-
"...Melhores práticas começam a ser adotadas por áreas separadas."
Há uma padronização, porém separada por área.
Se fosse um processo por toda empresa, remeteria ao nível definido.
@papirobizurado
-
Segundo Carlos Barbieri - BI2 pág 41:
Nível Repetido: Há uma antecipação tímida de erros relativos aos dados; algumas expectativas sobre dimensões de qualidade são articuladas (precisão, consistência estrutural, consistência semântica), completude, atualidade, disponibilidade, etc.); há tentativas de se organizarem fontes únicas de dados, privacidade e controle de uso são definidos separadamente; políticas iniciais sobre dados são delineados; há a habilidade de se identificar erros de não completude ou de sintaxe e estrutura inválida; análises de causas raízes de erros são inicialmente identificadas; melhores práticas começam a ser adotadas por áreas separadas; princípios para políticas procedimentos e regras de qualidade de dados começam a ser desenvolvidos.
-
· Nível Inicial-Possui como características:
o Ações reativas
o Não há medições de qualidade
o Políticas inexistentes ou informais
o Ações sem coordenação centralizada
o Os erros são corrigidos nos dados e não na fonte, sem causas raízes identificadas
· Nível Repetido-Possui como características:
o Ações ainda tímidas para se antecipar aos erros de dados
o Algumas dimensões de qualidade são articuladas, como completude, precisão, disponibilidade, atualidade,etc
o Primeiras políticas de Privacidade e controle de uso aparecem
o Identificação de erros de não completude, sintaxe, estrutura, etc
o Primeiras práticas compartilhadas na área de dados
o Primeiras tentativas de organizar , como elemento essencial de gestão de dados(semente MDM)
· Nível Definido-Possui como características:
o Estrutura de GD já existente, com Políticas, Guias, padrões corporativos e Metadados definidos ou em definição
o Ferramentas e processos de Qualidade de dados(Data Quality) aplicados
o Processo definido para precisão e validação de dados. Aqui saímos do contexto de projetos e migramos para um foco mais organizacional
· Nível Gerenciado-Possui como características :
o Gerência Quantitativa de qualidade, com a mensuração de indicadores que reflitam numericamente o estado dos dados, principalmente apontando fragilidades de conteúdo, forma, disponibilidade que implicam riscos no negócio
o Certificações de fontes de dados, garantindo a não replicação
o Auditoria formal e institucional de Qualidade de dados
o GD com forte presença dos representantes de linhas de negócios
o Primeiras ações em MDM, visando a gerência de dados mestres
· Nível Otimizado:
o Processo automatizado de detecção de erros
o Controle de dados ao longo de toda empresa
o Métricas e políticas constantemente revisadas
o GD e Qualidade de dados institucionalizada
o MDM implementado
-
Níveis de maturidade:
Inicial
-As ações sobre a qualidade de dados são reativas;
- Não há expectativas de qualidade centradas em medidas/métricas;
- As políticas de dados são informais e não documentadas;
- Ações são tomadas separadamente sem coordenação;
- Os erros de qualidade de dados descobertos são corrigidos sem coordenação com os processos de negócios;
- As causas raízes de erros não são identificadas e os erros se repetem no tempo;
- Pouco ou nenhum aspecto associado à qualidade de dados;
-Não há o papel de data steward (gestores de dados/informação);
- As responsabilidades para correção são atribuídas de forma aleatória;
- Há pouco ou nenhum padrão definido (ou respeitado);
- Os dados são representados em estruturas replicadas;
- Não há ferramentas adequadas para filtros ou monitoração de dados falhos/imprecisos;
- Os impactos proporcionados pelos dados “impuros” são manifestados e descobertos tempos depois dos fatos geradores do erro.
Repetido
- Há uma antecipação tímida de erros relativos aos dados;
- Algumas expectativas sobre dimensões de qualidade são articuladas;
- Há tentativas de se organizarem fontes únicas de dados;
- Privacidade e controle de uso são definidos separadamente;
- Políticas iniciais sobre dados são delineadas;
- Há a habilidade de se identificar erros de não completude ou de sintaxe e estrutura inválida;
- Análises de causas raízes de erros são inicialmente identificadas;
- Melhores práticas começam a ser adotadas por áreas separadas;
- Princípios para políticas, procedimentos e regras de qualidade de dados começam a ser desenvolvidos.
Definido
- Procedimentos e processos são definidos para precisão e validação de dados;
- Qualidade de dados implementada nas principais linhas de negócios/áreas funcionais com a criação do papel de gestores de dados;
- Validação feita automaticamente e ações de correção analisadas manualmente;
- A estrutura organizacional de GD aparece com políticas, guias documentadas e aprovadas;
- Padrões corporativos e gerência de metadados são instituídos;
- Procedimentos padronizados para uso de ferramentas de análise de qualidade de dados;
- Ferramental tecnológico para análise de qualidade de dados implementado.
Gerenciado
- Certificações de fontes de dados são aplicadas;
- Arquivos mestres identificados e controlados (MDM-I);
- Há auditoria de qualidade de dados;
- GD com membros representantes das principais linhas de negócios da empresa;
- Há reuniões periódicas colaborativas de GD;
- GD direcionada por SLA de qualidade de dados;
- Gerência quantitativa de qualidade de dados.
Otimizado
- Processos automatizados de detecção de problemas;
- Sistemas de autogerência em uso;
- Controles de dados ao longo de toda a empresa;
- Métricas e políticas constantemente revisadas e melhoradas;
- MDM-II (gerência de dados mestres) implementada.