Decisões baseadas em dados de qualidade

Somos movidos por decisões. Se queremos fazer algo útil, chegar a algum lugar em nossa vida, precisamos decidir. E decisões boas são aquelas que dão certo. No mundo empresarial, é preciso estar munido de conhecimento para se tomar a decisão com mais chances de dar certo. Este conhecimento deve se basear em informações confiáveis, que só se constrói com dados de qualidade.

E como garantir esta qualidade? O que é qualidade de dados? Como é possível tomar decisões com base em conhecimento construído sobre dados de qualidade?

"É preciso estar munido de conhecimento para se tomar a decisão com mais chances de dar certo. Este conhecimento deve se basear em informações confiáveis, que só se constrói com dados de qualidade" Imagem de: http://goo.gl/erVejI
“É preciso estar munido de conhecimento para se tomar a decisão com mais chances de dar certo. Este conhecimento deve se basear em informações confiáveis, que só se constrói com dados de qualidade”
Imagem de: http://goo.gl/erVejI

Qualidade de Dados, conforme Gilberto Pereira, é a percepção de que os dados servem os propósitos a que se destinam, tendo em conta o contexto de uso. A qualidade de dados cobre, pelo menos, aspectos como completude, precisão, consistência, uso de padrões, validade cronológica, e acessibilidade.

Completude refere-se ao registro eletrônico de todos os dados úteis necessários. Por exemplo, ao utilizar certo documento, a empresa previamente definiu para o mesmo todos os campos que serão úteis para posteriores extrações de informações. Assim, todos os campos dos documentos daquele tipo devem ser preenchidos nos processos do dia-a-dia, garantindo assim a questão Completude.

Tratamos o tópico Precisão como sendo o consumo dos dados certos, na hora certa. De nada adianta obter os dados certos somente após uma tomada de decisão importante para a empresa (um caso de dados certos na hora errada). A possibilidade de falha será muito alta. Assim, é preciso gerar conhecimento rapidamente, em tempo real, para evitar a tomada de decisão totalmente baseada na intuição. E só obtendo os dados certos na hora certa é que se garante ter o conhecimento necessário antes de tomar uma decisão importante.

Consistência refere-se a maneira como se controlam os dados de uma forma alinhada entre diferentes sistemas. Por exemplo, a empresa efetua controle de seus clientes utilizando dois aplicativos, onde dados sobre a mesma pessoa ficam duplicados. Sem a centralização do controle sobre os dados dos clientes, acaba-se criando a necessidade de gerenciamento duplicado dos dados, aumentando a complexidade e abrindo grande margem para inconsistências e erros.

O uso de Padrões fornecidos pela Indústria é mais um ponto importante para manter dados de qualidade. Padrões são criados para facilitar a troca de informações em todo o ecossistema empresarial. Podemos exemplificar aqui tabelas que delimitam dados colocadas por grandes grupos/organizações de padronização, como as tabelas de NCM (Nomenclatura Comum do Mercosul) (Receita Federal) e GTIN (Número Global de Item Comercial) para produtos (GS1), Códigos de Regime Tributário (Receita Federal), Código de Países (do Banco Central do Brasil), CNAE (Código Nacional de Atividades Econômicas) (IBGE), etc.

A Validade Cronológica é outro ponto importante para a garantia de dados de qualidade. Os dados, ou no mínimo os conjuntos de dados (informações), devem ter a possibilidade de identificação do período em que são (ou foram) válidos. É essencial que os dados estejam disponíveis e identificáveis através do tempo.

Finalmente, chegamos à Acessibilidade. Os dados não devem apenas considerar todos os tópicos acima, mas principalmente, estarem também acessíveis ao tomador de decisão. E isto não exclui controles de segurança de acesso aos dados, o que é essencial, pois dados internos das empresas está entre os principais ativos das mesmas. De qualquer forma, o tomador de decisão deve ter fácil acesso aos dados desejados, estes sendo apresentados de forma organizada (como informações). E isto ocorre através de relatórios alinhados com as necessidades e estratégias da empresa, autenticações de acesso, visibilidade dos dados de forma planejada considerando percepções, atenção, memória, etc. (Psicologia Cognitiva).

Assim, como é possível controlar todos estes pontos a fim de manter dados de qualidade?

A realização dos controles citados é um processo de longo prazo. É preciso criar uma cultura de supervisão e auditoria sobre os dados gerenciados. Além disso, é importante manter uma boa comunicação com fornecedores e clientes dos dados (desde fornecedores dos aplicativos utilizados até os fornecedores de produtos e serviços). Manter dados de qualidade requer gerenciamento de Pessoas, Processos, e também Tecnologia.

A seguir listamos algumas dicas que podem ser utilizadas para você iniciar esta caminhada:

– Utilizar/Requisitar softwares que realizam padronização na entrada de dados. Caso contrário, definir um padrão para a entrada dos dados, como valores com a primeira letra maiúscula, somente maiúscula, uso ou não de acentos, etc, que deve ser utilizado internamente na empresa. Muitas vezes, quando não há uma padronização na entrada de dados, a empresa perde tempo no dia-a-dia tentando encontrar informações por causa de detalhes como acentuações e formatos, que fazem diferença em uma consulta qualquer.

– Com uma definição de padrão criada, a primeira coisa a fazer é criar controles sobre cada item, como foi citado nos exemplos dados em cada tópico. Criar um controle de verificação dos dados armazenados e transmitidos, e um plano de avaliação.

– Além disso, como solução de curto prazo, é possível realizar a normalização dos registros mantidos nos bancos de dados dos aplicativos utilizados na sua empresa. Esta normalização inclui uso de identificadores únicos, controle de dados duplicados, validações, e outros. Fica a atenção, que de nada adianta ajustar os dados como uma solução de curto prazo e não dar continuidade. Como já foi citado, Qualidade de Dados é um processo de longo prazo.

– Trabalhar na mudança de cultura dos operadores dos aplicativos que fazem entrada de dados ou recebem os mesmos de parceiros comerciais. Criar a necessidade e conscientização nestas pessoas com relação a qualidade dos dados mantidos.

– Na troca de dados com parceiros comerciais, utilizar um aplicativo de tradução completo, que faça a validação e que forneça garantias de completude dos dados, consistência, validação de padrões e flexibilidade de adaptação relacionado a manipulação dos mesmos.

Referências:

PEREIRA, Gilberto. Qualidade dos Dados vs Dados de Qualidade. Maio, 2013.
GS1. Data Quality Framework. Outubro, 2010. Disponível em:
http://www.gs1.org/gdsn/dqf/data_quality_framework
Comentários
Share

A Hub2b conecta a sua marca com os maiores marketplaces. Conheça a ferramenta mais prática para gerenciar e automatizar a sua operação nos marketplaces.