DevMedia
Você precisa estar logado para dar um feedback. Clique aqui para efetuar o login
Para efetuar o download você precisa estar logado. Clique aqui para efetuar o login

Utilizar princípios e ferramentas de qualidade: Boas práticas da Gestão de Dados Moderna

Veja neste artigo a quarta boa prática da Gestão de Dados Moderna: Utilizar princípios e ferramentas de qualidade, mostrando como as ferramentas tradicionais de qualidade podem ajudar na monitoração e melhoria dos processos de Gestão.

[fechar]

Você não gostou da qualidade deste conteúdo?

(opcional) Você poderia comentar o que não lhe agradou?

Confirmo meu voto negativo

Introdução

Mencionei nos artigos anteriores que as equipes de TI são cobradas por entregas com menor custo, maiores ganhos de valor agregado ao negócio e melhor qualidade. Vimos como a área de Gestão de Dados pode ser mais ágil e acompanhar o ritmo das equipes de desenvolvimento, porém ainda sem tocar diretamente no assunto "qualidade".

O objetivo deste artigo é detalhar a quarta boa prática da Gestão de Dados Moderna - Utilizar princípios e ferramentas de qualidade, mostrando como as ferramentas tradicionais de qualidade podem ajudar na monitoração e melhoria dos processos de Gestão de Dados, e conseqüentemente agregarem maior valor nos produtos onde a área de Gestão de Dados participa direta ou indiretamente.

Prática 4 - Utilizar princípios e ferramentas de qualidade

Muitas organizações que possuem equipe de Gestão de Dados constituída focam grande parte de seus esforços nas atividades de homologação de modelos de dados, porém, com o passar do tempo, a equipe começa a perceber que os esforços não são suficientes para obter uma melhora significativa nos modelos submetidos à avaliação e também nos dados que são manipulados pela organização. Em alguns casos há a impressão de que a qualidade piorou. Mas afinal, mesmo com o trabalho de controle dos modelos de dados produzidos, por que a qualidade dos dados e estruturas dos dados não evoluiu? As razões podem mudar de acordo com o cenário de cada empresa, de forma geral, vou listar abaixo os seis equívocos mais comuns cometidos pelas organizações:

  • Acreditar que a atividade de avaliação de modelos de dados é suficiente para se atingir um bom nível de qualidade, concentrando a maioria dos esforços da equipe neste tipo de atividade;
  • Não compreender que a qualidade é compartilhada por todos. Desde o analista que projeta o modelo de dados até as pessoas que fornecem as informações a serem incluídas nos bancos de dados;
  • Não investir na cultura de todas as pessoas envolvidas nos processos, deixando de mostrar a importância dos dados íntegros e precisos para a organização;
  • Dar um peso menor na qualidade em relação a outros critérios dos projetos como, por exemplo, tempo e custo;
  • Não prever e utilizar o ciclo PDCA nos processos de Gestão de Dados;
  • Não possuir uma base de registros históricos, contendo dados fundamentais sobre o andamento dos processos, qualidade das estruturas de dados, volumes de correções, etc.

Princípios e ferramentas de qualidade que podem ser utilizados na melhoria dos processos de Gestão de Dados



Ciclo PDCA aplicado na Gestão de Dados

O PDCA é um ciclo de desenvolvimento que tem foco na melhoria contínua. Ele é aplicado para atingir resultados dentro dos processos e pode ser utilizado em qualquer organização, independentemente da área de atuação. No caso específico da Gestão de Dados, ele pode ser aplicado praticamente em todos os processos.

Conforme figura abaixo, o ciclo começa pelo planejamento (P - Plan) , em seguida a ação ou conjunto de ações planejadas são executadas (D - Do), checa-se se o que foi feito estava de acordo com o planejado, constantemente e repetidamente (C - Check), e toma-se uma ação para eliminar ou ao menos mitigar os problemas encontrados nos produto ou na execução do processo (A - Act).

Ciclo PDCA

Figura 1. Ciclo PDCA

Se aplicarmos o PDCA nos processos de construção e avaliação de modelos de dados, teremos o seguinte cenário.

P (Plan) - Identificação das entidades corporativas, mapeadas na arquitetura de dados da organização e também das demais necessidades de informação que serão contempladas na modelagem. Durante esta identificação é obrigatório a participação de pessoas com visão corporativa dos dados da organização. Geralmente este papel é feito pelo Gestor Estratégico de Dados.

D (Do) - Construção do modelo de dados apoiado pela equipe de Gestão de Dados. O analista responsável pelo projeto constrói e altera o modelo de acordo com as diretrizes passadas pelos gestores de dados em reuniões prévias.

C (Check) - Avaliação do modelo de dados construído e registro dos dados da avaliação. O gestor de dados avalia o modelo de dados de acordo com os critérios pré-definidos em sua metodologia e registra os dados da avaliação em uma base de registro de dados das avaliações.

A (Act) - Tomada de ações corretivas no produto ou no processo. Se o modelo for reprovado, o analista corrige os erros apontados no laudo de avaliação (ação para correção do produto). Com o apoio das ferramentas de qualidade, o Gestor Estratégico de Dados sugere ações após análise dos registros das avaliações efetuadas em um determinado período (ação para os novos produtos e também melhoria do processo).

Este exemplo deixa claro que a qualidade não é "controlada", e sim "planejada". Equipes que trabalham de forma mais reativa, costumam dar ênfase somente nas fases de controle, esquecendo que a qualidade é obtida através de um ciclo de melhoria contínua completo.

Vale ressaltar que O PDCA também pode ser aplicado em outros processos ou conjunto de processos, como os processos de Data Quality. Infelizmente ainda é muito comum encontrar organizações que investem em programas de Data Quality voltados somente para atividades operacionais de correção dos dados, ignorando trabalhos mais simples e com maior retorno de resultado como a conscientização dos envolvidos na criação e manipulação dos dados.

Diagrama de Pareto

O diagrama de Pareto é um gráfico de barras que ordena as freqüências das ocorrências, da maior para a menor, permitindo a priorização dos problemas, procurando levar a cabo o Princípio de Pareto(regra dos 80 - 20). Sua maior utilidade é a de permitir uma fácil visualização e identificação das causas ou problemas mais importantes, possibilitando a concentração de esforços sobre os mesmos.

Se tomarmos como exemplo os processos de construção e avaliação de modelos de dados, e fizermos um gráfico agrupando os erros encontrados nas avaliações agrupados por tipo, teremos algo semelhante ao gráfico abaixo.

Diagrama de Pareto

Figura 2. Diagrama de Pareto

Olhando a figura, rapidamente chegamos à conclusão que a maior incidência de erros é encontrada no critério "Integridade". De posse desta informação, cabe ao Gestor Estratégico de Dados tomar ações que visem diminuir a incidência de erros neste tipo de critério.

Diagrama de Causa e Efeito

O Diagrama de Ishikawa, também conhecido como "Diagrama de Causa e Efeito", "Diagrama Espinha-de-peixe" é uma ferramenta gráfica utilizada para estruturar hierarquicamente as causas potenciais de determinado problema ou oportunidade de melhoria, bem como seus efeitos sobre a qualidade dos produtos (no caso os dados e/ou estruturas de dados).

A partir de uma lista definida de possíveis causas, as mais prováveis são identificadas e selecionadas para uma melhor análise. Ao examinar cada causa, o usuário deve observar fatos que mudaram, como por exemplo, desvios de norma ou de padrões. Deve se lembrar também que o objetivo deste trabalho é mapear formas de eliminar as causas e não os sintomas dos problemas.

A figura abaixo mostra um exemplo de aplicação do diagrama de Causa e Efeito

Diagrama de Causa e Efeito

Figura 3. Diagrama de Causa e Efeito

Outros diagramas

Gráficos de dispersão, fluxogramas, histogramas e listas de verificação (checklists) também podem contribuir na monitoração dos processos adotados pelas áreas de Gestão de Dados, entretanto, vale salientar que a premissa básica para o sucesso na utilização das ferramentas de qualidade é manter um registro simples e confiável das atividades dos processos em uma base de dados históricos. Afinal, não se pode administrar o que não pode se medir.



Bergson Lopes Rego, PMP é o principal idealizador e multiplicador da filosofia da “Gestão de Dados Moderna” no Brasil, onde presta regularmente treinamentos e palestras sobre o tema. Conduziu e participou de projetos para impl [...]

O que você achou deste post?
Conhece a assinatura MVP?
Serviços

Mais posts