Observe as seguintes características da Governança de Dados...

Vamos analisar as alternativas e entender o conceito de maturidade em Governança de Dados segundo Barbieri (2011).

A alternativa B - Repetido é a correta. Este nível de maturidade indica que a organização começou a desenvolver processos estruturados para a governança de dados, mas ainda de forma inconsistente e pouco madura. As características descritas na questão, como a antecipação tímida de erros, expectativas sobre qualidade de dados, tentativas de organização de fontes de dados e políticas iniciais, mostram que a empresa está desenvolvendo práticas repetíveis, mas ainda não totalmente definidas ou gerenciadas. O uso de melhores práticas por áreas separadas também é um indicativo de um ambiente onde processos começam a ser replicados, mas não são padronizados em toda a organização.

Agora, vamos justificar as alternativas incorretas:

A - Inicial: Este nível representa um estado de baixa maturidade, onde os processos são ad hoc e desorganizados. Os processos descritos na questão indicam que a organização já superou esse estágio inicial, pois há estruturas e práticas começando a se formar.

C - Definido: Nesse nível, os processos são bem documentados e padronizados na organização. A descrição mostra que a empresa ainda está num estágio antes disso, pois as práticas são realizadas de forma separada e não completamente padronizadas.

D - Gerenciado: Indica que a organização possui um controle sobre os processos, com monitoramento e medições em funcionamento. A empresa da questão ainda está desenvolvendo estruturas básicas e não possui um gerenciamento completo dos processos de governança de dados.

E - Otimizado: Este é o nível mais alto de maturidade, onde a melhoria contínua é uma prática constante. A empresa mencionada está longe deste estágio, ainda desenvolvendo práticas fundamentais e tentando padronizá-las.

Compreender os níveis de maturidade em Governança de Dados é essencial para avaliar o estágio atual da organização e planejar melhorias. Estes níveis ajudam a identificar as áreas que necessitam de desenvolvimento e as práticas que já são eficazes.

Gostou do comentário? Deixe sua avaliação aqui embaixo!

"...Melhores práticas começam a ser adotadas por áreas separadas."

Há uma padronização, porém separada por área. 

Se fosse um processo por toda empresa, remeteria ao nível definido.

@papirobizurado

Segundo Carlos Barbieri - BI2 pág 41: 

Nível Repetido: Há uma antecipação tímida de erros relativos aos dados; algumas expectativas sobre  dimensões de qualidade são articuladas (precisão, consistência estrutural, consistência semântica), completude, atualidade, disponibilidade, etc.); há tentativas de se organizarem fontes únicas de dados, privacidade e controle de uso são definidos separadamente; políticas iniciais sobre dados são delineados; há a habilidade de se identificar erros de não completude ou de sintaxe e estrutura inválida; análises de causas raízes de erros são inicialmente identificadas; melhores práticas começam a ser adotadas por áreas separadas; princípios para políticas procedimentos e regras de qualidade de dados começam a ser desenvolvidos.

·         Nível Inicial-Possui como características:

o   Ações reativas

o   Não há medições de qualidade

o   Políticas inexistentes ou informais

o   Ações sem coordenação centralizada

o   Os erros são corrigidos nos dados e não na fonte, sem causas raízes identificadas

·         Nível Repetido-Possui como características:

o   Ações ainda tímidas para se antecipar aos erros de dados

o   Algumas dimensões de qualidade são articuladas, como completude, precisão, disponibilidade, atualidade,etc

o   Primeiras políticas de Privacidade e controle de uso aparecem

o   Identificação de erros de não completude, sintaxe, estrutura, etc

o   Primeiras práticas compartilhadas na área de dados

o   Primeiras tentativas de organizar , como elemento essencial de gestão de dados(semente MDM)

·         Nível Definido-Possui como características:

o   Estrutura de GD já existente, com Políticas, Guias, padrões corporativos e Metadados definidos ou em definição

o   Ferramentas e processos de Qualidade de dados(Data Quality) aplicados

o   Processo definido para precisão e validação de dados. Aqui saímos do contexto de projetos e migramos para um foco mais organizacional

·         Nível Gerenciado-Possui como características :

o   Gerência Quantitativa de qualidade, com a mensuração de indicadores que reflitam numericamente o estado dos dados, principalmente apontando fragilidades de conteúdo, forma, disponibilidade que implicam riscos no negócio

o   Certificações de fontes de dados, garantindo a não replicação

o   Auditoria formal e institucional de Qualidade de dados

o   GD com forte presença dos representantes de linhas de negócios

o   Primeiras ações em MDM, visando a gerência de dados mestres

·         Nível Otimizado:

o   Processo automatizado de detecção de erros

o   Controle de dados ao longo de toda empresa

o   Métricas e políticas constantemente revisadas

o   GD e Qualidade de dados institucionalizada

o   MDM implementado

Níveis de maturidade:

Inicial

-As ações sobre a qualidade de dados são reativas;

- Não há expectativas de qualidade centradas em medidas/métricas;

- As políticas de dados são informais e não documentadas;

- Ações são tomadas separadamente sem coordenação;

- Os erros de qualidade de dados descobertos são corrigidos sem coordenação com os processos de negócios;

- As causas raízes de erros não são identificadas e os erros se repetem no tempo;

- Pouco ou nenhum aspecto associado à qualidade de dados;

 -Não há o papel de data steward (gestores de dados/informação);

- As responsabilidades para correção são atribuídas de forma aleatória;

- Há pouco ou nenhum padrão definido (ou respeitado);

- Os dados são representados em estruturas replicadas;

- Não há ferramentas adequadas para filtros ou monitoração de dados falhos/imprecisos;

- Os impactos proporcionados pelos dados “impuros” são manifestados e descobertos tempos depois dos fatos geradores do erro.

Repetido

- Há uma antecipação tímida de erros relativos aos dados;

- Algumas expectativas sobre dimensões de qualidade são articuladas;

- Há tentativas de se organizarem fontes únicas de dados;

- Privacidade e controle de uso são definidos separadamente;

- Políticas iniciais sobre dados são delineadas;

- Há a habilidade de se identificar erros de não completude ou de sintaxe e estrutura inválida;

- Análises de causas raízes de erros são inicialmente identificadas;

- Melhores práticas começam a ser adotadas por áreas separadas;

- Princípios para políticas, procedimentos e regras de qualidade de dados começam a ser desenvolvidos.

Definido

- Procedimentos e processos são definidos para precisão e validação de dados;

- Qualidade de dados implementada nas principais linhas de negócios/áreas funcionais com a criação do papel de gestores de dados;

- Validação feita automaticamente e ações de correção analisadas manualmente;

- A estrutura organizacional de GD aparece com políticas, guias documentadas e aprovadas;

- Padrões corporativos e gerência de metadados são instituídos;

- Procedimentos padronizados para uso de ferramentas de análise de qualidade de dados;

- Ferramental tecnológico para análise de qualidade de dados implementado.

Gerenciado

- Certificações de fontes de dados são aplicadas;

- Arquivos mestres identificados e controlados (MDM-I);

- Há auditoria de qualidade de dados;

- GD com membros representantes das principais linhas de negócios da empresa;

- Há reuniões periódicas colaborativas de GD;

- GD direcionada por SLA de qualidade de dados;

- Gerência quantitativa de qualidade de dados.

Otimizado

- Processos automatizados de detecção de problemas;

- Sistemas de autogerência em uso;

- Controles de dados ao longo de toda a empresa;

- Métricas e políticas constantemente revisadas e melhoradas;

- MDM-II (gerência de dados mestres) implementada.