Visão do DMBOK e Gestão de Dados

1
UMA VISO SINTTICA E COMENTADA DO DMBOK

2


Uma viso sinttica e comentada do
Data Management Body of Knowledge
(DMBOK)

Carlos Barbieri

Com colaborao de Fernanda Farinelli

Belo Horizonte
Janeiro de 2013
Verso 01
3


FICHA TCNICA

Autor
Carlos Barbieri

Colaborao
Fernanda Farinelli (PRODEMGE)

Equipe tcnica
Isabella Fonseca (FUMSOFT)
Claudio Filardi (FUMSOFT)
Evilene Santos (FUMSOFT)

Editorao
Pedro Ivo Brando (FUMSOFT)
Renata Ferreira (FUMSOFT)

Projeto grfico
Gracielle Santos (FUMSOFT)

As informaes contidas neste trabalho podem ser reproduzidas desde que citada a fonte.

Outras informaes podem ser obtidas pelo e-mail qualidade@fumsoft.org.br

Fumsoft
Av. Afonso Pena, 4.000, 3 andar - bairro Cruzeiro
CEP: 30.130-009 - Belo Horizonte/MG
Tel.: (31) 3281-1148
www.fumsoft.org.br
Barbieri, Carlos.
Uma viso sinttica e comentada do Data Management Body of
Knowledge (DMBOK). Fumsoft - Belo Horizonte, 2013.
4


SUMRIO

1. UMA VISO SINTTICA E COMENTADA DO DMBOK ................................................. 5
1.1. Governana de dados .............................................................................................. 7
1.1.1. Planejamento da gesto de dados ............................................................................ 7
1.1.2. Controle da gesto de dados .................................................................................. 10
1.2. Gesto da arquitetura de dados ............................................................................ 11
1.3. Desenvolvimento de dados .................................................................................. 14
1.4. Gesto de operaes de dados ............................................................................. 17
1.5. Gesto da segurana de dados .............................................................................. 21
1.6. Gesto de dados mestres e de referncia .............................................................. 24
1.7. Gesto de data warehousing e business intelligence .............................................. 29
1.8. Gesto de documentos e contedo ....................................................................... 31
1.8.1. Gerncia de Documentos e de Registros ................................................................ 31
1.8.2. Gerncia de Contedo ........................................................................................... 33
1.9. Gesto de metadados ........................................................................................... 35
1.10. Gesto de qualidade de dados ............................................................................... 39
2. CONCLUSES ........................................................................................................ 43
3. REFERNCIAS BIBLIOGRFICAS .............................................................................. 45

5


1. UMA VISO SINTTICA E COMENTADA DO DMBOK

O objetivo desse trabalho fornecer uma viso sinttica sobre os corpos de conhecimentos
do Data Management Body of Knowledge (DMBOK), adicionando aspectos prticos sobre
gesto de dados desenvolvidos pelo autor nesta rea por mais de 40 anos. Esse trabalho no
tem a pretenso de substituir o documento DMBOK original, e intenciona servir somente de
um guia mais rpido e comentado sobre as prticas daqueles corpos de conhecimentos. Para
detalhes completos de contedo e de referncias, os documentos DMBOK, tanto o original,
quanto a sua edio brasileira, devero ser consultados.
Esse trabalho surgiu nos cursos de ps-graduao ministrados pelo autor, originado da
necessidade de se ter um texto menor e acessvel aos alunos que ainda no dispunham (ou
no dispem) das referncias originais. Alm disso, incorpora comentrios correlatos,
percepes e vises do autor sobre o tema, que podem servir para o entendimento das
interpretaes realizadas sobre a pesquisa realizada pela Data Management Association
(Dama) Brasil e pela Fumsoft, abordando a gesto estratgica de dados.
A Gesto de Dados (no ingls, Data Management ou DM), conforme o DMBOK (2009), visa
controlar e alavancar eficazmente o uso dos ativos de dados e sua misso e objetivos so
atender e exceder s necessidades de informao de todos os envolvidos (stakeholders) da
empresa em termos de disponibilidade, segurana e qualidade. uma responsabilidade
tanto do setor de Tecnologia da Informao de uma empresa quanto de seus clientes
internos e externos e envolve desde a alta direo, que utiliza dados na gerao de
informaes estratgicas, at profissionais de nvel operacional, que muitas vezes so
responsveis pela coleta e produo dos dados.
O DMBOK (2009) estrutura o processo de DM por meio de funes e atividades e est
distribudo por dez reas de conhecimento, conforme apresentado na Figura 1, a seguir.
6


Figura 1 - reas de conhecimento na Gesto de Dados, segundo o DMBOK

Governana de dados
Gerncia da Arquitetura de dados
Desenvolvimento de dados
Gesto de operaes de bancos de dados
Gesto de Segurana de dados
Gesto de Dados mestres e de Referncia
Gesto de Data Warehousing e BI
Gesto de Documentos e contedo
Gesto de Metadados
Gesto de Qualidade de dados

7


1.1. Governana de dados

A definio de Governana de Dados (GD) ampla e plural. um conceito em evoluo, que
envolve o cruzamento de diversas disciplinas, com foco em qualidade de dados, passando
por avaliao, gerncia, melhoria, monitorao de seu uso, alm de aspectos de segurana e
privacidade associados a eles. Para tal, as empresas devero definir objetivos
organizacionais e processos institucionalizados, que devero ser implementados dentro do
equilbrio fundamental entre TI e reas de negcios. Atravs da GD, as empresas hoje
tambm definem mecanismos para analisar os processos que se abastecem de ou produzem
os dados, criando um sentido maior de qualidade conjunta entre esses dois elementos
seminais (dados e processos) e contribuindo para a valorizao desses ativos, atravs do
pleno conhecimento da cadeia produtiva de informao e conhecimentos.
Segundo o DMBOK (2009), a Governana de Dados se divide em duas atividades macro,
Planejamento e Controle da Gesto dos Dados, etc.

1.1.1. Planejamento da gesto de dados
O objetivo :
Entender as necessidades estratgicas de dados da empresa.
Desenvolver e manter uma estratgia de dados.
Estabelecer unidades organizacionais e papis voltadas para dados.
Identificar os Data Stewards.
Estabelecer as camadas de GD e de data stewards.
Desenvolver e aprovar Polticas, Padres e Procedimentos de dados.
Revisar e aprovar a Arquitetura de Dados.
Planejar e patrocinar Projetos e Servios de Gesto de Dados.
Estimar o valor dos Ativos de Dados e custos associados (Riscos).

A viso sinttica :
a. Entender as necessidades estratgicas de dados:
8


Entender a estratgia e os dados necessrios para apoi-la. So evidentes questes como:
Para onde vou (em temos de negcios), como vou, quando vou?
Que dados sero necessrios nesse caminho?
Como obt-los, como mant-los?
Como garantir a sua qualidade?
Que reas sero prioritrias no tratamento dos dados, baseado nas
estratgias de negcios?
Para que segmentos vamos caminhar? Big Data, sentiment analysis via redes
sociais, etc.?
b. Desenvolver e manter a estratgia de dados:
Instanciar as aes para a obteno dos dados, sua manuteno, sua qualidade, baseado nas
necessidades estratgicas identificadas anteriormente.
c. Estabelecer unidades organizacionais e papis para essas atividades de dados
Estruturas in-business (data stewards), estruturas in-TI (AD, DBA, etc.), estruturas tticas
(CDO, DMO, gerencia os data stewards) e estruturas estratgicas (Comit de GD, que define
regras, tira dvidas, resolve impasses, etc.).
d. Identificar os Data Stewards
Sero os responsveis, dentro da rea de negcios, pelo controle e uso dos dados. Nos
usurios, seriam figuras com amplo domnio de conhecimento desses assuntos. Tomaro
conta daquele recurso, sero os responsveis (liability) e gerenciaro o seu uso.
e. Estabelecer as estruturas organizacionais (camadas) para Gesto de Dados e de data
stewards
Enquanto no item c h uma viso mais genrica, aqui h uma viso mais detalhe. Envolve
Membros do Comit de GD, principais Data Stewards, principais componentes do DMO,
entre outros. Para as funes in-business, definir as reas prioritrias (em funo da
estratgia) que devero ter os seus stewards (gestores de dados). H vrias proposies
possveis de estruturas para GD. Abaixo, na figura 2, uma das proposies com as camadas e
suas principais atribuies:
9


Figura 2 - Uma possvel estruturao das camadas de GD

f. Desenvolver e aprovar polticas, padres e procedimentos de gesto e governana de
dados.
Aqui encontramos trs dos Ps da GD. Polticas so as regras maiores, definidas em consenso
com reas envolvidas, todas aprovadas pelo Comit e divulgadas. As polticas balizam as
grandes direes. Padres regulam formas de nomes, documentos, layouts, entre outros.
Procedimentos so detalhes especficos de como fazer certas atividades e que se juntam a
descries de processos que sero desenvolvidos.
g. Revisar e aprovar a arquitetura de dados:
Envolve analisar a arquitetura de dados, formada em nveis conceituais gradativamente
detalhados (assuntos, entidades de negcios, entidades de dados, relacionamentos,
principais atributos, etc.) e mostrando a sua conexo com outras arquiteturas, como de
negcios, de sistema, de processos, de tecnologia, entre outros. Observar que h um
processo (corpo de conhecimento) focado em arquitetura.
h. Planejar e patrocinar projetos e servios da Gesto de dados:
Definir os projetos mais prioritrios para se comear a implementao dos conceitos de GD.
Podem ser melhorias na integrao de dados, na definio de arquiteturas, na segurana,
10


em foco de dados no estruturados, em qualidade, entre outros. Sero definidos de acordo
com as prioridades estratgicas dos negcios.
i. Estimar o valor dos ativos de dados e custos associados:
Trabalhar pelo custo negativo (riscos em imagem/reputao, compliance, etc.). Trabalhar em
valorao relativa dos dados com relao aos outros recursos de um projeto e na aferio de
valores que os competidores dariam por aqueles recursos de dados.

1.1.2. Controle da gesto de dados

O objetivo :
Supervisionar as camadas/estruturas e papis envolvidos com dados.
Coordenar as atividades de Governana de Dados.
Gerenciar e resolver conflitos sobre dados.
Monitorar e garantir aderncia a aspectos regulatrios (no que tange a
dados).
Monitorar e garantir a aplicao e conformidade s Polticas, Padres
Procedimentos e Arquitetura.
Supervisionar projetos e servios relativos Gerncia de Dados.
Comunicar e promover os valores dos ativos de dados.

Viso sinttica:
Nesse ponto, a ideia justamente o controle do funcionamento da estrutura definida
anteriormente: Envolve coordenar as atividades de GD, supervisionar as estruturas definidas
para as atividades de dados, gerenciar conflitos, entre outros.

11


1.2. Gesto da arquitetura de dados

Segundo o DMBOK (2009), o objetivo da Gesto da Arquitetura de Dados :
Entender as necessidades de informao da empresa. Aqui aparece uma
variante com relao outra j mencionada anteriormente (Gesto de
Dados). O foco aqui na necessidade de informaes, ou seja, algo mais
elaborado e focado em negcios e derivado do anterior.
Desenvolver e manter o modelo corporativo de dados (MCD).
Analisar e alinhar o MCD com outros modelos de negcios.
Definir e manter uma arquitetura de tecnologia de Dados.
Definir e manter uma arquitetura de integrao de dados.
Definir e manter uma arquitetura de Data Warehousing e de Business
Intelligence.
Definir e manter uma taxonomia e padres de nomes (namespaces) de dados
para a empresa.
Definir e manter uma arquitetura de Metadados.

A viso sinttica :
a. Entender as necessidades de informaes da empresa:
Levantar as informaes, criando vises de dados por reas/assuntos (subject areas).
Envolve a criao da viso de dados necessrios em variados nveis de abstrao. Os dois
primeiros so focos da viso corporativa e os trs ltimos esto dentro da viso de
aplicaes:
Modelo de Entidades de negcios por subject area, numa viso de alto nvel, com
meno das principais Entidades de Negcios daquele domnio.
Modelo conceitual de dados: Um pouco mais detalhado que o anterior,
contemplando vises de relacionamentos e dos principais atributos envolvidos.
Modelo lgico de dados: Viso mais detalhada que a anterior, contemplando as
Entidades de Dados, com seus relacionamentos e seus atributos, normalizados,
numa viso relacional.
Modelo Fsico, com uma viso de implementao, dentro da restrio do
SGBD/tecnologia.
12


Viso do implementador, com aspectos relacionados com SQL/DDL, Views, etc. ou
de implementaes pelos SGBD ou FMS (Hadoop, NOSQL), entre outros.

b. Desenvolver e manter o modelo de dados corporativo:
Envolve a manuteno dos dois nveis anteriormente definidos, em funo do
desenvolvimento dos modelos da aplicao. O grande objetivo manter a coerncia do
significado dos dados (Entidades, relacionamentos) para toda a empresa. Aqui comea uma
parte da definio semntica das Entidades de Negcios, com extenses semnticas de
classificao e agregao, se necessrio.
c. Analisar e compatibilizar o MCD com outros modelos da empresa:
Aqui ao grande foco manter a coerncia entre o modelo de negcios da empresa (como
grande balizador) e os modelos de dados, modelos de processos, modelos de
sistemas/aplicaes, modelo de tecnologia e modelo de organizao. Isso significa que uma
Entidade de Negcios (modelo conceitual de dados) ser criada, atualizada, mantida e
eliminada por processos implementados em sistemas, apoiados em tecnologia e sob a
responsabilidade de reas (organizao). o dado se integrando nas vrias dimenses da
empresa.
d. Definir e manter a arquitetura de tecnologia de dados:
Envolve um framework que contemple os elementos de tecnologias que compem o
domnio de dados da empresa. Por exemplo, os SGBDs tradicionais, os SGBDs envolvidos
em projetos de ERP, que podem ser diferentes, outros tipos de softwares usados para
tratamento de Big Data, como Hadoop e NoSQL, utilitrios desses componentes,
ferramentas de modelagem de dados, ferramentas de qualidade e de profiling de dados,
ferramentas de metadados, como dicionrios, catlogos, glossrios, entre outros. Tudo que
tangencia a tecnologia que se usa para dados.
e. Definir e manter a arquitetura de integrao de dados:
Envolve uma viso acerca das ferramentas e solues de integrao de dados. Inclui o
envolvimento dos sistemas/aplicativos onde os dados so gerados, transformados,
consumidos, eliminados, dentro do conceito de data lineage (linhagem de dados). Linhagem
de dados uma espcie de viso dos dados, desde a sua origem, observando o seu ciclo de
vida. Dessa forma, essa recomendao do DMBOK inclui sistemas e informaes e envolve
papis que fazem manipulaes (CRUD) de dados e suas transformaes a fim de torn-los
adequados ao uso da empresa.
f. Definir e manter a arquitetura de DW e BI:
13


No fundo um detalhamento dos itens anteriores, com foco em Business Intelligence e Data
Warehousing. Envolve as estruturas de armazenamento (DW, Dmarts, ODS), camadas de
transformao e integrao (ETL) e camadas de consumo de informaes (Relatrios, OLAP,
dashboards, estudos de inferncia por tcnicas de analytics, data mining, etc.).
g. Definir e manter taxonomias e nomes (namespaces) como padres corporativos:
Envolve a estruturao de taxonomias como, por exemplo, representaes abstratas de
classes/subclasses, heranas, ou composio e agregao, estendendo a semntica definida
nos modelos conceituais e aprimorando o seu entendimento. uma forma de se entender
os dados do ponto de vista mais de suas classificaes hierrquicas e de relacionamentos
semnticos. Com relao aos nomes (namespaces), envolve a definio de termos padres
que objetivam a consistncia dos elementos entre os modelos da empresa.
h. Definir e manter uma arquitetura de metadados:
Envolve a definio do fluxo de metadados, a integrao entre os variados tipos de depsitos
de metadados (catlogos, dicionrios, glossrios, etc.). Sugere a gerncia sobre como os
metadados so criados nas suas fontes, controlados, integrados e acessados. Visa a garantir
a coerncia na referncia semntica dos metadados, em todos os nveis (dados no ambiente
negocial, transacional e tambm dado no ambiente analtico de BI) e em todas as suas
fontes.

14


1.3. Desenvolvimento de dados

O objetivo do Desenvolvimento de Dados, de acordo com o DMBOK (2009), projetar,
implementar e manter solues que satisfaam as necessidades de dados da empresa.
Compreende as atividades focadas em dados dentro do ciclo de desenvolvimento do
sistema, incluindo a modelagem de dados, anlise de requisitos de dados e projeto,
implantao e manuteno de bancos de dados. A sua estrutura :
Modelagem de dados, anlise e projeto de solues:
Analisar os requisitos de informao.
Desenvolver e manter modelos conceituais de dados.
Desenvolver e manter modelos lgicos de dados.
Desenvolver e manter modelos fsicos de dados.
Projeto detalhado de dados:
Projetar(desenhar) os Bancos de dados fsicos.
Projetar(desenhar) os produtos de informao necessrios.
Projetar (desenhar) servios de acesso aos dados.
Projetar (desenhar) os servios de integrao de dados.
Gerncia de qualidade dos modelos de dados e dos projetos derivados:
Desenvolver padres para modelagem de dados e projetos.
Revisar (auditar) a qualidade dos modelos de dados e dos projetos de bancos
de dados.
Gerenciar versionamento e integrao de modelos de dados.
Implementao de dados:
Implementar, desenvolver e testar alteraes em bancos de dados.
Criar e manter dados para ambientes de testes.
Migrar e converter dados.
Construir e testar produtos de informao.
Construir e testar servios de acesso a dados.
Validar requisitos de informao.
Preparar para a implementao (da parte) dos dados.
15


A viso sinttica :
a. Modelagem de dados, anlise e projeto da soluo:
Os itens analisar os requisitos de informao, desenvolver/manter modelos
conceituais/modelos lgicos e modelos fsicos so parte do processo tradicional de
desenvolvimento de aplicaes e dizem respeito ao levantamento dos requisitos (de dados e
de sistemas), com o intuito de desenvolver os modelos necessrios compreenso das
necessidades de informaes da soluo em projeto. Essa abstrao de dados construda
em vrios nveis, indo da viso conceitual (entidades, relacionamentos, alguns atributos),
lgica (entidades, relacionamentos, atributos, com maior nvel de detalhe e aspectos de
normalizao, domnios, chaves, etc.), fsica (detalhamento da abstrao anterior, com
incorporao de aspectos associados a ndices, campos nulos, formas de armazenamento
em coerncia com o SGBD a ser usado, etc.). Como qualquer proposio, o DMBOK no
sugere nenhuma abordagem especfica, devendo a empresa centrar no o qu est sendo
sugerido e no no como.
b. Projeto detalhado de dados:
Projetar os Bancos de Dados fsicos se relaciona com colocar as estruturas de BD de acordo
com as caractersticas do SGBD em questo. Significa se preocupar com aspectos de
performance, armazenamento, particionamento de dados, colunas calculadas definidas
como armazenadas, entre outros. Projetar (desenhar) os produtos de informao merece
uma observao anterior: Produto de informao significa tudo aqui que se pode extrair
direta ou indiretamente de bancos de dados (Relatrios operacionais, gerenciais, cubos,
dashboards, scorecard, sadas na forma de documentos XML, portal, dados para integrao
com outros aplicativos, etc.). Assim, esse item foca nos projetos das sadas desejadas do
sistema.
Os servios de acesso aos dados podem ser entendidos como a disposio com que os
SGBDs se encontram numa arquitetura ou topologia. Podem ser servidores linkados,
acesso por Servios (SOA), Message Broker (servios assncronos de mensagens), dispositivos
tipo ODBC, JDBC, arquitetura de bancos distribudos, como replicao, parties,
distribuio, camadas de ETL que fazem leitura de bancos de dados, entre outros.
Projetar os servios de integrao de dados representa a preservao de certos conceitos
fundamentais do ambiente transacional, como ACID (Atomicidade, Consistncia, Isolamento
e Durabilidade) (ELMASRI, 2000). Os conceitos de Atomicidade esto associados a
mecanismos ou servios que garantem a execuo conjunta ou integrada de comandos sob o
mesmo escopo transacional, sacramentando todas as aes ou desfazendo-as
completamente. A consistncia um conceito que garante os estados de consistncia inicial
16


ou final dos dados alterados pela transao. Os servios de isolamento garantem que as
transaes executadas em paralelo no sofrero ou interferiro nas outras, simulando um
ambiente exclusivo de recursos, quando na realidade eles so compartilhados. O conceito de
durabilidade se expressa nos servios que garantem a manuteno do estado alcanado pela
transao, depois que ela foi terminada, mesmo que ainda alguma intercorrncia possa
afetar os dados atualizados por ela.
Alm disso, tambm devem ser considerados os conceitos de integrao numa viso mais
ampla. Envolve, dessa forma, a definio de camadas de integrao, como ETL, de
persistncia, etc.; e do uso de Stored Procedures, como camada de aes essenciais de dados
como ADD, MOD e DEL de linhas /registros.
c. Gerncia da qualidade do modelo de dados e do projeto de Bancos de Dados:
Envolve a definio e verificao de padres a serem usados nos modelos, incluindo nomes
de entidades, de atributos, de relacionamentos, simbologias de entidades, relacionamentos,
atributos, cardinalidade, entre outros. A reviso a verificao dessas aderncias feitas por
trabalhos de QA (Quality Assurance) ou por revises por pares (VER/VAL), garantindo a
compatibilidade entre os requisitos iniciais (de dados) e os elementos implementados. Inclui
tambm a gerncia de versionamento, parte da gerncia de configurao, garantindo a
integridade de modelos, com controles de versionamento, controles de alteraes (quem
fez, porque, quando, e o que?), entre outros.
d. A implementao de dados:
Est diretamente associada com o desenvolvimento, implementao e testes (das partes de
dados), dentro do contexto geral de teste dos sistemas. Os testes se referem aos elementos
definidos anteriormente (Bancos de Dados e outros produtos de dados, servios de dados,
integrao de dados, etc.). O conceito de validao de requisitos de dados aplicado aqui
com a avaliao dos pontos levantados na forma de requisitos (de informao) e a anlise de
sua devida transformao em produtos do sistema. Tambm se relaciona com migrao,
preparao e converso de dados dentro do contexto do projeto, incluindo aspectos de
implantao.

17


1.4. Gesto de operaes de dados

O objetivo da Gesto de Operaes de Dados, segundo o DMBOK (2009) planejar,
controlar a apoiar os ativos de dados ao longo do seu ciclo de vida, indo desde a criao e
aquisio (obteno) at o arquivamento final (archiving) e eliminao (purge). A estrutura
:
Suporte a Bancos de dados:
Implementar e controlar ambientes de Bancos de Dados
Obter dados originados de fontes externas.
Planejar para Recuperao de dados (Recovery).
Realizar Backup e Recovery de Bancos de Dados.
Estabelecer nveis de servios relacionados performance de Bancos de
Dados.
Monitorar e ajustar aspectos de performance de Bancos de Dados.
Planejar a reteno de dados.
Arquivar, reter e eliminar dados.
Suportar aspectos de Bancos de Dados especializados.
Gerncia de tecnologia de dados:
Entender os requisitos tecnolgicos de dados.
Definir arquiteturas tecnolgicas de dados, j mencionada anteriormente na
funo Gerncia da Arquitetura de dados como Definir e manter uma
arquitetura de Bancos de Dados.
Avaliar tecnologias de dados.
Instalar e administrar tecnologias de dados.
Controlar e acompanhar aspectos de licenas de tecnologia de dados.
Suportar o uso e as dvidas (pendncias) sobre tecnologia de dados.

A viso sinttica :
a. Suporte a bancos de dados:
18


Implementar e controlar ambientes de Bancos de Dados: significa ter
controles sobre os possveis diversos ambientes de SGBDs da empresa, suas
vrias instncias, tanto de SGBD quanto de tecnologias correlatas, gerncia e
conhecimento de parmetros e afinamento de SGBD e correlatos, controle de
sua conectividade (com outros SGBD em ambientes distribudos, ou com
outras camadas), ajuste e afinamento de outras camadas correlatas que
dialogam com o SGBD e controle do ambiente de data storage usado pelos
SGBDs e produtos correlatos.
Obter dados originados de fontes externas: Controle de aquisio dos dados
obtidos de fontes externas (na forma de CD, DVD, EDI, XML, RSS, etc.), como
vem (licenciados ou contratos) de onde vem (fontes), com qual periodicidade
chegam, dados de contrato com fornecedores, SLA com o fornecedor, entre
outros; e registro no modelo lgico/conceitual de dados.
Planejar para recuperao de dados (recovery): Planejamento das atividades
de backup e recovery, com definio de procedimentos, periodicidades, tipos
de backups (integral, incremental), tipos de mdia destino, SLA definido para
tempos mximos de recuperao, tipos de perdas, tipos de recuperao, tipos
de arquivos a serem resguardados (BD, Logs, cpias lgicas, cpias fsicas,
etc.).
Realizar Backup e Recovery de Bancos de Dados: Instanciao do plano
definido acima, com a criao das backups, logs de transaes, estratgias de
imagens em discos RAID, etc.
Estabelecer nveis de servios relacionados performance de Bancos de
dados: SLA definido para a tempo de resposta de BD, de algumas transaes
chaves, de jobs batchs de apoio, como ETL, de tempo de recuperao de BD,
de interrupes fsicas, lgicas, etc.
Monitorar e ajustar aspectos de performance de Bancos de Dados: Realizar
acompanhamento proativo (preventivamente) e reativo (aps incidentes).
Envolve aspectos de gerncia de tempo de resposta ao usurio, provenientes
das mais variadas causas-raiz (problemas de codificao de SQL, comandos,
falhas de projetos de bancos, ausncia de indexaes corretas, problemas
provenientes de desatualizao de estatsticas usadas pelo otimizador de
pesquisas, etc.). Associado a conceitos de processos do ITIL, MPS-SV, entre
outros, para controle de incidentes e problemas.
Planejar a reteno de dados: Planejar a forma, tempo e tipo de reteno,
transferncia para mdias secundrias e de eliminao de dados, de acordo
com polticas de Governana de dados e/ou aspectos regulatrios.
19


Arquivar, reter e eliminar dados: Instanciao do Plano de reteno de dados
definido anteriormente.
Suportar aspectos de Bancos de Dados especializados: Entender que hoje h
uma grande variedade de sistemas gerenciadores de bancos de dados e de
FMS (File Management Systems), cada qual disponvel para certos tipos de
necessidades: OODBMS (SGBD para Bancos orientados a objetos), XML,
NOSQL (para dados semi ou no estruturados), Hadoop/Map Reduce para
armazenamentos de petavolumes, Bancos de dados de armazenamentos
dimensionais, entre outros. Para detalhes sobre Bancos de Dados NoSQL veja
(SADALAGE, 2014).

b. Gerncia de Tecnologia de Dados:
Entender os requisitos tecnolgicos de dados: Como em qualquer soluo a
ser desenvolvida, entender primeiramente o problema posto, quais as
limitaes das tecnologias colocadas e existentes, quais os requisitos
especficos de HDW para aquela tecnologia de dados, quais os requisitos de
sistema operacional, os de conectividade, as habilidades do peopleware
envolvido, as implicaes de custo e se h equivalentes no domnio de
softwares livres.
Definir arquiteturas tecnolgicas de dados (j mencionadas anteriormente na
funo Gerncia da Arquitetura de dados como Definir e manter uma
arquitetura de Bancos de Dados): Significa que tipo de software ser
necessrio em cada camada relacionada com dados: BD Convencionais, BD
especiais (Georreferenciados, XML, NOSQL para big data, FMS, Bancos de
Dados multidimensionais, etc.) e que outras camadas so necessrias:
integrao, ferramentas de modelagem, BI, ETL, virtualizao de servidores,
suites de testes, camadas para gerao de dados, entre outros.
Avaliar tecnologias de dados: Inclui a anlise de alternativas tecnolgicas de
dados. Isso pode ser feita por um processo de Gerncia de Deciso (GDE), no
modelo MPS.BR ou DAR (CMMI), envolvendo a definio de critrios e pesos
para a melhor opo, benchmarks, visitas, provas de conceito, etc.
Instalar e administrar tecnologias de dados: Na realidade, a instanciao dos
dois ltimos itens anteriormente discutidos.
Controlar e acompanhar aspectos de licenas de tecnologia de dados:
Considerar a importncia do controle de licenas de uso de SGBD, de
ferramentas de BI, de ferramentas de integrao, de geradores de relatrios,
20


de cubos, de mining, entre outros; visando preservar aspectos legais e de
controle de custo.
Suportar o uso e as dvidas (pendncias) sobre tecnologia de dados: Aqui
esto concentradas as aes de apoio, suporte e resoluo de incidentes
associados camada de dados, com processos, por exemplo, do modelo ITIL,
ou MPS-SV, com detalhamento de nveis de apoio. Passa tambm pela
escolha adequada e pelo treinamento ministrado visando utilizao daquela
tecnologia de dados.

21


1.5. Gesto da segurana de dados

Segundo o DMBOK (2009), o objetivo da gesto da segurana de dados planejar,
desenvolver e executar as polticas de segurana e procedimentos a fim de prover a
adequada autenticao, acesso e auditoria de dados e informaes. A estrutura :
Entender as necessidades de segurana de dados e os requisitos regulatrios
associados.
Definir Poltica de segurana de dados.
Definir Padres de segurana de dados.
Definir Procedimentos e controles de segurana de dados.
Gerenciar usurios, passwords e membros de grupos de usurios.
Gerenciar vises e permisses de acesso aos dados.
Monitorar autenticao de usurios e comportamento de acesso.
Classificar o grau de confidencialidade das informaes.
Auditar a segurana dos dados.

A viso sinttica :
a. Entender as necessidades de segurana de dados e os requisitos regulatrios
associados:
Os requisitos regulatrios normalmente esto associados com modelos do tipo SOX,
Basilia-II, Clerp-Act of Australia, etc.
b. Definir poltica de segurana de dados:
So as regras e diretrizes maiores que devem ser seguidas pela empresa, em termos de
segurana da informao. So normalmente definidas por administradores de segurana
juntamente com gestores de dados e auditores de segurana externa ou interna. Dever ser
aprovada pelo Conselho de Governana de Dados (GD).
c. Definir padres de segurana de dados:
Os padres de segurana gravitam em torno de: padres de senhas, grupos de usurios,
padres de criptografia, guia para acessos externos, protocolos de transmisso pela internet,
requisitos de documentao das informaes de segurana, padres de acesso remoto,
22


procedimentos para relato de incidentes de segurana, padres de armazenamento e acesso
de dados para portveis e descarte (eliminao) desses tipos de equipamentos.
d. Definir procedimentos e controles de segurana de dados:
Significa, para o DMBOK, estabelecer um grau de detalhe sobre as diversas atividades, tanto
de planejamento, operao quanto de controle da gesto de segurana de dados.
e. Gerenciar usurios, passwords e membros de grupos de usurios:
Analisar os diversos usurios, passwords, grupos de usurios, privilgios de usurios e/ou de
grupos, tendo uma fotografia correta dessas entidades e de suas modificaes no contexto
da segurana de dados.
f. Gerenciar vises e permisses de acesso aos dados:
Envolve a aplicao dos conceitos de opt in e opt out, ou seja, as atividades de se garantir
privacidade e segurana de dados por conceder especificamente permisses, atravs de
definies explcitas (opt in) ou por se restringir aes especficas, dentro de um leque amplo
de alternativas concedido por default (opt out). Tambm os conceitos de vises (views) de
bancos de dados so elementos considerados nesse ponto.
g. Monitorar autenticao de usurios e comportamento de acesso:
Representa o acompanhamento dos acessos, com a observao de comportamentos atpicos
ou de riscos, que devero ser reportados aos envolvidos. Isso alimenta as futuras alteraes
de planos, projetos e polticas de segurana de dados. Alguns tipos de dados mais sensveis
podero ser monitorados em tempo real, com possibilidade de alertas e mensagens para
administradores, gestores, imediatamente ao seu acontecimento.
h. Classificar o grau de confidencialidade das informaes:
Classificar o grau de confidencialidade, definindo hierarquias como: informao para acesso
geral (todos podem ver); informaes somente para uso interno (somente colaboradores
podem acessar as informaes que podero ser mostradas ou discutidas no mbito externo
da empresa, porm no copiadas); informaes confidenciais (no devem ser
compartilhadas por toda empresa); informaes confidenciais restritas (somente aberta
para certos colaboradores previamente identificados com o status devem saber);
informaes confidenciais registradas (poucos tm acesso e h a estrita necessidade de
assinatura de documento de responsabilidade pelo seu uso ou conhecimento).
i. Auditar a segurana dos dados:
Objetiva a realizao de sesses de auditoria com o propsito de analisar, validar,
aconselhar e recomendar polticas, padres e atividades relacionadas gerncia de
23


segurana de dados. Pode ser interna ou externa, porm feitas por pessoas sem nenhum
envolvimento nos processos em auditoria.

24


1.6. Gesto de dados mestres e de referncia

O objetivo da Gesto de dados mestres e de referncia planejar, implementar e controlar
atividades para garantir consistncia de dados Mestres e de Referncia. Os dados Mestres
so os dados fundamentais de uma empresa e envolvem clientes, fornecedores,
colaboradores, contas, locais, entre outros. Os dados de Referncia so dados relacionados
com cdigos, como estado, pas, status de um pedido, entre outros, e servem como
elementos para categorizar/classificar outros dados. (DMBOK, 2009).
Os dois Mestres e Referncias servem como input para os dados transacionais: Num pedido,
por exemplo, que representa um dado do tipo Transacional (normalmente associado a uma
data) voc tem dados Mestres (clientes e produtos entregues, vendedor envolvido, etc.),
dados de Referncia, como o status do pedido, CEP padro do fornecedor, entre outros, e no
conjunto formam os dados Transacionais do Pedido. Essa classificao de tipos de dados
est mais detalhada adiante. A estrutura :
Entender as necessidades de integrao de dados Mestres e de Referncia.
Identificar Fontes e contribuintes (contributors) de dados Mestre e de Referncia.
Traar a linhagem do dado, para identificar a suas Fontes originais e temporrias (BD,
FMS, processo, rea organizacional, pessoas, papis/indivduos envolvidos).
Definir e manter a arquitetura de integrao de dados.
Implementar solues de gerncia de Dados Mestres e de Referncia.
Definir e manter regras de match para os dados replicados.
Definir os Golden Records.
Definir e manter hierarquias e afiliaes (conceitos de MDM).
Planejar e implementar integraes das novas fontes de dados.
Replicar e distribuir Dados Mestres e de Referncia.
Gerenciar alteraes de Dados Mestres e de Referncia.

Algumas consideraes iniciais: Os dados, h muito, so usados por diferentes reas dentro
de uma empresa, de formas tambm diferentes. As reas de Venda, Fornecedores,
Manufatura, etc. veem os dados de Vendas, por exemplo, de forma diferente, cada uma com
uma viso ou conjunto de atributos especficos, algumas inclusive com definies diferentes
para a mesma entidade ou informao.
25


Os dados podem ser vistos como enquadradas dentro de trs tipos: Os Mestres, os de
Referncia e os Transacionais:
Os mestres so aqueles dados centrais da empresa, com certa caracterstica de
imutabilidade. Representam entidades de negcios vitais da empresa, como cliente,
fornecedores, empregados, locais, entre outros. Os dados Mestres so de domnios mais
amplos, com variaes semnticas como pessoas (Fsica, Jurdica), locais, elementos
geogrficos, etc.
Os dados de referncia representam elementos com caractersticas mais voltadas para
codificao de valores, como cdigo e descrio, por exemplo. Servem para categorizar
outros dados. Representam tipos de dados que servem de referncia para algum contexto,
como CEP, cdigos geogrficos (cidade, estado, etc.), cdigos contbeis, lista de valores de
certos domnios, entre outros. Uma das reas onde so muito usados na Sade. Os cdigos
internacionais de doena (CID) e os cdigos de tratamentos (Current Procedural Terminology
- CPT) so fundamentais nas estatsticas e estudos de doenas e as aes realizadas de
tratamento. O CID est na verso 9, com a previso da incorporao do CID-10 para outubro
de 2013. Os dados de referncia possuem relacionamento entre eles (o atributo cdigo-CEP
e o atributo descrio-Local) e entre si (cdigos entre eles-CEPs da mesma raiz). Outro
exemplo: Considere a trinca cod-produto, desc-produto, cod-produto-pai. Esses elementos
representam uma referncia de cdigo para descrio e uma relao de hierarquia de cod-
produto-pai para cdigo-produto. Os dados de referncia tendem a ser mais imutveis, pois
representam codificaes que tendem a permanecer.
Ambos (dados mestres e dados de referncia) so insumos para a produo de dados
tipos transacionais. Por exemplo, um cliente comprando produtos em locais da
minha empresa, gera transao de compras (que podem ter os seus dados prprios, como
data, tipo de desconto daquela compra, etc.).
Os dados Mestres e de Referncia devem ser geridos pela empresa de forma centralizada,
envolvendo os gestores de dados da(s) rea(s) afim(ins). Sua gerncia envolve a criao,
integrao, manuteno uso e descarte. Contempla tambm a definio das verses
abrangentes (que englobem todos os seus atributos) e, preferencialmente nicas, que
representem a verdade dos dados (golden records). Buscam, na essncia, a entidade com
seus atributos e valores mais ntegros, atuais e associados ao negcio.
Os DMR (Dados Mestres e de Referncias) so implementados por diversas ferramentas
como ETL, integrao de dados, ODS (Operational Data Store) para armazenamento das
verses nicas, ferramentas de profiling e cleasing, para a descoberta de duplicatas, entre
outras.
26


Os dados mestres podem ser classificados em alguns domnios: partes (parties), que
representam organizaes, indivduos, seus papis, como clientes, empregados,
fornecedores, vendedores, entre outros. Na viso de segurana podem ser: cidados,
testemunhas, vtimas. No domnio sade podem ser: clientes, provedores de servios, estes
classificados em mdicos, convnios, etc. No domnio educao, podem ser: aluno,
professor, inspetor, diretor, etc. H dados Mestres tambm nos domnios de clientes,
ambiente financeiro, produtos ou servios e localizao, dentre outros.
A viso sinttica segundo o DMBOK :
a. Entender as necessidades de integrao de dados Mestres e de Referncia:
Significa ter os devidos controles para compatibilizar os dados que esto replicados e usados
em diferentes sistemas/aplicativos. Normalmente as causas-raiz de problemas de qualidade
de dados revelam esse aspecto. A soluo Master Data management (MDM) complexa e,
como tal, exige soluo gradativa e incremental. A sugesto entender a necessidade e o
uso daquele dado em estudo, nas diversas aplicaes/sistema da empresa.
b. Identificar Fontes e contribuintes (contributors) de dados Mestre e de Referncia:
Depois de entendido, importante traar a linhagem do dado, para identificar a suas fontes
originais e temporrias (BD, FMS, processo, rea organizacional, pessoas, papis/indivduos
envolvidos).
c. Definir e manter a arquitetura de integrao de dados:
J mencionada anteriormente na funo Gerncia da Arquitetura de dados como Definir e
manter uma arquitetura de integrao de dados, a arquitetura de soluo de MDM passa
por topologias parecidas com as de Bancos de dados distribudos e/ou replicados e busca
evitar o aparecimento de silos de dados ou arquivos isolados e personalizados para
atender aplicaes especficas.
d. Implementar solues de gerncia de Dados Mestres e de Referncia:
Passa por definio de solues que permitam o uso compartilhado do dado Mestre ou de
Referncia, na sua forma golden record por variadas aplicaes OLTP ou de BI, mantendo
a sua integridade. As topologias devem permitir leituras diretas dos DM (dados mestres ou
de referncia) ou o seu uso em sistemas atravs de replicaes controladas (sncronas ou
assncronas).
e. Definir e manter regras de match para os dados replicados:
27


Trabalhar padres para que se possa identificar duas ocorrncias como sendo do mesmo
objeto. Conforme citado anteriormente, dois registros de cliente com nome Carlos Barbieri
so considerados o mesmo objeto (Carlos Barbieri)?
Tal atividade passa por tcnicas de identificao de elementos duplicados, atravs de regras
de inferncia de similaridade, por tcnicas de eliminao de duplicao de registros iguais e
por tcnicas de consolidao que podem ser:
Match-merge: Essas tcnicas consistem no batimento (match) das vrias
ocorrncias multiplicadas e a produo de um registro abrangente que as
represente.
Match-Link: Tcnicas que definem um registro, com apontadores para outros,
sem consolidao fsica em um nico elemento.

f. Definir os Golden Records:
Golden Records significa o conceito de fonte nica, ntegra e confivel, que procura
garantir a verdade sobre os dados. Por exemplo, um nico cadastro lgico de clientes,
formado por informaes advindas de vrias fontes fsicas.
g. Definir e manter hierarquias e afiliaes (conceitos de MDM):
As hierarquias e afiliaes complementam as informaes de relacionamentos dos dados
Mestres, mostrando, por exemplo, dois registros mestres de clientes, relacionados como
Todo-Parte (um cliente parte de um outro cliente, ou seja faz parte do mesmo grupo, ou
afiliada, ou seja tem um relacionamento com a outra empresa). Tambm h o
relacionamento conhecido como um tipo de. As duas classificaes de dados so muito
aplicadas no conceito de objetos (Todo-Parte ou composio e agregao) e ( um tipo de
definindo tipos e subtipos), adotados em Modelagem de Classes e objetos.
h. Planejar e implementar integraes das novas fontes de dados:
Nesse ponto, o DMBOK se preocupa com a chegada de novas fontes de dados que devero
ser integradas ao ambiente j existente. Isso envolve: analisar as requisies feitas de
integrao, a complexidade e custo de sua integrao e avaliar a qualidade dos dados
entrantes.
i. Replicar e distribuir Dados Mestres e de Referncia:
Esse ponto versa sobre a arquitetura definida para a soluo de MDM implementada.
Poder ser via bancos distribudos, ou atravs de replicaes.
j. Gerenciar alteraes de Dados Mestres e de Referncia:
28


Esse ponto, de crucial importncia, dever ser considerado com cuidado, pois os dados do
ambiente MDM estaro compartilhados e as suas alteraes implicam controles mais
rigorosos, a fim de evitar impactos e rupturas em sistemas em funcionamento. Passa por:
criar e receber pedidos de alterao, identificar reas interessadas; avaliar impactos em
funo da solicitao, aceitar ou rejeitar a solicitao ou transferir a deciso para o mbito
da Governana de Dados (GD), comunicar a deciso s partes interessadas, realizar as
mudanas, caso aprovada, comunicar as partes interessadas acerca das mudanas.
A Figura 3 mostra uma classificao de dados, contemplando DMR (Dados Mestres e
Referenciais) e outros dados como histricos, temporrios e condicionais, enquadrados em
dimenses origem, forma, definio e gnese.

Figura 3 - Classificao de Dados

29


1.7. Gesto de data warehousing e business intelligence:

O objetivo da Gesto de data warehousing (DW) e business intelligence (BI) (DMBOK, 2009)
planejar, implementar e controlar processos para prover dados de suporte deciso e
apoio a colaboradores envolvidos em produo de relatrios, consultas e anlises.
A estrutura :
Entender as necessidades de informaes analticas (BI).
Definir e manter a arquitetura de DW e de BI (j mencionada anteriormente na
funo Gerncia da Arquitetura de dados como Definir e manter uma arquitetura de
DW e de BI).
Implementar os DW e DataMarts.
Implementar as ferramentas de BI e de Interface para usurios.
Processar os dados para o ambiente de BI.
Monitorar e ajustar os processos de DW.
Monitorar e ajustar as atividades e aspectos de performance de BI.

A viso sinttica :
a. Entender as necessidades de informaes analticas (BI):
Os requisitos de BI so revestidos de certas diferenas quando comparados com os
requisitos tradicionais de sistemas transacionais. O fornecedor de requisitos, que vocaliza as
necessidades e os problemas de BI pertence a outro patamar gerencial, normalmente na
camada mais ttica e estratgica. Isso demanda uma observao mais apurada sobre as
necessidades e problemas (requisitos de negcios e de usurios), alm de tcnicas mais
efetivas de comprometimento das partes, como prottipos, provas de conceito, entre
outros. O levantamento das necessidades de negcios sugere a captura de metadados
(significado dos dados, dos processamentos, de indicadores, etc.). Nesse momento,
importante a observao comparativa dos dados demandados contra os dados existentes.
b. Definir e manter a arquitetura de DW e de BI:
Passa pelas diferentes alternativa de escolas: Viso de EDW (Bill Inmonn) e de DMarts
evolutivos e integrados (Ralph Kimball), com todos os elementos que formam uma
arquitetura de DW e BI: sistemas transacionais fomentadores dos dados, camada de ETL,
camada de armazenamento com DataWarehouse, DataMarts, ODS,etc, camada de
ferramentas para produo de informaes, camada de profiling e cleansing dos dados, etc.
30


c. Implementar os DW e Data Marts:
Nesta atividade o DMBOK foca na materializao gradativa de DW e BI, em projetos
evolutivos e integrados.
d. Implementar as ferramentas de BI e de interface:
Passa pelos tipos de ferramentas necessrios para se alcanar os objetivos. So ferramentas
de dashboards, ferramentas de visualizao de dados, ferramentas de relatrios, OLAPs (de
cubos), de anlise preditiva/mining, entre outros, que formaro o arsenal de aplicativos para
atender as necessidades de informao da empresa.
e. Processar os dados para o ambiente de BI:
Relaciona-se com as atividades de ETL (Extrao, Transformao e Carga) de dados,
atividades de cleansing e integrao de dados, considerando reas intermedirias, como
staging, depsitos intermedirios como ODS, etc.
f. Monitorar e ajustar os processos de DW:
Passa pelos processos de monitorao de performance de bancos dos dados que compem
a estrutura do DW, processos de backup/recovery, processos de archiving, etc.
g. Monitorar e ajustar as atividade e aspectos de performance de BI:
Passa por atividades de monitorao de tempos de respostas de aplicativos de BI, nmero
de usurios de BI por unidade de tempo, entre outros. Esses dois ltimos elementos
interferem diretamente no SLA de servios de BI.

31


1.8. Gesto de documentos e contedo:

O objetivo planejar, implementar e controlar atividades para armazenar, proteger e
acessar dados encontrados em arquivos eletrnicos e registros fsicos (texto, grficos,
imagens, udio e vdeo), ou seja, o foco em dados no estruturados, no armazenados em
sistemas relacionais (DMBOK, 2009). H duas grandes subfunes: Gerncia de Documentos
e de Registros e Gerncia de Contedo.
A estrutura de atividades desta funo e suas subfunes descrita abaixo:
Gerncia de Documentos e de Registros
Planejar a gerncia de Documentos e de Registros;
Implementar Sistemas de Gerncia para Aquisio, Armazenamento, Acesso e
controle de Documentos e Registros;
Backup e Recuperao de Documentos e Registros;
Reteno e eliminao de Documentos e Registros;
Auditar a Gerncia de Documentos e Registros.
Gerncia de Contedo
Definir e manter taxonomia corporativa para documentos e contedo (J
mencionada anteriormente na funo Gerncia da Arquitetura de dados como
Definir e manter uma taxonomia e padres de nomes (namespaces) de dados
para a empresa);
Documentar/indexar Metadados sobre informaes de Contedo;
Prover acesso e recuperao de Contedos;
Estabelecer Governana sobre qualidade de Contedos.

1.8.1. Gerncia de Documentos e de Registros:

Essa gerncia se fundamenta em dois pilares: o primeiro fala sobre a Gerncia do
documento em si e o outro fala do seu contedo. O primeiro se preocupa com o documento
como se fora um objeto e o outro com a sua estruturao e contedo. O conceito de Big
Data, que envolve os diferentes tipos de dados semi ou no estruturados, no foi (ainda)
contemplado diretamente no DMBOK, devendo ser foco das prximas verses do modelo.
Esse corpo de conhecimento, embora no explicite o termo Big Data, trata
32


fundamentalmente dos dados no estruturados (DNE) como: arquivos (em formato no
relacional), grficos, imagens, textos, relatrios, formulrios, vdeo, som, entre outros. Os
novos tipos de dados como posts de Linkedin, posts de Facebook, etiquetas de RFID, dados
biomtricos e dados gerados por comunicao mquina-mquina (M2M), como monitorao
de pacientes, medidores inteligentes de energia eltrica, dados de localizao (GPS), etc. no
foram diretamente considerados nesse contexto, embora a sua governana se revista dos
mesmos conceitos. Esses dados (DNE) constituem cerca de mais de 70% dos dados
existentes hoje num ambiente corporativo e, portanto, passam a merecer a ateno, at
porque muitas regulaes oficiais assim exigem. Aspectos regulatrios como Sarbannes
Oxley (SOX), E-Discovery amendments to Federal rule of civil procedures, Canada Bills 190,
dentre outros, so exigncias presentes em muitos segmentos da indstria.
A viso sinttica :
a. Planejar a gerncia de documentos e registros:
Nesta atividade o DMBOK foca nos processos, tcnicas e tecnologias que visam o controle e
a organizao dos documentos e registros, quer seja em meio eletrnico ou papel. Nesta
ponto devem ser considerados o planejamento dos diferentes sistemas de controle de
documentos e registros: sistemas de bibliotecas, sistemas de controle de emails, sistemas de
controle de documentos na forma eletrnica ou em microficha. Devem ser planejados os
seguintes pontos: armazenamento, integridade, segurana, qualidade do contedo, formas
de indexao e de acesso e guias gerais para a sua gerncia. O planejamento deve considerar
aspectos dos vrios pontos do ciclo de vida do documento, da sua criao ao
descarte/eliminao, passando pela sua classificao (taxonomia), indexao, arquivamento
e uso e recuperao.
O planejamento passa tambm pela definio das polticas e procedimentos para esses
diversos momentos do ciclo de vida do documento, bem como pela definio das unidades
organizacionais (UO) que devero ser as suas gestoras (stewards). Essas polticas devero,
entre outros pontos, definir aspectos de responsabilidade dos gestores, polticas de reteno
em conformidade com as regulaes existentes, aspectos de circulao e distribuio interna
e externa, entre outros.
b. Implementar sistemas de gerncia para aquisio, armazenamento, acesso e
controle:
Aqui o DMBOK est focando na implementao de sistemas de software que apoiem esses
pontos. Passa por sistemas de Gerncia de Contedo (ECM), com documentos criados via
eletrnica, scanner ou OCR. Devem permitir facilidades de indexao por palavras chaves ou
por elementos do contedo (aqui as duas partes desse processo DMBOK se encontram).
Dever haver metadados que bem caracterizem aqueles documentos, como data de criao,
data de reviso, nome do criador/responsvel, entre outros. As referncias bibliogrficas,
33


associadas eventualmente ao documento formam uma parte de suas informaes
estruturadas. O sistema dever permitir o controle de versionamento de documentos, com
garantia de GCO (configurao), via check-in e check-out e comparaes de verses, alm de
possibilidade de entendimento do seu fluxo (work flow dos documentos). As facilidades para
pesquisa devero contemplar palavras chaves, buscas via drill-down, etc.
c. Backup e recuperao dos documentos e registros:
Aqui o foco na manuteno da integridade dos documentos, com um plano de risco
associado s suas eventuais perdas. O plano de backup/recovery aponta aspectos de
frequncia de cpia, alternativas de backup passivas, como cold-site, ou ativas, como hot-
site, alm de polticas e procedimentos para mitigao.
d. Reteno e eliminao de documentos:
Aqui o foco nos aspectos de reteno dos dados no ambiente principal at serem
transferidos para uma mdia secundria. Devero ser considerados aspectos legais, fiscais e
valores histricos do documento. Um ponto importante a ser considerado a garantia da
compatibilidade do documento com relao verso do sistema de gerncia e do sistema
operacional onde este funciona. Isso importante no caso de recuperaes de documentos
que ao serem trazidos para o ambiente atual de software, podem apresentar problemas de
compatibilidade de verso. Aspectos de privacidade e de reteno de dados pessoais
tambm devem ser considerados neste item.
e. Auditar a Gerncia de Documentos e Registros:
Envolve aspectos de controle, visando aplicao das polticas, procedimentos e regras
definidas pela Governana dos dados. Envolve periodicidade de auditorias e observao de
vrios aspectos, como: local de armazenamento, confiabilidade, preciso, classificao e
indexao, acesso e recuperao, mtodos de eliminao (disposition), segurana e
confidencialidade, percepo e entendimento organizacional sobre a gerncia de
documentos, entre outros.

1.8.2. Gerncia de Contedo:

Esta gerncia est relacionada cincia da informao e a gerncia de conhecimentos e
trata fundamentalmente de aspectos de entendimento e classificao de contedos de
documentos, via aplicao de conceitos de taxonomia. No fundo, prover uma forma de
documentao e entendimento da arquitetura de contedo atravs de elementos
constituintes, relacionamentos (links), atributos e instncias. So normalmente estruturadas
34


via uma viso ontolgica (conhecimento de ser ou entes), com taxonomias da seguinte
forma: achatada (com os elementos listados em sequncia, sem uma estruturao entre
eles), hierrquica (com uma organizao dos elementos apresentando certa forma de
subordinao), na forma de facets ou estrelas (com os elementos dispostos numa forma de
radial, dispostos em torno de um ponto central, como comumente encontrado nos mapas
mentais) e de rede (misturando a hierarquia com facets).
A gerncia de contedo tambm foca nos aspectos de indexao e documentao dos
metadados, visando facilidade de se localizar e identificar certo documento. Quando se
fala de dados no estruturados (DNE), h que se considerar o aspecto caracterstico de
diversidade desses elementos, buscando-se solues mais evoludas para tal. Muitas delas,
agora que esto sendo desenvolvidas, como indexao de arquivos de udio, de imagens
(nesse caso, considerando cores, formas, texturas, disposio de elementos, etc.),
reconhecimentos faciais, entre outros. Uma vez definidos os mecanismos de indexao e
recuperao, teremos as facilidades para prover acesso e recuperao.
O DMBOK (2009) tambm foca no estabelecimento de governana sobre esses tipos de
dados no estruturados. O tema sobre a governana desses novos ativos j comea a ser
discutido e ser, certamente, includo nas prximas verses do modelo DMBOK. At l,
muito j se diz e escreve sobre isso, numa nova capa denominada Big Data Governance. O
livro mais recente que toca no tema, de Sunil Soares e se chama Big Data Governance: an
emerging imperative, lanado em novembro de 2012. O foco justamente a adoo e
adaptao da Governana de dados, digamos tradicional, para ser aplicada na Governana
de Big Data.

35


1.9. Gesto de metadados:

O objetivo planejar, implementar e controlar atividades que viabilizem um fcil acesso aos
metadados integrados e de qualidade (DMBOK, 2009).
A estrutura de atividades desta funo descrita abaixo:
Entender os requisitos de Metadados.
Definir a arquitetura de Metadados.
Desenvolver e manter os padres de Metadados.
Implementar um ambiente gerenciado de Metadados.
Criar e manter Metadados.
Integrar Metadados.
Gerenciar Repositrios de Metadados.
Distribuir e entregar Metadados.
Consulta, Relatrios e Anlises sobre Metadados.

A viso sinttica :
a. Entender os requisitos de metadados:
De incio importante entender o que so os metadados, alm da definio clich de dados
sobre os dados. Os metadados esto para os dados assim como os dados esto para as
coisas/entidades colocadas sob os processos de um sistema computadorizado. Por
exemplo, os objetos, os eventos, as transaes e os relacionamentos so as coisas
controladas num computador, atravs de sistemas. Assim, os dados definem esses objetos,
da mesma forma como os metadados definem os dados. Assim, a gerncia de metadados
um processo que controla a sua criao (quando se define, se entende e se documenta
aquilo que est sendo objeto do processo), o seu armazenamento (se estrutura, se carrega e
se cuida para que seja acessado com facilidade e rapidez), a integrao (quando dois ou mais
metadados sobre o mesmo o objeto, diferentemente definidos em tempos distintos, por
unidades organizacionais distintas, no esto consistentes) e o seu controle (quando se
procura mant-los com qualidade e sobre os quais se define mtricas, no sentido de que no
se controla aquilo que no se mede).
Um conceito simples e metafrico de metadado aquela plaquinha que fica ao lado dos
rechauds, nos restaurantes de comida quilo, indicando o nome do prato, detalhes da sua
36


composio complementar, a sua localizao. Tambm quando se pensa num catlogo de
biblioteca, entende-se com sentido mais computacional o conceito de metadados, ou seja,
aqueles elementos que ajudam a entender os objetos, a sua composio, o seu
relacionamento, a sua localizao, entre outros. O porqu de se gerenciar os metadados? Os
metadados aumentam o valor da informao estratgica lhe dando expresso, detalhes,
conhecimentos. Isso reduz, de certa forma, o custo do aprendizado, pois as informaes
sobre os dados esto sempre mais claras. Isso tambm reduz o tempo gasto na busca pelo
entendimento de certos objetos, regras, frmulas, traduzindo em maior efetividade no seu
uso, ou no desenvolvimento de sistemas em torno ou que usam aquele conceito. Assim, os
metadados melhoram a comunicao entre a rea de negcios e a rea que processa a
informao (TI). Uma razovel gerncia de metadados reduz a redundncia acerca daquele
conceito, minimizando erros de interpretao que podem ser transformados em falhas
graves de sistemas ou produtos.
b. Arquitetura de metadados:
Como a arquitetura dos dados, a de metadados tambm pode ser centralizada ou
descentralizada, dependendo de como os repositrios (DD, Catlogos, etc.) de metadados
esto dispostos. Normalmente, os produtos de desenvolvimento de software tm um
catlogo prprio (ferramentas Case, SGBD) ou uma rea especfica onde eles so mantidos.
A arquitetura tenta colocar ordem nessa disperso.
A centralizada impe as vantagens de um controle mais rigoroso e de menor conflito,
visando criao de uma estrutura nica e consolidadora. Tem como desvantagem, por
outro, o trabalho de se consolidar os metadados oriundos de vrias fontes para coloc-los
num nico depsito. A descentralizada tem a vantagem de se economizar nos gastos de
integrao, no havendo persistncia centralizada, porm com um custo de busca integrada,
em vrios depsitos, para se resolver as consultas solicitadas. Uma arquitetura mista
envolve a parte da descentralizao, com as buscas dinmicas e outra parte de definio
centralizada no catlogo nico, onde so colocadas outras definies de metadados,
acrescidas aos existentes, para se ajustar adequadamente as definies de negcios da
empresa.
c. Desenvolver e manter padres de metadados:
Os metadados so basicamente de dois tipos: negcios e tcnicos. Os metadados de
negcios tem o objetivo de documentar os elementos de negcios, centrando num patamar
mais conceitual. Envolvem definies de processos de negcios, sistemas, aplicaes e
aplicativos, regras de negcios, formas de clculos, algoritmos, linhagem de dados, modelos
conceituais e lgicos de dados, aspectos de qualidade de dados e de conceitos de gestores
de (meta) dados e das unidades organizacionais responsveis por eles. Os metadados do
ambiente negocial tambm envolvem regras de CRUD de dados, definio de owners de
37


dados (UO responsveis por eles), regras de compartilhamento de dados, papis e definies
sobre os gestores de dados, reas de assunto, entre outros. Um ponto emergente sobre
metadados a sua definio para DNE, resultante do fenmeno Big Data. Sua viso
particular sugere a definio de metadados descritivos (definio, catlogos, etc.),
metadados estruturais (formato de udio, vdeo, email, XML, etc.) e metadados
administrativos (direitos de acesso, planos de integrao, etc.).
H padres formais definidos para os metadados. Os principais so: Case Definition
Interchange Facility (CDIF), usado para facilitar a troca de metadados entre ferramentas de
desenvolvimento, Dublin Core Metadata Initiative (DCMI), ISO-11179, que versa sobre
definio de padres e especificaes para elementos de dados, e Common Warehouse
Metadata Model (CWM). H tambm sugestes de mtricas para se controlar os metadados,
como, por exemplo: cobertura de metadados (MD) existentes no escopo desejado (nmero
de objetos j definidos com MD/nmero de objetos estimados no domnio em anlise).
Tambm o grau de cobertura de documentao dos MD (o quanto, em cobertura, os MD
esto documentados, sugerindo a completude de sua definio).
d. Implementar um ambiente de metadados:
A implementao de um ambiente de metadados dever ser revestida de todo cuidado,
devendo-se optar por uma abordagem evolutiva e incremental, com estabelecimento de
pilotos para verificar conceitos, aderncias e adeses.
e. Outros pontos do processo:
O desafio de se criar e manter metadados muito grande. Da a ainda baixa incidncia de
implementao nas empresas. Normalmente se tem modelos isolados oriundos das
ferramentas adquiridas, sendo a sua integrao um dos grandes desafios. A devida definio
de uma arquitetura funcional, prtica e que mostre retornos o grande lance da gesto de
metadados. A instanciao dessa gerncia se dar pelo gerenciamento adequado dos
diversos repositrios, que possam produzir, distribuir e entregar os metadados na forma de
consultas, relatrios e anlise, no momento exigido e com a devida consistncia. Os desafios
de metadados so (quase) os mesmos que sempre enfrentamos na rea de dados. Alis, no
poderia ser diferente, pois estamos falando dos dados sobre os dados. Um problema, na sua
meta referncia.
Os metadados tcnicos j esto mais associados a elementos de desenvolvimento e
implementao, como BD, atributos, modelos fsicos de dados, tabelas, campos, triggers,
aspectos de armazenamento (storage), padres de acesso, frequncia e tempo de execuo
de relatrios e consultas, entre outros. H tambm, dentro dos metadados tcnicos, uma
viso mais operacional, que envolve: necessidades de recursos relativos operao de TI;
informaes sobre movimentaes de dados (ETL, por exemplo), como transformaes e
erros; sistemas fontes e targets; frequncia de jobs, erros de schedule; dados sobre
38


backups e recovery; informaes de controles de auditoria, regras de arquivamento e
reteno de dados, entre outros.
A Gesto de Metadados se mostra, h muito tempo, como a parte da gesto estratgica de
dados com maiores lacunas, dentre todas. Os metadados podem ser considerados como um
dos temas mais falados e menos implementados no mundo dos dados. O metadado como
aquela placa que identifica comida a quilo, que fica ao lado dos rechauds. Sem a perfeita
identificao dos pratos oferecidos, voc no sabe o que est consumindo. Poucas empresas
se preocupam com uma arquitetura de metadados, afora aqueles que so produzidos
automaticamente pelos SGBDs para abrigar informaes fsicas sobre tabelas, campos,
ndices, triggers, entre outros. Mas isso muito pouco, e nesse particular a Gesto
Estratgica de Dados ter muito trabalho pela frente. Algumas empresas, na busca do
resgate dos dados e de seus metadados escondidos no ambiente legado, tm adotado
tcnicas de engenharia reversa, visando o seu levantamento. A Figura 4 mostra,
esquematicamente, um fluxo simplificado usando essa abordagem.

Figura 4 - Engenharia reversa para resgate de dados e metadados

39


1.10. Gesto de qualidade de dados

O objetivo planejar, implementar e controlar atividades que apliquem tcnicas de gerncia
de qualidade de dados para medir, avaliar, melhorar e garantir a adequao dos dados ao
seu uso pretendido.
A estrutura de atividade desta funo :
Desenvolver e promover aspectos de conscientizao sobre Qualidade de Dados.
Definir requisitos de Qualidade de Dados.
Estabelecer processos de profiling, anlise e avaliao de Qualidade de Dados.
Definir mtricas para Qualidade de Dados.
Definir regras de negcios para Qualidade de Dados.
Testar e validar os requisitos de Qualidade de Dados.
Definir e avaliar nveis de servios de Qualidade de Dados.
Medir e monitorar continuamente a Qualidade de Dados.
Gerenciar as pendncias de Qualidade de Dados.
Corrigir os defeitos de Qualidade de Dados.
Projetar e implementar procedimentos operacionais de Gerncia de Qualidade de
Dados.
Monitorar os procedimentos operacionais e a performance da Gerncia de Qualidade
de Dados.

A viso sinttica :
a. Desenvolver e promover aspectos de conscientizao sobre Qualidade de dados:
Aqui a grande questo vender a importncia da qualidade de dados nas empresas.
preciso difundir a importncia dos conceitos, seja por mecanismos diretos ou indiretos. Os
diretos seriam atravs de palestras, consultorias ou assemelhados. Os meios indiretos so
atravs de exemplos acerca dos efeitos negativos da qualidade de dados nas empresas. No
fundo, a ideia mostrar arranhes na reputao, problemas com normas regulatrias, entre
outros. Mostrar tambm que o problema no (somente) do domnio da TI, mas
principalmente um problema da esfera de negcios. A qualidade de dados deve ser um dos
40


elementos fundamentais do arco da Governana de Dados da empresa, que define poltica,
padres, procedimentos, papis, programas e projetos dentre outros itens do seu escopo,
visando tratar e preservar ao ativo dado. A realizao de um trabalho inicial de profiling
dos dados mais importantes da empresa, mostrando os resultados preocupantes com
relao qualidade dos dados algo a ser fortemente pensado, pois serve como start-up
para todo o processo de convencimento material sobre os problemas de dados.
b. Definir requisitos de Qualidade de Dados:
Os requisitos de qualidade de dados so definidos diretamente em funo das necessidades
da empresa. H que se pensar nos processos crticos da empresa, suas regras de negcios,
seus dados consumidos e produzidos e o impacto da qualidade dos dados na sua execuo,
tanto como input quanto output. Esse o incio de tudo. Os requisitos de qualidade de
dados passam por vrios domnios, que podem variar de acordo com os autores. O mostrado
pelo DMBOK :
Preciso (accuracy) ou como as coisas/entidades da vida real esto corretamente
representadas.
Completude (completeness): O quo completos esto os dados (todos os atributos?
Faltam alguns? Todos os essenciais? Alguns acessrios?) exigidos na execuo
daquele processo de negcio.
Consistncia (consistency): Se refere integridade cruzada entre duas ou mais fontes
que armazenam o mesmo dado. H coerncia entre esses dados que habitam fontes
diferentes? A coerncia existe no mesmo contexto ou em contextos diferentes?
Atualidade (currency): O quanto os dados esto atualizados e representam o estado
corrente e mais atual.
Preciso numrica (accuracy): Representao de valores no grau de preciso
necessria, como casas decimais para dados numricos.
Disponibilidade (availability): O dado disponibilizado no momento de sua
necessidade?
Unicidade (uniquiness): O fato de haver representao nica de certa entidade, sem
ambiguidade ou sentidos diferentes.

c. Estabelecer processos de profiling, anlise e avaliao de Qualidade de Dados:
Refere-se necessria fotografia inicial do estado dos dados de certa(s) rea(s) de assunto
ou domnio(s) da empresa. Deve ser uma das primeiras aes para se estabelecer as
baselines dos processos de melhoria de qualidade de dados da empresa. Permite criar as
primeiras mtricas e a definio dos objetivos a serem alcanados em funo delas. como
se fosse a analise laboratorial solicitada por um mdico para melhor diagnosticar o estado
do paciente e iniciar o seu tratamento.
41


d. Definir mtricas para Qualidade de Dados:
As mtricas devero ser definidas para a avaliao do estado atual e da evoluo dos
tratamentos de qualidade dos dados. As mtricas, como todas as medidas definidas em
processos de qualidade devero:
Ser atreladas a objetivos bem definidos.
Responder a questes associadas a esses objetivos.
Ser medidas definidas com clareza, que apontem elementos quantificveis
associveis a objetivos de negcios, com formulaes claras (como medir), valores
definidos para anlise (como analisar), com faixas aceitveis e no aceitveis (como
interpretar), plano de aes no caso de discrepncias, frequncia de medio
(quando medir), entre outros.
e. Definir regras de negcios para Qualidade de Dados:
Implica na anlise das regras de negcios fundamentais dos processos e na descoberta dos
dados que podem implicar em eventuais quebras de conformidade delas. Esses dados
devero ser observados na sua qualidade justamente para garantir a conformidade da regra
com o processo. Por exemplo, a regra de negcios que define que nenhum colaborador com
oito horas dirias de turno de trabalho poder ganhar menos que o salrio mnimo. Um
campo de um arquivo enviado ao INSS contendo um valor abaixo desse estabelecido implica
numa quebra de conformidade do processo (admisso, por exemplo), com as regras de
negcios definidas.
f. Testar e validar os requisitos de Qualidade de Dados:
Nesse ponto, o DMBOK sugere que haja processo de verificao inicial (data profiling, por
exemplo) e verificao constante e recorrente, a fim de que os dados sejam sempre
avaliados nos seus domnios de qualidade.
g. Definir e avaliar nveis de servios de Qualidade de Dados:
Nesse item, sugerida a definio de nveis de servios de qualidade de dados, o que dever
ser garantido por medies e verificaes constantes. Os nveis de SLA so o compromisso
firmado sobre qualidade da rea gestora dos dados com os seus usurios. Os itens
subsequentes, relativos a medir e monitorar continuamente, gerenciar as pendncias e
corrigir os defeitos so consequncias diretas desse compromisso de nvel de servios.
h. Projetar e implementar procedimentos operacionais de Gerncia de Qualidade de
dados e monitorar os procedimentos operacionais e a performance da Gerncia de
Qualidade de Dados:
42


So, no fundo, a materializao do processo de Garantia de Qualidade dos Dados. Todo
processo dever ser constantemente avaliado a fim de se obter melhorias nos seus
procedimentos, polticas e resultados.

43


2. CONCLUSES

H, hoje no mercado, diversos frameworks sobre Governana de Dados, conforme discutidos
no Blog do Barbi (Carlos Barbieri), em posts ao longo de 2012. O framework da Dama
certamente o mais completo e detalhado, pois envolve a Governana de Dados e todas as
reas associadas a ela. A trajetria de uma empresa em direo Gesto de Dados (Data
Management) requer muitos cuidados, exatamente pelas caractersticas fludas deste
elemento dentro da empresa, no bastando somente a adoo de um framework de
referncia.
A Fumsoft, por meio de seu setor de Qualidade, o qual coordeno, adquiriu ao longo desses
ltimos dez anos, uma slida experincia em implementaes de processos, cuja tnica do
desafio essencialmente a mesma exigida em empresas que queiram melhorar a sua gesto
de dados. preciso haver uma forte mudana cultural. H que se buscar uma maturidade
gradativa de dados, da mesma forma com que as empresas buscam a maturidade em
processos, trilhando os caminhos do MPS.BR e/ou CMMI. No livro BI2 - Modelagem e
Qualidade (Barbieri, 2011) foram apresentados e discutidos modelos de maturidade de
dados, alguns dos quais centrados nas prticas consagradas de maturidade de software. Na
ltima edio da Data Management Conference Latin America (DMC Latam), em agosto de
2012, foi apresentada uma viso sobre nveis de maturidade em dados, conforme a Figura 5.

Figura 5 - Camadas de maturidade em dados
44


Alm da maturidade, as empresas pretendentes a desenvolver aes de gesto de dados
devero ter o claro entendimento dos passos desse caminho. No curso de ps-graduao na
PUC-MG, desenvolvemos com os alunos, na forma de comunicao visual de ideias, os
conceitos fundamentais de Governana e Gesto de Dados, sintetizados nos nove Ps,
conforme a Figura 6. Pense neles e veja em que camada de maturidade a sua empresa se
encontra. Bom desafio!

Figura 6 - Nove Ps da Gesto e Governana de Dados

45


3. REFERNCIAS BIBLIOGRFICAS

BARBIERI, C. BI2 Business Intelligence - Modelagem e Qualidade. Elsevier, 2011.
BARBIERI, C. Posts sobre Governana de Dados, Big Data, entre outros. Disponvel em
http://blogdobarbi.blogspot.com
DMBOK. MOSLEY, M. ; BRACKETT, M.; EARLEY, S. HENDERSON, D. DAMA Guia para o corpo
de conhecimento em gerenciamento de dados. Technics Publications, verso brasileira
2012.
DMBOK. 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.
ELMASRI. R. ; NAVATHE. S. Fundamental of Data Base Systems: Addison Wesley, 2000.
SADALAGE P.; FOWLER, M. NoSQL Distilled: A Brief Guide to the Emerging World of
Polyglot Persistence. Addison-Wesley, 2013.
SERPRO. Modelo Global de dados - Integrao de dados e processos. Disponvel em http://
http://modeloglobaldados.serpro.gov.br/. Acesso em 22 de junho de 2012.
SOARES, S. Big Data Governance: An Emerging Imperative. Mc Press, 2012.
SOFTEX - ASSOCIAO PARA PROMOO DA EXCELNCIA DO SOFTWARE BRASILEIRO.
MPS.BR Guia de Implementao Parte 5: Fundamentao para Implementao do Nvel
C do MR-MPS:2009, 2009. Disponvel em: http://www.softex.br

Visão do DMBOK e Gestão de Dados

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Visão do DMBOK e Gestão de Dados

Enviado por

Direitos autorais:

Formatos disponíveis

1

UMA VISO SINTTICA E COMENTADA DO DMBOK

Você também pode gostar