um da Casa Civil da
Presidência da República; um da Secretaria de Transparência e Prevenção da Corrupção da
Controladoria-Geral da União; um da Secretaria Especial de Modernização do Estado da
Secretaria-Geral da Presidência da República; um da Advocacia-Geral da União; e um do
Instituto Nacional do Seguro Social (INSS).
O Comitê terá reuniões ordinárias a cada dois meses e extraordinárias sempre que for
convocado pelo seu presidente ou um de seus membros. O quórum de reunião será dois
terços de seus membros e o quórum de aprovação é por consenso. Suas decisões serão
resoluções que serão publicadas pela Secretaria Especial de Desburocratização, Gestão e
Governo Digital do Ministério da Economia.
2.3 Dados de baixa qualidade custam dinheiro
Garantir que os dados sejam de alta qualidade é essencial para seu gerenciamento. Se os dados não
atenderem às necessidades de seus consumidores - se não forem "adequados ao objetivo" -, então o
esforço para coletar, armazenar, proteger e permitir o acesso a eles é desperdiçado. Para garantir que
os dados atendam às necessidades dos negócios, as equipes de gerenciamento de dados devem
trabalhar com os consumidores para definir as características que tornam os dados de alta qualidade.
A maioria dos usos dos dados envolve aprender com eles, a fim de aplicar esse aprendizado e criar
valor. Por exemplo, entender os hábitos do cliente para melhorar um produto ou serviço; avaliar o
desempenho organizacional ou as tendências do mercado, a fim de desenvolver uma melhor
estratégia de negócios, etc.
Dados de baixa qualidade são simplesmente caros para qualquer organização. As estimativas diferem,
mas os especialistas acreditam que as organizações gastam entre 10 a 30% da receita lidando com
problemas de qualidade de dados. A IBM estimou o custo de dados de baixa qualidade nos Estados
Unidos da América, em 2016, em US $ 3,1 trilhões.
23. Muitos dos custos de dados de baixa qualidade são ocultos e indiretos e, portanto, difíceis de
mensurar. No entanto, outros custos podem ser provenientes de:
Retrabalho.
Soluções alternativas e processos de correção ocultos.
Ineficiências organizacionais ou baixa produtividade.
Conflito organizacional.
Insatisfação do usuário.
Custos de oportunidade, incluindo a incapacidade de inovar.
Custos ou multas de conformidade.
Os benefícios correspondentes de dados de alta qualidade incluem:
Experiência aprimorada do usuário.
Maior produtividade.
Risco reduzido.
Capacidade de atuar em oportunidades.
Aumento de oportunidades.
Vantagem competitiva obtida com insights sobre políticas, serviços, processos e
oportunidades.
Vantagem competitiva obtida com segurança e qualidade demonstráveis dos dados.
Não é algo único como esses custos e benefícios implicam gerenciar a qualidade dos dados. A
produção de dados de alta qualidade requer planejamento, comprometimento e uma mentalidade que
agrega qualidade aos processos e sistemas, em conformidade com o padrão ISO.
2.4 A avaliação de dados não é padronizada
Você sabe quanto custa coletar e gerenciar dados? E quanto custaria reconstruir o histórico, caso
esses dados fossem perdidos?
Ainda assim, colocar atribuir valor aos dados é útil porque as decisões estratégicas se tornam a base
para a compreensão do valor das atividades de gerenciamento de dados. Uma abordagem para a
avaliação de dados é definir categorias gerais de custo e benefício que podem ser aplicadas de
maneira consistente em uma organização.
As categorias de exemplo incluem:
Custo de obtenção e armazenamento de dados.
Custo da substituição de dados se eles forem perdidos.
Impacto para a organização se houver perda dados.
Custos potenciais de riscos associados aos dados.
Custo de mitigação de risco.
Custo de melhoria de dados.
Benefícios de dados de maior qualidade.
Vantagens de compartilhar esses dados.
Retorno esperado pelo uso inovador desses dados.
A avaliação de ativos de dados também deve reconhecer que o valor dos dados é contextual (ou seja,
o que é valioso para uma organização pode não o ser para outra) e geralmente temporal (ou seja, o
uso foi vantajoso ontem e pode não o ser hoje). Apesar disso, dentro de uma organização, é provável
que certos tipos de dados, como dados cadastrais, sejam consistentemente valiosos ao longo do
tempo; portanto, a maioria das organizações se concentra primeiro em garantir a qualidade desses
dados altamente críticos.
24. 2.4 A avaliação de dados não é padronizada
Você sabe quanto custa coletar e gerenciar dados? E quanto custaria reconstruir o histórico, caso
esses dados fossem perdidos?
Ainda assim, colocar atribuir valor aos dados é útil porque as decisões estratégicas se tornam a base
para a compreensão do valor das atividades de gerenciamento de dados. Uma abordagem para a
avaliação de dados é definir categorias gerais de custo e benefício que podem ser aplicadas de
maneira consistente em uma organização.
As categorias de exemplo incluem:
Custo de obtenção e armazenamento de dados.
Custo da substituição de dados se eles forem perdidos.
Impacto para a organização se houver perda dados.
Custos potenciais de riscos associados aos dados.
Custo de mitigação de risco.
Custo de melhoria de dados.
Benefícios de dados de maior qualidade.
Vantagens de compartilhar esses dados.
Retorno esperado pelo uso inovador desses dados.
A avaliação de ativos de dados também deve reconhecer que o valor dos dados é contextual (ou seja,
o que é valioso para uma organização pode não o ser para outra) e geralmente temporal (ou seja, o
uso foi vantajoso ontem e pode não o ser hoje). Apesar disso, dentro de uma organização, é provável
que certos tipos de dados, como dados cadastrais, sejam consistentemente valiosos ao longo do
tempo; portanto, a maioria das organizações se concentra primeiro em garantir a qualidade desses
dados altamente críticos.
2.5 Gerenciamento de dados significa gerenciar o ciclo de vida dos dados
Um dos motivos pelos quais as pessoas confundem gerenciamento de dados com gerenciamento de
tecnologia é que geralmente avaliam dados apenas de um ponto de vista: a aplicação do qual os
dados são acessados.
Pessoas não reconhecem que os dados podem ser separados das aplicações em que são criados ou
armazenados e que os dados têm um ciclo de vida. O ciclo de vida é baseado no ciclo de vida do
resultado. Concentra-se em garantir que os dados sejam criados, movidos e mantidos de maneira a
torná-los utilizáveis pelas pessoas e processos que os exigem. Embora dados e tecnologia estejam
interligados, o ciclo de vida dos dados não deve ser confundido com o ciclo de vida de
desenvolvimento de sistemas (systems development lifecycle - SDLC), que se concentra na conclusão
de projetos dentro do prazo e do orçamento.
Conceitualmente, o ciclo de vida dos dados é fácil de descrever: inclui processos que criam ou obtêm
dados, aqueles que os movem, transformam e armazenam e permitem que sejam mantidos e
compartilhados, e aqueles que os usam ou os aplicam, bem como aqueles que os descartam.
Os dados raramente são estáticos: durante todo o seu ciclo de vida, os dados podem ser limpos,
transformados, mesclados, aprimorados ou agregados. Os dados geralmente se movem
horizontalmente dentro da organização: à medida que os dados são usados ou aprimorados, novos
dados são criados, de modo que seu ciclo de vida possui iterações internas e os 'mesmos' dados
podem ter requisitos de ciclo de vida diferentes em diferentes partes da organização.
A complexidade é adicionada ao conceito do ciclo de vida pelo fato de que diferentes tipos de dados
têm requisitos de ciclo de vida diferentes. Por exemplo, os dados transacionais podem ser controlados
25. em grande parte por meio da aplicação de regras básicas, enquanto os Dados Mestre requerem
curadoria.
Conheça além desses, outros princípios que se aplicam ao ciclo de vida de qualquer dado:
Criação e uso são os pontos mais críticos no ciclo de vida dos dados
O gerenciamento de dados deve ser executado com um entendimento de como os dados são
produzidos ou obtidos, assim como os dados são usados. Custa dinheiro para produzir dados. Os
dados são valiosos somente quando são consumidos ou aplicados.
A qualidade dos dados deve ser gerenciada durante todo o ciclo de vida dos dados
Como a qualidade dos dados pode ser afetada por vários eventos do ciclo de vida, a qualidade deve
ser planejada como parte do ciclo de vida dos dados. Não é um complemento ou algo a ser 'feito mais
tarde'.
A qualidade dos metadados deve ser gerenciada por meio do ciclo de vida dos dados
Os metadados são tipos de dados utilizados para descrever outros dados. Como tal, é essencial para
todas as funções de gerenciamento de dados. Os metadados geralmente são criados como parte do
ciclo de vida de outros dados e devem ser vistos como um produto (e não como um subproduto) desse
ciclo de vida. A qualidade dos metadados deve ser gerenciada da mesma maneira que a qualidade de
outros dados.
A segurança dos dados deve ser gerenciada durante todo o ciclo de vida dos dados
Os esforços de gerenciamento de dados devem se concentrar nos dados mais críticos
O gerenciamento de dados inclui a garantia de segurança dos dados e redução dos riscos associados.
Os dados que requerem proteção devem ser protegidos por todo o ciclo de vida, desde a criação até o
descarte.
Os esforços de gerenciamento de dados devem se concentrar nos dados mais críticos
As organizações produzem muitos dados, muitos dos quais nunca são realmente usados. Tentar
gerenciar todos os dados não é possível nem desejável. O gerenciamento do ciclo de vida requer o
foco nos dados mais críticos de uma organização e a minimização do ROT de dados (ou seja, dados
redundantes, obsoletos ou triviais).
26. 2.6 Diferentes tipos de dados têm diferentes requisitos de ciclo de vida
O gerenciamento de dados se torna mais complicado pelo fato de diferentes tipos de dados
apresentarem requisitos diferentes de gerenciamento do ciclo de vida.
Os dados podem ser classificados conforme:
função que servem (por exemplo, dados transacionais, dados de referência, dados mestre,
metadados; alternativamente, dados de categoria, dados de recursos, dados de eventos,
dados detalhados de transações);
conteúdo (domínios de dados, áreas de conhecimento);
formato ou nível de proteção exigido pelos dados; e
forma e onde são armazenados ou acessados.
Como diferentes tipos de dados têm requisitos diferentes, eles estão associados a riscos diferentes e
desempenham papéis diferentes dentro de uma organização. A maioria das ferramentas de
gerenciamento de dados estão focadas nos aspectos de classificação e controle. Por exemplo, os
Dados Mestre têm usos diferentes e, consequentemente, requisitos de gerenciamento diferentes dos
dados transacionais.
27. Como variados tipos de dados têm requisitos diferentes, eles estão associados a riscos distintos e
desempenham papéis diferentes dentro de uma organização. A maioria das ferramentas de
gerenciamento de dados estão focadas nos aspectos de classificação e controle.
Por exemplo, os Dados Mestre têm usos discrepantes e, consequentemente, requisitos de
gerenciamento desiguais dos dados transacionais.
O quadro a seguir, apresenta a análise sobre as fases do ciclo de vida dos dados, considerando a Lei
nº 13.709/2018, Lei Geral de Proteção de Dados (LGPD):
CICLO DE VIDA DOS DADOS
Fase do Ciclo Antes da LGPD Com a LGPD
Coleta
Os dados pessoais são coletados
indiscriminadamente.
Os dados pessoais coletados devem
obedecer ao princípio da necessidade e
da finalidade.
Processamento
Os dados podem ser processados sem
um tratamento específico.
O processamento de dados só poderá
ser realizado se o tratamento estiver
enquadrado no Art. 7º da LGPD.
Análise
A análise de dados é feita para
entender o mercado, conhecer o perfil
das pessoas e definir estratégias para
oferecer bens e serviços para o
público-alvo.
A análise dos dados deve levar em
consideração a finalidade da coleta.
Devem ser obedecidos os princípios de
tratamento com propósito legítimo
específico e explicito.
Compartilhamento
Os dados pessoais são compartilhados
sem a necessidade do consentimento
de seus titulares.
O compartilhamento de dados deve ser
consentido pelos seus titulares*
*Ver Inciso II do Art. 3º do Decreto nº
10.046/2019.
Armazenamento
Os dados pessoais são armazenados
e mantidos por tempo indeterminado.
Os dados pessoais devem ser
armazenados e mantidos por prazos
definidos, ou seja, até que a finalidade
seja alcançada ou deixem de ser
necessários ou pertinentes ao alcance da
finalidade.
Reutilização
Os dados pessoais são reutilizados
sem a necessidade de consentimento
de seus titulares.
Um novo consentimento deve ser
solicitado sempre que houver mudança
de finalidade.
Eliminação
Os dados pessoais são mantidos sem
a obrigatoriedade de serem
eliminados.
Os dados pessoais devem ser eliminados
após o término de seu tratamento.
A depender do objetivo da coleta do dado, segue-se um ciclo de vida. Após o finalizado o objetivo de
coleta de dados, os trabalhos devem continuar sobre os dados produzidos, a fim de que eles sejam
reutilizados após análises, citações e atualizações. Dessa forma, existe a possibilidade de reutilização
dos dados para outros fins, que seja até para alimentar sistemas que compõem um ecossistema
relacionado a uma política pública ou de pesquisas estatísticas para fins de planejamento de outras
políticas para atendimento de demandas de interesse da sociedade.
28. 2.7 Os metadados devem ser gerenciados como parte do ciclo de vida dos dados.
Existe uma atenção especial dos profissionais de gerenciamento de dados em relação aos metadados
porque sabem da sua importância no processo de gestão de dados. No entanto, é um fato que estes
profissionais se limitam em utilizar o termo Metadados ao se direcionar à Alta Administração, visto que
essa gestão deve ser transparente aos usuários/consumidores e bastante eficiente no contexto
técnico.
Os metadados incluem uma variedade de informações que permitem às pessoas entender dados e os
sistemas que os contêm. Os metadados descrevem quais dados uma organização possui, o que
representa, como é classificado, sua origem, sua interoperabilidade dentro da organização, como
evolui por meio do uso, quem pode ou não acessá-los e se são de alta qualidade.
O desafio não é evidenciar a importância dos metadados para gerenciá-los, mas a forma de ser
gerenciados como tal. As organizações que não gerenciam bem seus dados geralmente não
gerenciam seus metadados. A resposta para esse desafio é que o gerenciamento de metadados
geralmente fornece um ponto de partida para melhorias no gerenciamento de dados em geral.
2.8 O gerenciamento de dados geralmente é confundido com o gerenciamento de
tecnologia da informação
Como quase todos os dados atuais são armazenados eletronicamente, o gerenciamento de dados está
intimamente ligado ao gerenciamento de tecnologia. Eles precisam ser vistos em relação um ao outro,
porque as decisões sobre a tecnologia afetam muitas facetas de como os dados são gerenciados.
Observe que:
O gerenciamento de dados se concentra em garantir que os dados em si sejam utilizáveis e
confiáveis; e
O gerenciamento de tecnologia se concentra na criação e manutenção de infraestrutura,
sistemas e aplicações.
Os dois estão fundamentalmente conectados pelo fato de que sistemas e aplicações automatizam
processos de negócios que coletam ou criam dados e diferentes opções tecnológicas impõem
restrições diferentes aos próprios dados. Os requisitos de gerenciamento de dados e gerenciamento
de tecnologia devem estar enraizados nos processos de negócios que criam ou usam dados e nas
necessidades das pessoas e processos que consomem dados.
Em muitas organizações, existe uma tensão contínua entre o desejo de construir novas tecnologias e o
desejo de ter dados mais confiáveis - como se os dois se opusessem um ao outro, em vez de
precisarem um do outro.
O gerenciamento bem-sucedido de dados requer decisões sólidas sobre tecnologia, mas gerenciar
tecnologia não é o mesmo que gerenciar dados. As organizações precisam entender o impacto da
tecnologia nos dados, para impedir que a tentação tecnológica direcione suas decisões sobre os
dados. Em vez disso, os requisitos de dados alinhados à estratégia de negócios devem orientar as
decisões sobre tecnologia.
2.9 O que o gerenciamento de dados requer
O gerenciamento de dados é multifuncional e requer habilidades e uma perspectiva corporativa.
Vamos conhecê-las.
Habilidades
29. O gerenciamento de dados envolve um conjunto de processos interconectados alinhados ao ciclo de
vida dos dados. Embora muitas organizações vejam o gerenciamento de dados como uma função de
tecnologia da informação, na verdade, requer uma ampla gama de pessoas com um conjunto
diversificado de habilidades trabalhando em diferentes partes de uma organização.
O gerenciamento de dados é um processo complexo porque é executado em toda a organização. Os
dados são gerenciados em diferentes locais da organização por equipes que são responsáveis por
diferentes fases do ciclo de vida dos dados.
O gerenciamento de dados requer:
Habilidades de processos de negócios para entender e planejar a criação de dados confiáveis.
Habilidades de design para planejar sistemas nos quais os dados serão armazenados ou
usados.
Habilidades altamente técnicas para administrar hardware e criar software onde os dados são
mantidos.
Habilidades de análise de dados para entender questões e problemas descobertos nos dados.
Habilidades analíticas para interpretar dados e aplicá-los a novos problemas.
Habilidades linguísticas para trazer consenso às definições e modelos para que as pessoas
possam entender dados.
Pensamento estratégico para visualizar oportunidades de uso de dados para atender
usuários/consumidores e atingir metas.
O desafio é fazer com que as pessoas com esse rol de habilidades e perspectivas reconheçam como
as peças se encaixam e como o trabalho delas são transversais com o trabalho de outras partes da
organização, para que elas colaborem com sucesso e alcancem objetivos comuns.
Uma perspectiva corporativa
A maioria das organizações divide o trabalho por unidades ou funções de negócios, cada uma das
quais pode desenvolver suas próprias aplicações para executar seu trabalho. Como os dados
geralmente são vistos simplesmente como subprodutos de processos operacionais, nem sempre são
planejados para além da necessidade imediata. Pode até não ser reconhecido como algo que outras
pessoas e processos utilizam.
A menos que os padrões de dados corporativos sejam estabelecidos e aplicados, haverá diferenças na
forma como os dados são definidos e criados em diferentes áreas. Por exemplo, considere algo
aparentemente simples como um Número de Segurança Social (Social Security Number - SSN), um
identificador americano para indivíduos. Se uma aplicação captura o SSN como um valor numérico e
outro a captura em um campo de texto, os dados do SSN serão formatados de maneira diferente. Isso
pode resultar em problemas como a eliminação de zeros à esquerda nos SSNs.
Diferenças de formatação, diferenças na granularidade dos dados e diferenças sobre quais atributos
são obrigatórios para capturar - todas essas diferenças apresentam obstáculos à integração de dados
de diversas aplicações. Os obstáculos à integração limitam o valor que uma organização pode obter
com seus dados.
As organizações que veem os dados como um produto que eles criam ou compram tomarão melhores
decisões sobre como gerenciá-los ao longo de seu ciclo de vida. Essas decisões exigem o
reconhecimento de:
As formas como os dados conectam processos de negócios que, de outra forma, poderiam ser
vistos como separados.
A relação entre processos de negócios e a tecnologia que os suporta.
O design e a arquitetura dos sistemas e os dados que eles produzem e armazenam.
As maneiras pelas quais os dados podem ser usados para avançar a estratégia organizacional.
30. Planejar dados melhores requer uma abordagem estratégica da arquitetura, modelagem e outras
funções de design. Também depende da colaboração estratégica entre os negócios e a liderança de
TI. E, é claro, exige a capacidade de executar efetivamente em projetos individuais.
O desafio é que geralmente existem pressões organizacionais, bem como as constantes pressões de
tempo e dinheiro, que atrapalham o planejamento. As organizações devem equilibrar as metas de
longo e curto prazo à medida que executam sua estratégia. Ter clareza sobre as compensações leva a
melhores decisões.
O que você precisa saber:
Os dados são um ativo valioso, mas também representam risco. Uma organização pode
começar a entender o valor de seus dados reconhecendo os custos de dados de baixa
qualidade e os benefícios de dados de alta qualidade.
Os dados têm características únicas que dificultam o gerenciamento.
A melhor abordagem para enfrentar esses desafios é gerenciar dados em todo o seu ciclo
de vida e adotar uma perspectiva corporativa.
A falha no gerenciamento do ciclo de vida dos dados é cara, embora muitos custos estejam
ocultos.
O gerenciamento de dados em todo o ciclo de vida requer planejamento, habilidade e
trabalho em equipe.
3. Princípios de gerenciamento de dados do DAMA (DATA MANAGEMENT ASSOCIATION)
O gerenciamento de dados apresenta desafios únicos conectados à natureza dos dados em si. Mesmo
com suas características exclusivas, o gerenciamento de dados ainda compartilha características com
outras formas de gerenciamento. Envolve conhecer quais dados uma organização possui e a melhor
forma de usar esses ativos para atingir as metas organizacionais. Como outros processos de
gerenciamento, deve-se equilibrar as necessidades estratégicas e operacionais.
Para ajudar as organizações a alcançar esse equilíbrio, o DAMA desenvolveu um conjunto de
princípios que reconhecem os desafios do gerenciamento de dados e auxiliam a orientar as práticas de
gerenciamento de dados.
Em nível mais estratégico, esses princípios se resumem a quatro asserções que examinaremos neste
módulo:
Os dados possuem valor estratégico.
Requisitos de gerenciamento de dados são requisitos de negócios.
Gerenciamento de dados refere-se ao gerenciamento do ciclo de vida.
O gerenciamento de dados depende de diversas habilidades.
Os princípios de gerenciamento de dados da DAMA fornecem uma lente para entender como sua
organização gerencia seus dados. Depois de revisar suas implicações, as examinaremos no contexto
da maturidade do gerenciamento de dados. Um modelo de maturidade define uma progressão do
controle crescente sobre um conjunto de processos. Quando uma organização obtém uma
compreensão das características do processo, pode estabelecer um plano para melhorar suas
capacidades. Ele também pode medir a melhoria e comparar-se aos concorrentes ou parceiros,
guiados pelos níveis do modelo.
Os modelos de maturidade do gerenciamento de dados descrevem detalhes dos processos de
gerenciamento de dados que podem ser usados para esse tipo de avaliação.
31. Princípios de Gerenciamento de Dados
Dados são estratégicos
Dados são um ativo de propriedade exclusiva.
O valor dos dados pode e deve ser expresso em termos econômicos/estratégicos.
Gerenciamento eficaz de dados requer comprometimento da liderança.
Requisitos de gerenciamento de dados são requisitos de negócios
Gerenciar dados significa gerenciar a qualidade dos dados.
São necessários metadados para gerenciar dados.
É preciso planejar o gerenciamento de dados.
Requisitos de gerenciamento de dados devem orientar as decisões de Tecnologia da
Informação.
Gerenciamento de dados é
gerenciamento do ciclo de vida
Gerenciamento de dados depende
de diversas habilidades
Tipos diferentes de dados têm
características diferentes do ciclo de vida.
Gerenciamento de dados é multifuncional.
Gerenciar dados inclui gerenciar o risco
associado aos dados.
O gerenciamento de dados requer uma
perspectiva corporativa.
O gerenciamento de dados deve levar em
conta uma variedade de perspectivas.
Fonte: Data Management Principles (Adapted from DMBOK2)
3.1. Os dados são valiosos
Os dados são um ativo com propriedades exclusivas: os dados são um ativo, mas diferem
de outros ativos de maneiras importantes que afetam a maneira como são gerenciados. A mais
óbvia dessas propriedades é que os dados não são consumidos quando usados, assim como
os ativos financeiros e físicos.
O valor dos dados pode e deve ser expresso em termos econômicos: Chamar dados de
um ativo implica ele ter valor. Embora existam técnicas para medir o valor qualitativo e
quantitativo dos dados, ainda não existem padrões para isso. As organizações que desejam
tomar melhores decisões sobre seus dados devem desenvolver maneiras consistentes de
quantificar esse valor. Eles também devem medir os custos de dados de baixa qualidade e os
benefícios de dados de alta qualidade.
O gerenciamento eficaz de dados requer comprometimento da liderança: o gerenciamento
de dados envolve um conjunto complexo de processos que, para serem eficazes, requerem
coordenação, colaboração e comprometimento. Chegar lá exige não apenas habilidades de
gerenciamento, mas também a visão e o objetivo advindos da liderança comprometida.
3.2. Requisitos de gerenciamento de dados são requisitos de negócios
Gerenciar dados significa gerir a sua qualidade: garantir que os dados sejam adequados ao
objetivo é um objetivo principal do gerenciamento de dados. Para gerenciar a qualidade, as
organizações devem garantir que compreendem os requisitos de qualidade das partes
interessadas e medem os dados em relação a esses requisitos.
São necessários metadados para gerenciar dados: gerenciar qualquer ativo requer ter
dados sobre esse ativo (número de funcionários, códigos contábeis etc.). Os dados usados
para gerenciar e usar dados são chamados de metadados. Como os dados não podem ser
mantidos ou tocados, para entender o que são e como usá-los, requer definição e
conhecimento na forma de Metadados. Os metadados são originários de uma variedade de
32. processos relacionados à criação, processamento e uso de dados, incluindo arquitetura,
modelagem, administração, governança, gerenciamento da qualidade dos dados,
desenvolvimento de sistemas, operações de negócios e TI e análise.
É preciso planejar o gerenciamento de dados: Mesmo pequenas organizações podem ter
cenários técnicos e de negócios complexos. Os dados são criados em muitos locais e transitam
entre vários locais para seu uso. Coordenar o trabalho e manter os resultados finais alinhados
requer planejamento da perspectiva de arquitetura e do processo.
Os requisitos de gerenciamento de dados devem orientar as decisões em tecnologia da
informação: o gerenciamento de dados está extremamente interligado à tecnologia da
informação e ao gerenciamento da tecnologia da informação. O gerenciamento de dados
requer uma abordagem que garanta que a tecnologia atenda e direcione as necessidades
estratégicas de dados de uma organização.
3.3. Gerenciamento de dados é gerenciamento do ciclo de vida
Gerenciamento de dados é gerenciamento do ciclo de vida: os dados têm um ciclo de vida
e o gerenciamento de dados requer a administração de seu ciclo de vida. Como os dados
geram mais dados, o próprio ciclo de vida dos dados pode ser muito complexo. As práticas de
gerenciamento de dados precisam levar em consideração o ciclo de vida em evolução dos
dados.
Diferentes tipos de dados têm características diferentes de ciclo de vida: e por esse
motivo, eles têm requisitos de gerenciamento diferentes. As práticas de gerenciamento de
dados precisam reconhecer essas diferenças e ser flexíveis o suficiente para atender a
diferentes tipos de requisitos do ciclo de vida dos dados.
O gerenciamento de dados inclui o controle dos riscos associado aos dados: além de
ativos, os dados também representam riscos para a organização. Os dados podem ser
perdidos, furtados ou mal utilizados. As organizações devem considerar as implicações éticas
de seu uso. Os riscos relacionados aos dados devem ser gerenciados como parte do ciclo de
vida dos dados.
3.4. O gerenciamento de dados depende de diversas habilidades
O gerenciamento de dados é multifuncional: uma única equipe não pode gerenciar todos
os dados de uma organização. Fazer isso requer uma série de habilidades e conhecimentos.
O gerenciamento de dados requer habilidades técnicas e não técnicas além da capacidade de
colaborar.
O gerenciamento de dados requer uma perspectiva corporativa: o gerenciamento de
dados possui aplicativos locais, mas deve ser aplicado em toda a instituição para ser o mais
eficaz possível. Essa é uma das razões pelas quais o gerenciamento e o controle de dados
estão interligados.
O gerenciamento de dados deve dar conta de várias perspectivas: os dados são fluidos e
estão em mudança. O gerenciamento de dados deve evoluir constantemente para
acompanhar não somente a maneira como os dados são criados e usados, mas também os
consumidores que os usam.
3.5. Princípios e maturidade em gerenciamento de dados
Reconhecer a importância, identificar os desafios e conhecer os princípios do gerenciamento de dados
são relevantes para uma gestão eficiente. Sua organização está, sem dúvida, aplicando alguns desses
princípios, pois segue, certamente, algumas das práticas descritas aqui. Mas, a menos que a
33. organização aumente sua consciência por meio de um nível de autoavaliação, é improvável que ela
seja capaz de melhorar suas práticas.
A Avaliação da Maturidade da Capacidade (CMA) é uma abordagem para a melhoria de processos
com base em uma estrutura - um Modelo de Maturidade da Capacidade (CMM) - que descreve como
as características de um processo evoluem de ad hoc para o ideal.
O conceito de CMA surgiu dos esforços do Departamento de Defesa dos Estados Unidos para
estabelecer critérios através dos quais avaliar fornecedores de software. Em meados da década de
1980, o Capability Maturity Model for Software foi publicado pelo Instituto de Engenharia de Software
da Universidade Carnegie-Mellon. Embora aplicados pela primeira vez ao desenvolvimento de
software, os CMMs foram desenvolvidos para uma variedade de outros campos, incluindo
gerenciamento de dados.
Modelos de maturidade são definidos em termos de uma progressão através de níveis que descrevem
as características do processo. Quando uma organização obtém uma compreensão das características
do processo, pode avaliar seu nível de maturidade e implementar um plano para melhorar suas
capacidades. Há possibilidade de medir a melhoria e comparar-se aos concorrentes ou parceiros,
guiados pelos níveis do modelo.
A avaliação da maturidade da capacidade é um instrumento bastante eficiente para isso. Trata-se de
uma abordagem para a melhoria do processo com base em uma estrutura - um Modelo de Maturidade
da Capacidade - que descreve como as características de um processo evoluem de ad hoc para ideal.
A cada novo nível, a execução do processo se torna mais consistente, previsível e confiável. Os
processos melhoram à medida que assumem as características desses níveis. A progressão acontece
em uma ordem definida que deve ser cumprida a cada fase conforme segue:
Nível 0 Ausência de capacidade
Nível 1 Inicial ou ad hoc: o sucesso depende da competência dos indivíduos
Nível 2 Repetível: a disciplina mínima do processo está em vigor
Nível 3 Definido: os padrões são definidos e usados
Nível 4 Gerenciável: os processos são quantificados e controlados
Nível 5 Otimizável: as metas de melhoria de processo são quantificadas
Dentro de cada nível, os critérios são descritos nos recursos do processo. Por exemplo, um modelo de
maturidade pode incluir critérios relacionados à forma como os processos são executados, incluindo o
nível de automação desses processos. Pode se concentrar em políticas e controles, além de detalhes
do processo. Essa avaliação ajuda a identificar o que está funcionando bem, o que não está
funcionando bem e onde uma organização tem lacunas.
A maturidade do uso dos princípios de gerenciamento de dados pode progredir conforme ilustrado na
figura abaixo, onde uma organização passa do conhecimento limitado dos princípios de gerenciamento
de dados para um estado em que os princípios se tornam motores da melhoria organizacional.
34. Um DMMA (Data Management Maturity Assessment) pode ser usado para avaliar o gerenciamento de
dados em geral, ou para se concentrar em uma única área funcional ou de conhecimento, ou mesmo
em um único processo ou ideia (como o grau em que uma organização segue os dados).
Qualquer que seja o foco, um DMMA pode ajudar a preencher a lacuna entre as perspectivas de
negócios e de TI sobre a saúde e a eficácia das práticas de gerenciamento de dados. Um DMMA
fornece uma linguagem comum para descrever como é o progresso nas funções de gerenciamento de
dados e oferece um caminho para melhorias baseado em etapas, que pode ser adaptado às
prioridades estratégicas de uma organização. Assim, pode ser usado para definir e medir objetivos
organizacionais, bem como comparar a organização com outras organizações ou referências do setor.
Conheça um pouco mais sobre o DMMA
3.6. Reavaliar a maturidade
As reavaliações devem ser realizadas em intervalos regulares, convergindo para um ciclo de melhoria
contínua:
Estabelecer uma classificação de linha de base através da primeira avaliação.
Definir parâmetros de reavaliação, incluindo o escopo organizacional.
Repetir a avaliação do DMM conforme necessário em um planejamento o publicado.
Acompanhar tendências em relação à linha de base inicial.
Desenvolver recomendações com base nos resultados da reavaliação.
A reavaliação também pode revigorar ou reorientar o esforço. O progresso mensurável ajuda a manter
o compromisso e o entusiasmo em toda a organização. Alterações em estruturas regulatórias, políticas
35. internas ou externas ou inovações que possam mudar a abordagem de governança e estratégias são
razões adicionais para reavaliar periodicamente.
3.7. Ferramentas de avaliação de maturidade
Estrutura de maturidade do gerenciamento de dados: A principal ferramenta usada em uma
avaliação de maturidade é a própria estrutura do DMM.
Plano de comunicação: Um plano de comunicação inclui um modelo de envolvimento das
partes interessadas, o tipo de informação a ser compartilhada e o cronograma para o
compartilhamento de informações.
Ferramentas de colaboração: As ferramentas de colaboração permitem que os resultados da
avaliação sejam compartilhados. Além disso, evidências de práticas de gerenciamento de
dados podem ser encontradas nos e-mails, nos modelos concluídos e nos documentos de
revisão criados por meio de processos padrão para design colaborativo, operações,
rastreamento de incidentes, revisões e aprovações.
Repositórios de gerenciamento e de conhecimento em metadados: padrões de dados,
políticas, métodos, agendas, atas de reuniões ou decisões e artefatos de negócio e técnicos
que servem como prova de prática podem ser gerenciados nesses repositórios. Em alguns
CMMs, a falta desses repositórios é um indicador de menor maturidade na organização. Os
repositórios de metadados podem existir em várias construções, o que pode não ser óbvio para
os participantes. Por exemplo, alguns aplicativos de Business Intelligence dependem
completamente dos metadados para compilar suas visualizações e relatórios, sem se referir a
ele como um repositório distinto separado.
3.8. Técnicas de avaliação de maturidade
Diversas técnicas relacionadas à execução de um DMMA são definidas pela metodologia da
estrutura de DMM escolhida. Técnicas mais gerais são descritas aqui.
Os seguintes critérios devem ser considerados ao selecionar uma estrutura DMM.
Acessibilidade
As práticas são declaradas em termos não técnicos que transmitem a essência funcional da atividade.
Abrangência
A estrutura trata de um amplo escopo de atividades de gerenciamento de dados e inclui o
envolvimento dos negócios, não apenas os processos de TI.
Extensível e flexível
o modelo está estruturado para permitir o aprimoramento de disciplinas específicas do setor ou
adicionais e pode ser usado no todo ou em parte, dependendo das necessidades da organização.
Caminho do progresso futuro incorporado
embora as prioridades específicas sejam diferentes de organização para organização, a estrutura do
DMM descreve um caminho lógico a seguir em cada uma das funções que descreve.
36. Agnóstico e específico do setor
algumas organizações se beneficiarão de uma abordagem específica do setor, outras de uma estrutura
mais genérica. Qualquer estrutura de DMM também deve aderir às melhores práticas de
gerenciamento de dados que cruzam verticais.
Nível de abstração ou detalhe
as práticas e os critérios de avaliação são expressos em um nível de detalhe suficiente para garantir
que eles possam estar relacionados à organização e ao trabalho que ela realiza.
Não prescritivo
A estrutura descreve o que precisa ser executado, não como deve ser executado.
Organizado por tópico
A estrutura coloca as atividades de gerenciamento de dados em seu contexto apropriado, permitindo
que cada uma seja avaliada separadamente, enquanto reconhece as dependências.
Repetível
A estrutura pode ser interpretada de forma consistente, suportando resultados repetíveis para
comparar uma organização com outras do setor e acompanhar o progresso ao longo do tempo.
Suportado por uma organização independente e neutra
O modelo deve ser neutro em relação ao fornecedor, a fim de evitar conflitos de interesse, e
amplamente disponível para garantir uma ampla representação das melhores práticas.
Tecnologia neutra
O foco do modelo deve estar nas práticas, e não nas ferramentas.
Suporte de treinamento incluído
O modelo é suportado por um treinamento abrangente para permitir que os profissionais dominem a
estrutura e otimizem seu uso.
3.9. Uso da estrutura DAMA-DMBOK
O DAMA-DMBOK pode ser usado para preparar ou estabelecer critérios para um DMMA.
Os responsáveis pela execução identificarão ligação direta entre funções segmentadas (as Áreas de
Conhecimento) e as tarefas correspondentes (atividades).
As áreas de conhecimento, atividades e produtos (produtos de trabalho) do DMBOK podem ser
configuradas para uma estrutura específica do DMM com base nas áreas medidas, suas atividades de
suporte, relevância e tempo disponível. Essa abordagem rápida, em conjunto com a lista de
verificação, pode ser usada para determinar áreas que precisam de análise mais profunda, que
representam lacunas ou que indicam pontos de acesso para correção.
O DMBOK oferece vantagem adicional como ferramenta de planejamento de avaliação: Há uma
grande comunidade de profissionais do conhecimento usando o DMBOK como um guia em vários
setores, criando uma comunidade de prática em torno de seu uso.
37. 4. Ética na Gestão de Dados
Definida de maneira simples, a ética é um princípio de comportamento baseado em ideias de certo e
errado.
Os princípios éticos geralmente se concentram em ideias como justiça, respeito, responsabilidade,
integridade, justiça, qualidade, confiabilidade, transparência e confiança. A ética de manipulação de
dados preocupa-se em como adquirir, armazenar, gerenciar, usar e descartar dados de maneira
alinhada aos princípios éticos. Em outras palavras, eles se preocupam em fazer as coisas certas com
os dados e impedir que coisas erradas sejam feitas com os dados, mesmo quando ninguém está
olhando.
Manipular dados - não apenas gerenciá-los, mas usá-los e compartilhá-los com outras entidades - de
maneira ética é necessário para o sucesso a longo prazo de qualquer organização que deseja obter
valor de seus dados.
O tratamento antiético de dados pode resultar em perda de reputação e clientes, pois coloca em risco
as pessoas cujos dados estão expostos. Em alguns casos, práticas antiéticas também são ilegais.
Dada a conexão entre o direito à privacidade e outros direitos humanos, a ética dos dados também é
uma questão de responsabilidade social.
O tratamento ético dos dados, abrangerá:
O porquê é importante gerenciar dados eticamente.
Os princípios subjacentes ao tratamento ético de dados.
Os benefícios de adotar uma abordagem ética para o gerenciamento de dados.
O como estabelecer uma abordagem ética para o gerenciamento de dados.
4.1. Ética e gerenciamento de dados
A ética relacionada ao tema “manipulação de dados” apresenta alguns conceitos básicos. São eles:
Impacto nas pessoas: Os dados geralmente representam características de pessoas
(Exemplos servidores, pacientes, fornecedores etc.) e são usados para tomar decisões que
afetam a vida das pessoas. A ética exige que os dados sejam usados apenas de maneira a
preservar a dignidade humana.
Potencial de uso indevido: O uso indevido de dados pode afetar negativamente pessoas e
organizações. Isso leva a um imperativo ético para impedir o uso indevido de dados,
principalmente por meio de ações que prejudicam o bem maior.
Valor econômico dos dados: os dados têm valor econômico. A ética da propriedade dos
dados deve determinar como esse valor pode ser acessado e por quem.
As organizações protegem os dados com base principalmente em normas legais e regulamentos. No
entanto, como os dados afetam as pessoas, os profissionais de gerenciamento de dados devem
reconhecer que existem razões éticas (e legais) para proteger os dados e garantir que não sejam mal
utilizados.
Mesmo dados que não representam diretamente indivíduos, como dados sobre acessibilidade ou
distribuição de recursos, ainda podem ser usados para tomar decisões que afetam a vida das pessoas.
Há um imperativo ético não apenas para proteger os dados, mas também para gerenciar sua
qualidade. As pessoas que tomam decisões, bem como as que são impactadas por elas, esperam que
os dados sejam completos e precisos para que eles tenham uma base sólida para as decisões.