Governança de dados, sem falar de frameworks

A DAMA chama de exercício de autoridade e controle sobre a gestão dos ativos de dados, o que é preciso e funciona mal numa reunião. No dia a dia significa decidir quem decide: quem é dono de uma definição, quem aprova um acesso, quem responde quando um número sai errado. Políticas, papéis e regras são a forma de deixar essas decisões escritas para que continuem valendo seis meses depois.

A governança decide, a gestão constrói. A governança define a estratégia, as políticas e os direitos de decisão: quem é dono da definição de cliente, quem aprova acessos, qual nível de qualidade é suficiente. A gestão de dados é o trabalho técnico que executa essas decisões na arquitetura, na integração e na segurança. Você precisa das duas: uma sem a outra é uma política que ninguém implementa ou uma plataforma sobre a qual ninguém concorda.

Alfabetização em dados é a sua equipe conseguir ler um número, questioná-lo e agir com ele. É a diferença entre um painel que as pessoas citam e um painel em que as pessoas confiam. E quase sempre é um problema de vocabulário, não de estatística: as pessoas raramente leem um gráfico errado, elas não sabem se "cliente ativo" significa a mesma coisa na sua apresentação e no relatório delas.

Em vez de governar a empresa inteira de uma vez, você escolhe um caso de uso que já dói — o domínio de clientes, o relatório do comitê — e governa de ponta a ponta: dono nomeado, definições acordadas, qualidade medida, acessos controlados. Você tem algo funcionando em semanas em vez de um documento de framework em meses, e o seu patrocinador tem um resultado que ele consegue ver.

O Data Owner é um líder de negócio que pode mudar as coisas de verdade: tem autoridade e orçamento sobre um domínio como Clientes ou Finanças, e leva a consequência quando uma decisão sai errada. O Data Steward é quem faz o trabalho: mantém as definições, persegue os problemas de qualidade, aplica as regras de negócio e responde o que significa cada campo. Um dono sem steward é responsabilidade sem capacidade; um steward sem dono é trabalho sem mandato.

Em três lugares, e normalmente dá para contar os três. Custo: as horas que a sua equipe gasta limpando dados, conciliando relatórios e refazendo números em que ninguém confia. Receita: a analítica e os modelos de IA sobre os quais você pode agir porque o que os alimenta é confiável. Risco: as multas, os vazamentos e os apontamentos de auditoria que você não teve. Se quiser um número para abrir a conversa, jogue as suas horas de retrabalho na calculadora do custo dos dados ruins deste site.

Não. As ferramentas ajudam; elas não decidem nada. Você pode começar com o que já tem: uma planilha para o glossário, uma matriz RACI para os papéis, uma regra escrita para classificação e acesso. Compre a plataforma quando souber o que quer que ela faça, porque um catálogo cheio de definições que ninguém acordou é uma lista carríssima de nomes de tabelas.

Quase todo problema de IA para o qual me chamam acaba sendo um problema de dados: ninguém sabe dizer de onde veio o dado de treinamento, quem autorizou o uso, se ele contém registros pessoais ou por que o modelo respondeu o que respondeu. A governança é o que responde a isso, com linhagem, classificação, controle de acesso e retenção. É por isso que as organizações que governaram os dados primeiro são as que se sustentam quando um regulador pergunta.

Um diagnóstico mais um primeiro caso de uso governado costuma levar de 8 a 12 semanas: algumas semanas para ver com clareza onde dói e o resto para consertar uma coisa de ponta a ponta. O que você tem no fim não é um programa pronto. É um exemplo que funciona e um plano em que a organização acredita, que é o que falta antes de partir para o próximo domínio.