Estruturação de dados: o início da jornada

Antes de tudo, é importante que não sejam executas ações isoladas ou desconexas, ou seja, sem motivações estratégicas. Primeiro, deve-se realizar um diagnóstico de maturidade em relação aos programas e projetos de dados e, a partir disso, traçar um roadmap de atuação para a companhia atingir seus objetivos e o nível desejado de maturidade sob a ótica de gestão de dados. Neste planejamento, é importante que seja considerado todo o ciclo de vida dos dados, desde o conhecimento até o arquivamento ou exclusão. Deve-se avaliar ainda, por meio de recursos crescentes, um modelo que vise o gerenciamento como infraestrutura crítica, as operações e as práticas escaláveis.
Analisado esses fatores, o objetivo para a utilização de dados é pensado no entendimento estratégico, que compreende as entregas primordiais para gerar mais valor ao negócio. Além disso, é preciso ter a compreensão de todos os dados que envolvem as áreas da organização e como as tecnologias utilizadas podem habilitar uma jornada adequada sobre eles.
Após a definição do objetivo, é traçada a estratégia de acordo com o grau de maturidade dos dados e pela forma e cultura sobre como as pessoas trabalham o tema, ou seja, não existe uma receita pronta, sendo assim, é importante entender qual melhor prática de mercado suportada por metodologias e se ela encaixa ao momento atual da empresa.
Além disso, as tecnologias vão se distinguir para cada organização, pois são várias ferramentas e aplicações possíveis para determinadas necessidades que podem ser utilizadas, como Analytics, Big Data, Cloud, 5G, sensores IoT, Inteligência Artificial, API (em português, Interface de programação de aplicações) e LakeHouse, entre outras.
Como exemplo, podemos citar que um dos principais “outcomes”, isto é, os resultados esperados a serem atingidos pela empresa faz uso da modelagem semântica, que pode ajudar a definir os dados e os relacionamentos entre entidades, ou seja, diretorias, negócios e áreas, e fornece uma compreensão de como os elementos dos dados se relacionam. Um modelo semântico trabalha como se fosse um tradutor, ou seja, dicionário corporativo de dados e habilita a possibilidade dos usuários de negócios fazerem perguntas mais naturais sobre a camada técnica do sistema e compreender os dados mais facilmente.
Além disto, também existe o conceito muito explorado de Single Point of Truth (em português, Fonte Única de Verdade), que é usado para garantir que todos as pessoas de uma organização baseiem as decisões de negócios nos mesmos dados, garantindo que eles sejam confiáveis, não manipulados e estejam atualizados com disponibilidade a todos, conforme as políticas de acesso.
Para adentrar nesse mundo infinito de dados, as empresas podem contar com apoio de empresas de Tecnologia da Informação durante toda a jornada, isto é, desde o diagnostico inicial até a implantação e o gerenciamento da situação futura, além de todas as tecnologias que estão por trás da operação. Investir em programas neste formato tem o propósito de materializar as soluções e os modelos operacionais que geram valor para o negócio.
(*) Gerente de Digital Consulting and Innovation da Engineering.