Qualidade de Dados / Data Quality

Curiosamente depois do post de ontem chegou-me um email com um artigo que acaba por reiterar o que disse.

Resumidamente o que a Gartner vem mostrar são os 10 mitos que o conceito de gestão de dados (MDM) que se iniciou como uma forma de manter as informações actualizadas e uniformes em toda a organização, mas que durante o tempo tem existido alguns equívocos sobre a sua necessidade e implementação. No ponto 9 fala-se precisamente de qualidade de dados.

Mito 1: O MDM é implementar uma tecnologia
Realidade: MDM é muito menos sobre tecnologia e muito mais sobre a compreensão de como os processos de negócios é suposto trabalharem.

Mito 2: MDM é um projecto
Realidade: MDM é implementado como um programa que muda para sempre a maneira como a empresa cria e gere os seus dados. No entanto, para adoptar o MDM vai exigir numerosos projectos distintos.

Mito 3: Não necessitamos de MDM, temos um Enterprise Data Warehouse (EDW)
Realidade: MDM deve / irá abranger a organização em todas as unidades de negócios e processos (incluindo os armazéns de dados operacionais e analíticos).

Mito 4: Implementação de ERP significa que não necessita de MDM
Realidade: Geralmente o Enterprise Resource Planning (ERP), significa uma estratégia empacotada de aplicações de negócio, na maioria das vezes centrada num único grande fornecedor. Está implícito no ERP, mas raramente é realizado para a organização do utilizador, um único processo e modelo de dados em toda a organização.

Mito 5: O MDM é apenas para empresas grandes e complexas
Realidade: O princípio da MDM é aplicada sempre que dois ou mais processos de negócio devem exibir ou partilhar dados. Isto significa que a maioria das organizações têm uma necessidade para a disciplina de MDM, mesmo que não lhe chamem assim, ou se implementaram uma tecnologia separada chamada MDM.

Mito 6: Os metadados são 'a' Chave para MDM
Realidade: Os metadados são essenciais para MDM (e muitos esforços fora do MDM), mas como metadados é aplicado no contexto do MDM difere por domínio, a indústria, forma de uso e estilo de implementação.

Mito 7: MDM é um esforço de TI
Realidade: MDM deve ser conduzido pela empresa, um caso de negócio, e apoiados / habilitados por TI.

Mito 8: MDM é simplesmente muito grande para fazer
Realidade: MDM pode ser e está sendo adoptado por um domínio ou uma província de cada vez, e um caso de uso de cada vez.

Mito 9: MDM é separado da Data Governance e Data Quality (Qualidade de dados)
Realidade: MDM inclui a gestão (dos dados) e a qualidade (de dados) - MDM não pode ser estabelecida sem eles.

Mito 10: Não importa qual fornecedor de tecnologia utilizado - They All 'Do' MDM
Realidade: MDM é complexa, raramente duas organizações têm programas de MDM parecidos. Vendedor de MDM tem a capacidade, de focar na especialização em domínio de dados, na indústria, forma de uso, organização e estilo de execução. Por conseguinte, a seleção do fornecedor é crítica em organizações que buscam encontrar o parceiro certo.

Fonte

PROJECTO: QUALIDADE DOS DADOS

DADOS - INFORMAÇÃO - CONHECIMENTO - DECISÕES
Os dados são a matéria-prima da informação. Os conhecimentos adquiridos a partir de dados fornece a base necessária para que as decisões de negócios sejam mais estratégicas e operacionais.
Roland Pfeiffer / CEO Uniserv GmbH para soluções de Data Quality

Porque é que a qualidade dos dados é tão importante?
A qualidade dos dados é importante para o sucesso empresarial! Os últimos estudos dos principais analistas sublinham o elevado valor de soluções de qualidade de dados. Em apoio desta tese, a Forrester, Gartner, META Group e outros mostram que os resultados da empresa podem ser significativamente melhorados através de medidas de qualidade de dados.
As empresas reconhecem isso e estão cada vez mais sobre a qualidade dos dados como um factor central para o sucesso e competitividade.
Ao mesmo tempo, porém, isso é incompatível com a situação na prática: um inquérito realizado pela Associação Alemã para a Qualidade da Informação (DGIQ) em 2007 revelou que quase dois terços dos inquiridos dizem que as soluções adequadas não são utilizadas nas suas empresas e vêm uma clara necessidade de acção com relação à avaliação da qualidade dos dados e à implementação de soluções para sua melhoria.

O que influencia a qualidade dos dados?
Um sistema de qualidade de dados existe num ambiente complexo de sistemas de TI, processos de negócio e condições específicas da empresa. Novos dados cuja qualidade é duvidosa constantemente entra no sistema. Reciprocamente, o sistema deve fornecer regularmente os dados com a qualidade especificada. Além disso, o ambiente de um sistema de qualidade de dados nunca é estático. As circunstâncias externas mudam - os clientes mudam de casa, e muito mais. Trata-se de desenvolvimentos que devem ser mapeados no sistema. O processo de negócio e as ferramentas para a sua execução e controle também mudam. Isto significa reavaliações e novas exigências de qualidade dos dados.
Em suma, um sistema de qualidade de dados está vivo e deve ser capaz de desenvolver com o seu ambiente.

Estão os dados têm que ser perfeitos?
Não, mas os dados devem estar livres de erros, completos, consistentes, actualizados e relevantes, a fim de satisfazer as necessidades e expectativas dos utilizadores. A este respeito, é basicamente irrelevante se os dados são utilizados a nível operacional ou estratégico e táctico para a tomada de decisões, porque a elevada qualidade dos dados prossegue o objectivo de fornecer informações precisas à disposição de todos os participantes no processo de negócio.

Aptidão ao uso
De acordo com os analistas da Gartner, a qualidade dos dados é muitas vezes entendida como envolvendo unicamente a limpeza de dados. No entanto, este é apenas um aspecto. Uma visão mais abrangente inclui áreas como a análise de dados e perfis de dados, normalização, harmonização e valorização dos dados, bem como a monitorização contínua da qualidade dos dados, afirma o Gartner. Garantir que os dados novos ou alterados atendem o nível de qualidade de dados obtidos a longo prazo, de preferência directamente na entrada de dados, é tão importante como resolver os problemas de qualidade.Uniserv oferece um portefólio de soluções que abrange todos os passos relevantes no processo de qualidade de dados: análise e caracterização do banco de dados, ferramentas de one-off de limpeza de dados, soluções para permanentemente garantir a qualidade dos dados e instrumentos para a sua vigilância constante. Como resultado, você cria os pré-requisitos para a aptidão de dados e, portanto, para o uso efectivo da valiosa base de dados.