Qualidade dos dados. Muito se escreveu e continua a escrever sobre o tema. Trabalho como Consultor nesta área já faz 13 anos. Recordo-me que, nessa altura, falar do tema numa reunião com um cliente ou potencial cliente era quase um trabalho de evangelho. Pouco se sabia sobre o tema e, mesmo para os mais sensíveis á problemática, não havia argumentos que convencessem alguém a gastar dinheiro com isto. Felizmente, 13 anos depois, o "mercado" aprendeu sobre o tema e, nos nossos dias, abordá-lo numa reunião provoca respostas diferentes. Hoje, mesmo os mais sépticos sabem reconhecer as vantagens destas iniciativas, mesmo que continue a ser igualmente difícil convencer os clientes a gastar dinheiro nisto e, acima de tudo, justificar o retorno do investimento deste tipo de iniciativas.

Do lado de quem tem por missão "vender" ou convencer alguém a empreender iniciativas nesta área, o discurso também mudou. Na altura, limitávamo-nos a um discurso maioritariamente técnico, tentando demonstrar a maravilha que a ferramenta X ou Y conseguia fazer com as suas funcionalidades de parsing ou com os seus algoritmos de matching. Hoje, estas funcionalidades tornaram-se um standard de qualquer ferramenta moderna na área, por isso o nosso discurso tornou-se mais tático. Falamos em Master Data Management, em Data Governance e em outros tantos "chavões" mais atuais e mais virados para negócio.

Pretendo, com este texto, transmitir uma ideia fundamental baseada na minha própria experiência ao longo deste tempo: Melhorar a qualidade dos dados é muito mais do que tecnologia. É um processo (bastante penoso) de mudança de mentalidades que poucos têm a capacidade, visão e coragem de tentar liderar e levar a cabo. Demora tempo, custa dinheiro e trás esforço. Mas, no final e a longo prazo, esta aposta pode bem ser uma enorme vantagem competitiva na empresa.

Enquanto consultor, não duvido que a componente tecnológica é importante. Porém, sem uma estratégia e metodologias adequadas, não é suficiente para garantir o sucesso das iniciativas.

De facto, a "estratégia" de que falo  vai bem além do plano tecnológico necessário: passa por um processo de mudança organizacional, de mudança de hábitos e costumes na forma e processos de trabalho da organização. Como sabemos, gerir esta mudança é um processo complexo. Superar este desafio torna qualquer organização mais ágil, mais apta para enfrentar as inevitáveis e rápidas mudanças na conjetura dos mercados.

Liderar uma iniciativa de sucesso passa, na minha opinião, pela capacidade de conseguir mobilizar toda a empresa na procura da excelência de serviço, excelência essa que não se consegue sem que todos se unam na recolha, tratamento e uso de informação verdadeira, válida ,coerente e atualizada: Em duas palavras, informação "de Qualidade".

Abraçar esta estratégia passa, na minha opinião, por endereçar eficazmente os seguintes vetores basilares:

Definir claramente quem são os "owners" da informação

Temos vindo a assistir a uma mudança de paradigma: o ownership dos dados está a transitar do departamento de TI (tradicionalmente apontado como "dono" dos dados ou responsabilizado pelas suas inconsistências) para as unidades de negócio. São elas os "consumidores" da informação, quem beneficia (ou sofre) com a boa (ou fraca) qualidade dos dados que utiliza e dos quais depende. Entendemos que, se são as áreas de negócio o público-alvo dos dados, deverão, também, ser estas a assumir para si o papel de donos da informação. Ser "dono" da informação não implica assumir mais uma responsabilidade. Implica, também, ter os meios (orçamento, calendário e recursos) para gerir as ações sobre os mesmos, garantindo que se gere a qualidade dos dados exatamente da mesma forma como se gere qualquer projeto: Definindo prioridades de atuação, possuindo um orçamento, calendário e recursos afetos e funcionando coordenado com os outros departamentos da empresa. Numa frase, pretendo transmitir a ideia de que devem ser os departamentos com funções de negócio os dinamizadores das iniciativas e não só os "clientes" destas. Deverão ser estes os responsáveis pela execução das mesmas, possuir um orçamento, elaborar o calendário e afetar recursos, com uma coordenação perfeita com todos os departamentos "de suporte" na empresa;

Definir os segmentos de informação a controlar e implementar os mecanismos de monitorização periódica da qualidade desses dados

Sabemos que ninguém em nenhum departamento da empresa é levado a sério quando aponta inconsistências nos dados ou explica o quanto os seus processos de negócio "sofrem" com essas inconsistências. Se, numa reunião com decisores, não formos munidos dos números que quantifiquem essas inconsistências, é certo e sabido que aquele tema que nos levou a reunir depressa cairá no esquecimento. Mais... Nem conseguiremos o objetivo de captar a atenção de quem decide.

É óbvio que, de uma forma qualitativa, devemos entender as causas e os impactos que um menor nível de qualidade dos dados nos impõe. Porém, esta nossa análise deve estar fundamentada pelo aspeto quantitativo: Sermos capazes de "medir" eficazmente a extensão dos problemas. Selecionar a informação a controlar e implementar os processos de medição periódica dos níveis de qualidade desses mesmos dados é fundamental. Superado este objetivo, o passo lógico seguinte será a definição de objetivos a atingir e a classificação da qualidade da informação como "suficiente" ou "insuficiente" para utilização no processo de negócio A ou B da empresa;

Gerir a qualidade dos dados de forma ativa

Uma significativa parte das empresas é reativa no que toca a assuntos relacionados com a qualidade dos seus dados. Quando o fraco nível de qualidade dos mesmos já afetou (em grande parte dos casos, grandemente) as operações da empresa, quando nos vimos perante impactos consumados, reagimos com a tentativa de correção desses mesmos dados. Entendo que esta tendência tem de mudar do capítulo reativo para o capítulo ativo: Aprender que a qualidade dos dados deve passar a ser um processo gerido onde, o mais possível, é a empresa que tem o controlo e que é capaz de determinar e prioritizar o que deve ser corrigido e quando se devem levar a cabo tais intervenções.

Criar um centro de competências na área da qualidade dos dados

Criar, internamente, as competências de "know how" técnico e metodológico reunidas em torno de uma equipa de profissionais que assume a responsabilidade de liderar a implementação dos mais variados processos de auditoria e limpeza dos dados da empresa. Essa equipa deverá misturar as variadas competências técnicas necessárias para estes trabalhos e atuar como veículo de divulgação metodológica, definindo "Boas práticas" de desenvolvimento, formando outras áreas da empresa, etc.;

Implementar e fomentar uma cultura de responsabilização

Por fim, mas não menos importante, é preciso fomentar uma cultura de excelência nos "produtores" dos dados, premiando quem gera informação de qualidade e fomentando um maior nível de exigência nos restantes. Este é, na minha opinião, um dos aspetos mais difíceis de atingir mas, a longo prazo, dos objetivos mais críticos: Sensibilizar quem gera informação para deixar de ser "parte do problema" para passar a ser "parte importante da solução". Globalmente, todos os intervenientes beneficiam com a existência de informação de qualidade. Todos deverão ser parte ativa na melhoria e proteção de um dos mais preciosos activos da empresa: Os seus dados.

Sobre a Datalab

A Datalab é uma empresa Portuguesa que actua no mercado das tecnologias de Informação, especializada em Soluções de Qualidade de dados. Saiba mais em www.datalab.pt