Governança de Dados ?

Em Power BI ?

O que ?

Sim, é isto mesmo, você não leu errado, neste post vamos tratar um assunto promissor que entrará em nosso cotidiano, vamos lá.

Você já deve ter ouvido falar sobre Self-Service Business Intelligence, aonde trata-se o termo ‘agilidade’ aonde os usuários de negócio desenvolvem seus próprios relatórios e dashboards, sem intervenção da TI.

Contudo existem alguns itens que passam despercebidos como:

  • Qualidade dos dados –  De onde veem estas informações?
  • Segurança dos dados – Quem pode visualizar estes dados?
  • Analise dos dados – Analise detalhada e profunda de conciliação de dados!
  • Apresentação dos dados – De qual forma será apresentado? E suas ligações como fonte de dados como irá funcionar?

Dentre outros pontos;

Isto ocorre devido a praticidade das ferramentas, intuitivas e empolgantes de uso, mas como podemos ser mais criteriosos?

O DMBoK é uma metodologia desenvolvida de forma colaborativa que tem por objetivo destacar as melhores práticas de governança de dados.

Segundo o DMBoK, existem alguns processos chaves para se ter uma governança de dados de alto nível. E estes processos se adequam tanto para baixo, médio ou grande volume de dados, ou seja, independe se você possui 2 planilhas em Excel com 500 linhas cada ou possui todos os módulos SAP gerando terabytes de dados.

Sucintamente, vamos comentar cada processo do DMBok:

Gerenciamento de arquitetura de dados: Trata-se de entender quais os requisitos do seu projeto de dados, ou seja, entender quais os dados que são necessários, de onde eles vêm e por onde terão de passar até chegar ao seu dashboard. É definir o caminho deste dado.

A Arquitetura de dados é um conjunto integrado de artefatos de especificação utilizada para definir os requisitos de dados, orientar a integração e controle dos ativos de dados, e alinhar os investimentos de dados com a estratégia de negócios. É também um conjunto integrado de diagramas em diferentes níveis de abstração. A arquitetura de dados inclui nomes formais de dados, definições de dados abrangentes, estruturas de dados eficazes, regras precisas de integridade de dados e documentação de dados robusta (DMBOK, 2012).

Desenvolvimento dos dados: Trata-se de analisar os requisitos dos dados, implantar o seu modelo de dados (É possível fazer dentro do Power BI), definir como será a manutenção destes modelos de dados, projetar estruturas de bancos de dados para suportar suas necessidades, projetar como será o versionamento e integração de dados e modelo de dados, projetar planos de testes, projetar planos de migração entre outras atividades.

Gerenciamento de operações de dados: Trata-se do planejamento, controle, manutenção e suporte ao ativo dado, durante todo o seu ciclo de vida, ou seja, desde sua aquisição (Lá na origem), passando por sua exibição no dashboard, até a eliminação desse dado. Vale ressaltar que um planejamento de Disaster Recovery é de extrema importância para qualquer tipo de projeto.

Gerenciamento de segurança de dados: Trata-se a necessidade de planejar e projetar uma estrutura capaz de garantir a privacidade, confidencialidade e acesso apropriado ao dado.

Gerenciamento de dados mestre e referência: Trata-se de projetar uma estrutura que promova uma “Central Única da Verdade”, garantindo uma versão consistente e confiável do dado, onde possa ser distribuído (ou compartilhado) para outros contextos.

Gerenciamento de DW (Data Warehouse) e BI (Business Intelligence): Trata-se de planejar e projetar modelos de dados que permitam a geração de informações para tomada de decisão sob várias perspectivas (dimensões).

A gestão do Data  Warehousing e Business Intelligence consiste na coleta, integração e apresentação dos dados para fins de análise de negócios e tomadas de decisão, composto por atividades de apoio a todas as fases do ciclo de vida de suporte à decisão que fornece contexto, move e transforma os dados de fontes para um destino comum de armazenamento dos dados e subsidie meios de acesso, manipulação e geração de relatórios a partir deste destino comum (DAMA DMBOK, 2012).

Segundo o DMBOK (2012) a gestão do Data  Warehousing e Business Intelligence tem como os seguintes objetivos: fornecer o armazenamento atuais e históricos integrado organizado por áreas temáticas; garantir credibilidade, qualidade, estabilidade, alto desempenho e ambiente para aquisição, gestão e acesso a dados, e para todos os recursos de acesso adequados; proporcionar  um ambiente de acesso fácil de usar, flexível e abrangente, entre outros.

Gerenciamento da documentação e conteúdo: Trata-se de planejar e projetar a implantação e a gestão a dados não estruturados, ou seja, que estão fora de um banco de dados. É importante que seja definido um plano para armazenamento, proteção e acesso a estes dados.

O objetivo é planejar, implementar e controlar atividades para armazenar, proteger e acessar dados encontrados em arquivos eletrônicos e registros físicos (texto, gráficos, imagens, áudio e vídeo), ou seja, o foco em dados não estruturados, não armazenados em sistemas relacionais (DMBOK, 2012).

Gerenciamento de Metadados: Primeiro você precisa saber o que é metadado, correto? Pois bem, metadado é o dado a respeito de outro dado, ou seja, são informações que complementam um dado. Por exemplo: 2 maçãs (dado), Foto destas mesmas 2 maçãs (Metadado). Portanto, o metadado tem a mesma importância do dado e o gerenciamento de metadados segue as mesmas atividades do gerenciamento de dados.

Os meta-dados descrevem a estrutura e significados a respeito de dados e, assim contribuem para que seu uso seja eficiente ou ineficiente, oferecendo contexto aos dados relacionados, ou seja informações que gerem conhecimento (TURBAN; ET. ALL, 2009).

Esta definição abrange o sentido que os meta-dados são dados sobre dados. A definição do DMBOK (2012) para meta-dados como informações sobre dados físicos, processos técnicos e de negócios, regras de dados e restrições, estruturas físicas e logicas dos dados, como são utilizadas por uma organização.  E ainda fornecem detalhes de ondem vêm os dados e como chegaram lá. Já gestão do meta-dados consiste no “planejamento, implementação e controle das atividades para permitir o fácil acesso a meta-dados e integrados de alta qualidade;

Gerenciamento de Qualidade de dados: Trata-se de planejar e projetar o saneamento do dado, provendo qualidade ao mesmo, para que este dado possa gerar informações confiáveis para suportar a tomada de decisão. O objetivo é planejar, implementar e controlar atividades que apliquem técnicas de gerência de qualidade de dados para medir, avaliar, melhorar e garantir a adequação dos dados ao seu uso pretendido.

Categories:

No responses yet

Deixe uma resposta

%d blogueiros gostam disto: