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).
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.
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
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.
