Como medir o modelo de maturidade de governança de dados?

Governança de dados protocolos não existem em uma organização e qualidade dos dados não pode ser garantido. Quando os dados não são estruturados e as alterações feitas neles não são documentadas, sua qualidade se degrada rapidamente. Isso não só representa a maior dor de cabeça para as equipes de dados, como também impede os usuários corporativos de inovar com os dados da empresa. Dados de baixa qualidade e inexistentes gerenciamento de dados processos podem levar a conjuntos de dados imprecisos.

Quando os dados estão incorretos, podem ocorrer consequências catastróficas, desde decisões comerciais prejudiciais a potenciais violações de dados e violações de conformidade dispendiosas. Para resolver esses problemas, as organizações devem implementar uma estratégia de governança de dados, mas para que essa estratégia seja bem-sucedida, é necessário um alto nível de maturidade de dados. A melhor maneira de conseguir isso é adotar uma modelo de maturidade de governança de dados.

Maturidade da Governança de Dados e seu Modelo

Para atingir um nível mais alto de maturidade em governança de dados, as organizações devem aderir ao modelo de maturidade em governança de dados. Há muitos exemplos desse modelo, mas antes de nos aprofundarmos nos exemplos mais conhecidos, vamos entender a terminologia.

O que exatamente é maturidade de governança de dados?

Maturidade na governança de dados refere-se ao estágio em que uma organização atingiu a implementação e adoção de um programa de governança de dados. Uma organização imatura terá muitos dados desorganizados e não os utilizará para impulsionar o crescimento. Por outro lado, organizações maduras estarão plenamente cientes da importância dos dados como um ativo comercial crítico e os gerenciarão adequadamente.

O que é o modelo de maturidade de governança de dados?

Um modelo de maturidade de governança de dados é uma ferramenta e metodologia para mensurar e comunicar de forma simples o programa de governança de dados de uma organização para toda a organização. Em organizações maduras, todos os processos para gerenciar, acessar e inovar com ativos de dados já estão implementados. Organizações menos avançadas podem usar modelos de maturidade para alcançar esse objetivo.

Existem alguns modelos de maturidade de governança de dados bem conhecidos, incluindo exemplos da IBM, Stanford, Gartner e Oracle. Esses modelos fornecem um meio pelo qual as empresas podem aprender a gerenciar dados de forma eficaz, fornecer acesso aos usuários, garantir dados de alta qualidade e permitir que todos na organização se beneficiem desses avanços.

Não existe um modelo único para maturidade de dados e, mesmo que um seja escolhido, ele precisa ser ajustado para se adequar à organização. Quando uma organização atinge o mais alto nível de maturidade em governança de dados, resultados visíveis são observados. Em toda a empresa, os dados serão usados para inovar, colaborar e tomar melhores decisões de negócios, e essas organizações evitarão multas pesadas por não conformidade com as normas de proteção de dados.

Qual modelo de maturidade de governança de dados deve ser usado?

Embora existam diversos modelos de maturidade de governança de dados, você precisa considerar muitos fatores ao começar a decidir sobre um. Entre eles, estão os principais impulsionadores de negócios, o orçamento necessário para implementar o modelo, as estruturas existentes de gestão e governança de dados e o seu setor.

Modelo de maturidade de governança de dados progressivo

Os objetivos de cada modelo de maturidade de governança de dados são os mesmos, mas nem a Gartner nem a IBM fornecem os detalhes necessários para superar os desafios que as empresas enfrentarão. As organizações conseguem acompanhar o progresso de seus programas de governança de dados.

Nível 1: indefinido

• Não conhecer a importância dos dados;
• Nenhuma ação;
• O fluxo é reativo e muitas vezes caótico;

Nível 2: consciente

• Perceba a importância dos dados;
• As práticas de dados existentes são compreendidas e documentadas;
• Forneça uma lista de fontes de dados;

Nível 3: definido

• Regras e políticas de governança de dados são definidas;
• Identificar os proprietários dos dados e administradores de dados;
• Comitê de governança estabelecido;
• Diretório de dados instalado;

Nível 4: implementado

• Aplicar políticas de governança de dados e regras de execução;
• Treinado;
• Coletar e medir dados;
• Configure alertas para monitorar problemas de qualidade de dados relatados pelos usuários;

Nível 5: otimização

• Regras e políticas otimizadas para melhorar a eficiência;
• O fluxo de trabalho redesenhado reduz a redundância;
• Os dados são sinalizados pelos usuários para maior capacidade de descoberta;

O modelo de maturidade da governança de dados deve ser aplicado às três áreas principais da governança de dados: qualidade dos dados, gestão do acesso aos dados e alfabetização em dados. O objetivo é aplicar o modelo de forma independente a cada um dos três domínios e abordar gradualmente o problema da governança de dados.

A melhor maneira de entender a situação atual da sua organização e avançar para o próximo nível é fazer perguntas aos usuários dos dados por meio de um questionário formal. Isso permitirá entender a situação atual da organização, o que os funcionários sabem e o que não sabem.

Modelo de maturidade de governança de dados da IBM

O Modelo de Maturidade de Governança de Dados da IBM é um dos mais conhecidos. O modelo foi desenvolvido em 2007 para ajudar organizações a determinar o progresso em 11 áreas principais de governança de dados. Essas áreas incluem conscientização de dados e estrutura organizacional, política de dados, governança de dados, gestão da qualidade de dados, gestão do ciclo de vida de dados, segurança e privacidade de TI, arquitetura de dados, classificação de dados, conformidade, criação de valor e auditoria.

Nível 1: inicial

• Limitado a nenhum processo de dados ou governança;
• A gestão de dados é ad hoc e reativa;
• Não há procedimentos formais para rastrear dados;
• Perda de prazos e superação de orçamentos de projetos;

Para atualizar para o Nível 2, as equipes de dados devem revisar como os dados são compartilhados em sua organização e desenvolver um plano que inclua proprietários de dados e outras partes interessadas.

Nível 2: gerenciado

• Os usuários percebem o valor comercial dos dados;
• Alguns projetos de dados, como infraestrutura de dados de mapas, estão em andamento;
• Pouca automação;
• Medidas de governança de dados acordadas e disponíveis para uso;
• As equipes de dados começam a se concentrar em metadados;

Para atingir o Nível 3, as medidas regulatórias precisam ser mais desenvolvidas e documentadas. Para isso, comece a criar modelos que mapeiem a infraestrutura e os requisitos críticos.

Nível 3: definido

• A política de dados está claramente definida;
• Vários administradores de dados foram identificados e nomeados;
• Existem algumas técnicas de gerenciamento de dados em uso;
• Integração de dados planos estão sendo desenvolvidos;
• Os usuários estão compartilhando e entendendo os processos de gerenciamento de dados;
• O gerenciamento de dados mestres é comum;
• Estão sendo utilizadas medidas de avaliação de risco de qualidade de dados;

As organizações passarão para o Nível 4 à medida que continuarem a especificar e implementar políticas de dados e processos de governança.

Nível 4: gestão quantitativa

• A política de dados está claramente definida;
• Medidas de governança de dados em nível empresarial implementadas;
• Metas claras de qualidade de dados estabelecidas;
• Modelos de dados estão prontamente disponíveis;
• Os princípios de governança de dados orientam todos os projetos de dados;
• A gestão de desempenho está ativa e em andamento;

Para atingir o mais alto nível de maturidade de dados, você deve se concentrar na geração de KPIs e outras métricas de desempenho. Para isso, é necessário ter um plano claro e conciso para a implementação do modelo de dados.

Nível 5: otimização

• Redução de custos de gerenciamento de dados;
• A automação é comum;
• Adoção de princípios claros e abrangentes de gerenciamento de dados em toda a empresa;
• A governança de dados faz parte da cultura da empresa;
• Calcular e rastrear o ROI de projetos de dados é uma prática padrão;

Uma organização madura reconhecerá plenamente a importância dos dados como um ativo comercial crítico e os gerenciará adequadamente.

Modelo de maturidade de governança de dados da Gartner

Outro modelo amplamente reconhecido é o Modelo de Maturidade de Governança de Dados da Gartner. Desde 2008, o modelo da Gartner permite que organizações alcancem cinco objetivos principais:

• Integração de dados em toda a empresa;
• Conteúdo unificado;
• Integração de domínio de dados mestre;
• Canais de informação suaves;
• Gerenciamento de metadados;

Nível 0: indefinido

• Nenhuma governança de dados, propriedade de dados ou responsabilidade;
• Nenhum processo ou estrutura para compartilhamento de informações;
• Nenhuma padronização ou gerenciamento de metadados;
• A maior parte do arquivamento e compartilhamento de documentos é feita por e-mail;
• Sem unificação, fragmentação de dados;
• Decisões empresariais importantes são tomadas com informações insuficientes;

Itens de ação: As equipes de dados e os planejadores devem educar os principais líderes empresariais sobre a importância da governança de dados e se concentrar no impacto potencial da violação das regulamentações de conformidade.

Nível 1: conscientização

• A ausência de proprietários de dados é evidente;
• Líderes empresariais admitem falta de apoio ao gerenciamento de informações empresariais (EIM);
• O valor dos dados está se tornando cada vez mais óbvio;
• Algum nível de conscientização sobre problemas de qualidade de dados;
• As pessoas percebem a necessidade de políticas e processos de dados padronizados;
• Esteja ciente de relatórios redundantes e processos de BI ineficientes;
• Os riscos de não ter um EIM estão se tornando mais aparentes;

Item de ação: A equipe de dados deve desenvolver uma estratégia de EIM que esteja alinhada à arquitetura empresarial existente e às metas comerciais estratégicas.

Nível 2: reatividade

• As organizações entendem o valor dos dados corporativos;
• Os dados começam a ser compartilhados entre departamentos, projetos e sistemas;
• O processo de qualidade de dados é reativo;
• Política em vigor, mas baixa adoção;
• Processo de avaliação de informações e retenção de dados em desenvolvimento;

Itens de ação: Os principais líderes empresariais devem facilitar os procedimentos iniciais e incentivar a adoção. Ao mesmo tempo, uma proposta de valor geral deve ser apresentada.

Nível 3: ativo

• Os gestores e proprietários de dados são identificados e ativos;
• A colaboração é considerada um processo empresarial fundamental;
• Funções e modelos de governança confirmados;
• Conformidade com os acordos de governança em toda a empresa;
• A governança de dados é parte integrante do desenvolvimento e da implantação de cada projeto;
• Redução de risco operacional;

Itens de ação: Criar e apresentar uma estratégia de EIM às partes interessadas e à gerência da empresa e identificar oportunidades de EIM no nível departamental.

Nível 4: administração

• Consenso em toda a empresa de que os dados são essenciais;
• A política de dados é desenvolvida, lançada e bem compreendida;
• Órgão de governança de dados criado;
• As métricas de dados são bem definidas e facilmente acessíveis;

Ação: As tarefas de gerenciamento de TI devem ser inventariadas para verificar sua conformidade com as políticas de EIM. Deve haver um scorecard para avaliar o processo de gerenciamento de dados.

Nível 5: eficaz

• Aproveitar dados e informações de gestão é visto como uma forma de proporcionar uma vantagem competitiva;
• Possui Acordo de Nível de Serviço (ANS);
• Atingir metas de produtividade e reduzir riscos são dois objetivos associados a uma estratégia de EIM;
• A equipe responsável pelo EIM é madura e atuante;
• Objetivos principais do EIM alcançados;

Item de ação: garantir que medidas sejam tomadas para garantir que os controles do EIM e os padrões de qualidade continuem no caso de uma mudança de liderança.

Quando uma empresa atinge o mais alto nível de maturidade de governança de dados, resultados visíveis são observados.

Os dados são o principal impulsionador do crescimento empresarial moderno. Eles não apenas apoiam decisões empresariais críticas, mas também permitem práticas colaborativas que auxiliam na inovação em toda a organização.

Conclusão

Agradecemos a leitura do nosso artigo e esperamos que ele possa ajudá-lo a compreender melhor o modelo de maturidade da governança de dados. Se quiser saber mais sobre governança de dados, recomendamos que visite Gudu SQLFlow para maiores informações.

Como um dos melhores ferramentas de linhagem de dados disponível no mercado hoje, o Gudu SQLFlow pode não apenas analisar arquivos de script SQL, obter linhagem de dados, e executar exibição visual, mas também permitir que os usuários forneçam linhagem de dados em formato CSV e executem exibição visual. (Publicado por Ryan em 23 de junho de 2022)