Escolar Documentos
Profissional Documentos
Cultura Documentos
Agenda
DESAFIOS DA QUALIDADE
MPS.BR
FUMSOFT E CCOMP.MG Histria dos modelos de qualidade em MG
Implantao do MPS.BR em MG
Nmeros do CCOMP.MG(Centro de Competncia da Fumsoft) Modelo de Negcios Interiorizao Ps-Graduao nacionalMPS.BR
Governana de Dados
FUMSOFT
FUMSOFT-Sociedade Mineira de Software
Empreendedorismo Incubao de Empresas Qualidade
CCOMP.MG
Centro de Competncia Fumsoft em MPS.BR e CMMI Formado com o apoio da FAPEMIG E SECTES-2005 IOGE-Instituio Organizadora de Grupos de Empresas-2005 II-Instituio Implementadora credenciada pela Softex-2005 IA-Instituio Avaliadora oficial-2007
Reputao vista como o somatrio das opinies do pblico tendo como base as suas experincias com os produtos e servios prestados.
DIMENSES DA REPUTAO
QUALIDADE DE PRODUTOS E SERVIOS (CLIENTES) Percepo de qualidade, custo/benefcio Valor, credibilidade de P/S
1
7
6
2 3
5
4
LIDERANA (MERCADO) Bem administrada, viso de futuro,papel dos lderes e do Corpo gerencial
RESPONSABILIDADE SOCIAL E SUSTENTABILIDADE AMBIENTAL (CLIENTE E SOCIEDADE) Responsabilidade ambiental, causas sociais,desenv. sustentvel
Brasil
Mundo Itlia
2006
2007
Dinamarca
2008
Japo
Brasil
Mundo
2009
Itlia
Sucia
USA
Histria
MAIO-2005
Centro de Competncia FUMSOFT mps/Br e CMMI
Certificaes CMM e CMMI- Brasil Maio 2005
30 25 20 N. de 15 certificaes 10 5 0 SP RJ RS PE DF BA CE MG ES PR Estados
FONTE: ISD, PROCESIX,ASR,UNISINOS, ETC
5 4 3 2
PROGRAMA DE MELHORIA DE PROCESSO DE SW-BRASILEIRO FOCO: EMPRESAS DA BASE INICIATIVA SOFTEX/ APOIO BID BRASIL->CONE SUL-MXICO 220 EMPRESAS CERTIFICADAS HOJE
5 4
A
B
Em Otimizao
Gerenciado Quantitativamente
C D E
Gerenciado
G
Parcialmente Gerenciado
PROJETO MPS.BR/2010-07
Implantao em MG
Data
Mar/06-Jun/07 Jan/07-Abr/08
#empresas
Nveis
GeF GeF
OBS
Apoio Softex Apoio Softex
10 6
G2-P-MNE
G3 G4-MNE
Mar/07-Jun/08
Jun/08-Set/09 Dez/07-Dez/09
2
10 2
G
GeF C
Prodabel e Prodemge
Apoio Softex
42
Primeira C com CMMI N3 e primeira gil-C Prodabel(F) Apoio Governo MG Apoio Governo MG Apoio Governo MG
Apoio Governo MG
G5-MNE G6 G7 G8 G9
2
10
11 10
10
G1
Nvel G
Nvel F
G2
Nvel G
Nvel F
G2-E
2 Empresas pblicas no modelo especfico Iniciado em 2007 PRODEMGE-NVEL G Implementao a terminar em 2009 Data de avaliao a ser definida Implementao pelo ccomp.mg PRODABEL-NVEL G Implementao terminada em maio de 2008 Data de avaliao 10/06/2008 - APROVADA Implementao pelo CCOMP.MG
Nvel G
Nvel F
Nvel G->F
02 Empresas Iniciado em 15/12/07 Implementao terminada em 15/03/09 Avaliao entre 15/03/09 e 15/12/09 Apoiado pelo Sebrae com 15% de aporte implementao em parceria com ASR CCOMP/ASR 02 empresas com F para C Busca pela melhoria contnua
SYNOS -1 certificao conjunta CMMI (N3) e MPS.BR( C ) POWERLOGIC- 1 C+Agile /Scrum do BR
1 SCRUM+ MPS.BR C 1 CMMI+ MPS.BR C3
02 Empresas Iniciado em 2008 Implementao a terminar em 2009/2010 Modelo especfico - sem apoio direto 02 Empresas buscando NVEL F PRODABEL E SYSMAP(OK) Busca pela melhoria contnua na ADM. PBLICA PRODABEL
10 Empresas Iniciado em maio de 2009 Implementao a terminar em AGOSTO/SET-2010(G), OUTUBRO/NOV ( C ) Modelo com apoio direto do Governo de MG 4 Empresas de NVEL G 2 Empresas de NVEL F 2 Empresas de NVEL G->F 2 Empresas de NVEL F->C
Projeto 2009-06 G6
G6
Nvel C
G7
Nvel C
Projetos MPS.BR
NMEROS DO CCOMP.MG
MINAS GERAIS MAIO-2005 CERTIFICAES CMM/CMMI: MG: TRS EMPRESAS CERTIFICADAS SWCMM
INATEL-SANTA RITA SPRESS INFORMTICA-BH
PRIMEIRA EM BH E NO SEGMENTO DE SW em MG
MAXTRACK-SW/HDW
30 25 N. de 15 certificaes 10 5 0 SP RJ RS PE DF BA CE MG ES PR Estados
FONTE: ISD, PROCESIX,ASR,UNISINOS, ETC
20
5 4 3 2
35 21,6%
9 5,6%
42
3 1,9% 3 1,9%
SP
RJ
29 17,9% 10 6,2% 14 8,6% 25 15,4%
So Paulo tem 3 II-Instituies Implementadoras(ITS,ASR,FVanzolini) com 35 certificaes Rio de Janeiro tem 3 II-Instituies Implementadoras(Coppe,Prime-up,RioSoft) com 25 certificaes Rio Grande do Sul tem 3 II-Instituies Implementadoras(Software Process,EngSoft,Softsul) com 10 certificaes DF tem 2 Instituies Implementadoras(UCB,Irix) com 14 certificaes
Minas Gerais tem 1 IIInstituio Implementadora (FUMSOFT-CCOMP.MG) com 30 certificaes (31 at Dez/2009)
6 meses
8 meses
EMPRESAS
Apoio/Retaguarda
APOIO
CCOMP.MG Raquel Oliveira Administrativo/Financeiro
Administrao de Empresas UNA e Especializao em Marketing FEAD
Cludio Filardi-Financeiro
Equipe FUMSOFT
Gerncia Administrativo-Financeira Grupo de Comunicao CINE-Centro Integrado de Negcios
MPS.BR no interior
Montes Claros
Vale do Ao
Itana
G6 G7
Barbacena
G7
G6
Viosa
G2/7
Lavras
J.Fora
MPS.BR na Academia
UniMONTES
RMBH
UniLESTE
UFViosa UNIFEI
MBA de MPS.BR
MBA
BH
QUALIDADE
PROCESSO
QUALIDADE
GOVERNANA DE DADOS
DADOS
Securities
Dados de baixa qualidade dificultaram a Bridgestone/Firestone localizar 200.000 pneus(recall) com defeitos, que supem podem estar em Ford Explorers, expondo a alto risco os seus usurios
GOVERNANA DE DADOS
VISO GERAL NOS ANOS 200X
Governana de Dados
Framework de pessoas, processos e tecnologias para garantir os dados como ativos fundamentais da empresa Administrao de Dados-anos 70 e 80
Movimento de sucesso relativo Morreu por fatores:
Qualidade no era um fator da poca ERP e seus modelos de dados prontos
Retorno:
Outros fatores: internet,aspectos regulatrios,alto volume de informaes,alta competitividade, merges/aquisies de empresas em alta escala
3.0-Polticas
Consistentes atravs de
3.3-Aderncia
Define
3.2-Regras e Padres
Objetiva 3.4-Qualidade
1.0-Estratgia e Misso
Monitora
Define 3.5-Mtricas
4-Atravs de definio de
4.0-Arquitetura /qualidade atual de dados Obtida por 4.1-Levantamento de dados e Metadados
5-Garantido por projetos com tecnologia de 5.0-Business Intelligence 5.1-Data Warehouse e EAI 5.2-MDM e Metadados
5.3-Ferramentas de Qualidade de dados
Cruzado com
4.2-Processos de Negcios
Visando definir
4.3-Arquitetura corporativa de Informao
Adaptado de Five Steps to Data Governance-Mike CochraneInformation Magazine, Maro-2009. http://www.information-management.com/2007_56/10014953-1.html acessado em 04/01/2010
1. Dados e seus responsveis (Data Steward), mantenedores, consumidores,Stakeholders,DGPG 2. Qualidade de Dados 3. Privacidade/Segurana e Aderncia a aspectos regulatrios 4. Arquitetura e Integrao de Dados 5. Gerncia de Metadados 6. BI-Business Intelligence
41%
17%
DADOS EM USO
PESQUISA SOBRE QUALIDADE DE DADOS
ANLISE COMPARATIVA
DISCREPNCIAS
Melhoria contnua do processo, inovao, ativo de dados com valorao, dados em tempo real,KM
Dados medidos e controlados na sua qualidade, na sua valorao, baixa latncia, alta disponibilidade, eficincia e eficcia de processo, dados no estruturados
4
Integrao, viso corporativa Responsabilidade, alinhamento Estratgico, padres Compartilhamentos e Usos, qualidade de dados centralizada,Gerncia de Metadados, GD plena
3
VISO GERAL NOS ANOS 200X
Entendimento do valor da informao Conceitos de propriedade e uso dos dados Necessidade reconhecida para padres, mtodos e procedimentos , foco departamental,definies e padres internos,qualidade localizada,tratamento de consolidaes e reconciliaes de dados, Embrio da GD
Nvel 1- Decises estratgicas sem a informao adequada; Falta de uma arquitetura formal de dados; Falta de diretrizes para controle, segurana e responsabilidade sobre os dados Falta de entendimento de meta dados, modelos de dados,vocabulrios
NUM FUTURO PRXIMO, AS EMPRESAS CONCORRENTES EM PRODUTOS E SERVIOS SERO IGUAIS EM TECNOLOGIA,METODOLOGIA,ERP,ETC
O DIFERENCIAL COMPETITIVO SER PELO INTANGVEL, ABSTRATO:
CAPITAL INTELECTUAL: PESSOAS(PEOPLEWARE), DADOS - > INFORMAO- > CONHECIMENTO, REPUTAO, FORA DA MARCA, GOVERNANA
QUALIDADE
QUALIDADE
MELHORIA DE PROCESSOS MPS.BR,CMMI,ISO,ITIL,COBIT, ETC
PROCESSO
GOVERNANA DE DADOS, como requisito regulatrio Dados como elementos de ativos empresariais, constante em balancetes Papel do CIO incluir responsabilidade direta pela Qualidade dos dados
DADOS
Carlos Barbieri
Obrigado
Validao
Objetivos da Iterao
Concepo
Transio
Elaborao Construo
Testar a implantao
Implantar as aes
Analisar as discrepncias e definir causas razes
corretivas
DADOS EM USO
PESQUISA SOBRE QUALIDADE DE DADOS
DADOS EM USO
MEDIES SOBRE QUALIDADE DE DADOS
MEDIES DE QUALIDADE
LIMPEZA,TRANSFORMAO E DEDUPLICAO AUSNCIA DE PADRO NO PREENCHIMENTO VIOLAO DE REGRAS DE NEGCIOS OU DE DOMNIOS VCIOS DE PREENCHIMENTO(REPETIO) NOMES MAL PREENCHIDOS, COM PALAVRAS SUSPEITAS OU OBSCENAS VERIFICAO EM CADASTRO DE ENDEREOS E DE TELEFONES RECONHECIMENTO DE FORMATOS DE ENDEREOS VERIFICAO E CORREO DE CEP CONSISTNCIA E ATUALIZAO DE PREFIXOS TELEFNICOS E DDD PADRONIZAO DA SINTAXE DE E-MAILS E CORREO AUTOMTICA DE DOMNIOS VALIDAO DE CPF, CNPJ CLASSIFICAO DE PESSOAS FSICAS E JURDICAS DETERMINAO DE SEXO DE PESSOAS FSICAS CRIAO DE ATRIBUTOS NOVOS A PARTIR DE EXISTENTES
Objetividade: define o quanto diretamente aquele dado est me conduzindo aos objetivos que desejo
posso ter um conjunto de dados que, como est, no serve diretamente aos meus propsitos de anlise, mas quando trabalhados, agregados, sumariados, etc me atendem mais objetivamente; (BI- como meio de transformao)
os dados do INSS-Instituto Nacional de Seguridade Social apresentam um coeficiente de baixa credibilidade, onde existem 1,6 milho de fichas de penso sem o cpf do beneficirio e 3 milhes de fichas no tem o nome do favorecido nem da me , segundo dados da Folha de So Paulo de 18/06/2004
A Reputao: o quanto aqueles dados , quanto vistos externamente, podem melhorar ou prejudicar a reputao da rea a empresa, do projeto, etc. Por exemplo, em maio de 2009 foram descobertos dados sobre o Projeto Bolsa-Famlia, que mancharam a reputao do projeto. Foram identificados benefcios pagos a 577 polticos, a 3791 pessoas comprovadamente mortas, a 106.329 donos de carros, caminhes e tratores, com marcas Pajero, Hilux, Civic, a 1,1 milho de famlias fora dos limites definidos, segundo o Globo de 07/05/2099.
Qualidade de Dados
A Acessabilidade: se refere aos aspectos de acesso, segurana, privacidade, etc. Por exemplo: Dados de usurios Google ativistas na China, <hacked> pelo governo
Relevncia: se refere importncia dos dados dentro do contexto: MDM, por exemplo que so os dados mestres da empresa (dados relevantes) Outro exemplo: Sistema de estoque, info sobre as peas, A pea suprida por vrios fornecedores. Falta o nome do fn na ficha de estoque. Se houver um problema de um lote com defeitos, avisado pelo Fn, essa falta de informao relevante. Para a atividade normal de controle de estoque, no relevante
Valor Agregado: Se refere ao valor que o dado pode incorporar aos negcios da empresa. Por exemplo, concessionrias de energia eltrica com rica informao geo-referenciada sobre os seus clientes. Informaes de consumo de energia eltrica ou de ligaes telefnicas
Qualidade Contextual
Qualidade Contextual
Qualidade Contextual
Qualidade de Dados
A Disponibilidade(Timeliness): se refere aos dados estarem prontos no momento em que so demandados, produzidos na periodicidade necessria. Ex: BD contm info de vendas dos deptos., durante os ltimos 3 anos. No final do ms, alguns deptos enviam + rapidamente do que outro . Num perodo do final de ms, os dados ficam indisponveis(por lentido de chegada ou acertos). Se for para computar o pagamento de bnus, a ser feito at o dia 15, existe problema. Se for para analisar tendncia histrica de venda, OK. Conceito de Latncia de dados; RTE
Qualidade Contextual
completos. Por exemplo se defino que todos os campos do endereo devem estar preenchidos e parte deles no estiver, os dados esto comprometidos neste item de qualidade. Cadastro de Cobrana(conta). Pode ter qualidade sob outro prisma, mas no sobre completude.
Qualidade Contextual
Qualidade de Dados
QUANTIDADE DEVIDA e NECESSRIA: Corresponde ao atributo dos dados estarem armazenados na quantidade devida e necessria para se poder realizar a anlise desejada. Por exemplo, tenho que ter as doze ltimas notas fiscais registradas para que se possa realizar uma anlise mensal. Os dados estaro completos se tivermos somente dez ocorrncias?
Qualidade Contextual
Forma consistente: a qualidade da forma sinttica e semntica, que define como a representao daquela informao, expressa como um elemento de dado, est definido segundo as regras gerais/ corporativas.
Ex; Endereo: nome do logradouro, nmero,complemento, cep, bairro, etc. Os dados esto dentro dessa consistncia sinttica?
Um campo de salrio no pode ser menor do que o salrio mnimo( consistncia semntica).
Rampa da reaquecimento
Vale da Desiluso
77
MELHORES PRTICAS
DEPTO DE DEFESA-USA VISO DE MATURIDADE NVEIS PROGRESSIVOS PAS-REAS CHAVES/PROCESSOS VISO MAIS SISTEMA-TI
CMMI MPS.BR
ISO-12207
ACABOU MENSALO
COBIT
ITIL
IT INFRASTRUCTURE LIBRARY-12 GERNCIAS MELHORES PRTICAS EM TI REA TI- GOVERNO DO REINO UNIDO
SOX
REGULAMENTAO DO PONTO DE VISTA DE CONTROLE E GARANTIA PARA OS ACIONISTAS DA EMPRESA EXIGNCIA DA NASDAQ-BOLSA VALORES DOS USA
Grandes desafios
Clara definio da inteno estratgica
Melhoria da Imagem(selo) Melhoria da Qualidade pela Qualidade
Nvel
N2 N2
N2
2005/Ago
N3
2007/Nov
N3
2007/Dez
N2
2010/Mar
Unisys
Spress Spress Squadra Squadra Atan
N5
2007/Set
N2
2005/Set
N3
2007/Mai
N2
2008/Out
N3
2009/Nov
N3
2008/Jul
Nvel
N2 N2
N2
2005/Ago
N3
2007/Nov
N3
2007/Dez
N2
2010/Mar
N5
2007/Set
N2
2005/Set
N3
2007/Mai
N2
2008/Out
N3
2009/Nov
Atan
N3
2008/Jul
Melhoria contnua do processo, inovao, ativo de dados com valorao, dados em tempo real,KM Dados medidos e controlados na sua qualidade, na sua valorao, baixa latncia, alta disponibilidade, eficincia e eficcia de processo, dados no estruturados GD corporativa, riscos
6 5 4
Modelos de dados integrados, metadados, incio da GD, polticas de uso, ciclo de vida de dados, procedimentos Modelo de dados,arquitetura inicial de processos, definio de padres internos, incio em metadados
Entendimento do valor da informao, conceito de propriedade e uso de dados, modelagem inicial, pesquisas de qualidades, diagnstico de qualidade
7
6
Em Otimizao
Modelado, MD revisto e Verificado p/Conselho de GD Programa de QI implementado
5 4 3
Modelado, MD revisto e Verificado p/Conselho de GD Modelado, MD revisto e Verificado, sem GD Modelado, algum MD Sem GD
GD-Modelo de Maturidade
24h - Diagnsticos Inicial (F) - 16+4 +4 16h - Diagnsticos Inicial (G) - 8+4 +4 24h - Diagnstico Pre-Assessment (F) 16+4 + 4 16h - Diagnstico Pre-Assessment (G) 8+4 + 4 16h - Compartilhado F e G (GRE,GPR) 24h - 36 h- Exclusivo F (GCO,MED,GQA,AQU,GPP) 32h - Exclusivo C (Eng-SW,GPR-II,VER/VAL,Processos organizacionais) Presena de 10 empresas com vagas distribudas
TREINAMENTO
CONSULTORIA
WORKSHOP
100 -116h - Consultoria ( C ) 96 -100h - Consultoria (F) 60 - 64h - Consultoria (G) 8h: compartilhado (G+F+C) A ser programada pelo CCOMP.MG(*)