Gestão de dados mestres: Workflows

Olá!
Vamos continuar compartilhando sobre a gestão de dados mestres,  agora conversando um pouco sobre a implementação de workflows.
Como pano de fundo, devemos sempre relembrar um princípio básico na implementação de um programa de gestão de dados mestres: Uma governança de dados ativa e operante.
Isso não quer dizer que precisamos ter na empresa uma governança de dados corporativa estabelecida totalmente mas sim, quer dizer que deve existir alguém ou alguma equipe com o papel de definir a governança dos dados para a gestão de dados mestres.
Outro ponto importante é que: do jeito certo ou do jeito errado, quando da implementação do programa de gestão de dados mestres,  todos precisarão trabalhar com workflows em algum momento. Por esta razão, o foco deste artigo é trazer uma dica para este momento.

Quando a implementação é relacionada a informações de clientes:
Neste caso, tentar implementar fluxos mais detalhados e dependentes da atuação manual do Steward não é recomendado. Nem por um argumento relacionado com a qualidade de dados. Isso porque com o grande volume dos dados e as mais diversas possibilidades de falhas na qualidade, o ideal é sempre manter um padrão de qualidade definido, mesmo que no início este seja mais genérico e vá com o tempo se especializando de acordo com as necessidades do negócio. Quanto mais pontual for a atuação do Steward melhor,  evitando gargalos e entregando valor no curto e médio prazo. A escolha da solução de MDM deve levar em consideração a capacidade da ferramenta em fazer análises dos dados que estão sendo carregados. Esta funcionalidade possibilitará a evolução dos padrões de qualidade e de outras abordagens de governança de dados com o fim de estabelecer a melhor entrega de valor ao negócio da empresa.

Quando a implementação é relacionada a informações de produtos e dados de referência:
A criação de novos produtos e/ou novos dados de referência, impactam diretamente a integridade de todos os dados da empresa. Para estes casos uma atenção especial deve ser dada aos workflows. Muitas validações e aprovações se fazem necessárias para que a integridade dos dados não seja prejudicada. Áreas técnicas e de negócio interagem nestes casos, gerando a necessidade de maior critérios em relação às validações e aprovações. Obviamente, todos os aceleradores possíveis são bem vindos, pois quando temos esta necessidade de mais critério,  forças para garantir a agilidade e descomplicação devem estar presentes nas discussões.

Para maiores informações e consulta de alguns exemplos de workflows, você pode acessar o artigo que me motivou a compartilhar. Coloco o link abaixo:
http://www.softwareag.com/blog/reality_check/index.php/uncategorized/when-mdms-workflow-is-not-applicable/

Até o próximo artigo!

Advertisements

Dimensões de Qualidade de Dados: Acurácia

Olá!
Neste artigo vamos refletir um pouco sobre esta dimensão de qualidade: acurácia.
Importante salientar que este termo em inglês aponta para precisão, exatidão e fidelidade da informação.
Saliento aqui também que podemos considerar a acurácia uma dimensão de qualidade “guarda-chuva”. No caso do dado apresentar falhas em outras dimensões a acurácia quase sempre é comprometida.

Para espantar fantasmas como a ambiguidade,  múltiplas interpretações e consequentemente o descrédito, duas características devem ser criteriosamente definidas e acompanhadas ao longo de todo o ciclo de vida do dado/informação dentro da organização: formato e conteúdo.

Formato
O formato combina as regras do jogo. Estabelece as expectativas quanto ao conteúdo e a interpretação correta do dado atômico.
Podemos afirmar que seria um problema muito elementar não atentar para o formato do dado no momento de modelagem/criação. Sem dúvida,  o maior desafio é garantir que tudo que foi pensado neste momento  de modelagem possa caminhar juntamente com o dado em todo o seu ciclo de vida e, principalmente na manutenção e consumo do dado. Uma falha de interpretação de uma informação de data, formato americado ou formato europeu, pode causar uma confusão sem tamanho em relatórios gerenciais.

Conteúdo
O conteúdo do dado/informação deve ser o.maximo padronizado. As dimensões de validade e consistência entram em ação garantindo a acurácia da informação. O conteúdo do dado/informação deve estar aderente a uma consistência seja ela em relação a conteúdos que tem o mesmo significado bem como em relação ao registro em que este dado atômico está inserido. Duas escritas diferentes não podem apontar para um mesmo significado ou um registro de endereço não pode ter um Cep que não tem relação com o logradouro.
Com uma descrição clara do formato do dado, a dimensão validade da informação tem parâmetros ao menos iniciais para invalidar informações erradas antes que estas gerem consequências desastrosas à empresa.

image

Garantir 100% de acurácia é uma missão quase impossível. Porém isso não modifica o fato de continuarmos com o desafio de manter um nível aceitável dela.

Ferramentas e processos podem e devem ser implementados. Padrões de qualidade serão valiosos em conjunto com uma forte governança de dados de referência. A cada passo neste desafio, é essencial monitorar se os resultados estão aparecendo de forma assertiva. Se uma solução de análise e relatórios se mostra custosa e demorada, feedbacks do negócio através de ferramentas de visualização de dados já podem ser bem úteis.

Estes princípios comentados aqui estão detalhados no livro The Accuracy Dimension,  de Jack Olson.
O artigo abaixo cita mais alguns detalhes do que Jack Olson explica em seu livro, vale a pena conferir.

http://www.information-management.com/blogs/the-two-characteristics-of-data-accuracy-10025276-1.html?utm_campaign=blogs-jan%2029%202014&utm_medium=email&utm_source=newsletter