A qualidade dos dados pode fazer a diferença entre o sucesso e o fracasso nos negócios.
Analisando esta afirmação, fica claro que os ativos de valor para a organização não são apenas os seus patrimônios imobilizados. Alguns diferenciais que agregam valor e que devem ser observados são seus cadastros, sistemas, suas fórmulas, projetos e etc… Tudo isso se caracteriza como informação.
Quando não são gerenciados, os dados se deterioram, o que, por sua vez, causa impacto direto nos negócios. Por exemplo: Em setores regulamentados, os dados corrompidos podem levar a violações de políticas e multas.
Os problemas com a qualidade dos dados são causados por diversos fatores:
- Entrada de dados manual e através de diferentes sistemas;
- Diferentes funcionários em vários departamentos, cada um com regras e métodos própriosefetuando os cadastros das mesmas informações;
- Problemas na definição dos processos, por exemplo: As informações de um cliente que são relevantes a área de Vendas são diferentes das informações relevantes ao Departamento Contábil, que controla um sistema de Contas a Receber por exemplo.
- Dentre Outros…
Todos esses canais podem introduzir, e até mesmo ampliar os problemas nos dados. Embora os dados costumem ser precisos em um sistema individual, quando você tenta extraí-los desse sistema e usá-los de maneira mais abrangente, surgem as inconsistências.
Por que Qualidade de Dados é importante?
- Informação correta incrementa o ROI (Return On Investment) dos investimentos em tecnologia
- Informação de qualidade potencializa o uso do DataWarehouse
- Informação correta fortalece a aquisição de novos clientes
- Má qualidade de dados provoca ineficiência operacional
- Má qualidade da informação compromete a tomada de decisão
- Má qualidade leva a conclusões equivocadas
- Baixa qualidade da informação compromete a confiança dos clientes na empresa
- Informação ruim desgasta o relacionamento com os clientes
- Informação ruim afeta diretamente os projetos de migração de sistemas e de dados
(Enterprise Knowledge Management – The Data Quality Approach – David Loshin)
Visando alcançar os objetivos descritos acima podemos praticar algumas ações simples, ações essas que podem ser aplicadas nos dados que temos em nossas bases hoje e ainda criando meios de controle nos dados que por ventura iremos receber através de futuros sistemas.
Algumas ações simples que visam melhorar a qualidade do seu dado.
- Criação de perfis de dados – avaliando os dados para compreender seu nível geral de precisão;
- Padronização de dados – utilizando um mecanismo de regras de negócios para garantir que os dados cumpram regras de qualidade predefinidas;
- Comparação e vinculação – comparando dados para alinhar registros por semelhança;
- Monitoramento – acompanhando a qualidade dos dados e corrigindo automaticamente as variações com base em regras de negócios predefinidas;
Dentro destas ações vale a pena destacar o Gerenciamento de Dados Mestre, este é universal e abrange toda a organização. A ideia é trabalhar com objetos de dados mestre compartilhados entre os diversos sistemas transacionais. Entre as soluções de Gerenciamento de Dados Mestre normalmente estão dois componentes arquitetônicos:
- Definir e implementar uma tecnologia para criar perfil, consolidar e sincronizar dados mestre em toda a organização;
- Implantar uma plataforma para gerenciar, limpar e enriquecer os dados mestre estruturados e desestruturados;
As iniciativas de Gerenciamento de Dados Mestre devem levar em consideração a organização como um todo. Administradores de dados devem identificar redundâncias e diversas representações das mesmas informações básicas e consolidá-las.
Aplicando uma política de Qualidade de Dados, além de uma melhor confiabilidade nos Dados e Informações e uma melhor distribuição dos mesmos, podemos observar uma economia de equipamentos e de infraestrutura uma vez que a informação sendo única e não replicada, teremos menos custos com armazenamento e processamento.
Fonte: Dados Mestre
