Contribuições da governança de dados como suporte à

FUNDAÇÃO INSTITUTO DE ADMINISTRAÇÃO
MESTRADO PROFISSIONAL EM GESTÃO DE NEGÓCIOS
CONTRIBUIÇÕES DA GOVERNANÇA DE DADOS COMO SUPORTE
À TOMADA DE DECISÃO NOS NÍVEIS GERENCIAL E EXECUTIVO
TAGIL OLIVEIRA RAMOS
Orientadora: Profa. Dra. Ivete Rodrigues
São Paulo
2016
ii
TAGIL OLIVEIRA RAMOS
CONTRIBUIÇÕES DA GOVERNANÇA DE DADOS COMO SUPORTE
À TOMADA DE DECISÃO NOS NÍVEIS GERENCIAL E EXECUTIVO
Dissertação apresentada à Fundação
Instituto de Administração para obtenção
do título de Mestre pelo Programa de
Mestrado Profissional em Gestão de
Negócios.
Orientadora:
Profa. Dra. Ivete Rodrigues
São Paulo
2016
iii
Ficha Catalográfica Elaborada pelo Bibliotecário Chefe
Kleber Zornoff Manrubia CRB-8 /7561
Ramos, Tagil Oliveira.
Contribuições da governança de dados como suporte à
tomada de decisão nos níveis gerencial e executivo . / Tagil
Oliveira Ramos. São Paulo, [s.n.]: 2016.
150f.
Orientadora: Profa. Dra. Ivete Rodrigues
Área de concentração: Governança corporativa de dados.
Dissertação (Mestrado Profissional em Gestão de Negócios) –
Faculdade FIA de Administração e Negócios, Programa de
Pós-Graduação em Stricto Sensu, 2016.
1. Administração - Sistema de informação. 2. Governança
corporativa 3. Tecnologia da informação. I. Rodrigues, Ivete.
II. Mestrado Profissional. III. Faculdade FIA de Administração e
Negócios. IV. Fundação Instituto de Administração .
iv
FOLHA DE APROVAÇÃO
Tagil Oliveira Ramos
CONTRIBUIÇÕES DA GOVERNANÇA DE DADOS COMO SUPORTE
À TOMADA DE DECISÃO NOS NÍVEIS GERENCIAL E EXECUTIVO
SP, __/03/2016
Banca Examinadora:
__________________________
Profa. Dra. Ivete Rodrigues (Orientadora)
__________________________
Prof. Dr. Edson Barbero (Membro externo – Fecap)
__________________________
Prof. Dr. Daniel Estima de Carvalho (Membro interno - FIA)
__________________________
Profa. Dra. Rosária Macri Russo (Suplente)
v
Dedico este trabalho ao meu Criador,
início e término de todas as vontades, pensamentos e ações.
A minha mãe Elerina e meu pai Oliveira Ramos (in memorian),
pela oportunidade de viver a vida como ela é.
A minhas filhas Luara e Pérola,
para a continuidade da construção de um destino nobre.
A minha irmã Ticiana,
pela presença solidária nos momentos mais críticos da travessia.
Ao leitor,
para que ouse vislumbrar o projeto de um mundo melhor,
a partir de dados transparentes e acessíveis ao cidadão.
vi
AGRADECIMENTOS
Primeiramente, gostaria de agradecer, com profunda admiração e respeito, ao
Professor James Wright, pela confiança e pelo apoio. Orgulho-me de poder
participar da Turma 1 do Mestrado Profissional em Gestão de Negócios e ter a
oportunidade de fazer parte de uma nova era na história da FIA.
À minha orientadora Professora Ivete Rodrigues, que desde o início soube, com
inteligência e sensibilidade, indicar os caminhos corretos que surgem durante o
trabalho
de
pesquisa,
mesmo
quando
estreitos
e
difíceis.
À equipe do Profuturo FIA, Ana Paula Fraga Guimarães, Ivana Franco, Juliana
Lomonaco, Joseph Pavão Neto, Claudia Garcia Ivonciac e Daniana Santos,
pela amizade, solidariedade e apoio.
Ao mestre e conselheiro Prof. Dr. César Akira Yokomizo, pelo incentivo para
continuar a boa luta.
Ao mestre e parceiro na área de marketing Prof. Dr. Silvio Bertoncello, cujos
ensinamentos vão além das teorias e se manifestam com força de realidade.
Ao mestre e mentor Prof. Dr. Marcio Fedichina, cujas aulas foram o mais precioso
ensinamento que tive na gamefication para a vida.
Ao Professor Ailton Jussani, presença firme e equilibrada nas aulas e nos momentos
de labuta do dia a dia.
Ao amigo Kleber Zornoff Manrubia, bibliotecário-chefe da FIA, e toda sua equipe,
pelo auxílio na pesquisa bibliográfica e por compartilhar sempre as últimas
novidades em forma de leituras desafiadoras.
Aos Professores Daniel Estima, Marisa Eboli, Flávia Ghisi, Gleriane Ferreira, Rodolfo
Olivo, Marcos Bruno, Marcelo Treff, Leandro Fraga e Alfredo Behrens, pelo exemplo
de profissionalismo e pelo valioso bem do Conhecimento.
vii
"O conhecimento tornou-se o recurso econômico chave dominante
- e talvez a única fonte de vantagem competitiva."
PETER DRUCKER
viii
‘
RESUMO
Organizações pioneiras, no Brasil e no mundo, têm obtido vantagem competitiva em
seus segmentos pela exploração do valor agregado em seus dados. O alinhamento
da Governança de Dados com o modelo de negócio mostra-se um diferencial para
as corporações do Século XXI. Esta pesquisa qualitativa exploratória, por meio do
estudo de casos de três grandes empresas brasileiras, em diferentes estágios de
maturidade em dados, contribui para a compreensão do desafio complexo vivido
pelas organizações nos dias atuais. Gerenciar de maneira eficaz os ativos de dados
e garantir seu nível de qualidade é condição necessária para o planejamento,
monitoramento e execução de uma política de informação eficaz. Desse modo, a
Governança de Dados se revela um poderoso aliado na tomada de decisão nos
níveis gerenciais e da alta administração. As soluções estão disponíveis às
empresas sob a forma de guias, métodos, corpos de conhecimento, frameworks,
consultorias, auditorias e certificações especializadas. Como indica o estudo, as
boas práticas em dados podem evitar sinistros de segurança das informações, mas
principalmente se revelam como um diferencial competitivo que leva à liderança e à
inovação.
Palavras-Chave: Governança de Dados, Gestão de Dados, Tomada de Decisão,
Estratégia de Dados, Ambiente Corporativo Brasileiro.
ix
ABSTRACT
Pioneering organizations in Brazil and worldwide achieve competitive advantage in
their industries exploiting their data assets. Data Governance aligned with business
model is proved to be a differential to companies in XXI Century. This exploratory
qualitative research provides case studies of three large Brazilian companies at
different stages of data maturity. It contributes to understand the complex challenge
experienced by modern organizations. Managing data assets effectively and
ensuring their level of quality is a prerequisite for planning, monitoring and
implementation of an effective information policy. Thus the Data Governance
becomes a powerful ally in decision making at management level and strategic level.
Solutions are available for companies as guides, methods, bodies of knowledge,
frameworks, consulting, auditing and specialized certifications. As this research
indicates, good practices in data governance can prevent information security
incidents, but rather becomes a competitive advantage that leads to leadership and
innovation.
Keywords: Data Governance, Data Management, Data Strategy, Decision Making,
Brazilian Corporate Environment.
x
SUMÁRIO,
1. INTRODUÇÃO ..................................................................................................................................... 1
1.1 Problema de pesquisa ............................................................................................................... 5
1.2. Objetivos e contribuições deste estudo ............................................................................ 6
1.3 Justificativa para realização do estudo .............................................................................. 7
1.4. Estrutura da dissertação ......................................................................................................... 8
2. REFERENCIAL TEÓRICO ........................................................................................................... 10
2.1 Gestão de dados ....................................................................................................................... 11
2.1.1 Linha do tempo da administração dos dados ....................................................... 11
2.1.2 O contexto atual da Gestão de Dados ..................................................................... 13
2.2. Governança de Dados ........................................................................................................... 19
2.2.1 Governança de dados nas corporações ................................................................. 20
2.2.2 Governança de TI e Governança de Dados .......................................................... 21
2.2.3 O modelo de Governança de Dados do DMBoK................................................. 25
2.2.4 Maturidade Corporativa em Dados............................................................................ 31
2.2.5 Interesse corporativo pelo tema da Governança de Dados .......................... 34
2.3 Tomada de Decisão ................................................................................................................. 40
2.3.1 A Tomada de Decisão ao longo da História .......................................................... 40
2.3.2 A complexidade da decisão .......................................................................................... 43
2.3.3 Sistemas de Apoio à Decisão ...................................................................................... 45
2.3.4 Limitações e vieses .......................................................................................................... 50
3. MÉTODO ............................................................................................................................................. 58
3.1. Natureza e método de estudo ............................................................................................ 58
3.2 Delimitação da pesquisa ........................................................................................................ 59
3.3 Modelo conceitual ..................................................................................................................... 61
3.4 Proposições deste estudo ..................................................................................................... 63
3.4.1 Proposição 1: ...................................................................................................................... 65
3.4.2 Proposição 2: ...................................................................................................................... 65
3.4.3 Proposição 3: ...................................................................................................................... 66
3.5 Procedimentos metodológicos ............................................................................................. 67
xi
3.6 Seleção das empresas participantes e entrevistados................................................ 67
3.7 Roteiro de entrevista usado para a coleta de dados .................................................. 70
4. APRESENTAÇÃO E ANÁLISE DOS RESULTADOS ....................................................... 73
4.1. Descrição das empresas entrevistadas .......................................................................... 73
4.2. Avaliação dos entrevistados do nível de maturidade das empresas ................. 74
4.2.1 Empresa A ........................................................................................................................... 75
4.2.2 Empresa B ........................................................................................................................... 76
4.2.3 Empresa C ........................................................................................................................... 77
4.3. Consolidação das respostas do questionário .............................................................. 78
4.4. Consolidação das respostas das entrevistas ............................................................... 82
4.6. Consolidação da análise das proposições .................................................................... 85
4.6.1. Proposição 1: confirmada nos casos A, B e C. ................................................... 85
4.6.2 Proposição 2: confirmada nos casos analisados ................................................ 90
4.6.3 Proposição 3: confirmada nos casos analisados ................................................ 93
4.6.4 Análise geral da pesquisa ............................................................................................. 95
REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................................ 102
APÊNDICES .......................................................................................................................................... 110
APÊNDICE 1: Protocolo de pesquisa para estudo de caso .............................................. 110
APÊNDICE 2: Protocolo de pesquisa para estudo de caso .............................................. 114
APÊNDICE 3: Consolidação das respostas das entrevistas............................................. 120
xii
LISTA DE ABREVIATURAS E SIGLAS
BI - Business Intelligence
CMMI - Capability Maturity Model Integration
COBIT - Control Objectives for Information and related Technology
DM - Data Management (Gestão de Dados)
DQS – Data Quality System
EDM - Enterprise Suport Decision
DAS – Decision Automated Support
EIM – Enterprise Information Management
EIS - Executive Information System
ESS - Executive Support System
ISO 8000 – Padrão internacional para qualidade de dados ISO/NP 8000-62
ITIL - Information Technology Infrastructure Library
Risk IT - Enterprise Risk: Identify, Govern and Manage IT Risks
SAD - Sistemas de Apoio à Decisão
SDA - Suporte à Decisão Automatizado
SIG - Sistemas de Informações Gerenciais
TI - Tecnologia da Informação
TIQM – The TIQM Quality System for Total Information
Val IT - Enterprise Value: Governance of IT Investments
xiii
LISTA DE QUADROS
Quadro 1: Frameworks focados em dados e literatura relacionada ....................... 17
Quadro 2: Principais problemas elencados pelo DMBoK ............................................ 26
Quadro 3: Níveis de governança e ferramentas .............................................................. 30
Quadro 4: Percepção da Governança de Dados ............................................................ 35
Quadro 5: Tipologia ..................................................................................................................... 44
Quadro 6: Cruzamento de natureza e níveis de decisão ............................................ 44
Quadro 7: Definições de Sistema de Apoio à Decisão ................................................. 48
Quadro 8: Fases da decisão e os recursos dos Sistemas de Informação. .......... 49
Quadro 9: Informações sobre vieses na tomada de decisão ..................................... 51
Quadro 10: Sistemas analíticos e transacionais ............................................................. 54
Quadro 11: Diferenciais entre SAE e SAD ........................................................................ 56
Quadro 12: Razões para adoção de SI ............................................................................... 57
Quadro 13: Roteiro para as entrevistas .............................................................................. 71
Quadro 14: Descrição das empresas entrevistadas ...................................................... 73
Quadro 15: Heatmap, espectro da maturidade de dados percebida ...................... 80
Quadro 16: HEATMAP – ESPECTRO DA MATURIDADE ......................................... 81
Quadro 17: Avaliação de consultores do mercado ........................................................ 82
Quadro 18: Consultores avisam o que deve ser evitado pelas empresas .......... 84
xiv
LISTA DE TABELAS
Tabela 1: Perfil dos participantes do DMC LATAM 2015 ................................. 36
Tabela 2: Empresas respondentes na pesquisa da DAMA Brasll. ................... 37
xv
LISTA DE GRÁFICOS
Gráfico 1: : Atividades executadas para controle da Gestão de Dados .................. 38
Gráfico 2: Planejamento da Gestão de Dados ................................................................ 39
xvi
LISTA DE FIGURAS
Figura 1: Dados ao longo das décadas............................................................................... 12
Figura 2: Paralelismo entre a Governança de TI e Dados ......................................... 24
Figura 3: Representação das áreas de conhecimento do DMBoK ......................... 27
Figura 4: Funções e atividades contempladas pelo DMBoK............................ 28
Figura 5: Tecnologia, processos e pessoas ...................................................................... 29
Figura 6: Governança e Gestão ........................................................................................... 31
Figura 7: Caminho dos dados ao conhecimento ............................................................. 31
Figura 8: Maturidade da Governança de Dados ............................................................. 32
Figura 9: Estrutura de Governança de Dados. ................................................................ 33
Figura 10: Modelo original Task-Technology Fit (TTF) ............................................... 63
Figura 11: Modelo conceitual desta pesquisa . ................................................................ 64
Figura 12: Proposição 1. .......................................................................................................... 65
Figura 13: Proposição 2 ............................................................................................................. 66
Figura 14: Proposição 3 ............................................................................................................. 66
Figura 15: Proposição 1 do Modelo Conceitual ............................................... 86
Figura 16: Aplicação da Proposição 1 à Empresa A ..................................................... 87
Figura 17: Aplicação da Proposição 1 à Empresa B ..................................................... 87
Figura 18: Aplicação da Proposição 1 à Empresa B ..................................................... 88
Figura 19: Percepção da Governança de Dados........................................................... 89
Figura 20: TTF para a Empresa A........................................................................................ 90
Figura 21 :TTF para a Empresa B ......................................................................................... 91
Figura 22: TTF para o nível estratégico .............................................................................. 91
Figura 23: TTF para a Empresa C ......................................................................................... 92
xvii
Figura 24: Pressuposição 3 .................................................................................................... 93
Figura 25: TTF para a Empresa A ......................................................................................... 94
Figura 26: TTF da Empresa B ................................................................................................. 95
Figura 27: Esquema da Empresa B .................................................................................... 95
1
1. INTRODUÇÃO
As duas primeiras décadas do Século XXI têm sido caracterizadas pelo
crescente aumento da velocidade das transmissões digitais, pela queda do
custo
do
processamento
das
informações
e
pela
comoditização
do
armazenamento de bytes. Na prática cotidiana, o resultado desses fatores
manifesta-se na produção diária de novas informações em escala vertiginosa.
O armazenamento de dados corporativos cresce globalmente a uma taxa anual
média de 60%, segundo levantamento de 2015 da HP Autonomy, empresa
multinacional especializada em Data Analytics, governança da informação e
segurança de dados (ASSIS, 2015).
O desafio para o mundo corporativo é grande. Para Laudon e Laudon (2010),
uma parte considerável do sucesso empresarial depende do que os gestores
podem fazer com os dados disponíveis. A forma como as instituições
armazenam, organizam e gerenciam os dados tem relação direta com o
resultado oferecido aos acionistas, clientes e demais stakeholders. A questão
de como lidar com a crescente quantidade de dados produzida diariamente, em
formatos estruturados e não estruturados, é urgente.
Ao mesmo tempo em que há uma escalada de informação armazenada e
trafegada, os sistemas corporativos tornam-se cada vez mais complexos.
Aumenta também o número de atores capazes de se relacionar com o
ambiente das instituições. A queda de barreiras proporcionada pela revolução
da comunicação de massa e suas mídias, cada vez mais presentes no
cotidiano das pessoas, exige das corporações decisões e ações para lidar com
a questão. Ao mesmo tempo, as organizações precisam se manter atualizadas
para aproveitar novas oportunidades que surgem nos diversos segmentos de
atuação (SATO et al., 2005).
Para Turban et al. (2010), tomar decisões gerenciais ou estratégicas em um
ambiente competitivo cada vez mais complexo requer o suporte da Tecnologia
da Informação, bem como a capacidade de gerenciar com eficiência e eficácia
2
dados e informações, para que sejam transformados em conhecimento da
organização. É difícil alcançar um processo decisório de qualidade sem
informações válidas e relevantes. Elas são necessárias em cada fase e
atividade do ciclo de tomada de decisão.
A gestão dos dados, base para o investimento semiótico que leva às
informações, tem função primordial no ciclo decisório. Essa conclusão com
certeza não é válida para todas as empresas. Mas tem sido mandatória para
companhias que, para se manterem competitivas, migraram ou estão migrando
para modelos mais ágeis de negócio. Quanto mais digitalizada a companhia,
mais ágil ela será e com mais facilidade poderá usar os recursos de inteligência
de negócios disponíveis no mercado para tomar decisões com maior
velocidade e qualidade (O´BRIEN; MARAKA, 2013).
De qualquer maneira, parecem irreversíveis as transformações identificadas
por Castells (1999), às quais o autor chamou de informacionalismo. O
pesquisador considera que as mudanças se originaram na revolução
tecnológica transcorrida a partir das últimas décadas do Século XX.
Suas
características intrínsecas impõem a produtividade por meio da geração de
conhecimento, do processamento da informação e da comunicação de
símbolos por várias mídias. São afetados, dessa forma, o sistema de produção
em massa, os processos do uso dos materiais físicos, com o aumento da
importância e do uso de dados e informações, tanto no ambiente empresarial
quanto no dia a dia das pessoas.
O mercado oferece várias possibilidades de ferramentas para suprir a
necessidade de controle e disponibilização da informação, como suporte ao
processo decisório. À medida que a tecnologia e os negócios evoluem, surgem
novas soluções. Em busca do gerenciamento sistêmico dos dados, muitas
organizações adotaram ferramentas de Business Intelligence (BI), rodando em
conjunto com os demais sistemas (BARBIERI, 2011).
3
As soluções baseadas em inteligência de negócio oferecem uma visualização
integrada dos vários sistemas empresariais e a utilização da informação de
maneira mais plena, indo além dos interesses das áreas funcionais isoladas. A
ideia traz, em seu cerne, a perspectiva de integração sistêmica. Esse mesmo
conceito evoluirá na direção de uma visão abrangente, com a proposta da
governança de dados, feita por vários autores. No entanto, a solução apontada
não se restringe às plataformas tecnológicas. Em vários frameworks do
mercado,
como
será
visto
no
Capítulo
2,
considera-se
que
as
responsabilidades vão além da área de Tecnologia da Informação de uma
empresa, chegando a seus clientes internos e externos e envolvendo tanto a
alta direção como os profissionais de nível operacional (BARBIERI, 2015).
Ao mesmo tempo em que gestão de dados fica mais complexa no ambiente
corporativo com o passar do tempo, o processo de tomada de decisão precisa
levar em conta um número cada vez maior de variáveis. A quantidade de
informações determinantes do sucesso estratégico de um negócio aumenta dia
a dia, tornando a tarefa do gestor cada vez mais difícil. Esse profissional, esteja
ele no nível gerencial ou na alta administração da empresa, precisa de
informações mais precisas, de mais qualidade e no tempo correto. Os
tomadores de decisão contam, em geral, com um grande volume de dados
operacionais, mas muitas vezes essas informações estão isoladas, não
relacionadas e não contextualizadas. Necessita monitorar com eficácia a
direção de seus objetivos e alcançar metas cada vez mais ousadas. Por causa
dessa complexidade e do dinamismo das variáveis externas, as corporações se
tornam cada vez mais dependentes dos mecanismos de gestão da informação
(STONER, 2012).
O atual ambiente, caracterizado por uma profusão de dados, cria problemas
mas também oportunidades. Umas e outros passam a definir o modo com as
organizações conduzem seus processos de negócios. Além de suas atividades
básicas, as empresas precisam responder aos desafios com “respostas
4
organizacionais” adequadas. As próprias atividades organizacionais criam mais
dados, mais indicadores de desempenho e de mercado, que podem fornecer a
solução para os problemas e servir de lastro para o aproveitamento das
oportunidades. O feedback vindo a partir dessas informações pode afetar
praticamente tudo: seu planejamento, sua estratégia e até a missão
corporativa, A tomada de decisão torna-se mais complexa e (TURBAN et al.,
2010).
Independente do segmento de atuação, as grandes empresas precisam
aprender a lidar com os dados. Com esse intuito, foram criados os sistemas de
informação baseados em computadores (SIBC). Esses sistemas podem
envolver centenas ou milhares de unidades computacionais com as mais
variadas capacidades de processamento, acoplados a um leque de periféricos
e dispositivos de coleta, impressão, exibição ou processamento. Eles incluem
hardware, software, banco de dados, redes, procedimentos e também as
pessoas que trabalham com ele, fazendo interface bom ele ou simplesmente
utilizando o resultado final de todo o processamento (O´BRIEN; MARAKAS,
2013. TURBAN et al., 2010).
Ao detectar sinais de possíveis mudanças no mercado e ambiente
organizacional, as corporações precisam primeiramente lidar com dados e
informações, antes de tomar decisões gerenciais ou estratégicas. Mas, em
geral, eles se apresentam ambíguos, incompletos ou desconectados. Surge a
partir dessa realidade a demanda pela gestão de dados e informações de
maior confiabilidade e mais qualidade (HITT et al., 2002).
A demanda por uma melhor governança de dados na atualidade é indicada por
pesquisadores da área. De acordo, com Barbieri (2015), a importância do
conceito de governança de dados “cresce significativamente, na medida em
que as empresas percebem o volume exponencial desse (considerado novo)
ativo organizacional”. A conclusão do especialista é obtida a partir de eventos
como o MDM and Data Governance Summit, ocorrido entre 4 e 6 de outubro de
5
2015, em Nova York, e o seminário da IAIDQ- International Association for
Information and Data Quality, realizado em Baltimore, entre 12 e 14 de outubro
de 2015.
O interesse gerado pelo tema da governança e gestão de dados tem
aumentado. A realidade dentro das empresas, no entanto, parece não seguir
no mesmo ritmo que as mudanças do mercado. Estudo publicado no último
trimestre de 2015 pelo provedor de tecnologia de serviços financeiros Eagle
Investment Systems LLC (braço do grupo BNY Mellon), contemplando
empreendimentos da área financeira na Índia e nos Estados Unidos, mostra
resultados preocupantes: apesar de respondentes de 80% das companhias
entrevistadas declararem que suas organizações reconhecem o valor dos
dados como ativos, apenas 35,8% responderam que suas empresas possuem
estratégia de governança de dados madura (FIRSTPOST, 2015).
No Brasil, o interesse a respeito da gestão e governança dos Dados é cada vez
maior. Pesquisa realizada nos meses de outubro e novembro de 2012 com 76
empresas brasileiras mostrou como o tema é considerado pelo mercado
corporativo brasileiro. No estudo, 38% dos pesquisados afirmaram haver
entendimento estratégico das necessidades de uma gestão de dados em suas
organizações. Cerca de 21% dos entrevistados disseram que a atividade é
realizada consistentemente entre as linhas de negócio. Em contrapartida, 29%
declararam que a atividade não é realizada (DAMA-BR; FUMSOFT, 2012).
1.1 Problema de pesquisa
O cenário apresentado mostra a crescente importância da Governança de
Dados, entendida nesta pesquisa como a define Mosley et al. (2009):
Nota: Dentro deste trabalho será adotada a seguinte nomenclatura: quando grafadas com
iniciais maiúsculas, Gestão de Dados e Governança de Dados se referirão às definições
6
de Mosley et al. (2009) no DMBoK. Quando grafadas em minúsculas (gestão de dados e
governança de dados), serão tomadas no sentido genérico.
“Governança de Dados é o exercício da autoridade e controle (planejamento,
monitoramento e execução) sobre a gestão de ativos de dados, com o objetivo de que
as organizações possam tomar decisões eficientes e eficazes que gerem valor para o
negócio.” (MOSLEY et al., 2009, p.29).
Além do interesse crescente pelo tema, de acordo com pesquisa quantitativa
realizada pela Dama-BR no universo corporativo brasileiro, verifica-se que há
uma porcentagem significativa de empresas que ainda não implementaram
qualquer atividade de gestão ou governança de dados, indicando uma possível
demanda por informações não atendida, principalmente envolvendo casos
qualitativos e sugestões de boas práticas de mercado (DAMA-BR; FUMSOFT,
2012).
Desse modo, este estudo qualitativo, dentro do âmbito e da missão de um
mestrado profissional, propõe-se a responder, a partir de um estudo de
multicasos, à seguinte questão de pesquisa: Como a implantação da
Governança de Dados numa organização pode auxiliar no suporte à tomada de
decisão nos níveis da gerência e da alta administração?
1.2. Objetivos e contribuições deste estudo
O objetivo geral da pesquisa é entender como as empresas estão
implementando a Governança de Dados e como é percebida sua contribuição
para o aumento da eficiência e da eficácia do processo decisório.
Os objetivos específicos deste estudo são:
7
a) Investigar as práticas e modelos de Governança de Dados utilizados por
empresas atuantes no mercado brasileiro;
b) Identificar os fatores de maturidade da Governança de Dados que impactam
positiva ou negativamente no processo decisório nos níveis gerencial e
executivo;
c) Identificar e descrever, baseado em estudo de casos, algumas boas práticas
da Governança de Dados que permitem os gestores adquirir informações de
qualidade para a tomada de decisão.
1.3 Justificativa para realização do estudo
O investimento feito nos dados para levá-los a se tornar informações e, em
seguida, em conhecimento, é a maneira pela qual Mosley et al. (2009)
identificam a sua transformação em ativos de uma empresa. De nenhuma
maneira esse “enriquecimento” dos dados é obtido apenas com seu
armazenamento. Surge a necessidade de uma gestão completa, cuja função é
a de orientar e zelar por todos os tipos e modelos de dados criados na
companhia, tanto para os novos projetos como para os antigos. Com relação
aos dados nativos, é preciso mantê-los atualizados e com um determinado
nível de qualidade para serem usados. Do contrário, não agregarão valor.
No início deste capítulo, foi discutida como é importante que as empresas
reconheçam os dados disponíveis na organização como ativos, para servir de
apoio ao processo decisório. Sem essa visão estratégica, como se poderá
verificar no Capítulo 4, na análise de casos, é pouco provável que os
executivos fomentem a Governança de Dados dentro do processo produtivo
organizacional.
O diferencial competitivo, segundo Rêgo (2013), será percebido nitidamente
em ambientes de negócio caracterizados pela velocidade das mudanças e pela
8
importância assertiva na tomada de decisão. As vantagens advindas do
conhecimento podem ser consideradas como competitivas, no sentido como
Porter (1989) as toma.
Do ponto de vista da prática organizacional, como salienta Rêgo (2013), não
obstante a importância do tema, a adoção da Gestão de Dados no Brasil ainda
é incipiente. Países como Canadá e EUA já a adotam com eficiência há mais
de uma década.
Do ponto de vista do desenvolvimento acadêmico sobre o tema, Barata (2015),
mediante uma revisão da literatura, verificou os diversos frameworks para a
implantação da Governança de Dados no Brasil, bem como os benefícios
proporcionados por eles. No entanto, do ponto de vista da literatura científica
sobre o tema, há uma escassez de casos de implantação relatados.
Dessa forma, considera-se oportuna a realização deste estudo de multicasos,
que poderá contribuir para auxiliar as empresas a identificar os fatores
relacionados à Governança de Dados e a ajudar gerentes e executivos,
especialmente de empresas atuantes no Brasil, a terem melhor qualidade de
informações no processo decisório. Da mesma forma, espera-se oferecer uma
contribuição teórica para um tema em crescente expansão.
1.4. Estrutura da dissertação
Este estudo está organizado em cinco capítulos, dispostos da seguinte
maneira:
Capítulo 1 – INTRODUÇÃO: capítulo corrente no qual se faz a introdução
necessária ao tema proposto, sua justificativa, formulação da questão situação
problema, bem como os objetivos do trabalho e contribuições geradas pela
pesquisa.
9
Capítulo 2 – REFERENCIAL TEÓRICO: seu conteúdo reúne a fundamentação
teórica para a condução da pesquisa científica, com o objetivo de explicitar as
fontes bibliográficas usadas para o delineamento do modelo teórico conceitual
adotado. São debatidos os principais conceitos referentes à Governança de
Dados, Gestão de Dados, Tomada de Decisão e Sistemas de Suporte à
Tomada de Decisão.
Capítulo 3 – MÉTODO: apresenta as opções metodológicas eleitas para a
realização desta pesquisa, discutindo suas vantagens e limitações, a escolha
da amostra e os instrumentos de coleta.
Capítulo 4 – APRESENTAÇÃO E ANÁLISE DOS RESULTADOS: descreve e
explica os resultados da aplicação da pesquisa, respondendo a questão
levantada na situação problema e interpretando o significado dos dados
coletados, fazendo comparações entre as empresas pesquisadas e a análise
dos consultores participantes.
Capítulo 5 – CONCLUSÃO E CONSIDERAÇÕES FINAIS: apresenta as
conclusões possíveis que podem ser feitas, considerando os dados coletados,
a literatura pesquisada e a metodologia adotada. Analisa a contribuição da
pesquisa para o saber acadêmico e para o mercado profissional, dentro dos
temas da Governança de Dados e da Tomada de Decisão baseada em
Sistemas de Informação. Sugere também caminhos para futuros trabalhos e
abordagens.
10
2. REFERENCIAL TEÓRICO
Neste capítulo será mostrada a evolução do conceito de “dados” e sua gestão
até os dias atuais, dentro do contexto da Tecnologia da Informação (TI) e do
ambiente corporativo. No decorrer das décadas, ele foi se elaborando,
passando de um mero armazenamento de informações digitais até chegar à
significação moderna de um dos “ativos” da empresa.
A partir da compreensão desse panorama, será aprofundada sua importância
no moderno cenário de negócios. Será considerada a gestão das informações
disponíveis às empresas nos dias atuais, bem como seus vários processos,
métricas e frameworks disponíveis.
Por meio da elaboração e sofisticação da administração dos dados e suas
várias funções, chega-se ao conceito de governança de dados, um dos temas
centrais deste trabalho. Embora sem se desvincular da área tecnológica, ela o
termo ganha significados específicos quando relacionado ao ambiente
competitivo.
Sua
importância,
quando
relacionada
ao
processo
das
organizações modernas, em um mundo cada vez mais digitalizado, aponta
para o segundo eixo desta pesquisa, a saber, a tomada de decisões nos níveis
gerenciais e estratégicos.
A partir dessa base teórica, será discutida a influência da Governança de
Dados dentro do processo decisório, em um ambiente de negócios com uma
profusão de dados nem sempre acompanhados pela qualidade. Conclui-se o
capítulo mostrando as influências dos Sistemas de Suporte à Decisão (SSD)
nos vários níveis de tomadas de decisão, tanto o nível tático como o
estratégico.
11
2.1 Gestão de dados
2.1.1 Linha do tempo da administração dos dados
Na última década, a massa de dados disponível ao cidadão comum cresceu de
maneira exponencial por causa da popularização da internet e do fácil acesso a
ela por meio de dispositivos móveis e computadores pessoais. Nas empresas e
na vida profissional, o quadro acompanhou a tendência geral da sociedade.
Devido às características dos negócios em um ambiente pautado pela
tecnologia. a questão tornou-se grave e significativa. A situação precisa ser
gerenciada de maneira criteriosa. Um dos papéis da Tecnologia da Informação
(TI) é proporcionar uma vantagem estratégica às organizações facilitando a
solução de problemas, aumentando a produtividade, a qualidade e a
velocidade. Aperfeiçoam-se, dessa forma, os serviços de atendimento ao
cliente,
provendo
uma
melhor
comunicação
e
permitindo,
assim,
a
reestruturação dos processos de negócio (TURBAN et al., 2010).
Essa visão sobre a importância dos dados numa organização evoluiu ao longo
do tempo. Rêgo (2013) considera que, no decorrer de várias décadas, os
cenários de atuação das áreas de gestão de dados mudaram radicalmente.
Segundo o autor, os mais diversos tipos de “erros foram cometidos”, numa
análise que começa nos anos 1980 e vem até os dias de hoje. A visão
cronológica do estudioso é esquematizada na figura 1:
De acordo com a visão de Rêgo (2013), as últimas quatro décadas são
analisadas em fases alternadas, nas quais se verificou um aumento de
interesse por soluções relativas aos dados e, em contrapartida, um decréscimo
de interesse pelo assunto. Na Fase 1, representante da década de 1980, ainda
na época da computação de grande porte dos mainframes teria havido o que o
autor chama de “boom”. O sucesso dos bancos de dados relacionais substituiu
a antiga arquitetura baseada em sistemas de arquivos, bancos de dados em
rede e bancos de dados hierárquicos.
12
Figura 1: Dados ao longo das décadas
Fonte: Rêgo (2013).
A próxima etapa, a Fase 2, correspondente aos anos 90,
seria a da
estabilização. Uma era em que as organizações optaram pelo chamado
downsizing, ou seja, pela migração de uma plataforma baseada em mainframe
para uma solução alicerçada em microcomputadores. Para o estudioso, nasce
nesse período a concepção de data como um ativo da corporação (RÊGO,
2013).
Na Fase 3, verificou-se um declínio da administração de dados no ambiente
corporativo. Ela coincide com os anos 2000 e é caracterizada, na opinião de
Rêgo (2013), pela terceirização dos serviços relacionados a TI. Com um
aumento da desqualificação do profissional da área, observou-se uma
desvalorização das atividades correlatas. Muitas companhias, para reduzir
custos, fundiram as atividades de administrador de dados com as de
administrador de banco de dados. Outro fenômeno da época foi a consolidação
das plataformas de Enterprise Resource Planning (ERP).
13
Finalmente, na Fase 4, correspondente à década de 2010, haveria ocorrido a
“redescoberta”. Diante da falta de entrega dos resultados prometidos pelas
plataformas de ERP, de acordo com o autor. Perante o alto volume de dados
trafegando pelas organizações, houve uma valorização de determinadas
funções, adquirindo uma perspectiva mais estratégica e alinhadas com o
modelo de negócio da companhia. Os dados voltaram, dessa forma, a serem
vistos como ativos da empresa (RÊGO, 2013).
2.1.2 O contexto atual da Gestão de Dados
O ambiente empresarial dos dias de hoje é substancialmente diferente daquele
da década passada. Em decorrência da profusão de informações com que
lidam as empresas, seus clientes e colaboradores, os dados que as originam
requerem soluções de gestão e também governança. A ausência dessas
práticas pode ter custo alto. O prejuízo relacionado à baixa qualidade de dados
possivelmente tenha um fator de peso nos fracassos empresariais modernos.
Uma pesquisa nos Estados Unidos, envolvendo 122 organizações, apontou
prejuízo total de US$ 1,2 trilhão por causa de falhas de processo e
desperdícios causados pela informação de má qualidade (ENGLISH, 2009).
A questão da baixa qualidade dos dados tem raízes complexas. Ela pode ter
origem em práticas do dia a dia, bem como ser consequência da própria
arquitetura das informações empresariais e dos sistemas instalados. Muitos
problemas dessa natureza derivam de erros durante a entrada de dados.
Imprecisões como nomes grafados de maneira incorreta, números trocados,
códigos errados ou não registrados podem ser minimizadas com uma gerência
mais apurada do momento da inserção de informações (LAUDON; LAUDON,
2010).
Laudon e Laudon (2010) recomendam que sejam estabelecidas normatizações
e padronizações. Uma vez que o banco de dados for adequadamente
projetado, é possível mitigar as incorreções e diminuir a incidência de erros
14
com alguns procedimentos gerenciais simples. No entanto, como observam os
autores, a incidência de erros tem aumentado proporcionalmente ao longo dos
anos, na medida em que as empresas transferem seus negócios para a
internet e permitem que clientes e fornecedores insiram informações em seus
sites diretamente, fazendo a atualização dos dados de seus sistemas internos.
Mas a inserção dos dados é só o começo do problema. Mosley et al. (2009)
relatam no DAMA-DMBoK que, antes de fazer qualquer melhoria no
gerenciamento dos dados de uma empresa, seria necessário capacitar
as
corporações a discriminar entre os dados bons e ruins. A recomendação é
simples. Já sua implementação exige um laborioso processo, envolvendo
análises e critérios complexos de classificação.
A generalização das possíveis soluções para a questão da qualidade é
extremamente difícil, uma vez que cada corporação enxerga seus dados de
uma maneira diferente, pautada pelo modelo de negócios que implementa e
também pelo segmento em que atua. Dentro do ambiente competitivo
moderno, a questão é crucial. O problema demanda, para algumas empresas,
decisões urgentes, principalmente aquelas em que informações e dados de
qualidade são considerados críticos para o bom desempenho dos negócios
(OTTO; CABALLERO, 2011).
Em plena era da Informação, as corporações têm dificuldade em operar de
forma eficaz. As companhias trabalham na dependência de dados, que
precisam ter um nível de qualidade mínimo para tomada de decisão. Os
grandes varejistas, por exemplo, não contam os produtos no armazém para
saber os níveis de estoque. Eles pesquisam as informações de inventário numa
tela de um dispositivo, seja ele um computador, um PDA ou smartphone.
Bancos não contam moedas para informar ao cliente seu saldo. Eles consultam
dados de sua conta corrente. Dá para entender por que erros no registro ou
nos processos de informação podem causar prejuízos graves para empresas e
pessoas (ENGLISH, 2009).
15
A literatura dispõe de diversos frameworks sobre o tema, que podem ser
utilizados pelas empresas desde o início da implantação da gestão de dados,
com o propósito de, partindo da complexa administração das várias funções
relativas aos dados, chegar a uma governança eficiente e eficaz. A visão e a
compreensão da administração estratégica dos dados sedimentam os
conceitos básicos da governança, levando a uma série de procedimentos,
regras e definições (MOSLEY, 2009).
Um dos frameworks que a literatura propõe para resolver o problema é o TIQM
Quality System, criado por English (2009). Com foco inicial na gestão da
qualidade de dados, sua pesquisa aplicada recomenda técnicas para
marketing, vendas, finanças e recursos humanos, dentre outras. Ao apresentar
cenários do mundo real, o autor estende os conceitos teóricos para áreas de
negócio
específicas,
como
a
gestão
da
cadeia
de
suprimentos,
desenvolvimento de produtos e serviços e atendimento ao cliente. O TIQM se
propõe como uma metodologia para a gestão da qualidade da informação,
fazendo uso de técnicas e processos como o Six Sigma.
Para Tavares (2015), o entendimento estratégico das necessidades de dados
da organização se configura como a “primeira questão para avaliação do
estágio de maturidade em gestão e governança de dados”. Nesse sentido, o
framework da DAMA (Data Management Association), propõe-se a oferecer
dez funcionalidades em seu DMBoK (Data Management Book of Knowledge),
recomendando as melhores práticas de mercado.
Como se mostrou no subcapítulo anterior, o conceito de administração ou
gestão de dados é bastante amplo. Sua definição tem merecido várias
perspectivas ao longo do tempo. Cada um dos frameworks apresentados traz
sua definição particular, com algumas variações em torno do tema.
O DMBoK considera a Gestão de Dados como a disciplina responsável por
“definir, planejar, implantar e executar: estratégias, procedimentos e práticas
necessárias para gerenciar de forma efetiva os recursos de dados e
informações das organizações” (MOSLEY et al., 2009).
16
A definição é ampla e inclui também o planejamento para a sua definição,
padronização, organização, proteção e utilização. Barbieri (2013) pontua que o
data management (tradução do inglês para o termo “gestão de dados”) visa
controlar e alavancar eficazmente o uso dos ativos de dados. Baseando-se no
DMBoK (2009), o autor diz que sua missão e objetivo são atender às
necessidades de informação de todos os envolvidos (stakeholders) da
empresa, em termos de disponibilidade, segurança e qualidade.
A literatura traz várias opções para os gestores de dados. São compêndios,
metodologias, conjunto de boas práticas e frameworks (sistemas de gestão)
que podem servir de modelo para a implementação. A maioria desse material
está em inglês. Vale ressaltar que desde o ano de 2010, o DMBok Capítulo
Brasileiro está disponível no vernáculo. Os sistemas de gestão de dados,
pesquisados por este estudo, estão relacionados no Quadro 1:
As empresas têm escolhido um, dentre os vários sistemas listados, para
implementar sua política de gestão ou sua governança de dados. Na literatura
recente, Barata (2015) faz extenso estudo descritivo dos frameworks de
governança de TI, bem como aqueles conceitualmente relacionados à
governança dos dados. O autor cita frameworks originalmente centrados em
conceitos de TI, como COBIT (Control Objectives for Information and related
Technology), Val IT (Enterprise Value: Governance of IT Investments), Risk IT
(Enterprise Risk: Identify, Govern and Manage IT Risks), CMMI (Capability
Maturity Model Integration) e ITIL (Information Technology Infrastructure
Library), dentre outros.
Foge ao escopo deste estudo o aprofundamento de frameworks diretamente
relacionados a TI. Embora se reconheça que muitas vezes a origem dos
sistemas de governança ou gestão de Dados tenham origem histórica e
tecnológica em conceitos trabalhados pela Tecnologia da Informação, adota-se
aqui a concepção de Mosley et al. (2009) e Aiken e Gorman (2013), a partir das
quais os dados são vistos como ativos. Em geral, nas concepções tradicionais
17
dos frameworks baseados em TI, com algumas exceções, adotam-se
diferentes conceitos sobre os dados, que figuram apenas como resultados de
um processo e não como tendo inerentemente um valor financeiro ou intangível
agregado.
Por essas razões, neste trabalho, optou-se por considerar sistemas alinhados à
perspectiva de valoração acima descrita. Dentre os vários frameworks focados
em gestão e governança de dados, como se pode observar pelo Quadro 1,
destaca-se o DMBoK, detentor de vasta literatura sobre o tema. Organizado
por Mosley et al. (2009), esse framework foi elaborado de maneira colaborativa
por mais de 120 praticantes de gerenciamento de dados. Diferente dos demais,
o guia não insere uma metodologia específica, mas um corpo de conhecimento
em gerenciamento de dados, elencando as melhores práticas da área, dentro
do espírito dos diversos outros exemplares baseados no BoK (Body of
Knowledge).
Quadro 1: Frameworks focados em dados e literatura relacionada
Frameworks /
Sistema de gestão
DMBoK
Descrição/conteúdo
Proposto pela
DAMA (Data
Management
Association),
cobre dez áreas do
conhecimento,
tendo a
Governança de
Dados como
centro.
Obras relacionadas
The Data
Governance
Imperative: A
business strategy
for corporate data
Data Governance
for The Executive
The Data Asset:
How Smart
Companies Govern
Their Data for
Business Success
Monetizing Data
Management
Master Data
Management and
Data Governance
Master Data
Management and
Data Governance
The New Era of Enterprise
Business Intelligence: Using
Analytics to Achieve a Global
Competitive Advantage
Secrets of Analytical Leaders:
Information from information
insiders
Data Stewardship: an actionable
guide to effective data
management and data
governance
Business Metadata: Capturing
Enterprise Knowledge
Collaborative Enterprise
Architecture: Enriching EA with
Lean, Agile, and Enterprise 2.0
Practices
Connecting the Data: Data
Integration Techniques for
Building an Operational Data
Store (ODS)
18
DMBoK
Data Modeling:
Theory and
Practice
UML Requeriments Modeling for
Business Analysts
Master Data Management
Building the
Unstructured Data
Warehouse
A Manager's Guide to Data
Warehousing
UML: Database
Modeling Workbook
The Analytical
Puzzle: Profitable
Data Warehousing,
Business
Intelligence and
Analytics
EIM – Enterprise
Information
Management
Tem o objetivo de
encontrar soluções
otimizada para o
uso de informação
dentro das
organizações,
tentando superar
as barreiras
relacionadas à TI
tradicionais para
gerenciamento de
informações em
nível empresarial.
Making EIM – Enterprise Information Management –
Work for Business
DQS – Data Quality
System
Tendo como centro
o conceito de
melhoria da
qualidade dos
dados, o sistema
desenvolvido por
Redman (2013) e
outros autores, os
dados são
considerados como
o ativo-chave dos
tempos modernos.
Entre os benefícios
citados, está a
redução dos custos
com o
gerenciamento.
The Data Quality: The Field Guide
Data Quality Assessment
Measuring Data Quality for Ongoing Improvements
Executing Data Quality Projects
Executing Data Quality Projects: Ten Steps to Quality
Data and Trusted Information
19
Frameworks /
Sistema de gestão
TIQMR Quality
System
TDQM – Total Data
Quality
Management
ISO 8000 – The
International
Standard for Data
Quality
Descrição/conteúdo
Obras relacionadas
Criado por English
(2009), tem o foco
inicial na gestão da
qualidade dos
dados e agrega
conteúdos que
objetivam a sua
obtenção dentro de
uma organização.
Information Quality Applied: Best Practices for Improving
Business Information, Processes, and Systems
Concebido e
desenvolvido pelo
MIT, esse
framework elaborou
níveis de
certificações. Em
seu conteúdo,
destaca-se o Nível
de Qualidade da
informação
relacionado ao seu
uso.
Introduction to Information Quality
Padrão ISO em
desenvolvimento
que tem como foco
a qualidade de
dados, publicado
como uma série de
documentos
distintos.
ISO 8000
Improving Data Warehouse and Business Information
Quality: Methods for Reducing Costs and Increasing
Profits
Quality Information and Knowledge
Jorney to Data Quality
Fonte: Tavares (2015) adaptado
2.2. Governança de Dados
O conceito de Governança de Dados é amplo e variado. Assim como o termo
Gestão de Dados, sua definição depende do sistema escolhido. As variações
são derivadas da perspectiva adotada por cada um dos frameworks.
Independente dessas opções, a nomenclatura fica ainda mais complexa
quando se considera que as classificações partem da compreensão da
expressão “governança corporativa”, por si só multifacetada (CARVALHO,
2002; MOSLEY, 2009).
20
Carvalho (2002) analisa que a governança, no seu sentido mais genérico, pode
ser descrita como “mecanismos ou princípios que governam o processo
decisório dentro de uma empresa”. Coerente com o objetivo desta pesquisa,
essa concepção será utilizada para compreender como está sendo feita a
implementação da Governança dos Dados pelas empresas e de que forma sua
contribuição é percebida para o aumento da eficiência e da eficácia do
processo decisório.
Dentro da multiplicidade de definições de “governança” na literatura, uma
importante colocação, no âmbito do Brasil, é aquela feita pelo Instituto
Brasileiro de Governança Corporativa, segunda a qual a governança
corporativa seria “o sistema pelo qual as organizações são dirigidas,
monitoradas e incentivadas”. Nesse contexto, o conceito envolve desde
práticas e relacionamentos entre proprietários da empresa até o conselho de
administração, diretoria, bem como os órgãos de controle (INSTITUTO
BRASILEIRO DE GOVERNANÇA CORPORATIVA, 2009).
2.2.1 Governança de dados nas corporações
A partir dessas definições, entende-se, portanto, o valor que assume a
governança de dados dentro do contexto empresarial. Sua definição no DMBoK
considera sua funcionalidade e já a visão da organização que porventura a
aplique, ou seja, como já consciente do valor dos dados como ativo.
De acordo com o DMBoK, a Governança de Dados é o exercício de autoridade
e controle (planejamento, monitoramento e execução) sobre o gerenciamento
de ativos de dados”. A função de governança guia, dessa forma, as maneiras
como todas as demais funções da Gestão de Dados são realizadas (MOSLEY
et al., 2009).
Neste trabalho, será adotada esta definição para o conceito Governança dos
Dados feita pelo DMBoK por duas razões: a primeira delas, sem qualquer
21
restrição às demais nomenclaturas, é que ela parte de uma práxis, oriunda das
dezenas de consultores que colaboraram para a construção do corpo de
conhecimento. A segunda razão é metodológica, para adoção de um conceito
único ao longo do trabalho. Como será explicado com detalhes no Capítulo 3,
frente às várias definições de mercado, consubstanciadas nos vários sistemas
e frameworks, foi necessário definir a perspectiva adotada neste estudo, por
questão de clareza, coesão e consistência.
Uma vez esclarecida a questão de nomenclatura, volta-se ao tema principal do
capítulo. Considerando o competitivo ambiente de negócios da modernidade e
a quantidade de informações que circulam pelos sistemas corporativos, via de
regra uma instituição precisa garantir uma administração de dados eficiente.
Vários
frameworks
estão
disponíveis
às
empresas
atualmente
para
implementar uma governança nessa área. Tavares (2015) faz um alerta ao
mostrar que as instituições brasileiras, em geral, não gerenciam os seus dados
como deveriam. Para fazer tal afirmação, o autor se baseia em pesquisa
realizada com 79 empresas brasileiras no ano de 2012.
A baixa qualidade dos dados tem consequências e impactos mais graves do
que se supõe. Ela pode gerar confusão e caos, falta de confiança e tomadas de
decisões não objetivas, baseadas em intuições e não propriamente em
informações advindas da realidade (TAVARES, 2015).
Muitas organizações estão conscientes da importância que os dados podem ter
para obtenção de vantagem competitiva em seu próprio segmento de atuação.
Outras, não. Segundo Aiken e Gorman (2013), a perspectiva “datacêntrica”
(data centric) pode ser um diferencial decisivo em certos setores. Para esses
autores, a monetização do gerenciamento de informações levará a considerar o
ativo de dados como “um dos recursos mais importantes” da empresa.
2.2.2 Governança de TI e Governança de Dados
A partir da evolução do conceito de dados e de sua gestão, o conceito de
22
governança de dados também é alterado ao longo do tempo. A discussão na
literatura é ampla. Mas, em certo momento, começa-se a diferenciação entre
uma governança mais relacionada a TI e outra específica a dados. Essa
oposição conceitual é percebida e trabalhada por autores como Khatri e Brown
(2010), que concebem uma diferença entre ativos de TI e ativos de dados (ou
de informação) de maneira simples e quase funcional.
Para as pesquisadoras, os ativos de TI se referem a tecnologias, incluindo
computadores, hardware, software, comunicação e base de dados. Os ativos
de informação ou dados (as autoras não fazem distinção entre uns e outros)
são definidos como “fatos que têm valor ou potencial valor para a organização”.
Khatri e Brown (2010) descrevem os domínios de cada um dos itens
importantes, bem como os papéis potenciais a serem ocupados pelas pessoas
responsáveis, conforme mostra o Quadro 2:
Quadro 2: Domínios de decisão da Governança de Dados
Domínios da
Questões para a determinação
Papéis potenciais/
Governança dos Dados
dos domínios
Responsabilidade
PRINCÍPIOS
• Quais os usos dos dados pela
• Proprietário dos dados /
• Esclarecimento do papel dos
empresa?
administrador
dados como ativos
• Quais são os mecanismos de
• Data Custodian
comunicação que empresa utiliza em
• Data steward
uma base?
• Produto de dados /
• Quais são os comportamentos
fornecedor
desejáveis para a utilização dos
• Consumidor dos dados
dados como ativos?
• Conselhos e comitês de
• Quais são as oportunidades para o
dados na empresa
compartilhamento e reutilização de
dados identificados?
• Quais as influências do ambiente
regulatório sobre a empresa, no que
refere aos dados?
23
Domínios da
Questões para a determinação
Papéis potenciais/
Governança dos Dados
dos domínios
Responsabilidade
QUALIDADE
Quais são os padrões de qualidade
• Proprietário de Dados
• Estabelecimento dos
de dados com relação à precisão,
• Especialista
requisitos para uso
pontualidade, inteireza e
• Gerente de qualidade de
dos dados
credibilidade?
dados
• Qual o programa para a criação e
• Analista de qualidade de
comunicação da qualidade dos
dados
dados?
• Como é que a qualidade dos dados
e o programa associado a ser
avaliado?
METADADOS
• Qual programa documentará
• Arquiteto de dados
• Estabelecimento da semântica
semântica de dados?
• Modelador de dados
ou do "conteúdo" de dados,
• Como os dados serão definidos e
corporativos
para que sejam acessíveis aos
modelados
usuários
usuários saibam interpretá-los?
modelagem de dados
• Qual é o plano para manter os
• Comitê interno de
diferentes tipos de metadados
Arquitetura de dados
para
que
todos
os
• Engenheiro de
atualizados?
ACESSO
• Qual é o valor dos dados para a
• Proprietário dos Dados
• Especificação de acesso e
empresa?
• Beneficiário dos Dados
requisição de dados
• Como é feita a avaliação de risco
• Responsável pela
da atual base de dados?
segurança da informação
• Como os resultados de avaliação
• Data security officer
serão integrados como os esforços
• Analista técnico de
de controle de compliance?
segurança
• Quais os padrões de acesso e os
• Comitê de arquitetura da
procedimentos relacionados a eles?
informação
• Qual o programa para a
monitoramento periódico e como
será feita sua auditoria?
• Como será feita a conscientização
da segurança dos dados e como
será divulgada?
• Como é feita a programação de
backup e recuperação?
24
Domínios da
Questões para a determinação
Papéis potenciais/
Governança dos Dados
dos domínios
Responsabilidade
CICLO DE VIDA
• Como os dados são inventariados?
• Arquiteto de dados da
• Definição, produção,
• Qual a programação para a
empresa
retenção e eliminação dos
definição dos dados, sua produção,
• Gerente da cadeia de
dados
retenção e eliminação para
Informação
os diferentes tipos de informações?
• Quais as questões de conformidade
relacionadas com a legislação atual
e que afetam a retenção dos dados e
seu arquivamento?
Fonte: Khatri e Brown (2010) traduzido e adaptado pelo autor
Estruturalmente, dentro da evolução dos conceitos, alguns princípios já
sedimentados pela área de TI foram replicados para a concepção centrada em
dados. Como se pode notar pela Figura 2, há um paralelismo entre as duas
concepções:
Princípios de TI
Infraestrutura
Arquitetura
Necessidades das
Investimentos
aplicações de
e prioridades
negócio
Princípios de Dados
Metadados
Qualidades
de dados
Ciclo de vida
Acesso aos dados
dos dados
Figura 2: Paralelismo entre a Governança de TI e Dados
Fonte: Khatri e Brown (2010) traduzido pelo autor
25
2.2.3 O modelo de Governança de Dados do DMBoK
A multiplicidade de visões em torno do tema origina as várias associações
dedicadas ao tema da Governança de Dados, como a Data Governance
Professionals Organization (DGPO), The Data Governance Society, The Data
Governance Council, International Association for Information and Data Quality
(IAIDQ) e a Data Management Association (DAMA), dentre outras (TAVARES,
2015).
Como foi mencionado anteriormente, este estudo adota a definição da DAMA.
A visão sintética e panorâmica sobre os corpos de conhecimentos do Data
Management Body of Knowledge (DMBoK) considera as seguintes áreas de
conhecimento (MOSLEY et al., 2009):
a) Governança de dados (tópico central);
b) Gerência da Arquitetura de dados;
c) Desenvolvimento de dados;
d) Gestão de operações de bancos de dados;
e) Gestão de Segurança de dados;
f) Gestão de Dados mestres e de Referência;
g) Gestão de Data Warehousing e BI;
h) Gestão de Documentos e conteúdo;
i) Gestão de Metadados;
j) Gestão de Qualidade de dados.
Essas áreas de conhecimento, também chamadas de funções, são usualmente
representadas com a Figura 3:
Na concepção do DMBoK, a Governança dos Dados não fica restrita a uma
divisão. Ela é responsabilidade tanto do setor de TI quanto de seus clientes
internos e externos. Além disso, inclui a alta administração, gerência tática e
também dos colaboradores do nível operacional, algumas vezes responsáveis
pela coleta e produção dos dados (MOSLEY et al., 2009).
26
Dessa forma, a definição de governança de dados, do ponto de vista do
DMBoK, é ampla e plural. O propósito desse framework, adotado por várias
organizações no Brasil e no mundo, fica clara a perspectiva de um conceito em
evolução. A abertura do seu modelo leva ao cruzamento de diversas
disciplinas.
Essa
visão
multidisciplinar
inclui
fatores
como
avaliação,
gerenciamento, melhoria, monitoração de utilização, bem como os aspectos de
qualidade, segurança e privacidade (BARBIERI, 2013).
Pelo lado mais pragmático, o DMBoK e seu respectivo framework propõem
soluções para problemas usualmente vividos pelas mais diversas corporações,
quando sentem a necessidade de implantar a Gestão ou Governança de
Dados. No Quadro 2, são mostrados os principais deles:
Quadro 2: Principais problemas elencados pelo DMBoK
Perda de tempo na localização de dados e informações;
Armazenamento de dados incompletos, prejudicando o uso futuro;
Armazenamento de dados irrelevantes para o negócio, gerando custos adicionais, sem
contrapartida de receita;
Aplicações (sistemas) desconhecidas pela área de Negócios;
Perda de tempo na localização de dados e informações;
Armazenamento de dados incompletos, prejudicando o uso futuro;
Conteúdo de dados negligenciado pela área de Negócios;
Números divergentes apresentados por diversas áreas, quando deveriam ser iguais;
Aquisição de dados sem controle legal, financeiro e negocial;
Dependência de analistas e técnicos em sistemas para processamento de aplicações. Os
heróis de plantão;
Conteúdo de dados negligenciado pela área de Negócios;
Números divergentes apresentados por diversas áreas, quando deveriam ser iguais;
Dados produzidos sem planejamento ou arquitetura;
Dados sem responsáveis pela sua produção e uso;
Duplicidade de dados e informações;
Foco em ações corretivas ao invés de foco em ações preventivas;
Utilização de informação errada para tomada de decisão;
Colaboradores e partes interessadas com moral baixo;
27
Falta de tempo para adoção de novas tecnologias.
Foco em ações corretivas ao invés de foco em ações preventivas;
Utilização de informação errada para tomada de decisão.
Fonte: (TAVARES, 2014)
Por contemplar uma gama de possíveis soluções, a Governança de Dados é
considerada como o centro de um processo complexo em que são
consideradas várias gestões, todas tendo como foco o dado como recurso de
valor para a atividade empresarial. Para Bergon (2013), aos poucos a Gestão e
Governança de Dados começam a aparecer no mercado brasileiro de forma
abrangente, englobando funções anteriormente esquecidas ou mal gerenciadas
pelas empresas. O estudioso, embora reconheça outros frameworks, também
opta pela visão do DMBoK.
O DMBoK estrutura o processo de Governança de Dados por meio de funções
e atividades, distribuídas em dez áreas de conhecimento, conforme
apresentado na Figura 3, tendo a própria Governança de Dados como eixo
central:
Figura 3: Representação das áreas de conhecimento do DMBoK
Fonte: Mosley et al. (2009)
A evolução para um conceito mais holístico traduz um posicionamento e uma
visão que pretende ir além da tecnologia. As ferramentas, por si mesmas, não
28
garantem a qualidade das informações ou dados de uma instituição. Segundo
Barbieri (2013), as funções e atividades do DMBoK
visam entender as
necessidades de informações da organização. Busca-se, dessa forma, uma
visão unificada entre elementos vitais como dados, processos, negócios,
sistemas, tecnologia, etc. Esse caráter multidisciplinar e multifocal é
compreendido a partir da perspectiva representada na Figura 4:
Figura 4: Funções e atividades contempladas pelo DMBoK
Fonte: Mosley et al. (2009)
29
Figura 5: Tecnologia, processos e pessoas
Fonte: Tavares (2015)
Para chegar à implementação da Governança de Dados, parte-se de um
histórico inicialmente relacionado à gestão de TI e aos sistemas de informação
e chega-se a uma configuração conceitual que reúne procedimentos sugeridos
ou implementados por várias instituições. Essa experiência passada configura
e define um conjunto de boas práticas, chegando a metas e princípios
pragmaticamente estabelecidos, conforme mostra a Figura 5 (TAVARES,2015).
Antes de avançar, é preciso notar que é necessário trabalhar sobre o alicerce
da governança corporativa para que sobre ele sejam instauradas as bases da
Governança de TI e da Governança de Dados. As duas últimas não existem
sem a primeira. Os sistemas que oferecem as ferramentas podem, então,
sobre os pilares da governança corporativa, fazer a entrega dos resultados. O
papel de frameworks como o COBIT (Control Objectives for Information and
related Technology), guia de boas práticas dirigido para a gestão de Tecnologia
de Informação mantido pelo ISACA (Information Systems Audit and Control
Association), revela-se importante. Mas ele sozinho não é suficiente para
alcançar os objetivos esperados da Governança de Dados (MOSLEY et al.,
2009).
30
Da mesma forma, outras bibliotecas de gerenciamento ligadas a projetos de TI,
como PMBoK, CMM, COBIT, ITIL e ISO 20000 são úteis e têm funcionalidades
específicas para gerar o resultado final. Para Tavares (2014), na concepção do
DMBoK, nem a tecnologia nem suas ferramentas podem ser vistas de maneira
isolada. O alinhamento dos diversos níveis de governança é o lastro para que
se cumpra a missão corporativa, por meio de uma sinergia entre as partes,
conforme ilustrado pelo Quadro 3:
Quadro 3: Níveis de governança e ferramentas
Fonte: Tavares (2014) adaptado.
Cabe frisar que o modelo acima apresentado permite outras interpretações e
reelaborações. Outro possível modelo, por exemplo, é aquele proposto por
Wende (2007), em que governança de dados e governança de TI são
consideradas dentro da perspectiva da gestão da governança corporativa,
como é mostrado na Figura 6:
31
Figura 6: Governança Corporativa e Governança de Dados
Fonte: Wende (2007) –Tradução do autor
2.2.4 Maturidade Corporativa em Dados
Para que os dados sejam realmente considerados ativos, é necessário que
percorram o caminho semiótico de produção de sentido que tem como destino
o conhecimento. A relação entre dado, informação e conhecimento pode ser
ilustrada por meio da Figura 7:
Os dados precisam sair do estado bruto para ganharem sentido e valor, dentro
do modelo de negócio da corporação, tornando-se ativos. Estão, dessa forma,
prontos para gerar receita ou para colaborar com sua geração. Em uma análise
desse
tipo,
todos
os
colaboradores
têm
papéis
a
Figura 7: Caminho dos dados ao conhecimento
Fonte: Mosley et. al (2009) - Tradução do autor
desempenhar.
32
A esfera executiva tem, como se observa, papel essencial no próprio conceito.
Do ponto de vista da alta direção, uma avaliação importante é feita pelo estudo
de Fischer (2009). O autor inclui a avaliação de riscos, tanto financeiro como de
reputação, como consequência da implementação ou não da Governança de
Dados. O seu modelo considera quatro níveis de maturidade das organizações:
indisciplinada, reativa, proativa ou governada. O modelo, considerado
operacional pelo autor, é ilustrado na Figura 8:
Figura 8: Maturidade da Governança de Dados
Fonte: Fischer (2009) apud Rêgo (2003).
Dessa forma, a adoção das soluções tecnológicas oferecidas pelo mercado
pode ser somente um ponto de partida para chegar à Governança de Dados.
Muitas corporações são levadas a implementações com esse modelo a partir
de demandas originadas das exigências de compliance da Sarbanes-Oxley
(SOX), por exemplo, quando são exigidos dados financeiros mais precisos das
companhias (CHEONG ;CHANG, 2007).
33
A perspectiva “holística” também é recomendada por Friedman (2006) para que
as organizações resolvam questões como a da qualidade de dados. Essa
abordagem tem como pilares "as pessoas, os processos e a tecnologia". Como
a medida da qualidade dos dados precisa ser feita ininterruptamente, torna-se
necessário que os dados sejam governados.
As atuações são conjuntas. No cotidiano corporativo real, revela-se incoerente
compartimentalizar em vez de integrar. O estudo de casos de Cheong e Chang
(2007) apresentou uma estrutura de Governança de Dados com atuação nos
níveis operacional, tático e estratégico, como é ilustrado por meio da Figura 9:
Figura 9: Estrutura de Governança de Dados
Fonte: Cheong e Chang (2007) ) - Tradução do autor
A configuração da Figura 8 será importante neste estudo para analisar os
casos brasileiros e observar semelhanças entre as estruturas apresentadas.
Comitês técnicos de TI convivem com os de dados algumas vezes sem
diferenciação.
34
Os autores Cheong e Chang (2007) defendem que, para atender às exigência
de controles rígidos em TI, é necessário garantir que os dados se mantenham
protegidos e corretos. O fator da qualidade dos dados aparece por meio de
conceitos e definições como precisão, pontualidade, relevância e integralidade.
Mas, para se chegar realmente à governança de dados, é preciso ir além: o
estudo de caso que realizam mostra essa necessidade.
2.2.5 Interesse corporativo pelo tema da Governança de Dados
O crescente volume de dados criados e compartilhados pelas organizações,
bem como o ritmo crescente das inserções de novas informações em múltiplos
formatos (aplicações, texto, fotos, infográficos, vídeos, etc) no dia a dia das
corporações, promove uma demanda por soluções que possam gerenciar
esses arquivos digitais e seu fluxo. Apesar da necessidade reconhecida de
administrar esses recursos, internamente não são implementados projetos de
Gestão e Governança de Dados, que posam resolver os problemas que
descrevem como urgentes. Tome-se o exemplo das empresas de serviços
financeiros internacionais. Embora trabalhem diretamente com dados de alto
valor agregado, as iniciativas decisivas internamente não acontecem no ritmo
desejado (FIRSTPOST, 2015).
A pesquisa realizada pela Eagle Investment Systems LLC, subsidiária da BNY
Mellon, provedora de tecnologia de serviços financeiros, mostra essa realidade
do mercado internacional, como mostra o Quadro 4:
Por um lado, a pesquisa da Eagle Investment destaca os benefícios da adoção
de uma estratégia formal de Governança de Dados. São incluídas e descritas
boas práticas do mercado quanto à precisão, segurança e acessibilidade dos
dados. Por outro lado, a pesquisa aponta as principais ameaças potenciais
presentes numa abordagem menos estruturada. Por outro lado, constata que
apenas 35,8% das empresas entrevistadas possuem estratégia de Governança
de Dados madura (FIRSTPOST, 2015),
35
Quadro 4: Percepção da Governança de Dados
Percepção da
Governança de Dados
Empresa possui estratégia de governança de
dados madura
Suas organizações reconhecem o valor dos
dados como ativos
Implementação de uma estratégia formal de
governança de dados é uma prioridade
imediata
Empresa planeja introduzir estratégia formal
de governança de dados nos próximos 12
meses.
Perderam clientes por imprecisão de
informação
Empresa sofreu quebra de segurança de
dados
Ineficiências operacionais como
consequência de não possuir estratégia de
governança de dados
Têm enfrentado o aumento da complexidade
dos dados devido à implantação de sistemas
múltiplos
Porcentagem
de
respondentes
35,8%
80,0%
43,2%
53,5%
15,1%
9,4%
58,5%
41,5%
Fonte: (FIRSTPOST, 2015) adaptado – Tradução do autor
Como se poderá constatar neste estudo, o interesse pelo tema da Governança
de Dados (53,5% das empresas entrevistadas) nem sempre é seguido por sua
implementação completa (apenas 35,8% das companhias possuem estratégia
de governança de dados madura). O processo de maturidade é complexo. A
demanda existe, mas as empresas não implementam as medidas com
prioridade ou
velocidade. Essa característica do mercado internacional se
verifica também no Brasil, a se inferir pela pesquisa quantitativa realizada pela
Dama-BR e Fumsoft (2012), e que se refletem nas empresas pesquisadas
neste estudo de multicasos, como se verá no Capítulo 4.
No Brasil, o tema da governança de dados é abordado em congressos e
eventos especializados. A DMC LATAM 2015 (Data Management Conference),
na sua sétima edição, realizada em São Paulo no mês de agosto, é um deles.
Com um perfil de público segmentado, a iniciativa atraiu interesse de
executivos e profissionais da Alta Administração, bem como de gerentes e
36
analistas de sistemas, conforme dados da Tabela 1:
Tabela 1: Perfil dos participantes do DMC LATAM 2015
Fonte: DMC LATAM (2015)
Outra pesquisa, realizada em novembro de 2012, pelo Capítulo Brasileiro da
Data Management Association (Dama-BR) em conjunto com a Fumsoft, serve
como parâmetro inicial para entender qual o nível de maturidade da
Governança de Dados do ambiente brasileiro. O estudo não tem validade
estatística para generalização e avaliação do ambiente empresarial brasileiro,
uma vez que a amostragem foi de 78 empresas, concentrada nos estados de
Minas Gerais (42,3%), São Paulo (23,1%) Distrito Federal (14,1%) e Rio de
Janeiro (14,1%). No entanto, o estudo traz informações úteis numa abordagem
exploratória quantitativa inicial. A localização geográfica das empresas
participantes é mostrada na Tabela 2:
O alcance da pesquisa está em seus 19 blocos de questões, a partir dos quais
foi possível mapear a situação das organizações em relação à Gestão,
Governança e Qualidade dos dados. Tendo como base os resultados do
referido estudo, Tavares (2014) chegou a concluir que “as organizações
37
brasileiras não tratam e nem consideram com a devida importância dados e
informações”.
Tabela 2: Empresas respondentes na pesquisa da DAMA Brasll.
ESTADO
Quantidade
%
Minas
33
42,3%
Gerais
São Paulo
18
23,1%
Distrito
11
14,1%
Federal
Rio de
11
14,1%
Janeiro
Alagoas
1
1,3%
Bahia
1
1,3%
Paraná
1
1,3%
Rio Grande
1
1,3%
do Sul
Fonte: DAMA-BR; FUMSOFT (2012).
A frase, vinda de um especialista da área, presidente da DAMA Brasil, soa
como um alerta. É importante perceber o perfil individual dos respondentes da
pesquisa, amostra composta por diretores, gerentes e técnicos ligados à área
de Gestão de Dados. Como se verá nos quadros, figuras e tabelas a seguir,
algumas minúcias técnicas e estratégicas, respondidas por gestores e técnicos,
revelam a percepção da Governança de Dados do universo pesquisado
(TAVARES, 2014).
Uma porcentagem substancial reconhece que não coordena atividades de
Governança de Dados (44,9%), enquanto apenas 6,4% considera que a
atividade é realizada, monitorada e medida, ou seja, gerenciada, como se pode
ver no Gráfico 1 (DAMA-BR; FUMSOFT, 2012):
Barbieri (2013a) comenta que o objetivo da pesquisa não teve preocupação
com a escolha técnica da amostra. Segundo ele, a intenção era uma “primeira
fotografia” da situação da Gestão de Dados em empresas brasileiras. A
amostra apresenta uma variedade de empresas de atributos diferentes (porte,
38
número de colaboradores, natureza). Para ele, existe uma probabilidade maior
de que se encontre maior maturidade em empresas com maior estrutura
organizacional.
O estudo foi elaborado a partir das dez áreas de conhecimento do processo de
Governança e Gestão de Dados consideradas por Mosley et al. (2009). Houve
alguns desdobramentos entre os processos ou corpos de conhecimentos,
como analisa Barbieri (2013a). Modelos exteriores, como as proposições do
COBIT, foram considerados na parte relativa à Segurança de Dados. Outras
incursões específicas em suas especialidades incluíram o framework Zachman
e arquitetura TOGAF no capítulo relativo à Arquitetura de Dados.
Estimar valores de ativos de dados é, segundo Moisley et al. (2009), uma das
maneiras de reconhecer o valor das informações que circulam dentro das
empresas. No entanto, a pesquisa mostra que 71,8% dos entrevistados não
realizam essa atividade e apenas 5,1% monitoram-na e a medem, como
mostra o Gráfico 2:
Gráfico 1: :
Atividades executadas para controle da Gestão de Dados
39
Fonte: DAMA-BR e FUMSOFT (2012).
Gráfico 2: Planejamento da Gestão de Dados
Fonte: DAMA-BR; FUMSOFT (2012).
40
2.3 Tomada de Decisão
O segundo eixo conceitual deste trabalho faz com o pilar da Governança de
Dados um todo coerente. Governar dados não é uma atividade em si, mas um
meio de alcançar resultados para a organização. Essa premissa está
enfatizada por autores como Davenport e Harris (2007).
A Tomada de Decisão com o auxílio de ferramentas computacionais, por outro
lado, não se revela como uma unanimidade. Ao longo deste subcapítulo, será
possível perceber os matizes que cercam o “sonho dourado” de uma decisão
baseada em um grande número de dados. Esse pensamento está expresso em
outro artigo de Davenport e Harris (2007a), em que as empresas se empenham
em uma “batalha de analítica”. Por analytics, entende-se o extensivo uso de
dados, estatísticas, análises quantitativas, explanações e modelos preditivos,
para conduzir a Tomada de Decisão.
Como se verá adiante, o caminho tomado pelos estudos acadêmicos na área
nem sempre atesta que uma maior quantidade de informações levará a uma
melhor decisão. Há detalhes e nuances que precisam ser considerados por
gestores e empresas. É o que se verá nos próximos tópicos.
2.3.1 A Tomada de Decisão ao longo da História
Uma retrospectiva sobre o ato de tomar decisões - e como ele tem sido
considerado ao longo da História - remete aos filósofos gregos. Desde o Século
IV a.C., na tradição ocidental, o assunto tem interessado os estudiosos. A
pesquisa remonta a Aristóteles, que contrapõe a racionalidade prática
(phronesis) à experiência (empeiria). O debate passa, ao longo dos séculos,
tendo sido tratado também por pensadores como Francis Bacon e René
Descartes (LIMA, 2011).
41
O interesse acadêmico pela capacidade de tomar decisões tem produzido
robusta literatura ao longo do Século XX. Desde quando foram descritas e
estabelecidas as funções administrativas de planejar, controlar, organizar e
dirigir, pelos pais da Administração moderna, Taylor e Fayol, a abordagem do
assunto tem estado em pauta. Nas empresas, as atividades organizacionais
são, em sua essência, relacionadas à resolução de problemas e à tomada de
decisões, dentro dos mais variados níveis hierárquicos e, de maneira mais
concentrada, na gerência tática e na alta administração, com objetivos
estratégicos (YU et al., 2011).
Fora do âmbito teórico ou filosófico, a ação de um então jovem estadista e
guerreiro, traria uma contribuição forte para a percepção da tomada de
decisão, capaz de ter influência até os dias atuais. Trata-se da figura histórica
de Alexandre, o Grande. No Século III a.C., esse general resolveu de maneira
radical e decisiva um problema que era discutido havia tempo por sábios da
Antiguidade: o nó górdio (SILVA; DAVIS, 2013).
Na região da Frígia, existia um nó que tinha sido atado por um camponês que
se tornara rei por causa de uma profecia. Para que todos se lembrassem desse
feito, deu um nó em uma carroça, fazendo uma previsão que se tornou lenda:
que aquele desatasse a aquela amarração dominaria toda região (KURKE,
2005).
Lenda ou fato, Alexandre teria chegado à região da Frígia em uma de suas
conquistas. Ao saber da narrativa e que o enigma perdurara por mais de 500
anos, o general meditou por alguns momentos diante do novelo e, em seguida,
desembainhou a espada e decepou com um só golpe o emaranhado de fios.
Estava resolvido, de uma vez por todas, o problema do nó górdio (KURKE,
2005).
42
A oposição entre a resolução intuitiva do líder e a necessidade de complexa
análise das informações para a tomada de uma boa decisão continuou ao
longo dos milênios e séculos. Do ponto de vista de uma abordagem mais
moderna ligada à Administração, o debate ganhou nova perspectiva quando,
em meados do século XX, um executivo da companhia Bell, Chester Barnard
introduziu o termo decision making (“Tomada de Decisão”). Desse momento
em diante, a expressão tem sido tratada pelos mais diversos autores, trazendo
uma ampla discussão no âmbito da gestão e do ambiente organizacional
(BARNARD, 1968).
A moderna perspectiva do processo decisório teve um marco no ano de 1978,
quando o jornal Harvard Business Review publicou o artigo “Chief Executives
Define Their Own Data Needs”. Fortaleceu-se, a partir de então, a
compreensão de que um gestor organizacional precisaria de ferramentas
tecnológicas para tomar decisões melhores, baseando-se não somente na
intuição, mas em informações e na lógica (ROCKART,1978).
A ideia do suporte à decisão realizada com a ajuda de computadores
aprimorou-se quando, no final da década de 1980, o Gartner Group passou a
usar a expressão Business Intelligence (BI), para descrever sistemas de
informação automatizados com a função de ajudar os executivos a fazer uso de
complexas ferramentas de simulação, com o objetivo de avaliar riscos,
oportunidades e vulnerabilidades da sua própria empresa e dos concorrentes
(BUCHANAN; O’CONNELL, 2006).
Apesar de grande aceitação nos círculos acadêmicos e de negócios, a ideia de
que se precise de um número grande de informações para tomar uma boa
decisão não é unânime. O espírito da narrativa do nó górdio, citada
anteriormente, tem seus defensores até hoje. Uma frase do empresário
britânico Richard Branson, fundador do grupo Virgin, revela a predileção pela
procedimento do general Alexandre, mesmo em pleno Século XXI: “Não
43
dependo dos outros para fazer levantamentos ou pesquisas de mercado ou
para desenvolver estratégias. Sou de opinião que o risco para a empresa é
reduzido pelo meu próprio envolvimento nos detalhes do novo negócio”
(MITZBERG et al., 2007).
A defesa da intuição como responsável pela qualidade e perspicácia com que
um executivo toma uma decisão extraordinária tem sido defendida com
eloquência por intelectuais das mais diversas formações. Citando um exemplo
conhecido da área de Tecnologia da Informação, os adeptos dos métodos
intuitivos afirmam que a decisão correta não tem nenhuma relação com o bom
funcionamento de um software ou mesmo de um moderno SI. Autores em
defesa da decisão intuitiva citam como exemplo a opção de Bill Gates em
ceder
o
uso
de
licença
do
sistema
operacional
MS-DOS
para
microcomputadores fabricados pela IBM e mais tarde para outras empresas
como Compaq, Dell e HP. Essa visão intuitiva teria lhe dado uma vantagem
competitiva frente aos concorrentes que nenhuma análise de dados, por mais
apurada que fosse, lhe traria (CRAINER, 2002).
2.3.2 A complexidade da decisão
O debate sobre a natureza e a complexidade do ato de decidir está longe de
chegar ao fim. Na verdade, para analisar a questão mais profundamente, é
preciso considerar que os níveis de decisão dependem dos tipos de problemas
contemplados. Inicialmente, em relação à complexidade, eles podem ser
classificados
em
três
tipos:
estruturados,
semiestruturados
ou
não
estruturados. (SHIMIZU et al., 2010).
Indo além, as peculiaridades da decisão sobre qualquer um dos tipos de
problemas podem ter um componente relacionado ao nível do processo de
tomada de decisão. Essa descrição tipológica está mostrada no Quadro 5:
44
Quadro 5: Tipologia
Nomenclatura
Estratégica
Definição (em relação ao tempo)
Em geral, decisão para o intervalo de
tempo de dois a cinco anos.
Decisão para alguns meses a até dois
anos.
Decisão para alguns dias ou alguns
meses.
Decisão para algumas horas ou dias.
Tática
Operacional
Despacho ou liberação
Fonte: (SHIMIZU et al. , 2010).
Quadro 6: Cruzamento de natureza e níveis de decisão
Nível dos
Operacional
Tático
Estratégico
Bem definido
Processo
Objetivo bem
definido,
definido.
Resultado
Alternativas a
variável
serem escolhidas.
Meses/
1 ano / 5 anos
problemas
Estruturados
Características
Duração/frequê
Dia/ 1 mês
ncia
Semiestruturados
1 ano
Decisor
Chefe de seção
Gerente
Diretoria
Complexidade
Nenhuma
Baixa
Média
Características
Bem definido,
Definido
Rotina variada
níveis
em
Novos Serviços /
Planejamento
diferentes
Duração/frequê
Dias/ semanas
Meses/ 1 ano
Anos
Decisor
Chefe de seção
Gerente
Diretoria
Complexidade
Baixa
Média
Alta
Características
Rotina
Não rotineira
Novos
ncia
Não estruturados
sujeita
a
imprevistos
Duração/frequê
empreendimentos
Dias/ por período
Caso a caso
Anos
Chefe de seção,
Gerente,
Diretoria, acionistas
gerente
diretor
Média
Alta
ncia
Decisor
Complexidade
Fonte: Turban e Aronson (1998) adaptado
Muito alta
45
As duas classificações anteriores, contemplando a natureza do problema e os
níveis de decisão, foram pesquisadas por Turban e Aronson (1998). Esses
autores se dedicaram a mapear e classificar o cruzamento entre os tipos
problemas
(estruturados,
semiestruturados
e
não
estruturados)
e
as
modalidades operacional, tática e estratégica. As conclusões dos autores estão
reunidas no Quadro 6.
2.3.3 Sistemas de Apoio à Decisão
O período em que aparecem as soluções automatizadas e aplicativos
computacionais relacionados à tomada de decisão pode ser localizado no início
de década de 1960. No entanto, as nomenclaturas se mostraram imprecisas na
época, de modo que as descrições técnicas só apareceram nas décadas
seguintes, em que foram cunhadas expressões como Decision Support
Systems (DSS), cuja tradução para o português gerou o acrônimo SAD
(Sistema de Apoio à Decisão) (EOM; KIM, 2006).
A
partir
da
percepção
da
necessidade
de
interpretar
os
dados
disponíveis para tomar decisões melhores, o segmento de desenvolvimento de
software passou a entregar ao mercado soluções particulares para atender às
demandas. As ofertas das empresas eram pautadas, em geral, por dois
conceitos
básicos.
O
primeiro
deles
é
baseado
numa
abordagem
fundamentada na concepção de utilidade, procurando maximizar esse valor.
Segue a mesma linha de propostas de maximização dos lucros ou da
minimização dos custos, idéias aceitas pelo mercado em geral sem
questionamentos (BECKER,1997).
A segunda abordagem apoia-se na concepção da racionalidade limitada do
tomador de decisão. Essa perspectiva considera que as pessoas tomam
46
decisões na prática perante um quadro complexo. Essa complexidade inclui
conflito de valores e interesses individuais e informações incompletas. Também
considera que pode acontecer inadequação do conhecimento ou até
inconsistência nas preferências e nos comportamentos daqueles que precisam
decidir. O modelo também considera a própria incapacidade de cálculo e
processamento dos dispositivos computacionais (BECKER,1997).
A escassez de dados ou informações pode impedir o acesso à geração das
alternativas possíveis para a solução de um problema. Mas a questão vai muito
além dessa percepção de falta de informações. Ao contrário de procurar
tomadas de decisões maximizadas, como no modelo anterior, procuram-se
“soluções satisfatórias” (BALESTRIN, 2002).
Simon (1965) caracterizou os processos administrativos como processo de
decisão, nos quais o “homem administrativo” é um ator econômico estimulado
por escolhas e decisões. A questão na tomada de decisão vai muito além da
falta de dados para se compor os caminhos para a solução. De acordo com
essa abordagem, soluções baseadas em modelos heurísticos, em que são
empregados experiência, conhecimento empírico e preferências do tomador de
decisão, podem levar a soluções simplistas. Dessa forma, as relações entre o
processo decisório e os Sistemas de Informações (SI) são fundamentadas na
abordagem da racionalidade limitada (ANDY; BRODBECK, 2003).
Com o objetivo de abordar o tema da Gestão e Governança de Dados e sua
relação com a Tomada de Decisão nos níveis gerencial e estratégico, é preciso
contextualizar como a gestão da informação em nível computacional faz
conexão com as demandas do processo decisório. Os Sistemas de Informação
(SI), no seu sentido mais genérico, têm subdivisões específicas quanto à
ênfase adotada durante a sua concepção e desenvolvimento. Desse modo,
essas ênfases podem ser direcionadas ao tratamento dos dados brutos, para a
oferta de informação para um determinado perfil ou para a tomada de decisão
propriamente dita (MASON, 1969).
47
Segundo esses critérios, os Sistemas de Informação podem ser divididos em
três modalidades básicas: Sistemas de Informações Transacionais (SIT),
relacionados ao processamento de dados,
Sistemas de Informações
Gerenciais (SIG), dedicados a oferecer informações a um determinado perfil de
gestor, e Sistemas de Apoio à Decisão (SAD), concebido para fornecer
subsídios para a atividade específica do decision maker (MASON, 1969).
A descrição de cada uma das modalidades leva a entender que os SIT têm o
objetivo prioritário de fornecer rotinas do nível operacional. Incluem, dessa
forma, a coleta de dados, seu armazenamento e recuperação. São projetados
para processar grandes volumes de bits, com eficiência e eficácia. Um exemplo
desse tipo de aplicação é a folha de pagamento. Também são incluídos nessa
classe os programas de contas a pagar e a receber, bem como os aplicativos
de controle de estoque. Os SIG, por sua vez, têm o papel de integrar
informações por funcionalidades administrativas, como finanças, marketing,
RH, dentre outras. Emitem relatórios específicos, agrupando os dados obtidos
a partir de fluxos estruturados. São utilizados, em geral, pelos gestores de nível
gerencial das empresas (BECKER,1997).
Focados na tomada de decisão, seja ela individual ou em grupo, os SAD têm
características de flexibilidade e adaptabilidade. Precisam fornecer respostas
com rapidez a problemas novos. Para Courbon (1983), esses sistemas são
desenvolvidos para atividades com baixo nível de estruturação. Os problemas
que pretendem resolver não têm solução mecânica. Refletem a interação entre
homem e computador de uma maneira dialogal, com o objetivo de proporcionar
melhorias no processo decisório no que se refere à identificação e resolução de
problemas pouco padronizados.
A literatura apresenta variadas definições para a caracterização de um SAD,
cuja definição originou-se da sigla DDS (em inglês, Decision Support System).
Shimizu et al. (2010), destacam três delas, conforme mostra o Quadro 7:
48
Quadro 7: Definições de Sistema de Apoio à Decisão
Definição 1
Conjunto de procedimentos baseados em modelos para processar dados e
analisar
problemas
tendo
como
finalidade
dar
assistência
aso
administradores no processo de decisão. Os problemas resolvidos por um
SAD podem ser estruturados, semiestruturados e não estruturados, conforme
o ponto de vista das pessoas que tomam a decisão.
Definição 2
Sistema flexível e expansível, capaz de dar apoio à análise ad hoc dos dados
e dos modelos de decisão, que procura obter resultados eficazes no
planejamento de longo, médio e curto prazos.
Definição 3
Sistema de computação formado por três componentes interativos: a)
Sistema de linguagem (que permite a comunicação entre os usuários e os
subsistemas do SAD; b) Sistema de conhecimento (que armazena os dados,
os
procedimentos
e
as
informações
inteligentes
disponíveis;
c) Sistema para processar problemas (estrutura e executa os modelos para
resolver os problemas apresentados).
Fonte: Shimizu et al. (2010).
Como se pode verificar a partir das próprias definições, a implementação
tecnológica dos sistemas de apoio à decisão ganha aspectos particulares
dentro de diferentes empresas. A avaliação do seu desempenho, a partir do
ponto de vista da Governança de Dados, passa a ser crítica, como se poderá
ver no Capítulo 4 (Análise de Dados).
A importância da informação, bem como de sua gestão, para a atividade
competitiva das empresas é uma percepção quase unânime pela empresas.
Certamente o grau desse valor deve variar de contexto para contexto e a partir
da cultura corporativa considerada. Essa percepção também tem relação com
o nível hierárquico dos colaboradores em questão. É perceptível que as
organizações que têm mais competência e vocação para administrar a
informação de uma forma satisfatória tenham maior vantagem competitiva.
Para autores como Porter e Millar (1985) a questão da eficiência da gestão de
dados e das informações é indiscutível:
49
"A importância da revolução da informação não está em discussão. A questão não é se
a tecnologia da informação vai ter um impacto significante na posição competitiva da
empresa. A questão é quando e como o impacto vai acontecer. Empresas que se
preparam com o poder da tecnologia da informação estarão no controle dos eventos.
Empresas que não se prepararem serão forçadas a aceitar as mudanças que os outros
iniciaram e estarão em desvantagem competitiva ".
(PORTER; MILLAR, 1985, p.160).
Alguns autores, como Yu et. al., relacionam as fases do processo decisório
com processos oferecidos por Sistemas de Informações, como no Quadro 8:
Quadro 8: Fases da decisão e os recursos dos Sistemas de Informação.
Fase do processo decisório
Constituição dos SADs
Definição do problema
Processamento de dados e consolidação com
SIG
(relatórios
gerenciais)
e
SAD
de
processamento de dados como OLAP, data
mining, internos a ERPs ou não.
Busca de alternativas
Checklists
em
Bancos
de
Soluções
e
Aprendizados, SAE, clippings, DIG e SAD
baseados em processamento e consolidação
de informações.
Definição de critérios e/ou
SAE, clippings e análises de concorrência e
objetivos e coleta de
mercado,
informações
processamento
SIG
e SAD baseado
em
e
de
consolidação
informações.
Modelagem do problema
SAD apropriados para análise e modelagem
com ferramentas de Pesquisa Operacional,
Estatística , Decisão Multicritério,
dentre
outras.
Solução e aprendizado
SAD dedicados a análise e modelagem, com
aplicativos
de
Pesquisa
Operacional,
Estatística , Decisão Multicritério, Realidade
Virtual, dentre outras.
Fonte: (YU et al., 2011) adaptado
50
À medida que o tempo passa, mais valor tem sido dado à informação. Para
Davenport e Harris (2007), a importância das informações disponíveis nas
empresas é cada vez mais percebida pelos executivos. Segundo ele, durante a
década passada, várias organizações entenderam que a informação é “um de
seus mais críticos recursos, sendo que o grande acesso, a utilização e o
aumento de sua qualidade são a chave para aumentar o desempenho do
negócio".
2.3.4 Limitações e vieses
Mesmo que os computadores estejam presentes nos vários momentos da
atividade de um decision maker, é preciso lembrar que as decisões são
tomadas por indivíduos. Não se pode delegar às máquinas tarefa que é
inerentemente humana. O reconhecimento desse simples fatos e suas
consequências tem produzido pesquisas sobre os vieses de julgamento.
Autores como Herbet Simon, Prêmio Nobel de Ciências Econômicas de 1978,
tornou popular a noção de que a sociedade, os negócios e as percepções a
respeito de vários assuntos são muito complexos, enquanto que o cérebro de
qualquer indivíduo e sua capacidade de processamento de informações são
muito limitados. Com as percepções limitadas, os atos decisórios são
submetidos a irremediáveis vieses. Essa perspectiva gerou vasta literatura
sobre os vieses de julgamento a que todos os líderes estão sujeito, pelo
simples fatos de pertencerem à raça humana (MINTZBERG et al., 2007).
Não é escopo deste trabalho aprofundar o debate sobre os vieses de
julgamento. No entanto, a literatura de pesquisa sobre o assunto precisa ser
considerada para avaliação dos limites das opções metodológicas e
tecnológicas. Esta questão será retomada no Capítulo 3 (Métodos).
Trabalhos como o de Daniel Kahneman, laureado com o Prêmio Nobel de
Economia em 2002 e autor da chamada Teoria da Perspectiva, não podem ser
ignorados dentro do tema Tomada de Decisão.. A junção entre a Economia e a
51
Psicologia produziram estudos relevantes para a compreensão do poder de
influência dos vieses sobre a tomada de decisão (MINTZBERG et al., 2007).
Quadro 9: Informações sobre vieses na tomada de decisão
Tipo de viés
Descrição
Busca de evidência de apoio
Disposição para colher fatos que levam a certas conclusões e
desprezar outros fatos que as ameaçam
Incoerência
Incapacidade de aplicar os mesmos critérios de decisão em situações
semelhantes
Conservadorismo
Incapacidade de mudar (ou mudar lentamente) a percepção à luz de
novas informações e evidências
Recentidade
Os eventos mais recentes dominam os menos recentes , que recebem
menos importância ou são ignorados.
Disponibilidade
Basear-se em eventos específicos facilmente lembrados, excluindo-se
outras informações pertinentes.
Ancoragem
As previsões são indevidamente influenciadas por informações iniciais
que recebem mais peso no processo de previsão
Correlações ilusórias
A crença de que os padrões são evidentes e/ou duas variáveis estão
relacionadas por causalidade, quando não estão.
Percepção seletiva
Aumentos persistentes [em algum fenômeno] podem-se dever a
razões aleatórias, as quais, caso sejam verdadeiras, iriam elevar à
probabilidade de um decréscimo subsequente. Por outro lado,
decréscimos
persistentes podem elevar
as
probabilidades de
aumentos subsequentes.
Efeitos de regressão
Aumentos persistentes em algum fenômeno podem ser devido a
razões aleatórias. Caso sejam verdadeiras, eles podem elevar a
probabilidade de um decréscimo subsequente. Por outro lado,
decréscimos persistentes podem elevar a probabilidade de aumentos
subsequentes
Atribuição de sucesso e
O sucesso é atribuído às aptidões da pessoa e o fracasso à má sorte
fracos
ou ao erro de outra. Isso inibe o aprendizado, pois não permite o
reconhecimento dos próprios erros.
Otimismo injustificado
As preferências das pessoas por resultados futuros afetam suas
previsões a respeito deles.
Subestimar a incerteza
Otimismo em excesso, correlação ilusória e a necessidade de reduzir
a ansiedade resultam em subestimar a incerteza futura.
Fonte: Makridakis (apud Mintzberg, 2007)
52
Vasta pesquisa sobre as predisposições de julgamento tem sido feito por
autores da Escola Cognitiva. Alguns importantes resultados foram relacionados
por Makridakis (apud Mintzberg et al., 2007) no Quadro 9, em que se faz a
descrição da tendência associada aos tipos de vieses discriminados em vários
estudos.
Segundo Makridakis (apud Mintzberg et al., 2007), algumas afirmações dentro
da cultura são divulgadas como verdadeiras. Acredita-se, por exemplo, que
quanto mais informações se recolhem sobre um determinado tema, mais
precisas serão as decisões relacionadas ao assunto. No entanto, as evidências
empíricas não confirmam essa crendice. O maior número de informações
coletadas apenas têm influência psicológica nos tomadores de decisão. Eles se
sentem mais confiantes de que estão no caminho certo, sem que isso melhore
necessariamente a precisão das decisões. Um análise mais criteriosa sobre um
grande número de informações coletadas mostra que em geral são
redundantes e agregam pouco valor adicional ao resultado, conforme
o
Quadro 9.
Laudon e Laudon (2010) defendem que uma das principais contribuições dos
Sistemas de Informação é a melhoria da tomada de decisão, tanto para
indivíduos como para grupos. Esse incremento na qualidade do processo
decisório. Na definição dos autores, uma tomada de decisão melhor “refletiria
de maneira mais precisa os dados do mundo real”.
Um dos parâmetros alegados para o uso dos recursos computacionais é o
aumento da velocidade para tomar a decisão. No entanto, não é possível se
ater somente a esse indicador. Existem muitas dimensões no processo
decisório que devem ser consideradas, como a precisão, abrangência,
imparcialidade coerência, dentre outros. No mundo corporativo, a crença na
vantagem competitiva oferecida por esses recursos traduz-se no uso dos
Sistemas de Informações Gerenciais (SIG) e Sistemas de Apoio à Decisão
(SAD). O primeiro deles se refere basicamente a problemas estruturados. Já o
53
segundo, tem como objetivo facilitar a solução de questões não estruturadas ou
semiestruturadas (LAUDON; LAUDON, 2010).
Estudo conduzido por Harbridge House, em Boston, com cerca de 6.500
gerentes e 100 empresas, traz informações estatísticas sobre a tomada de
decisão e sua importância percebida dentro das organizações. A prática mais
importante, considerada pelos avaliadores, foi “tomar decisões claras e
definitivas quando necessário”. A segunda prática mais destacada foi “chegar
ao cerne do problema em vez de lidar com questões menos importantes”.
(HUBER, 2003)
Os SIG têm a função de apoiar os gerentes no monitoramento e controle de
suas atividades de negócios cotidianas. Em geral, fornecem relatórios
padronizados, emitidos periodicamente, utilizando dados extraídos dos
sistemas adjacentes usados na empresa. É mais comum que venham de
Sistemas de Processamento de Transações (SPT) (LAUDON; LAUDON, 2010).
Segundo Laudon e Laudon (2010), os SAD clássicos, traziam embutidos
modelamentos. Por utilizar uma “teoria”, apresentavam uma limitação inicial.
Caso os dados não tivessem suporte do modelo, o resultado obtido na saída
poderia não ter significado nem coerência. Um dos grandes avanços da nova
geração de ferramentas SAD é sua orientação para dados (data mining), que
trazem a capacidade de analisar grandes volumes de dados provenientes das
bases corporativas. Aplicações de Inteligência Empresarial permitem extrair
significados muitas vezes ocultos por baixo dos bytes armazenados.
Os dois tipos de soluções têm a ver, sob a perspectiva da tecnologia de banco
de dados, com os tipos de plataformas de processamento: OLTP (Online
Transaction Processing) e OLAP (Online Analytical Processing), usados pela
empresas em suas soluções de negócio, conforme é mostrado no Quadro 10:
54
Quadro 10: Sistemas analíticos e transacionais
Fonte: CANALTECH (2015).
O esforço para identificar de que modo as decisões não estruturadas
acontecem em uma empresa tem sido feito por pesquisadores como Mintzberg
et al. (1976). O objetivo desses estudos foi expor a possível lógica de
desenvolvimento do processo decisório, mesmo quando não se tem a
consciência de sua configuração inicial. Os pesquisadores identificaram três
55
fases do processo de decisão, consideradas fundamentais: identificação,
desenvolvimento e seleção.
Essas fases seriam permeadas por conjuntos de rotinas de suporte: controle,
comunicação e política. Essas rotinas podem estar presentes ou não. Segundo
os pesquisadores, mesmo que não estejam explícitas, elas são essenciais para
o planejamento do processo decisório. Definem-se, por exemplo, estrutura e
recursos necessários para o desenvolvimento da solução, assumindo em seu
aspecto metalinguístico a decisão sobre o próprio processo decisório
(MINTZBERG et al., 1976).
Frente à complexidade desse processo, uma das opções para mitigar os riscos
envolvidos entre os executivos e gestores empresariais tem sido usar
ferramentas analíticas como apoio à tomada de decisões. Conceitos
desenvolvido por autores como Hammond et al. (2006) apresentam soluções
administrativas e ferramentais para a solução de questões da gerência e da
alta administração. Dois sistemas são comumente utilizados, com funções
específicas: o SAE (Sistema de Apoio ao Executivo) e o SAD (Sistema de
Apoio à Decisão), conforme mostrados no Quadro 11:
Uma parcela significativa dos executivos vê os Sistemas de Informação SAD,
SGI e SAE como um possível recurso para minimizar riscos na tomada de
decisão. Segundo Turban (2006), o método da tentativa e erro para a solução
de problemas corporativos tornou-se muito caro. Mitigar riscos é somente um
aspecto do problema. Há várias razões que justificam a adoção de Sistema de
Informação, mostradas no Quadro 12:
56
Quadro 11: Diferenciais entre SAE e SAD
Fonte: Canaltech
57
Quadro 12: Razões para adoção de SI
Muitas
O número de alternativas a serem consideradas aumenta com
alternativas
frequência cada vez maior, decorrentes das inovações tecnológicas,
maior fluxo de comunicação, desenvolvimento de mercados globais e
a popularização do uso da internet. A chave para uma boa decisão é
explorar e comparar muitas alternativas relevantes. Quanto mais
alternativas, mais pesquisas auxiliadas por computador e
comparações são necessárias.
Pressão do
Um número cada vez maior de decisões precisa ser tomado sob
tempo
pressão do tempo. Mesmo em tempo real, frequentemente não é
possível processar manualmente as informações necessárias de Uma
maneira suficientemente rápida para que elas sejam efetivas.
Flutuações e
Devido a um numero cada vez maior de flutuações e incertezas no
incertezas
ambiente de decisão, às vezes é necessário conduzir uma análise
sofisticada a fim de tomar uma boa decisão. Essa análise geralmente
requer o uso de um modelo matemático. Processa o modelo
manualmente leva muito tempo.
Custos para
Frequentemente é necessário acessar rapidamente informações
obter as
remotas, fazer consultas com especialistas, agendar uma sessão de
informações
tomada decisão em grupo, tudo com o menor custo ou sem gera
despesas.
Distância
Tomadores de decisão podem estar em diferentes localizações, assim
onerosa
como as informações. Agrupar tudo de uma forma rápida e barata
pode ser uma tarefa complexa.
Cenários
A tomada de decisão frequentemente exige que uma organização
complexos
conduza uma previsão de preços, com informações sobre sua
participação no mercado e outras métricas. Previsões confiáveis
requerem ferramentas analíticas e estatísticas.
Necessidade
A tomada de decisão requer dados. A quantidade de dados é grande e
de dados
cresce continuamente. Geralmente têm múltipla origem e estão
confiáveis e
localizados em várias fontes. Precisam ser integrados a partir dessa
integrados
origem e interpretados.
Fonte: Turban et al. (2006) adaptado.
58
3. MÉTODO
Este capítulo apresenta conceitos, definições e procedimentos metodológicos
adotados por esta pesquisa, escolhidos em função dos objetivos a que o
estudo se propõe, apresentados no Capítulo 1.
Durante a explanação das opções surgidas durante a pesquisa e as escolhas
feitas por este pesquisador, será usado o seguinte esquema: Definição do
Modelo Conceitual (a partir de definições metodológicas de determinados
autores) e definição dos procedimentos operacionais, procedimento de campo
e procedimento para o tratamento dos dados coletados. Finalmente,
caracterizam-se os procedimentos para a análise dos resultados.
3.1. Natureza e método de estudo
Para
responder
à
questão
de
pesquisa
levantada
no
Capítulo 1, diante das opções oferecidas pelo contexto e pelos caminhos
metodológicos sugeridos pela literatura, foram tomadas decisões que
terminaram por configurar a identidade deste trabalho.
Seguindo a classificação proposta no livro de Selltiz et al. (1987), também
adotada por autores como Marconi e Lakatos (2004) e Gil (2002), este trabalho
ganhou as características de uma pesquisa exploratória qualitativa. Dentre as
diversas opções oferecidas a partir da abordagem qualitativa, a pesquisa
bibliográfica e o contato com consultores do mercado terminaram por definir a
identidade mais específica deste trabalho: um estudo de múltiplos casos com
empresas brasileiras de três setores diferentes, cada uma delas em seu
estágio particular de maturidade de Governança de Dados.
Emergiu, desse modo, o modelo de análise a ser descrito nos próximos
parágrafos, no qual estão definidas as categorias de análise, a serem
59
exploradas em profundidade por meio de método qualitativo de estudo de
múltiplos casos.
Ainda dentro da classificação proposta por Selltiz et al. (1987), esta dissertação
pode ser considerada também um estudo de campo, atendendo às
propostas de um mestrado profissional, uma vez que suas conclusões não são
frutos apenas da teoria ou da mera aplicação de modelos, mas oriundas da
prática viva de organizações importantes e atuantes no atual cenário brasileiro
de negócios. Serão discutidas, mais adiante, suas limitações e também
sugeridos caminhos para futuros pesquisadores interessados no tema.
3.2 Delimitação da pesquisa
Segundo Godoi (2006), a pesquisa baseada em estudo de casos pode ser
elaborada a partir de diferentes perspectivas. Neste trabalho, o recurso
promovido pelo método permite entender como empresas diferentes, com
modelos corporativos de negócios específicos, em diferentes estágios de
maturidades da Governança de Dados, percebem o papel de suas próprias
bases de informações, dentro de suas estruturas de trabalho (operacionais,
táticas e estratégicas).
Mais
do
que
apenas
uma
descrição
do
processo
instaurado
de
Gestão de Dados, este estudo permite avaliar e comparar a percepções que as
organizações têm de suas Governanças de Dados, tendo como referência
frameworks praticados no mercado. Dessa forma, as conclusões da pesquisa
podem servir como fonte para um benchmarking futuro a ser desenvolvido por
pesquisadores interessados no tema.
Cada um dos frameworks contemplados pela literatura trabalha com pontos de
vistas e definições particulares, como se viu no Capítulo 2. Há intercessões
entre eles e também discordâncias, uma vez que se baseiam em perspectivas
60
diferentes. Frente às diversas definições de Governança de Dados existentes
na literatura, foi preciso optar por uma delas neste estudo, por motivo de
coerência e de coesão. Sem nenhum julgamento de valor com relação aos
demais frameworks, considera-se nesta pesquisa a definição de Governança
de Dados consolidada do DMBoK:
“Governança de Dados é o exercício de autoridade e controle (planejamento,
monitoramento, e execução) sobre o gerenciamento de ativos de dados. A
função de governança de dados guia como todas as outras funções da gestão
de dados são realizadas. Governança de dados é de alto nível, ou seja, é
gestão estratégica de dados na esfera executiva (MOSLEY et al., 2009, p.32)
É preciso pontuar que pesquisas exploratórias relacionadas à Tecnologia da
Informação, dentro da perspectiva qualitativa, usam o estudo de casos como
método
para
aprofundar
o
conhecimento
sobre
os
fenômenos
(ORLIKOWSKI;BAROUDI, 1991). As peculiaridades do método – e sua
contribuição para uma maior qualidade do trabalho científico – são nuançadas
por Eisenhardt (1989), que aponta a validação interna, quando se verifica
convergência entre as teorias existentes e as teorias construídas (modelos de
análises). Para a autora, isso proporciona evidências do poder explicativo
destas últimas.
Cabe ressaltar, dentro da lógica de replicação permitida pelo estudo de
multicasos, a realização de experimentos múltiplos feita neste trabalho, bem
diferente da amostragem feita por pesquisas de natureza quantitativa (YIN,
2010).
A seleção dos casos foi feita dentro do universo corporativo empresarial
brasileiro, não de maneira aleatória, mas procurando experiências de
Governança de Dados diferenciadas. Não se teve a intenção de prever
resultados semelhantes, a partir de uma replicação literal. Do ponto de vista de
Yin (2010), a pesquisa trouxe resultados contrastantes, partindo da replicação
teórica de um modelo conceitual (a ser descrito no subcapítulo 3.3).
61
O método escolhido tem sua força e limitações. Apesar de não ser possível a
generalização estatística inerente às investigações de natureza quantitativa,
uma vez que os casos escolhidos não são unidades de amostragem, pode ser
de grande utilidade para pesquisadores acadêmicos e gestores do mercado
compreender com profundidade a relação existente entre o nível de
Governança de Dados e a Tomada de Decisão em empresas reais dentro do
contexto do mercado brasileiro.
Com base nos recursos promovidos pelo método de estudo de casos múltiplos,
considerou-se para este estudo como unidade de análise o departamento ou a
área das empresas responsáveis diretamente pela Governança de Dados ou
gestão de Dados. Em algumas companhias, essa função é exercida pelo
departamento de Tecnologia da Informação (TI), pois historicamente tem sido a
equipe que lida o armazenamento, segurança e processamento dos dados,
entre outras funções. Em um número mais reduzido de empresas – pois se
trata de uma tendência moderna – essa função é exercida por um
Departamento de Dados, que trabalha colaborativamente com a área de TI,
mas que não necessariamente se reporta a ela.
Conforme sugere Yin (2010), a validade deste estudo, dentro de uma
abordagem qualitativa, restringe-se aos próprios casos contemplados, não
permitindo generalizações a partir de suas conclusões. Uma das possibilidades
de aproveitamento do trabalho, ressaltando-se o seu caráter exploratório, é
apontar e abrir caminhos para investigações mais amplas e inspirar novas
pesquisas, tanto qualitativas quanto quantitativas.
3.3 Modelo conceitual
Neste trabalho, foi utilizado o modelo da gestão de TI que vem da literatura
sobre Sistemas de Informação (SI): o Task-Technology Fit (TTF) ou Ajuste
Tecnologia-Tarefa. Ele fornece a base teórica para explorar os fatores que
explicam os impactos da Governança de Dados sobre a tomada de decisão
62
nos níveis gerencial e estratégico. A interpretação do impacto da tecnologia
durante sua utilização na prática pode ser feita tendo como base o modelo
apresentado e discutido por Goodhue e Thompson (1995).
Para que o modelo tenha sentido para resolver a questão-problema proposta
neste trabalho, foram feitas alterações necessárias, baseadas no paralelismo
estrutural entre os problemas geralmente analisados nas pesquisas de TI e
aqueles contemplados por uma visão mais baseada em Gestão e Governança
de Dados. Dentro do escopo deste trabalho e de um estudo de casos, essa
avaliação é aquela percebida pelos declarantes da pesquisa qualitativa, feita a
partir da avaliação de profissionais envolvidos tático e estrategicamente na
implementação das diretrizes de dados e informações de suas respectivas
empresas.
Em linhas gerais, a proposta de Goodhue e Thompson (1995) traz um modelo
abstrato em que as tarefas (tasks) são definidas como ações executadas por
indivíduos que transformam 'entradas' (inputs) em 'saídas' (outputs), tendo
como referência as soluções tecnológicas, definida como sendo “as
ferramentas usadas por indivíduos para desenvolver suas tarefas e trabalhos”.
O alinhamento tecnologia-tarefa é definido como “o grau em que a tecnologia
se torna performática em relação às respectivas tarefas”. Esses construtos,
combinados com o fato de o indivíduo utilizar soluções tecnológicas para
resolver seus problemas, determinam o impacto sobre o desempenho
percebido.
Para aplicação nesta pesquisa, foi feito um paralelo entre o modelo conceitual
TTF e aqueles usados pela literatura de Governança de Dados e de Tomada
de Decisão. O paralelismo, num plano mais abstrato, se revelou capaz de
interpretar os fenômenos propostos na questão da pesquisa e também no
objetivo geral e específico deste estudo, conforme a proposta de Goodhue e
Thompson (1995).
63
Partiu-se do modelo TTF, esquematizado na Figura 10:
Figura 10: Modelo original Task-Technology Fit (TTF)
Fonte: Goodhue e Thompson (1995)
3.4 Proposições deste estudo
Tomando a proposta do modelo de Goodue e Thompson (1995), alinhados com
os conceitos dos autores Caoa et al. (2013), Mosley et al.(2009) e Mintzberg et
al. (1976), chegou-se, por paralelismo, ao modelo conceitual usado nesta
pesquisa, esquematizado pela Figura 11:
O modelo conceitual proposto tem suas vantagens e limitações. As vantagens
estão em se apoiar em resultados históricos da literatura científica produzida
sobre os temas relacionados à Tecnologia da Informação. Essas pesquisas,
em geral com características qualitativas, confirmam a robustez da matriz
teórica então adotada. As limitações dizem respeito principalmente aos
processos de tomada de decisão empresarial. Conforme se mostrou no
64
Capítulo 2, existe um leque de decisões que prescindem da utilização de uma
análise de uma massa crítica de dados para uma tomada de decisão acertada
(YU et al., 2011).
Figura 11: Modelo conceitual desta pesquisa
Fonte: Autor desta pesquisa, baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
Para este estudo, foram considerados prioritariamente os tipos de decisões que
podem ser afetados pelo acesso a dados de melhor qualidade. Como já foi
visto no Referencial Teórico, não é sempre possível nem recomendável ao
tomador de decisões ter acesso ao total de informações que ele supõe
necessárias e nem saber todas as possibilidades de sua ação dentro do
processo decisório, principalmente quando se refere a questões estratégicas.
Também não se consegue antever a medida exata das consequências de cada
opção que tem à mão, seja pela impossibilidade física e temporal, seja pelos
custos envolvidos em um processo dessa natureza. Dessa forma, tendo em
conta o conceito da racionalidade limitada, serão consideradas nas respostas
dos entrevistados as tomadas de decisão que podem ser influenciadas pelo
acesso a dados de melhor qualidade (YU et al., 2011).
Com a finalidade de ir a campo com uma teoria, como a concebe Yin (2010), foi
criado um modelo de análise baseado na revisão de literatura, identificando
analogias entre dois modelos iniciais, oriundos da Governança de Dados
(gestão de dados e suas respectivas dimensões) e a Tomada de Decisão (nos
65
níveis tático-operacionais e estratégicos). Para este estudo, consideram-se, a
partir do modelo proposto, as seguintes proposições:
3.4.1 Proposição 1:
O alinhamento da Governança de Dados com a Tomada de Decisão será
afetado pelas características da Demanda por Decisão e/ou pelo nível de
maturidade
da
Governança
de
Dados,
conforme
a
Figura
12:
Figura 12: Proposição 1
Fonte: Elaborado pelo autor, baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
3.4.2 Proposição 2:
A Tomada de Decisão Gerencial ou Estratégica influenciará positivamente ou
negativamente o desempenho percebido da Governança de Dados, ou seja,
impactará na maneira como os gestores percebem a possibilidade de tomar
melhores decisões tendo como base as informações processadas pelos
Sistemas de Informação a que tem acesso. Esses argumentos estão
representados esquematicamente na Figura 13:
66
Figura 13: Proposição 2
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995)
3.4.3 Proposição 3:
O Alinhamento entre a Tomada de Decisão e a Governança de Dados
influenciará positivamente (ou negativamente) o desempenho da Tomada de
Decisão por gerentes e executivos, dedicados respectivamente a tarefas táticooperacionais e estratégicas, conforme o esquema da Figura 14:
Figura 14: Proposição 3
Fonte: Autor baseado em Caoa et al. (2013), Mosley et al.(2009), Mintzberg et
al. (1976) e Goodhue e Thompson (1995).
67
3.5 Procedimentos metodológicos
Dentro do método de estudo de multicasos adotado neste trabalho,
foram feitos o desenvolvimento da Teoria e a formulação das proposições,
seguindo recomendações de Yin (2010). Com o objetivo de garantir a
qualidade do estudo foram também consideradas a validade do construto e
suas validades interna e externa; Também foi auferida sua confiabilidade,
principalmente pela pesquisa bibliográfica, em que são mostrados vários
estudos que aplicam o modelo Task-Technology Fit (TTF).
A delimitação desta pesquisa, como relacionada anteriormente, tem relação
com o próprio conceito de tomada decisão baseada em dados. Toma-se neste
trabalho apenas uma dessas dimensões, para objeto de análise, a saber os
processos decisórios que usam os dados de um Sistema de Informação para
sua realização (YU et al., 2011;GOMES et al., 2009; MINTZBERG et al., 2007;
HAMMOND; KEENEY,1999).
Do ponto de vista do método, seguindo as recomendações de Yin (2010) para
o estudo de múltiplos casos, foram adotadas as seguintes fases durante a
pesquisa: Planejamento, Projeto, Preparação, Coleta, Análise e Publicação
(que coincide com a defesa da qualificação).
Segundo o mesmo autor, o estudo de caso se apresenta como estratégia
preferida quando se colocam questões do tipo “como” e “por que”. Também é
recomendado para situações em que o pesquisador tem pouco ou nenhum
controle sobre os eventos. Outra recomendação de Yin (2010) diz respeito a
fenômenos contemporâneos inseridos em contextos da vida real. Como se
pode constatar, este estudo tem todas as características apontadas acima.
3.6 Seleção das empresas participantes e entrevistados
Foram feitas entrevistas com os líderes dos departamentos envolvidos com a
Governança ou Gestão de dados dentro da organização. Os casos
68
selecionados levaram em conta sua atuação com líder da unidade de análise (o
departamento de dados) da empresa em questão, bem como sua capacidade
de avaliação estratégica, tática e operacional dos Sistemas de Informação (SI)
da empresa e do segmento em que atua.
Foram destacadas três empresas brasileiras, escolhidas neste estudo por sua
importância no cenário empresarial brasileiro e por suas iniciativas na gestão
de TI e Dados. Dentro da vocação da pesquisa qualitativa, não se pretendeu,
na ida ao campo, ter um design definitivo para as entrevistas, com começo,
meio e fim (PATON, 1990). Foi feito um roteiro semiestruturado, por meio do
qual foram conduzidas as entrevistas, que pode ser visto no item 3.7 deste
capítulo.
O roteiro não se propôs a aplicar uma forma rígida à entrevista. As perguntas
foram feitas tendo como norteadores os temas definidos, com o objetivo de
aplicar as proposições definidas neste estudo. Foram definidos e executados,
dentro do projeto de pesquisa, todas as etapas e protocolos da pesquisa de
campo definida anteriormente, conforme aconselhado por Yin (2010).
As empresas eleitas para estudo não são concorrentes diretas e pertencem a
segmentos de atuação diferentes. Para caracterizá-las dentro deste estudo e
salvaguardar o acordo de confidencialidade e anonimato feito com os
entrevistados, segue breve descrição de cada uma delas:
a) Empresa A: birô de crédito com atuação no segmento de informações.
b) Empresa B: instituição do segmento financeiro-bancário.
c) Empresa C: atua na área de logística.
Com o objetivo de ter parâmetros de mercado e opiniões avalizadas das
práticas de mercado, também foram entrevistados dois consultores com vasta
experiência na área de Governança e Gestão de Dados. A participação deles
se mostrou relevante e diferencial para o estudo, uma vez que se trata de uma
área ainda em desenvolvimento no Brasil e com rarefeita literatura
sobre o tema. Os dois consultores foram escolhidos pelo conhecimento prático
69
na área, tendo um deles experiência internacional, necessária para comparar a
realidade corporativa na área de data management em outros países e no
Brasil.
A ida a campo foi realizada por meio de entrevistas, pré-agendadas com
gestores de departamentos das empresas relacionadas. Todas possuíam
reconhecida estratégia de Governança ou Gestão de Dados delineada, com
práticas de Gestão de Dados reconhecidas pelo mercado. Para garantir uma
maior liberdade na avaliação técnica dos entrevistados, foi garantido sigilo das
informações e das pessoas envolvidas em todos os casos.
A coleta de dados foi feita por meio de gravação em arquivo de voz digital, feita
de forma presencial ou por meio de gravação telefônica (ou via Skype), por
meio do roteiro semiestruturado definido no item 3.7 deste capítulo com os
executivos responsáveis pela área de dados das respectivas corporações. As
três empresas, supostamente em diferentes estágios de maturidade na
Governança Dados (comprovado pela pesquisa posteriormente).
O período de coleta foi de aproximadamente dois meses, devido a fatores
como à dificuldade de agenda dos entrevistados. A abordagem foi feita por
pedido de entrevista diretamente com gestores. A empresa não foi informada
oficialmente sobre a entrevista e não se manifestou de maneira formal sobre as
entrevistas em nenhum momento, sendo dado aos entrevistados garantia de
sigilo da identidade corporativa e profissional. Os executivos responsáveis
pelas áreas de dados estavam em atuação nas respectivas empresas ou
estiveram em cargo de liderança na área de Governança/Gestão de Dados no
período de 6 a 18 meses que antecederam a entrevista, demonstrando
conhecimento e propriedade para avaliar o nível de maturidade dos processos
tecnológicos e de Tomada de Decisão das corporações em que atuavam.
70
3.7 Roteiro de entrevista usado para a coleta de dados
Segue no Quadro 13 roteiro de entrevista semiestruturada feita com os
executivos responsáveis pela área de dados das empresas A, B e C.
Os temas estão relacionados diretamente com as proposições feitas nos itens
3.4.1, 3.4.2 e 3.4.3. Alguns dos temas têm ligação com várias proposições. Nos
parágrafos seguintes, foram destacadas as principais aproximações.
Na Proposição 1, ao analisar como o alinhamento da Governança de Dados
com a Tomada de Decisão será afetado pelas características da Demanda por
Decisão e/ou pelo nível de maturidade da Governança de Dados, foram
enfocados os temas: a) Resultados da governança de dados na tomada de
decisão gerencial e b) Alinhamento entre governança de dados e o modelo de
negócio.
Na Proposição 2, ao analisar como a Tomada de Decisão Gerencial ou
Estratégica
influencia
positivamente ou
negativamente
o desempenho
percebido da Governança/Gestão de Dados, foram enfocados os temas: a)
Sistemas de Apoio à Decisão (SAD) e b) Influência dos dados na tomada de
decisão estratégica.
Na Proposição 3, ao analisar como o Alinhamento entre a Tomada de Decisão
e a Governança/Gestão de Dados influencia positivamente (ou negativamente)
o desempenho da Tomada de Decisão por gerentes e executivos foi enfocado
o tema: Papel dos dados e da Governança de Dados na corporação.
71
Quadro 13: Roteiro para as entrevistas
Conceitos/Construtos:
Fontes
Questão para o
entrevistado
TEMA: PAPEL DOS DADOS E DA GOVERNANÇA DE DADOS NA CORPORAÇÃO
Gestão de Dados
(TURBAN et al. 2010).(MOSLEY,
2009) (FISHER, 2009) (LAUDON;
LAUDON, 2004)(O´BRIEN;
MARAKAS, 2013).
Descreva a situação atual
da área de dados na
empresa e quais
departamentos que
gerenciam ou governam
os dados
Dados como ativos da
empresa
(TURBAN et al. 2010).(MOSLEY,
2009) (FISHER, 2009)(O´BRIEN;
MARAKAS, 2013).
De que maneira o modelo
de negócios praticado
inclui os dados da
empresa como recursos?
Dados como geradores de
receita para a empresa
(TURBAN et al. 2010). (MOSLEY,
2009) (AIKEN; GORMAN, 2013)
(FISHER, 2009) (DAVENPORT,
2013)
Como os dados, são
avaliados como
geradores de valor e
receita para a empresa?
Governança de dados
Como essa avaliação é
feita?
Recursos empregados em
Dados
(DAVENPORT, 2013) (FISHER,
2009)
Quantas pessoas
trabalham na área e
quais suas funções?
TEMA: IMPACTOS DA GOVERNANÇA DE DADOS NA TOMADA DE DECISÃO GERENCIAL
Participação das áreas na
Governança e gestão de
Dados
(AIKEN; GORMAN, 2013)
(DAVENPORT, 2013) (FISHER,
2009) (GOMES et al., 2009)
(LAUDON; LAUDON, 2004)
(MOSLEY, 2009) (O´BRIEN;
MARAKAS, 2013). (TURBAN et al.
2010). (YU et al., 2011)
Como é a participação
das outras áreas da
empresa na gestão /
Governança de Dados?
Decisão gerencial baseada
em dados
(TURBAN et al. 2010).(MOSLEY,
2009) (GOMES et al., 2009)
(TURBAN et al. 2010). (YU et al.,
2011) (O´BRIEN; MARAKAS, 2013).
Como a visão baseada
em dados influencia a
tomada de descisão
gerencial?
72
Conceitos/Construtos:
Fontes
Questão para o
entrevistado
TEMA: INFLUÊNCIA DOS DADOS NA TOMADA DE DECISÃO ESTRATÉGICA
Participação da Alta
administração na gestão /
Governança de Dados
(AIKEN; GORMAN, 2013)
(DAVENPORT, 2013)(FISHER,
2009) (YU et al., 2011) (GOMES et
al., 2009) (MINTZBERG et al.,
2007)(HAMMOND; KEENEY,1999).
Como o presidente e a
alta administração
participam da Política de
Dados?
Dados e informação
estratégicos para tomada de
decisão da alta
administração
(YU et al., 2011) (GOMES et al.,
2009) (MINTZBERG et al., 2007)
(HAMMOND; KEENEY,1999).
(TURBAN et al. 2010).(MOSLEY,
2009)
Como os demais
executivos usam os
dados para a tomada de
decisão?
SISTEMAS DE APOIO À DECISÃO (SAD)
Sistemas de suporte à
tomada de decisão
(SHIMIZU et al. , 2010).
(MINTZBERG et al., 2007).
(HAMMOND;
KEENEY,1999).(MOSLEY, 2009)
(TURBAN et al. 2010).
Quais sistemas de
dados que contribuem
para uma melhor tomada
de decisão na empresa?
Alinhamento dos Dados
com o modelo de negócio
(AIKEN; GORMAN, 2013)
(FISHER, 2009) (GOMES et al.,
2009) (LAUDON; LAUDON, 2004)
(MOSLEY, 2009) (TURBAN et al.
2010).(YU et al., 2011)
Como é o alinhamento da
Governança/gestão de
dados com modelo de
negócio da corporação?
Focos da Governança de
Dados e desafios
(MOSLEY, 2009) (O´BRIEN;
MARAKAS, 2013). (TURBAN et al.
2010).
Qual o foco da
Governança e gestão de
dados e quais são os
desafios para o futuro
ALINHAMENTO ENTRE GOVERNANÇA DE DADOS E O MODELO DE NEGÓCIO
Governança de Dados e sua
relação com modelo de
negócio ou práticas
empresariais
(DAVENPORT, 2013) (FISHER,
2009) (LAUDON; LAUDON, 2004)
(MOSLEY, 2009) (O´BRIEN;
(TURBAN et al. 2010). (YU et al.,
2011)
Fonte: Elaborado pelo autor.
Avalie o alinhamento
entre a Governança de
Dados com a tomada de
decisão de gerentes e
executivos.
73
4. APRESENTAÇÃO E ANÁLISE DOS RESULTADOS
4.1. Descrição das empresas entrevistadas
As empresas consultadas estão descritas genericamente abaixo:
EMPRESA A – Empresa do setor de informações de crédito.
EMPRESA B – Empresa do setor bancário/financeiro.
EMPRESA C – Empresa do setor de logística.
Foram relacionados no Quadro 14, os aspectos relevantes para a pesquisa,
relacionados à Gestão e Governança de Dados, informadas pela empresa por
meio de seus gestores ou informadas em relatórios ou informações de
mercado.
Quadro 14: Descrição das empresas entrevistadas
Tema /
EMPRESA A
Governança
Gestão de dados Centralizada
EMPRESA B
EMPRESA C
Gestão centralizada em
um departamento, mas
a gestão é
compartilhada com
outras áreas.
Atividade transversal e
diluída. O
desenvolvimento de
informação e dados foi
descentralizado para
cada uma das unidades
de negócio.
Officer Vice-presidente
de
Serviços
Assuntos
Corporativos
Principal
executivo
Superintendente de dados
Chief
(CDO)
Sistemas
baseados em
dados para a
tomada de
decisão
Três sistemas integrados
Sistemas autônomos
sem gestão central,
operados por cada área
de negócios,
Implantação de núcleo
de gestão de dados, na
área de governança .
Data
São usados data marts,
com informações
coletadas de ERP,
sistema de
atendimento,
rastreamento e triagem.
Esses subsistemas são
provedores de
informações um
dataware house maior.
74
Tema /
EMPRESA A
EMPRESA B
Governança
Mudanças
Estabelecimento de novas Mudanças nos sistema
recentes que
rotinas operacionais.
gerenciais
impactaram a
Governança e a
Gestão de dados
EMPRESA C
No ano de 2014, houve
uma reestruturação que
acabou incorporando
várias áreas sob a
direção da Vicepresidência de
Assuntos Corporativos,
inclui TI, engenharia,
segurança patrimonial,
segurança da
informação, dentre
outras. TI e dados
ficaram diluídos dentro
desse guarda-chuva.
Governança de
Dados
A atividade é realizada,
monitorada, medida e
avaliada
A atividade é realizada
de maneira constante
e consistente
A atividade é realizada
de maneira
pulverizada
Certificação de
dados
Certificação internacional
em dados no nível 4 pela
DAMA- DMBOK
Nível 5 é o máximo
Não informado
Não tem certificação
em gestão ou
Governança de
Dados
Fonte: Autor (a partir das entrevistas realizadas)
4.2. Avaliação dos entrevistados do nível de maturidade das empresas
O questionário mostrado no Apêndice 2 foi enviado por e-mail, após as
entrevistas semiestruturadas com os entrevistados, para preenchimento online.
A partir das informações coletadas (inseridas no Apêndice 3), a percepção do
executivo de dados sobre a maturidade de sua Governança de Dados, avaliada
por intermédio do framework DMBoK (MOSLEY et al., 2009), chega-se à
seguinte avaliação:
75
4.2.1 Empresa A
Arquitetura de Dados
Desenvolvimento dos
Dados
A atividade é realizada
de maneira constante e
consistente
A atividade é realizada,
monitorada, medida e
avaliada
Operações de Dados
A atividade é realizada,
monitorada, medida e
avaliada
Gestão da Segurança
dos Dados
A atividade é realizada,
monitorada, medida e
avaliada
Como você avalia a
Gestão de Dados
Mestres e Dados de
Referência
A atividade é realizada
de maneira constante e
consistente
Gestão da
Documentação e
Conteúdo
A atividade é realizada
de maneira constante e
consistente
Gestão de Metadados
A atividade é realizada
de maneira constante e
consistente
A atividade é realizada
de maneira constante e
consistente
Gestão de Data
Warehousing e
Business Intelligence
Gestão da Qualidade
dos Dados
Possíveis dissonâncias
entre o planejado e o
entregue na
Governança de dados?
A atividade é realizada,
monitorada, medida e
avaliada
Arquitetura imprópria
Não envolvimento dos
demais departamentos
76
4.2.2 Empresa B
Arquitetura de Dados
A atividade é realizada,
monitorada, medida e
avaliada
Desenvolvimento dos
Dados
A atividade é realizada,
monitorada, medida e
avaliada
Operações de Dados
A atividade é realizada,
monitorada, medida e
avaliada
Gestão da Segurança
dos Dados
A atividade é realizada
de maneira incipiente
Como você avalia a
Gestão de Dados
Mestres e Dados de
Referência
A atividade é realizada,
monitorada, medida e
avaliada
Gestão da
Documentação e
Conteúdo
A atividade é realizada
de maneira incipiente
Gestão de Metadados
A atividade é realizada
de maneira incipiente
Gestão de Data
Warehousing e
Business Intelligence
A atividade é realizada
de maneira incipiente
Gestão da Qualidade
dos Dados
A atividade está em
desenvolvimento (não
entrou em produção)
Possíveis dissonâncias
entre o planejado e o
entregue na
Governança de dados?
Projeto lógico
insuficiente
Capacidade de venda
dos fornecedores acima
das especificadas
Arquitetura imprópria
77
4.2.3 Empresa C
Arquitetura de Dados
A atividade não é
realizada
Desenvolvimento dos
Dados
A atividade é realizada
de maneira incipiente
Operações de Dados
A atividade é realizada
de maneira constante e
consistente
Gestão da Segurança
dos Dados
A atividade é realizada
de maneira constante e
consistente
Como você avalia a
Gestão de Dados
Mestres e Dados de
Referência
A atividade é realizada
de maneira constante e
consistente
Gestão da
Documentação e
Conteúdo
A atividade é realizada
de maneira incipiente
Gestão de Metadados
A atividade é realizada
de maneira incipiente
Gestão de Data
Warehousing e
Business Intelligence
A atividade é realizada
de maneira constante e
consistente
Gestão da Qualidade
dos Dados
A atividade é realizada
de maneira constante e
consistente
Possíveis dissonâncias
entre o planejado e o
entregue na
Governança de dados?
Arquitetura imprópria
Falta de patrocínio
efetivo ao projeto
Não envolvimento dos
demais departamentos
Não envolvimento da
alta direção da empresa
78
4.3. Consolidação das respostas do questionário
Como foi estudado no Capítulo 2 (Referencial Teórico), os Sistemas de
Informação oferecem soluções para várias necessidades de informação
utilizadas durante a tomada de decisão, nos níveis operacional, gerencial e de
estratégico das organizações.
Dentro deste trabalho, foram consideradas as várias características que
envolvem o trabalho dos gestores. Embora existam problemas mais simples
que demandam a atenção dos gerentes e executivos, muitas tarefas precisam
levar em conta a complexidade da decisão (estruturada, semiestruturada ou
não estruturada). Mas, pela delimitação feita nesta pesquisa, é possível uma
caracterização mais simples, por exemplo, baseada apenas nas dimensões em
que os SI (SGI, SEA e SAD) são considerados relevantes para a redução do
tempo de tomada de decisão ou reconhecidos como essenciais para a
formação do julgamento do decisor (SHIMIZU et al., 2010).
As vantagens para este estudo têm relação com a comunicação com os
gestores e entrevistados durante o processo de coleta. Apesar de todos os
respondentes considerarem as questões a partir de interpretações pessoais (e
não a partir de definições teóricas), as respostas demonstraram que há um tipo
de “interpretação comum” entre os administradores.
Para a comunicação e resposta das questões, considerou-se que as tomadas
de decisão estratégicas são tidas como mais complexas e levam mais tempo
para ser resolvidas, o que nem sempre pode corresponder à realidade. Um
processo tático complexo pode levar muito tempo para ser resolvido e ter todas
suas decisões tomadas com rapidez. Dessa forma, neste estudo as decisões
tático-operacionais são consideradas, em geral, com sua resolução em menor
79
tempo e suas características menos complexas que as estratégicas, conforme
preveem autores como Shimizu et al. (2010).
No geral, decisões táticas e operacionais são tomadas mais rapidamente e são
consideradas bem resolvidas basicamente levando em conta critérios de tempo
e não as questões estruturais de cada problema. As limitações desta pesquisa,
portanto, têm relação com a reduzida capacidade do modelo de descrever cada
uma das questões do trabalho descrito pelos gestores. Mesmo um trabalho
operacional complexo pode demorar um tempo relativamente longo para ser
concluído (SHIMIZU et al., 2010).
Na verdade, como se verificou no Capítulo 2, os níveis de decisão dependem
dos tipos de problemas. Eles foram mapeados e classificados por Turban e
Aronson (1998), que fizeram um cruzamento entre o nível de decisão dos
problemas (estruturados, semiestruturados e não estruturados) com as
modalidades operacional, tática e estratégica.
Tendo como fonte as informações nos quadros dos itens 4.2.1, 4.2.2 e 4.2.3, foi
construído o heatmap (mapa de temperatura) para uma primeira avaliação da
percepção da maturidade da Governança de Dados a partir dos entrevistados,
principais gestores do processo de gestão de dados nos últimos dois anos.
Para a visualização da Maturidade da Governança de Dados, os dados da
pesquisa por questionário foram inseridos em um heatmap, mostrado no
Quadro 15, sendo considerados os seguintes valores e as seguintes cores para
seu design.
80
Quadro 15: Heatmap, espectro da maturidade de dados percebida
Resposta
Pontuação
A atividade é realizada,
monitorada, medida e avaliada
A atividade é realizada de
maneira constante e
consistente
A atividade é realizada de
maneira incipiente
A atividade está em
desenvolvimento (não entrou
em produção)
A atividade não é realizada
Cor
associada
Sinal
verdíssimo
Conceito
Associado
A Governança é excelente
Sinal verde
A Governança vai bem,
mas pode melhorar
3
Estado de
atenção
Está no bom caminho, mas
precisa de ajustes
2
Alerta
1
Alerta
vermelho
5
4
Necessário mais velocidade e
investir mais no
desenvolvimento
Necessário investimento
urgente na área indicada
Fonte: Elaborado pelo autor baseado em Mosley et al.(2009).
A partir desses critérios, chegou-se ao seguinte Heatmap (mapa de
temperatura) da Maturidade em Dados das empresas pesquisadas (Quadro
16):
81
Quadro 16: HEATMAP – ESPECTRO DA MATURIDADE DE DADOS PERCEBIDA
Gestões
Empresas
A
B
C
1 -gestão da Arquitetura de
Dados
4
5
1
2- A gestão do Desenvolvimento
dos Dados
5
5
3
3- A gestão de Operações de
Dados
5
5
4
4- A gestão da Segurança dos
Dados
5
3
4
5- gestão de dados Mestres e
Dados de Referência
4
5
4
6- gestão da Documentação e
Conteúdo
4
3
3
7- A gestão de Metadados
4
3
3
8- gestão de Data Warehousing e
Business Intelligence
4
3
4
9- A gestão da Qualidade dos
Dados
5
2
4
4,4
3,7
3,3
Arquitetura
imprópria
Arquitetura
imprópria
Arquitetura
imprópria
Não envolvimento
dos demais
departamentos
Capacidade de
venda dos
fornecedores
acima das
especificadas
Falta de
patrocínio efetivo
ao projeto
10 - Governança de Dados
(Média das avaliações)
Possíveis dissonâncias entre o
planejado e o entregue na
Governança de dados
Projeto lógico
insuficiente
Não envolvimento
dos demais
departamentos
Não envolvimento
da alta direção da
empresa
82
4.4. Consolidação das respostas das entrevistas
Para ter parâmetros de mercado, numa abordagem coerente com a proposta
do Mestrado Profissional, foram entrevistados dois consultores, que avaliaram
algumas práticas de Gestão e Governança de Dados das empresas
entrevistadas, bem como as práticas usuais do mercado. Os consultores foram
entrevistados pessoalmente ou por telefone. Suas declarações foram gravadas,
transcritas e em seguida tabuladas no Quadro 17:
Quadro 17: Avaliação de consultores do mercado
RECOMENDAÇÕES
FONTES
CONCEITOS/
RECOMENDAÇÃO
DOS CONSULTORES
PRÁTICAS NOS
CASOS
ESTUDADOS
Equipes e comitês
devem ser designados
para aperfeiçoar a
Governança
constantemente
Formar comitês
multifuncionais e
colaborativos para
discutir, rever e aprovar
projetos relacionados a
dados e informações na
empresa.
- Boas práticas das
Empresas A e B
que mantêm
reunião de comitês
e participação de
outras áreas.
Qualidade dos dados é
imprescindível para a
Governança e uma de
suas metas.
Começar a
implementação da
Governança com o
objetivo de trazer
resultados concretos
para a melhoria da
qualidade dos dados
para a tomada de
decisão tática
Empresa A
CONSTRUTOS:
RECOMENDAÇÃO DA
LITERATURA
(KHATRI; BROWN,
2010)
(MOSLEY, 2009)
(FISHER, 2009)
(TURBAN et al.
2010).
(MOSLEY, 2009)
(FISHER, 2009)
(AIKEN; GORMAN,
2013)
(LAUDON; LAUDON,
2004)
RESULTADOS
PRÁTICOS PARA A
GERÊNCIA
(MINTZBERG et al.,
2007)
Fonte: Entrevista realizada
“As pessoas não
se engajam se não
vêm utilidade nas
implementações
feitas e melhoria na
qualidade das
informações”
83
RECOMENDAÇÕES
(MINTZBERG et al.,
2007)
O alinhamento entre o
modelo de negócio e a
Governança de Dados
promove qualidade de
dados
Investir em soluções
internas, promovidas
pela cultura da empresa
Empresa B
(FISHER, 2009)
CERTIFICAÇÃO
(AIKEN; GORMAN,
2013)
Empresa A obteve
certificação
internacional Nota
4/5.
(LAUDON; LAUDON,
2004)
Na melhoria contínua
do processo de
governança, é
recomendável certificar
suas práticas para
caminhar na direção
correta
“Não tentar reinventar a
roda. Aproveitar as boas
práticas do mercado e
buscar certificação de
colaboradores e
processos.”
(FISHER, 2009)
METAS
(AIKEN; GORMAN,
2013)
Ter metas claras e
definidas para cada
uma das funções da
gestão
Definir e medir metas de
qualidade dos dados e
seu impacto na tomada
de decisão e no custo de
cada atividade-chave
Empresa A – O
ROI dos dados e a
redução de custos
de processos.
(LAUDON; LAUDON,
2004)
- Projeto local
acontecia
independente do
mundial.
(AIKEN; GORMAN,
2013)
(LAUDON; LAUDON,
2004)
Fonte: Entrevista realizada
84
Quadro 18: Consultores recomendam o que deve ser evitado pelas empresas
O QUE EVITAR
FONTES
RECOMENDAÇÃO DA
LITERATURA
CONCEITOS/CONSTRUTOS:
PARECER DAS
CONSULTORIAS
Práticas a serem
evitadas nos casos
estudados
PRÁTICAS DAS
EMPRESAS
ESTUDADAS
(TURBAN et al.
2010).
Definir uma visão baseada
em dados e não em práticas
ou ativos de TI
A gestão de dados é
mais próxima do
modelo de negócio da
empresa. É preciso
evitar uma análise
pautada só em TI
quando se refere a
ativos de dados.
- Empresa C
passou de uma
visão baseada em
TI para uma visão
genérica baseada
serviços.
Redundância de dados no
processo de gestão deve ser
evitada
Sistemas com
redundância custam
caro e são pouco
operacionais. É
preciso eliminar as
redundâncias
- Desativação de
projetos
redundantes da
Empresa B
colaborou para
instaurar gestão
de Dados.
(MOSLEY,
2009)
(FISHER, 2009)
(AIKEN;
GORMAN,
2013)
(LAUDON;
LAUDON,
2004)
(TURBAN et al.
2010).
(MOSLEY,
2009)
(FISHER, 2009)
(AIKEN;
GORMAN,
2013)
- Empresa C não
tem consciência
de que seus
sistemas têm
dados
redundantes.
Essa não é uma
de suas atenções
(LAUDON;
LAUDON,
2004)”
Fonte: Entrevista realizada.
85
O QUE EVITAR
(FISHER, 2009)
(LAUDON;
LAUDON, 2004
SINERGIA Implantar
projeto que envolva
líderes de TI e da área
de negócios
(MOSLEY, 2009)
O investimento em
pessoas é
imprescindível. Capital
humano tem mais valor
que os ativos de TI.
- A saída de
profissionais e a
mudança de
configuração da
equipe atrasaram a
implantação da
Governança na
Empresa B.
- Empresa A perdeu
cerca de 20% dos
profissionais na
primeira fase.
Resolveu dar
incentivos e plano
de carreira.
(FISHER, 2009)
(AIKEN;
GORMAN, 2013)
(LAUDON;
LAUDON, 2004)
Ausência de metas
O que não dá para
medir não é
gerenciável
Ao deixar a medição dos
indicadores da Gestão
de Dados, perde-se
controle e cai o nível de
Governança.
Empresa B – Não
tem clareza a
respeito do retorno
sobre o investimento
feito em dados.
Empresa C não
sabe como
monetizar os dados
que possui em sua
base.
Fonte: Entrevista realizada.
4.6. Consolidação da análise das proposições
4.6.1. Proposição 1: confirmada nos casos A, B e C.
Pela Proposição 1, conforme mostrado na Figura 15, o alinhamento da
Governança de Dados com a Tomada de Decisão é afetado pelas
características da Demanda por Decisão e/ou pelo nível de maturidade da
Governança de Dados:
86
Figura 15: Proposição 1 do Modelo Conceitual
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
Ao submeter essa proposição à realidade dos casos coletados, ela se mostrou
verdadeira para cada uma das empresas analisadas:
Para a Empresa A, as altas demandas tático-estratégicas, aliadas a um alto
grau de maturidade da Governança de Dados (GD), promoveram uma
avaliação positiva do alinhamento entre GD e a Tomada de Decisão (TD)
(GD/TD). Essa configuração está representada esquematicamente pela Figura
16:
Nota: Dentro do subcapítulo 4.6, serão utilizadas as seguintes abreviações: GD para
Governança de Dados, TD para Tomada de Decisão e GD/TD para o alinhamento entre
a Governança de Dados e a Tomada de Decisão.
A utilização dos recursos fornecidos por uma GD eficiente e eficaz, do ponto de
vista do modelo de negócios, traduz a prática de tomar decisões auxiliadas
pelos SI (sejam eles SGI, SAD ou SAE). O impacto da GD foi bem avaliado
pelos gestores das demais unidades (no relato do próprio entrevistado da
Empresa A), gerando a percepção de que a TD ganha mais qualidade a partir
de informações consideradas confiáveis e geradas nos diversos Sistemas de
Informação que a empresa mantém. Essa avaliação é traduzida de forma
87
gráfica na Figura 16:
Figura 16: Aplicação da Proposição 1 à Empresa A
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
Já para a empresa B, a falta de demandas por decisões nas áreas estratégicas
faz com que os gestores não consigam ter uma avaliação com relação ao
alinhamento GD/TD. A TD no nível executivo não acontece. Por isso, a
percepção de que a TD possa melhorar a partir de informações mais confiáveis
vindas dos SI também não é percebida. Essa avaliação pode ser representada
esquematicamente pela Figura 17:
Figura 17: Aplicação da Proposição 1 à Empresa B
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013), Mosley et
al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
88
Ainda na Empresa B, no nível gerencial foi verificado uma legítima demanda
por decisões baseadas nos SI. Com uma percepção positiva da GD, o
alinhamento GD/TD é considerado positivo. As decisões tomadas a partir da
utilização frequente dos SGI foram consideradas positivas. Dessa forma, a
percepção de que uma produtividade de GD causa uma avaliação positiva do
aumento da qualidade das decisões tomadas a partir de dados confiáveis
oriundos dos SI também foi positiva, conforme é mostrado na Figura 18:
Para a Empresa C, também houve a confirmação da Proposição 1, com os
fatores operando de maneira negativa. No caso dessa empresa, a avaliação
dos sistemas puramente operacionais é considerada funcional e, portanto,
positiva. Apesar disso, não há uma percepção positiva da capacidade do SI
em oferecer soluções gerenciais e estratégicas de valor. A percepção de uma
dissonância geral na GD talvez tenha sido causada pela descentralização
aleatória da Governança/Gestão de Dados, que está atrelada a uma visão
antiga ligada como “serviço” ligado a TI, como mostra a Figura 19:
Figura 18: Aplicação da Proposição 1 à Empresa B
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
89
Figura 19: Aplicação da Proposição 1 à Empresa C
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
A Proposição 1 também se mostrou coerente em outros aspectos. Na Empresa
C, o alinhamento GD/TD não é considerado relevante para o negócio, não
havendo por isso um uso frequente nas áreas gerencial ou estratégica. Não há
possibilidade, portanto, de se desenvolver uma avaliação positiva sobre a
obtenção de melhores decisões tomadas a partir de Sistemas de Informações
disponíveis. Nessa configuração, a Proposição 1 também se mostra válida,
sendo indiferente a percepção da GD, conforme se mostra na Figura 20.
Figura 19: Percepção da Governança de Dados
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
90
4.6.2 Proposição 2: confirmada nos casos analisados
A Tomada de Decisão Gerencial ou Estratégica influenciará positivamente ou
negativamente o desempenho percebido da Governança/Gestão de Dados, ou
seja, impactará na maneira como os gestores percebem a possibilidade de
tomar melhores decisões tendo como base as informações processadas pelos
Sistemas de Informação a que tem acesso
Para a Empresa A, tanto no nível gerencial quanto no nível da Alta
Administração, a TD é executada e avaliada de maneira positiva. Essa
percepção faz com que todos os departamentos se comprometam com a
política de dados sugerida pela área de Governança de Dados. Não se trata de
uma imposição normativa, mas da consciência de que as regras e gramáticas
têm resultados práticos positivos, conforme se mostra na Figura 21:
Figura 20: TTF para a Empresa A
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013), Mosley et
al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
Para a Empresa B, a utilização dos SI é feita somente no nível gerencial. A
percepção de sua utilidade é positiva, conforme se mostra na Figura 22.
91
Figura 21 :TTF para a Empresa B
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013), Mosley et
al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
Como o nível estratégico não tem condições de usar ou experimentar as
vantagens de aplicações de SAE e SAD eficientes, as TDs que poderiam ser
classificadas nesse formato simplesmente não são feitas, conforme se mostra
na Figura 23.
Figura 22: TTF para o nível estratégico
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013), Mosley et
al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
OBSERVAÇÃO: Nem pelo questionário nem pelas entrevistas, não foi possível
se depreender a respeito das consequências de Tomadas de Decisão
negativas. No entanto, o histórico da instituição bancária em questão mostra a
92
perda de market share para seus concorrentes, com a retração de sua
atividade no país, o que pode ser um indicativo de que a tomada de decisão
estratégica possa ter sido impactada pela má qualidade dos dados,
decorrentes de uma Governança de Dados inadequada ou pouco eficiente. O
gestor responsável apontou que a instituição não tinha “capacidade para tomar
decisões baseadas em dados”. Segundo ele, as decisões executivas eram
pautadas principalmente na experiência e intuição das pessoas que
trabalhavam em seus quadros.
Para a Empresa C, tanto o nível gerencial quanto o nível da Alta Administração
tiveram uma avaliação negativa. A partir da percepção do seu gestor, “o
alinhamento muito tênue entre a Gestão de Dados e o modelo de negócios é
muito tênue”. O conceito de uma Governança de Dados é ainda uma incógnita.
Nas palavras do entrevistado, “não está previsto no modelo de negócio da
empresa aproveitamento do reconhecido potencial dos dados dos clientes”. A
TD é, portanto, executada e avaliada de maneira negativa. Essa percepção faz
com a melhoria de TD baseada nos SI disponíveis sejam vistos também de
forma negativa, conforme mostra a Figura 23:
Figura 23: TTF para a Empresa C
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
93
4.6.3 Proposição 3: confirmada nos casos analisados
A
avaliação
do
Alinhamento
entre
a
Tomada
de
Decisão
e
a
Governança/Gestão de Dados influenciará positivamente (ou negativamente) o
desempenho da Tomada de Decisão por gerentes e executivos, dedicados
respectivamente a tarefas tático-operacionais e estratégicas.
Figura 24: Pressuposição 3
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
Para a Empresa A, o alinhamento entre GD e TD se confirma pelo ajuste fino
entre o modelo de negócios e a Governança de Dados. Segundo as respostas
da entrevista, a política de dados está totalmente alinhada com o negócio da
empresas, sendo o dado “considerado como um dos principais ativos”,
juntamente com os recursos humanos e a tecnologia e dados, conforme se
mostra na Figura 25.
94
Figura 25: TTF para a Empresa A
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
Para a Empresa B, o ajuste entre GD e TD não se verificava em todos os
níveis, uma vez que a política de dados, segundo a percepção do próprio
executivo entrevistado, “não estava alinhada com a holding”. Segundo ele, o
Brasil mantinha uma postura independente, por causa das particularidades do
segmento financeiro-bancário do país. Não havia uma avaliação periódica da
eficiência da Governança de Dados, ocupando o seu CDO meramente um
cargo formal. Ainda segundo esse mesmo executivo, a Governança de Dados
“nasceu ligada ao dataware house”, mas aconteceram vários problemas para
que ela se difundisse pela empresa como um todo e fosse implementada de
forma centralizada, conforme se mostra a Figura 27:
Para a Empresa B, o alinhamento entre GD e TD não se verificava nos níveis
gerencial e estratégico de maneira total. Segundo seu gestor, o principal
desafio era “perceber o valor dos dados da empresa” e “tomar ações para
trazer vantagens competitivas para a empresa”. Os dados e sua Governança
estavam descolados das novas tendências do modelo de negócios, conforme
se mostra na Figura 28:
95
Figura 26: TTF da Empresa B
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
Figura 27: Esquema da Empresa B
Fonte: Elaborado pelo autor baseado em Caoa et al. (2013),
Mosley et al.(2009), Mintzberg et al. (1976) e Goodhue e Thompson (1995).
4.6.4 Análise geral da pesquisa
Com base na pesquisa realizada, é possível chegar a algumas conclusões a
respeito da Governança de Dados e sua relação com a tomada de decisão nos
níveis gerenciais e estratégicos:
96
Uma Governança de Dados com índice de maturidade baixo ou mediano (com
índice no heatmap inferior a 4, como nos casos das empresas B e C, não
favorece uma utilização de informações confiáveis (de qualidade) por parte dos
gerentes nem da alta administração.
Aplicações
pontuais
podem
funcionar
e
terem
utilidade
operacionais, mas sem um maior impacto na política de
nas
tarefas
dados de uma
empresa, pois seu valor não é percebido.
Uma Arquitetura imprópria (apontada por todas as empresas) tem se mostrado
como empecilho básico para o fornecimento de dados confiáveis, tanto para os
gerentes como para os executivos. No caso da Empresa C, que apontou a
ausência da implementação da gestão da Arquitetura de Dados, o impacto foi
decisivo para a avaliação do próprio processo de Governança de Dados como
um todo.
A percepção da Qualidade de Dados isoladamente pode trazer um viés para o
Gestor de Dados. Ela pode ser boa para alguns departamentos ou para o nível
tático, por exemplo, e mesmo assim não ter nenhum impacto significativo para
o negócio, no aspecto da tomada de decisão. É o caso da empresa C, em que
se mostra possível o acesso a dados estratégicos, mas os executivos não o
utilizam como deveriam. Em resumo, existe o recurso, mas ele é desperdiçado.
O não envolvimento dos demais departamentos foi considerado, tanto pela
empresa A como pela empresa C, como responsável por uma possível
dissonância entre o planejado e o entregue. Aqui é possível ver um desafio dos
programas de Governança de Dados ou projeto de implantação de Gestão de
Dados: é preciso considerar como prioridade o acesso facilitado ao usuário,
bem como o caráter amigável das aplicações e interfaces que as pessoas vão
usar. A entrega de dados brutos (como o informado pela Empresa B) não
agrega valor à informação, deixando na mão do cliente caracteres sem
significado para seu dia a dia e para o negócio. Não se torna uma equipe mais
competitiva assim.
97
Uma boa prática, retirada deste estudo, que pode ser recomendada
para outras empresas, é a promoção de reuniões periódicas com os
representantes dos Comitês de Dados.
98
5. CONCLUSÃO E CONSIDERAÇÕES FINAIS
Dentro do escopo de um trabalho qualitativo baseado em estudo de casos
múltiplos, o objetivo geral e os objetivos específicos da pesquisa foram
cumpridos. Por meio da investigação do mercado, sob a perspectiva do método
adotado, foi possível compreender como três grandes empresas atuantes no
Brasil implementaram suas Governanças de Dados e qual o impacto na
Tomada de Decisão, tanto no nível gerencial quanto no estratégico.
Como estudo exploratório, foi proveitoso ter mais informações sobre o mercado
corporativo brasileiro, no que se refere à Gestão de Dados. Existem aqui
empresas com elevado grau de maturidade em Governança de Dados,
conforme detectou esta pesquisa qualitativa. O caso da Empresa A demonstra
que as companhias do país têm condições de aplicar um framework de última
geração e alcançar alto padrão de desempenho por meio de seus resultados.
Embora não sejam possíveis generalizações dentro do estudo qualitativo, é
interessante ressaltar, pelos casos relatados e pela observação dos
consultores entrevistados, que as boas práticas, realizadas principalmente
pelas Empresas A e B, dão resultados tangíveis e intangíveis com relação à
Tomada de Decisão.
A Empresa C, embora não se configure um contraexemplo, pode servir para
uma reflexão: a adoção de uma Gestão de Dados descentralizada traz pouco
avanço para os tomadores de decisão mais estratégicos, mesmo quando os
sistemas mais operacionais parecem funcionar.
Para realmente ter impacto no processo decisório, os sistemas precisam gerar
conhecimento e não somente informação. O caso A (com mais ênfase) e o
caso B (com dificuldades na aplicação do recurso “Pessoas”) mostram que a
sinergia entre tecnologia, pessoas e processos é o segredo para a boa
performance na Governança de Dados corporativa.
99
Em plena era da Informação, as corporações estão tendo dificuldade em operar
de forma eficaz com seus ativos digitais. Não é um fenômeno apenas
brasileiro, como a pesquisa faz concluir. As soluções são possíveis, desde que
haja engajamento de todas as áreas da companhia e também da gerência e
alta administração.
A confirmação das proposições aqui estudadas pode trazer lições pragmáticas
para os gestores e profissionais do mercado. Dentro da proposta de um
mestrado profissional, terá pouca utilidade se as empresas interessadas em
aumentar a qualidade de seus dados não aplicarem alguns princípios,
extraídos da própria práxis.
Como alertam os consultores entrevistados, é de pouca valia “reinventar a
roda”. A lição que traz a Proposição 1 é de que a qualidade da Tomada de
Decisão
depende, em boa parte, do alinhamento entre a Governança de
Dados e as demanda por decisão. A Empresa A preparou-se com esforços
cotidianos para atender às perguntas mais estratégicas de seus gestores.
Colheu, portanto, os frutos do investimento feito. A Empresa B quis atender à
demanda, mas questões de Processos e Pessoas – observe-se que o
problema não é tecnológico – impediram um melhor rendimento. A Empresa C,
por ter sua política de dados descentralizada e baseada em serviços de TI, não
conseguiu nem perceber as demandas dos altos executivos e da gerência.
É interessante atentar para o que pode ser batizado de “círculo virtuoso” em
Governança de Dados. A Proposição 2 traz essa possibilidade. Com uma
Gestão de Dados alinhada com o modelo de negócio e com as demandas por
informação qualificada, a Tomada de Decisão (nos níveis gerencial e
estratégico) causa um impacto positivo no processo decisório como um todo. O
caso da Empresa A mostra essa realidade.
No entanto, levada em outro sentido, a Proposição 2 pode causar o “círculo
vicioso”. Sem alinhamento entre o modelo de negócio e as demandas por
100
informação qualificada, a Governança de Dados falha. O caso da Empresa B
traz uma reflexão: implementar apenas uma parte da Governança (e não
integrá-la e disseminá-la no todo da organização) não traz bons resultados.
Como o nível estratégico não teve condições de usar ou experimentar as
vantagens de aplicações mais sofisticadas de inteligência de negócios, as
possíveis Tomadas de Decisão baseada em dados foram
simplesmente
ignoradas. Já a Empresa C demonstra a inoperância de uma política de dados
descentralizada e sem foco.
A proposição 3 mostra como o alinhamento entre a Tomada de Decisão e a
Governança Dados influencia a qualidade das decisões tomadas, tanto no nível
gerencial quanto no estratégico. No sentido positivo (experimentado pela
Empresa A), leva ao engajamento ainda maior da alta administração.
Presidente, vice-presidentes e diretores passam a participar de um processo
decisório complexo em que são utilizados recursos disponíveis nos Sistemas
de Informação.
Do ponto de vista negativo (experimentado pela Empresa C em grande medida
e com impactos também desfavoráveis pela Empresa B), a percepção que se
propaga pela organização é de que os dados não têm qualidade ou que os
sistemas não funcionam, sejam eles de nível gerencial ou executivo.
Esta análise pode servir de reflexão para companhias que estejam em dúvida
em investir em Governança de Dados. Será preciso ser mais visionário e mais
rápido, antes que a concorrência o faça. Não é recomendável restringir as
vantagens de informações confiáveis apenas às áreas e tarefas táticooperacionais. O maior valor que se pode obter dos dados vem das aplicações
gerenciais
menos
automatizadas
e
daquelas
que
são
consideradas
estratégicas.
Também é uma boa prática incentivar e fomentar a criação de comitês
especializados em dados. A participação de outras áreas é imprescindível para
101
ir além do domínio da TI e alcançar uma perspectiva que agregue mais valor às
informações que são guardadas pela empresa.
Sem pretensão de generalização, as práticas da Empresa A e da Empresa B
apontam para um bom nível de maturidade na área de dados. A contratação de
uma auditoria independente pode dar lastro às atividades de Governança
Corporativa como um todo e agregar valor à companhia.
Fazendo um paralelo entre os dados quantitativos do referido estudo realizado
pela Dama-BR e FUMSOFT (2012) e os resultados deste trabalho qualitativo,
observa-se que a Empresa A pode ser incluída no grupo mais maduro das
corporações do país, no aspecto da implantação de uma Governança de
Dados profissional e eficiente. A Empresa B representa as companhias no meio
do processo de implementação, convivendo com questões de Processo e de
Pessoas. A Empresa C é símbolo das companhias que ainda não reconhecem
seus dados como ativos e consideram a TI somente como um serviço para
clientes internos.
Um dos propósitos deste trabalho, de natureza exploratória, é o de abrir a
possibilidade para que futuras pesquisas possam investigar mais a fundo
alguns fenômenos observados. Dessa forma, fica aqui a sugestão para que
novos estudos mostrem o grande potencial da Governança de Dados
Corporativa para criação de valor para as empresas brasileiras, mesmo em
tempo de recessão. Como sugere esta pesquisa, o alinhamento da
Governança de Dados com o modelo de negócio introduz um diferencial
competitivo para empresas do Século XXI que buscam inovar e se superar.
102
REFERÊNCIAS BIBLIOGRÁFICAS
AIKEN, P.; GORMAN, M. The Case for the Chief Data Officer: Recasting the
C-Suite to Leverage Your Most Valuable Asset. EUA: Paperback, 2013.
ASSIS,F.C. Gestão de dados eficiente gera valor para companhias. O Estado
de
S.Paulo,
São
Paulo,
edição
de
19.maio.2015.
Disponível
em
<http://economia.estadao.com.br/noticias/geral,gestao-de-dados-eficientegera-valor-para-companhias-imp-,1689904>. Acesso em 18.nov.2015.
BALESTRIN, Alsones. Uma análise da contribuição de Herbert Simon para as
Teorias Organizacionais. Revista Eletrônica de Administração, v. 8, n. 4,
2002.
BARATA,
André
Montoia. Governança
de
dados
em
organizações
brasileiras: uma avaliação comparativa entre os benefícios previstos na
literatura e os obtidos pelas organizações. 2015. Dissertação (Mestrado em
Sistemas de Informação) - Escola de Artes, Ciências e Humanidades,
Universidade de São Paulo, São Paulo, 2015.
BARBIERI, C. Business Intelligence: Modelagem e Qualidade. Elsevier, 2011.
BARBIERI, C. Como se encontra o conceito de governança, gestão de dados,
mdm e correlatos, no momento, nos EUA. Fumsoft, Minas Gerais, edição de
03.nov.2015.
BARBIERI, C. Uma visão sintética e comentada do Data Management Body
of Knowledge (DMBOK). Belo Horizonte: Fumsoft, 2013.
103
BARBIERI, C. Análise da pesquisa: o perfil das empresas brasileiras em
gestão e governança de dados. Belo Horizonte: Fumsoft, 2013a.
BECKER, João Luiz et al. Informação e decisão: Sistemas de apoio e seu
impacto. Porto Alegre: Ortiz, v. 74, 1997.
CANALTECH
(2015).
Canaltech
corporate.
Disponível
na
URL:
<http://corporate.canaltech.com.br/> Acessado em: 12.dez.2015.
CAOA, Q.; THOMPSON, M.; TRICHE, J. Investigating the role of business
processes and knowledge management systems on performance: A multi-case
study approach. International Journal of Production Research, Volume 51,
Issue 18, 2013.
CARVALHO, Antonio Gledson. Governança corporativa no Brasil em
perspectiva. Revista de Administração da Universidade de São Paulo, v.
37, n. 3, 2002.
CASTELLS, M. A sociedade em rede. São Paulo: Paz e Terra, 1999.
CHEONG, Lai Kuan; CHANG, Vanessa. The need for data governance: a
case study. Australia: Curtin University of Technology, 2007.
DAMA-BR; FUMSOFT. O perfil das empresas brasileiras em gestão e
governança de dados. Belo Horizonte, 2012.
104
DAVENPORT, T.H., HARRIS, J.G. Analytics and business performance:
Transforming the ability to compete on analytics into a lasting competitive
advantage.
Harvard
Business
School
Press:
EUA,
2007.
DAVENPORT, Thomas H. Análise de dados 3.0. Harvard Business Review
Brasil, São Paulo: Impact Media, v.91, n.12, p. 34-41, dez. 2013.
DAVENPORT, Thomas H.; HARRIS, Jeanne G. Competing on analytics: The
new science of winning. Harvard Business Press, 2007a.
DMC LATAM. Perfil dos participantes do DMC Latam 2015. Disponível em
<http://www.dmc-latam.com> Acesso em 12.dez.2015.
EISENHARDT, K. Building Theories from Case Study Research. Academy of
Management Review, v. 14, n. 4, p. 532-550, 1989.
ENGLISH, Larry P. Information quality applied: Best practices for
improving business information, processes and systems. Wiley Publishing,
2009.
EOM, S.; KIM, E. A survey of decision support system applications (1995–
2001). Journal of the Operational Research Society, v. 57, n. 11, p. 12641278, 2006.
FIRSTPOST. Urgent need of data governance projects among financial
services firms, but formal initiatives still nascent. Disponível na URL:
<http://www.firstpost.com/business/urgent-need-of-data-governance-projectsamong-financial-services-firms-but-formal-initiatives-still-nascent2455354.html>. Acesso em 12.out.2015.
FISHER, Tony. The data asset: How smart companies govern their data for
business success. John Wiley & Sons, 2009.
105
FRIEDMAN, Thomas. The World is Flat. 2. ed. New York: Perseus Books,
2006.
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, v. 5,
2002.
GODOI, C.K, BANDEIRA-DE-MELLO, R., SILVA, A.B. Pesquisa qualitativa
em estudos organizacionais: paradigmas, estratégias e métodos. Saraiva,
2006.
GOODHUE, Dale L.; THOMPSON, Ronald L. Task-technology fit and individual
performance. MIS quarterly, p. 213-236, 1995.
HAMMOND, John S.; KEENEY, Ralph L.; RAIFFA, Howard. Decisões
inteligentes: como avaliar alternativas e tomar a melhor decisão. Campus,
1999.
HITT, Michael A.; IRELAND, R. Duane; HOSKISSON, Robert E.Administração
estratégica. São Paulo: Pioneira Thomson Learning, 2002.
HUBER, G.P. The necessary nature of future firms: Attributes of survivors in
a changing world. S age Publications, 2003.
INSTITUTO BRASILEIRO DE GOVERNANÇA CORPORATIVA. Código das
Melhores Práticas de Governança Corporativa. 4.ed. / Instituto Brasileiro de
Governança Corporativa. São Paulo, SP : IBGC, 2009.
106
KHATRI, V; BROWN, C.V. Designing Data Governance. Communications of
the ACM. 53, 1, 148-152, Jan. 2010.
LAUDON, K.; LAUDON, J.. Sistemas de informação gerenciais. 9. ed. São
Paulo: Pearson Prentice Hall, 2010.
LIMA, M.A. A retórica em Aristóteles. Natal: Central, 2011.
MASON, R. O. Basic concepts for designing management information
systems. AIS Research Paper, n.8, p.2 - 16, oct. 1969.
MARCONI, M. de A.; LAKATOS, Eva Maria. Metodologia científica. São
Paulo: Atlas, 2004.
MINTZBERG, Henry; AHLSTRAND, Bruce; LAMPEL, Joseph. Safári de
estratégia: um roteiro pela selva do planejamento estratégico. Bookman, 2007.
MINTZBERG, Henry; RAISINGHANI, Duru; THEORET, Andre. The structure of"
unstructured" decision processes. Administrative science quarterly, p. 246275, 1976.
MOSLEY, M.; BRACKETT, M.; EARLEY, S.; HENDERSON, D. The DAMA
Guide to The Data Management Body of Knowledge: DAMA - DMBOK
Guide. 1. ed. Estados Unidos: Technics Publications, 2009.
107
O´BRIEN, James A.; MARAKAS, George M. Administração de sistemas de
informação. 15. ed. Porto Alegre: AMGH; Bookman, 2013.
ORLIKOWSKI,
W.;
BAROUDI,
J.
Studying
information
technology
in
organizations: Research approaches and assumptions. Information Systems
Research, v. 2, n. 1, p. 1-28, 1991.
OTTO, Boris; LEE, Yang W.; CABALLERO, Ismael. Information and data quality
in business networking: a key concept for enterprises in its early stages of
development. Electronic Markets, v. 21, n. 2, p. 83-97, 2011.
PATON, M.Q. Qualitative evaluation and research methods. London: Sage,
1990.
PORTER, M. (1989). Vantagem Competitiva. Rio de Janeiro. Campus, Brasil.
REDMAN, T. C. Data’s credibility problem. Harvard Business Review, v. 91, n.
12, p. 84-88, 2013.
RÊGO, B.L. Gestão e Governança de Dados: Promovendo Dados Como
Ativo de Valor Nas Empresas. Rio de Janerio: Brasport, 2013.
ROCKART, John F. Chief executives define their own data needs. Harvard
business review, v. 57, n. 2, p. 81-93, 1978.
SATO, C.E.Y et al. Gerenciando Redes Colaborativas, Complexidade e
Estratégias Tecnológicas em Integração de Sistemas. In: XI Seminario de
Gestión Tecnológica ALTEC 2005, 2005, Salvador. XI Seminario de Gestión
Tecnológica ALTEC 2005, 2005.
108
SELLTIZ, C. et al. Metodologia de pesquisa nas relações sociais.Metodologia
de pesquisa nas relações sociais, 1987.
SHIMIZU, T. Decisão nas organizações. 3. ed. São Paulo: Atlas, 2010.
SIMON, Herbert Alexander. Administrative behavior. New York: Free Press,
1965.
STONER, J.A. F.; FREEMAN, R. E. Administração. Rio de Janeiro: LTC,
2012.
TAVARES, R. Valuing the key asset of an organization: what really matters
when the issue is data and information. 145 f. Dissertação (Doutorado em
Administração de Negócios) – University of Management and Technology,
Arlington-VA. 2015.
TURBAN, Efraim; ARONSON, J. Decision Support Systems and Intelligent
Systems, Prentice Hall. Upper Saddle River, New Jersey, USA, 1998.
TURBAN, Efraim;
RAINER JUNIOR, R. Kelly; POTTER, Richard E.
Administração de tecnologia da informação: teoria e prática. Rio de Janeiro:
Campus, 2010.
WENDE, Kristin. A model for data governance: Organising accountabilities for
data quality management. In: Australasian conference on information
systems, 18, 2007, Toowoomba. Proceedings. Toowoomba: 2007.
109
YIN, Robert K. Estudo de caso: planejamento e métodos. 4. ed. Porto Alegre:
Bookman, 2010.
YU, A. S.O (Coord.) et al. Tomada de decisão nas organizações: uma visão
multidisciplinar. São Paulo: Saraiva, 2011.
110
APÊNDICES
APÊNDICE 1: Protocolo de pesquisa para estudo de caso
*1. Como você avalia a gestão da Arquitetura de Dados em seu
departamento?
Arquitetura de dados é considerada como a definição das necessidades
de dados e alinhamento dos mesmos com a estratégia de negócio da
empresa
A atividade é realizada, monitorada, medida e avaliada
A atividade é realizada de maneira constante e consistente
A atividade é realizada de maneira incipiente
A atividade está em desenvolvimento (não entrou em produção)
A atividade não é realizada
Comentário
*2. Como você avalia a gestão do Desenvolvimento dos Dados da
Arquitetura de Dados em seu departamento?
A gestão do Desenvolvimento dos Dados é considerada como o conjunto
de atividades de modelagem e implementação das estruturas dos dados
dentro do ciclo de vida do desenvolvimento dos sistemas de informação
A atividade é realizada, monitorada, medida e avaliada
A atividade é realizada de maneira constante e consistente
A atividade é realizada de maneira incipiente
A atividade está em desenvolvimento (não entrou em produção)
A atividade não é realizada
Comentário
*3. Como você avalia a gestão de Operações de Dados em seu
departamento?
A gestão de Operações de Dados é considerada como a manutenção e
armazenamento dos dados ao longo do seu ciclo de vida.
A atividade é realizada, monitorada, medida e avaliada
A atividade é realizada de maneira constante e consistente
A atividade é realizada de maneira incipiente
A atividade está em desenvolvimento (não entrou em produção)
A atividade não é realizada
Comentário
111
*4. Como você a gestão da Segurança dos Dados em seu departamento?
A gestão da Segurança dos Dados é considerada como a manutenção das
políticas de segurança da informação da empresa
A atividade é realizada, monitorada, medida e avaliada
A atividade é realizada de maneira constante e consistente
A atividade é realizada de maneira incipiente
A atividade está em desenvolvimento (não entrou em produção)
A atividade não é realizada
Comentário
*5. Como você avalia a gestão de dados Mestres e Dados de Referência
em seu departamento?
A gestão de dados Mestres e Dados de Referência é considerada como a
definição e controle das atividades para garantir a consistência e
disponibilização de visões únicas dos principais dados reutilizados na
empresa
A atividade é realizada, monitorada, medida e avaliada
A atividade é realizada de maneira constante e consistente
A atividade é realizada de maneira incipiente
A atividade está em desenvolvimento (não entrou em produção)
A atividade não é realizada
Comentário
*6. Como você avalia a gestão da Documentação e Conteúdo no seu
departamento?
A gestão da Documentação e Conteúdo é considerada como o
planejamento, implementação e controle das atividades para armazenar,
proteger e acessar os dados não estruturados das empresas
A atividade é realizada, monitorada, medida e avaliada
A atividade é realizada de maneira constante e consistente
A atividade é realizada de maneira incipiente
A atividade está em desenvolvimento (não entrou em produção)
A atividade não é realizada
Comentário
*7. Como você avalia a gestão de Metadados no seu departamento?
A gestão de Metadados é considerada como o gerenciamento do
signifificados correspondem tanto ao conteúdo técnico do dado, obtido
através das informações sobre estrutura, formato, tamanho e restrições
como a informações sobre definições e conceitos
A atividade é realizada, monitorada, medida e avaliada
A atividade é realizada de maneira constante e consistente
112
A atividade é realizada de maneira incipiente
A atividade está em desenvolvimento (não entrou em produção)
A atividade não é realizada
Comentário
*8. Como você avalia a gestão de Data Warehousing e Business
Intelligence no seu departamento?
A gestão de Data Warehousing e Business Intelligence é considerada
como a definição e controle dos processos para prover dados de suporte
à decisão, geralmente disponibilizados em aplicações analíticas.
A atividade é realizada, monitorada, medida e avaliada
A atividade é realizada de maneira constante e consistente
A atividade é realizada de maneira incipiente
A atividade está em desenvolvimento (não entrou em produção)
A atividade não é realizada
Comentário
*9. Como você avalia a gestão da Qualidade dos Dados no seu
departamento?
A gestão da Qualidade dos Dados é considerada como a promoção,
medição, avaliação, melhoria e garantia da qualidade dos dados da
empresa
A atividade é realizada, monitorada, medida e avaliada
A atividade é realizada de maneira constante e consistente
A atividade é realizada de maneira incipiente
A atividade está em desenvolvimento (não entrou em produção)
A atividade não é realizada
Comentário
*10. Como você avalia as possíveis dissonâncias entre o planejado e o
entregue na Governança de dados?
A Governança de Dados (visão macro) representa o exercício de
autoridade e controle das estratégias, políticas, papéis e atividades
envolvidos com os ativos de dados das empresas.
Expectativas não realistas
Arquitetura imprópria
Capacidade de venda dos fornecedores acima das especificadas
Projeto lógico insuficiente
Falta de desenvolvimento
113
Objetivos de negócio incertos
Falta de patrocínio efetivo ao projeto
Não envolvimento dos demais departamentos
Não envolvimento da alta direção da empresa
Outras
114
APÊNDICE 2: Protocolo de pesquisa para estudo de caso
Resposta do questionário apresentado ao entrevistado da Empresa A
P1: Como você avalia a gestão da Arquitetura de Dadosem seu
departamento?Arquitetura de dados é considerada como a definição das
necessidades de dados e alinhamento dos mesmos com a estratégia de
negócio da empresa
A atividade é realizada de maneira constante e consistente
P2: Como você avalia a gestão do Desenvolvimento dos Dados da Arquitetura
de Dadosem seu departamento?A gestão do Desenvolvimento dos Dados é
considerada como o conjunto de atividades de modelagem e implementação
das estruturas dos dados dentro do ciclo de vida do desenvolvimento dos
sistemas de informação
A atividade é realizada, monitorada, medida e avaliada
P3: Como você avalia a gestão de Operações de Dados em seu
departamento?A gestão de Operações de Dados é considerada como a
manutenção e armazenamento dos dados ao longo do seu ciclo de vida.
A atividade é realizada, monitorada, medida e avaliada
P4: Como você a gestão da Segurança dos Dados em seu departamento?A
gestão da Segurança dos Dados é considerada como a manutenção das
políticas de segurança da informação da empresa
A atividade é realizada, monitorada, medida e avaliada
P4: Como você a gestão da Segurança dos Dados em seu departamento?A
gestão da Segurança dos Dados é considerada como a manutenção das
políticas de segurança da informação da empresa
A atividade é realizada, monitorada, medida e avaliada
P5: Como você avalia a gestão de dados Mestres e Dados de Referência em
seu departamento? A gestão de dados Mestres e Dados de Referência é
considerada como a definição e controle das atividades para garantir a
consistência e disponibilização de visões únicas dos principais dados
reutilizados na empresa
A atividade é realizada de maneira constante e consistente
P6: Como você avalia a gestão da Documentação e Conteúdo no seu
departamento?A gestão da Documentação e Conteúdo é considerada como o
planejamento, implementação e controle das atividades para armazenar,
proteger e acessar os dados não estruturados das empresas
A atividade é realizada de maneira constante e consistente
115
P7: Como você avalia a gestão de Metadados no seu departamento?A gestão
de Metadados é considerada como o gerenciamento dos signifificados
correspondem tanto ao conteúdo técnico do dado, obtido através das
informações sobre estrutura, formato, tamanho e restrições como a
informações sobre definições e conceitos
A atividade é realizada de maneira constante e consistente
P8: Como você avalia a gestão de Data Warehousing e Business Intelligence
no seu departamento?A gestão de Data Warehousing e Business Intelligenceé
considerada como a definição e controle dos processos para prover dados de
suporte à decisão, geralmente disponibilizados em aplicações analíticas.
A atividade é realizada de maneira constante e consistente
P9: Como você avalia a gestão da Qualidade dos Dados no seu
departamento?A gestão da Qualidade dos Dados é considerada como a
promoção, medição, avaliação, melhoria e garantia da qualidade dos dados da
empresa
A atividade é realizada, monitorada, medida e avaliada
P10: Como você avalia as possíveis dissonâncias entre o planejado e o
entregue na Governança de dados?A Governança de Dados (visão macro)
representa o exercício de autoridade e controle das estratégias, políticas,
papéis e atividades envolvidos com os ativos de dados das empresas.
Arquitetura imprópria
Não envolvimento dos demais departamentos
Fonte: Pesquisa realizada com entrevistados
116
Resposta do questionário apresentado ao entrevistado da Empresa B
P1: Como você avalia a gestão da Arquitetura de Dados em seu
departamento?Arquitetura de dados é considerada como a definição das
necessidades de dados e alinhamento dos mesmos com a estratégia de
negócio da empresa
A atividade é realizada, monitorada, medida e avaliada
P2: Como você avalia a gestão do Desenvolvimento dos Dados da Arquitetura
de Dadosem seu departamento?A gestão do Desenvolvimento dos Dados é
considerada como o conjunto de atividades de modelagem e implementação
das estruturas dos dados dentro do ciclo de vida do desenvolvimento dos
sistemas de informação
A atividade é realizada, monitorada, medida e avaliada
P3: Como você avalia a gestão de Operações de Dados em seu
departamento?A gestão de Operações de Dados é considerada como a
manutenção e armazenamento dos dados ao longo do seu ciclo de vida.
A atividade é realizada, monitorada, medida e avaliada
P4: Como você a gestão da Segurança dos Dados em seu departamento?A
gestão da Segurança dos Dados é considerada como a manutenção das
políticas de segurança da informação da empresa
A atividade é realizada de maneira incipiente
P5: Como você avalia a gestão de dados Mestres e Dados de Referência em
seu departamento?A gestão de dados Mestres e Dados de Referência é
considerada como a definição e controle das atividades para garantir a
consistência e disponibilização de visões únicas dos principais dados
reutilizados na empresa
A atividade é realizada, monitorada, medida e avaliada
P6: Como você avalia a gestão da Documentação e Conteúdo no seu
departamento?A gestão da Documentação e Conteúdo é considerada como o
planejamento, implementação e controle das atividades para armazenar,
proteger e acessar os dados não estruturados das empresas
A atividade é realizada de maneira incipiente
P7: Como você avalia a gestão de Metadados no seu departamento?A gestão
de Metadados é considerada como o gerenciamento dos signifificados
correspondem tanto ao conteúdo técnico do dado, obtido através das
informações sobre estrutura, formato, tamanho e restrições como a
informações sobre definições e conceitos
A atividade é realizada de maneira incipiente
117
P8: Como você avalia a gestão de Data Warehousing e Business Intelligence
no seu departamento?A gestão de Data Warehousing e Business Intelligenceé
considerada como a definição e controle dos processos para prover dados de
suporte à decisão, geralmente disponibilizados em aplicações analíticas.
A atividade é realizada de maneira incipiente
P9: Como você avalia a gestão da Qualidade dos Dados no seu
departamento?A gestão da Qualidade dos Dados é considerada como a
promoção, medição, avaliação, melhoria e garantia da qualidade dos dados da
empresa
A atividade está em desenvolvimento (não entrou em produção)
P10: Como você avalia as possíveis dissonâncias entre o planejado e o
entregue na Governança de dados?
A Governança de Dados (visão macro) representa o exercício de autoridade e
controle das estratégias, políticas, papéis e atividades envolvidos com os
ativos de dados das empresas.
Projeto lógico insuficiente
Capacidade de venda dos fornecedores acima das especificadas
Arquitetura imprópria
Fonte: Pesquisa realizada com entrevistados
118
Resposta do questionário apresentado ao entrevistado da Empresa C
P1: Como você avalia a gestão da Arquitetura de Dados em seu
departamento?
Arquitetura de dados é considerada como a definição das necessidades de
dados e alinhamento dos mesmos com a estratégia de negócio da empresa
A atividade não é realizada
P2: Como você avalia a gestão do Desenvolvimento dos Dados da Arquitetura
de Dados em seu departamento?A gestão do Desenvolvimento dos Dados é
considerada como o conjunto de atividades de modelagem e implementação
das estruturas dos dados dentro do ciclo de vida do desenvolvimento dos
sistemas de informação
A atividade é realizada de maneira incipiente
P3: Como você avalia a gestão de Operações de Dados em seu
departamento?A gestão de Operações de Dados é considerada como a
manutenção e armazenamento dos dados ao longo do seu ciclo de vida.
A atividade é realizada de maneira constante e consistente
P4: Como você a gestão da Segurança dos Dados em seu departamento?A
gestão da Segurança dos Dados é considerada como a manutenção das
políticas de segurança da informação da empresa
A atividade é realizada de maneira constante e consistente
P5: Como você avalia a gestão de dados Mestres e Dados de Referência em
seu departamento?A gestão de dados Mestres e Dados de Referência é
considerada como a definição e controle das atividades para garantir a
consistência e disponibilização de visões únicas dos principais dados
reutilizados na empresa
A atividade é realizada de maneira constante e consistente
P6: Como você avalia a gestão da Documentação e Conteúdo no seu
departamento?A gestão da Documentação e Conteúdo é considerada como o
planejamento, implementação e controle das atividades para armazenar,
proteger e acessar os dados não estruturados das empresas
A atividade é realizada de maneira incipiente
P7: Como você avalia a gestão de Metadados no seu departamento?A gestão
de Metadados é considerada como o gerenciamento dos signifificados
correspondem tanto ao conteúdo técnico do dado, obtido através das
informações sobre estrutura, formato, tamanho e restrições como a
informações sobre definições e conceitos
A atividade é realizada de maneira incipiente
P8: Como você avalia a gestão de Data Warehousing e Business Intelligence
no seu departamento?A gestão de Data Warehousing e Business Intelligenceé
considerada como a definição e controle dos processos para prover dados de
suporte à decisão, geralmente disponibilizados em aplicações analíticas.
A atividade é realizada de maneira constante e consistente
119
P9: Como você avalia a gestão da Qualidade dos Dados no seu
departamento?A gestão da Qualidade dos Dados é considerada como a
promoção, medição, avaliação, melhoria e garantia da qualidade dos dados da
empresa
A atividade é realizada de maneira constante e consistente
P10: Como você avalia as possíveis dissonâncias entre o planejado e o
entregue na Governança de dados? A Governança de Dados (visão macro)
representa o exercício de autoridade e controle das estratégias, políticas,
papéis e atividades envolvidos com os ativos de dados das empresas.
Arquitetura imprópria
Falta de patrocínio efetivo ao projeto
Não envolvimento dos demais departamentos
Não envolvimento da alta direção da empresa
Fonte: Pesquisa realizada com entrevistados
120
APÊNDICE 3: Consolidação das respostas das entrevistas
Cada um dos responsáveis pela área de dados das empresas A, B e C foi entrevistado pessoalmente ou por telefone. Suas
declarações foram gravadas, transcritas e em seguida tabuladas no Quadro 16:
Conceitos,
Construtos/
Fontes
Questão
EMPRESA A
EMPRESA B
EMPRESA C
PAPEL DOS DADOS E SUA GOVERNANÇA/GESTÃO DE DADOS NA CORPORAÇÃO
Situação atual
da Gestão e
Governança de
Dados na
empresa
entrevistada
(TURBAN et al.
2010),
(MOSLEY,
2009),
(FISHER, 2009),
Descreva a
situação atual da
área de dados na
empresa e quais
departamentos que
gerenciam ou
governam os
dados.
- A Governança de Dados
passou a ser centralizada na
empres a partir da criação da
diretoria de dados.
- Aquisição, captura, tratamento,
carga e gestão de dados passou
a ficar sob a administração da
área.
- Caso um dos departamentos
precise de novos tipos de dados,
quem faz o processo inteiro é o
departamento de dados e o
- No começo, não havia um
gestão centralizada. Existiam
6 data marts sendo
desenvolvidos
simultaneamente (1 interno e
5 por consultorias). Os
sistemas foram
descontinuados e foi dado
foco em sistemas destinados
a cobrança e crédito.
- Na etapa seguinte, houve a
necessidade de um processo
para melhorar a qualidade
- Não há uma gestão de dados
centralizada. Tudo estava sob
o chapéu de TI. Aconteceu
uma mudança organizacional
há cerca de um semestre. A
área de TI acabou absorvendo
outras áreas (como segurança
corporativa, segurança da
informações) e outras e
ganhou status de serviços
corporativos.
- A área que foi
descentralizada foi justamente
121
(AIKEN;
GORMAN, 2013)
entrega para esse cliente interio.
- Como política, todos os
relatórios dos demais
departamentos são demandados
à divisão, bem como os
desenvolvimentos técnicos.
(LAUDON;
LAUDON, 2004)
(O´BRIEN;
MARAKAS,
2013).
de dados. Devido a diversas
mudanças organizacionais,
inclusive de alocação da área
de dados, o problema da
Qualidade de Dados persite.
a parte de dados e
informação. Considero que foi
dado um passo atrás.
- Deu-se início à implantação
da Governança pelos dados
mestres relativos a clientes.
Dados
- A parte de informação e
dados ficou transversal. Cada
área tem seu próprio provedor
de soluções.
- No início, começou a ser
implementado modelo de
maturidade, relacionado à
diretoria do centro de
excelência, mas já com a
descrição de Data
Governance.
Dados como
ativos da
empresa
(TURBAN et al.
2010).
De que maneira o
modelo de egócios
praticado inclui os
dados da empresa
como recursos da
empresa?
- A visão de dados como ativos
é disseminada por toda a
mpresa. A visão é abraçada e
cobrada pelo próprio presidente
da empresa, por meio de uma
política da dados (criada em
- Os dados são visto como
ativos. Mas a área de dados
é vista mais como fornecedor
das demandas existentes e
também como um gestor de
dados qualificado.
- Não há inclusão clara. Do
ponto de vista de gestão e
contábil, os dados não são
considerados ativos, nem
como ativos intangíveis.
Mesmo uma grande
quantidade de dados internos,
122
(MOSLEY,
2009)
2012).
com alto valor estratégico para
o mercado, como os endereços
dos clientes, não são vistos
como valor.
- Essa política de Governança e
gestão de dados é assinada pelo
presidente e por todos os
diretores.
(AIKEN;
GORMAN, 2013)
(FISHER, 2009)
- Na gestão de patrimônio, a TI
sim consta como ativo, sendo
avaliada, por exemplo, quanto
é sua deprecisação ao longo
do tempo. Os aplicativos são
considerados ativos,uma vez
que foi feito um investimento
para seu desenvolvimento e
também para seu
processamento.
- Os dados, dentro da empresa,
são vistos como um recurso
intangível, no balanço patrimonial
da empresa. Mas para o
departamento ele é visto como
“insumo”.
(O´BRIEN;
MARAKAS,
2013).
- A combinação dos três/ os
dados é considerada como fator
diferencial da empresa no
segmento.
Recursos
empregados
para Gestão /
Governança de
Dados
(TURBAN et al.
2010).
Como os dados,
são avaliados
como geradores de
valor e receita para
a empresa? Como
essa avaliação é
feita?
- É feita uma avaliação do ROI
em dados. Além dos custos de
aquisição do dado, sabemos
como ele vai ser consumido e
por quais produto e qual a receita
que ele gera.
- Faz-se pesquisa semestral
com os cliente para avaliar a
- Não há uma avaliação
estruturada e métrica do
retorno. A avaliação do
retorno era definida como
“disponibilidade de
informação no tempo e no
local adquadro e na
qualidade desejada”.
- Não há um projeto finalizado
para o aproveitamento e
rentabilização dos dados dos
clientes, para levar adiante a
comercialização desses dados,
com grande valor agregado
(para o marketing, para
pesquisas, etc).
123
(MOSLEY, 2009)
(AIKEN;
GORMAN, 2013)
(FISHER, 2009)
(DAVENPORT,
2013)
percepção do serviço. Eles dão
notas para os atributos
(extremamente relevante,
relevante, pouco relevante, nada
relevante).
- Há métricas para aferir a
qualidades dos dados. Mas
não são convertidas nem
avaliadas em seu “retorno
financeiro”.
- Há dados que têm alto custo,
mas que são fundamentais para
certos produtos, que colaboram
para uma receita bem alta.
Recursos
Humanos
empregados
em Dados
Quantas pessoas
-Área tem 70 pessoa, divididas
trabalham na área e em três gerências:
quais suas
a) Gerência de operação de
funções?
dados – 40 pessoas fazem o
(AIKEN;
processamento de dados
GORMAN, 2013)
adquiridos e comprados no
mercado em várias mídias
(DAVENPORT,
(mesmo em papel). A área
2013)
constrói a estruturação de alguns
deles, pois muitas vezes chegam
(FISHER, 2009)
de forma não estrtuurada.
b) Gerência de Dados
compartilhadds – 12
- Existe na empresa algum
movimento nesse sentido, mas
não é um movimento da
organização. É uma ideia de
um analista, uma simpatia de
algum gerente. A empresa não
tem visão de transformar os
dados em valor.
- Os dados operacionais são
vistos como passivo, dentro da
visão tradicional de TI.
- Não informado o número de
pessoas atualmente
trabalhando com dados.
- Não informado o número de
funcionário envolvidos com
Gestão/ Governança de
Dados..
- Com a reestruturação, o
quadro ficou pulverizado numa
área maior de serviços;
- A área de Governança de
124
colaboradores que faz relação
com os clientes mais
estratégicos, que compartilam
dados com a empresa.
c) Gerência de Governança de
dados (função estratégica)– 18
colaboradores são responsáveis
pela qualidade, dos dados. Criam
mecanismo para ter todos os
processos e rotinas
documentados, com atributos e
critérios de qualidade.
Implmentam as normatizações e
avaliam as boas e más práticas
de dados dentro da organização.
Fazem também o gerenciamento
das reclamação, a gestão de
indicadores e a de melhoria de
processos em dados (Lean Six
Sigma). A área de Governança
foi uma das que mais ajudou a
alavancar o nível da certificação
de dados obtida (nível 4)
Dados enfrentou problemas
de ser inserida na
configuração do
organograma da empresa.
Passou por uma série de
locais, mantendobasicamente
a mesma equipe. porque o
banco precisava do serviço,
mas ninguém queria assumir
a área. Nessa época, tinha
equipe mínima de 6 pessoas.
125
RESULTADOS DA GOVERNANÇA / GESTÃO DE DADOS NA TOMADA DE DECISÃO GERENCIAL
Participação
das áreas na
Governança e
Gestão de
Dados
(AIKEN;
GORMAN, 2013)
(DAVENPORT,
2013)
(FISHER, 2009)
(LAUDON;
LAUDON, 2004)
(MOSLEY, 2009)
(O´BRIEN;
MARAKAS,
2013). (TURBAN
et al. 2010).
(YU et al., 2011)
Como é a
participação das
outras áreas da
empresa na Gestão
/ Governança de
Dados?
-As áreas participam de três
maneiras:
1- Comitê de dados – reúne-se
mensalmente. Cargos de
gerência e colaboradores que
tomam decisão.
2- Treinamentos presenciais –
para colaboradores novos e
para coloboradores há mais de 2
anos
3- Treinamento EAD – usa o
sistema de rh (tem até o final do
mês para fazer) / ele dura 45
minutos + avaliação de 15
minutos
- A solução foi: 1) primeiro treinar
2) A política de gestão de dados
é assinada pela presidência e
pela diretor.3) criar os comitês
que acontecem mensalmente. Se
não existe essa prática mensal,
a política cai em desuso.
- Por meio de comitês de
governança. No dia a dia, por
meio da atuação das áreas
de negócio.
As outras áreas atuam por
meio de comitês de gestão de
TI, em algumas reuniões em
que se discute a gestão de
Dados. A periodicidade é
semestral.
126
Recursos
empregados
em Dados
(TURBAN et al.
2010).(MOSLEY,
2009) (O´BRIEN;
MARAKAS,
2013)(YU et al.,
2011)
Como a visão
baseada em dados
influencia a tomada
de decisão
gerencial?
- Com a visão baseada em
dados diminuiuram
significamente as impressões
subjetivas. Todas as avaliações
são quantificadas. Evitam-se
avaliações como “muito” ou
“pouco”. Elas precisam ter
expressão numéricas para irem
adiante na avaliação. dos
gestores.
- A confiabilidade das
informações registradas e
disseminadas na empresa é um
dos valores da Governança de
Dados.
- Sob a Governança de
Dados, foram desenvolvido
150 aplicativos usando o
conceito de Metadados,
aplicados às áreas de
negócios - Começou a criar
a função de data stewards
em cada área, depois de
2010, dentro de um modelo
de maturidade mais
consolidados.
Percebe-se uma evolução
incremental no
aprimoramento para a
tomada de decisão, mas
ainda não significativa.- A
área de Governança de
Dados é a maior fonte
fornecedora de dados para
área de risco.
- Para os gerentes táticos, as
decisões táticas são tomadas a
partir de relatórios préformatados em interface web.
O sistema é subutilizado.
- Os provedores de informação
alimentam Dataware house e
nesses data marts existem
inúmeras soluções de geração
de informação para os níveis
de tomada de decisão táticooperacionais.
INFLUÊNCIA DOS DADOS NA TOMADA DE DECISÃO ESTRATÉGICA
Participação da
Alta administr.
na Gestão /
Govern. de
Como o presidente
e a alta
administração
participam da
- A presidência endossa a
Governança e gestão de dados ,
considerada estratégica e
- O presidente é avisado,
dentro de um círculo de
disparo de informações,
sobre atrasos com relação à
- O presidente participa
parcialmente, delegando para
a vice-presidência as decisões
relativas à área de dados. O
127
Dados
(AIKEN;
GORMAN, 2013)
(DAVENPORT,
2013)
(FISHER, 2009)
(MINTZBERG et
al., 2007)
(HAMMOND;
KEENEY,1999).
(SHIMIZU, 2010)
(YU et al., 2011)
Política de Dados?
diferencial para o negócio.
implementação da gestão de
dados pelas áreas.
- O processo funciona assim:
1 Área responsável é
avisada a respeito de erros
de processamento. São
disparados avisos para o
responsável das áreas,
depois para o diretor de
tecnologia, o diretor da área e
depois para o presidente. As
pessoas respeitam muito
esse proceso.
vice-presidente não está
focado apenas em dados, mas
em serviços corporativos como
um todo, dos faz parte a área
de TI.Dentro dela, fica
embutida a Gestão de Dados.
128
Dados
estratégicos
para tomada de
decisão da alta
administração
(HAMMOND;
KEENEY,1999).
(MINTZBERG et
al., 2007)
(TURBAN et al.
2010).
(MOSLEY, 2009)
(YU et al., 2011)
Como os demais
executivos usam
os dados para a
tomada de
decisão?
- Os executivos utilizam o Painel
de Indicadores para a tomada de
decisão. Todos os processos de
gestão de dados críticos são
acompanhados em dashboards.
Essa atividade é feita pelo
presidente e pelos diretores
executivos mensalmente.
- Todos os indicadores precisam
ter uma meta. Quandos as metas
apresentam um desvio, precisam
ter um plano de ação. “A meta
fugiu, o plano de ação é este, a
data é essa, o responsável”
- O diretor responsável pelo
processo terá de explicar isso na
reunião de diretoria.
- As decisões baseadas nesse
dashboards dão inclusive o
direcionamento estratégico do
que será feito nos próximos
anos.
- O modelo de negócios da
empresa não permite que se
desenvolva um única
plataforma. Não é possível
suprir esse tipo de
funcionalidade. O que era
possível, mas não foi feito
para todas as áreas, foi o
fornecimento de dados
primários brutos (não
trabalhados) para as áreas,
que poderiam gerar
informação, para em seguida
gerar conhecimento para um
tomada de decisão.
- Na verticalização de uma
área de negócios de um
banco é muito difícil fazer um
BI para todos os negócios.
Cada setor de negócios
precisaria construir a sua
aplicação.
A informação mais estratégica
para tomada de decisão da alta
administração é consolidada e
aparece para o gestor nacional
de cada área. O gestor da rede
de agências tem informações
sobre o desempenho por
região, por unidade de
negócio, diariamente.
- Teoricamente, podem-se
tomar decisões táticas, como o
deslocamento de atendentes e
funcionários. De uma cidade
para outra.Mas isso raramente
acontece.- O sistema está
pronto e operacional há alguns
anos, mas não é usado com
muita frequência. É
considerado acessório e usado
em situações excepcionais, em
que acontece, por exemplo, um
pico de atendimento em um
lugar e não em outro, o que
raramente acontece.
129
SISTEMAS DE APOIO À DECISÃO (SAD)
9 Sistemas de
suporte à
tomada de
decisão
(SHIMIZU et al. ,
2010).
(MINTZBERG et
al., 2007).
(HAMMOND;
KEENEY,1999).
(MOSLEY, 2009)
(TURBAN et al.
2010).
Quais sistemas de
dados que
contribuem para
uma melhor
tomada de decisão
na empresa?
- A empresa possui sistema
integrado para registrar todos
comentários, sugestões e
reclamações de todas as áreas.
Ele é composto de três grandes
subsistemas: a) Sistema 1:
registra qualquer incidente dentro
da base de dados. b) Sistema 2:
Faz toda a parte de relatórios,
volumetria da base de dados. c)
Sistema 3: composto de
ferramentas de exploração de
dados para antecipação e
identificação de problemas na
base de dados.
- Foram desenvolvidos 16
aplicativos de negócios pela
área de governança e foi
implementado um portal de
interfaces. Por meio dele
eram feitas dois tipos de
integração, integridade
lógica e física. A integridade
referencial dos dados só
começou a ser feita depois
de 2010.
- O portal de Qualidade de
Dados, onde se inaugurou a
de Gestão de Dados.
- Existe um conjunto de data
marts que tem dados do ERP,
do atendimento, triagem,
logística, etc.
- Os provedores de informação
alimentam esse dataware
house. Nos data marts existem
inúmeras soluções de geração
de informação para todos os
níveis de tomada de decisão,
tanto tático-operacionais como
estratégico. Mas sua utilização
é pequena, com exceção do
operacional. Na gerêcia, o
recurso é subutilizado. A alta
adminisração dá pouco valor a
essa ferramente e
praticamente não a utilliza.
130
Focos da
Governança de
Dados e
desafios
futuros.
(AIKEN;
GORMAN, 2013)
(MOSLEY, 2009)
(O´BRIEN;
MARAKAS,
2013).
(TURBAN et al.
2010).
Qual o foco da
Governança e
Gestão de Dados e
quais são os
desafios para o
futuro?
- Foco no amadurecimento da
gestão e Governança de Dados.
- Desafio: atingir o nível máximo
na certificação DAMA (nota 5)
- O foco de governança era
melhorar, quaificar e passar
realmente a governar,
cuidando origem e destino
dos dados.
- Desafio: atingir uma melhor
qualidade dos dados
entregues às áreas.
- Alta direção tem o desafio
de fazer Gestão de Dados
globais
- Foco: Servir às demandas de
TI e dos vários centros de
negócios da empresa.
- Desafio: Perceber o valor dos
dados da empresa e tomar
ações para trazer vantagens
competitivas para a empresa.
131
ALINHAMENTO ENTRE GOVERNANÇA DE DADOS E O MODELO DE NEGÓCIO
Alinhamento
dos Dados
com o modelo
de negócio
(AIKEN;
GORMAN, 2013)
(FISHER, 2009)
(LAUDON;
LAUDON, 2004)
(MOSLEY, 2009)
(TURBAN et al.
2010).
(YU et al., 2011)
Como é o
alinhamento da
Governança/Gestão
de Dados com
modelo de negócio
da corporação?
- A Governaça de Dados é
totalmente alinhada com o
negócio da empresa.
- O dado é considerado como um
dos principais ativos, junto com
as pessoas e a tecnologia e
dados
- Não há alinnhamento com a
holding. O Brasil mantinha
uma postura independente. A
Governança de Dados
nasceu ligada ao dataware
house e sua visão não se
disseminou pela empresa.
OBS: No plano internacional,
depois de viver problemas
com a legislação de países
em que estava instalado, o
banco resolveu criar a função
de CDO CHief Data Officers
para cada uma das suas
regiões geográficas de
negócios, inclusive no Brasil.
- Alinhamento muito tênue.
Não está previsto no modelo
de negócio da empresa o
aproveitamento do reconhecido
potencial dos dados dos
clientes.
132
Gestão de
Dados e sua
relação com
modelo de
negócio ou
práticas
empresariais
(AIKEN;
GORMAN, 2013)
(DAVENPORT,
2013)
Avalie o
alinhamento entre a
Governança de
Dados com a
tomada de decisão
de gerentes e
executivos.
- Modelo de negócios centrado
em dados, tecnologia e pessoas,
considerados principais ativos.
Há total alinhamento da política
de Dados com o processa
decisório, nos níveis táticos e
executivo.
- A empresa ainda não tem a
capacidade para tomar
decisões baseadas
principalmente em dados. As
decisõs executivas são mais
pautadas na experiência e
intuição de seus
profissionais. Essa visão
impede que haja uma melhor
percepção da qualidade dos
dados.
(LAUDON;
LAUDON, 2004)
(MOSLEY, 2009)
(TURBAN et al.
2010).
(YU et al., 2011)
Fonte: Entrevista realizada.
- Não há uma visão centrada
em dados que seja
compartilhada pela corporação.
Seu impacto no modelo de
negócios é pequeno ainda. A
presidência delega aos chefes
de departamento e
superintendentes o poder de
gerir políticas próprias
referentes à Tecnologia da
Informação, que não é vista
como core business da
empresa, mas como um
passivo.