Três simuladores de cenários, um quadro público para cada um, e os padrões que voltam sempre que alguém precisa decidir com o tempo correndo — além de um relato honesto do que um quadro público não pode dizer.
Três simuladores deste site colocam você dentro de uma situação de governança e obrigam a escolher. Uma regra de qualidade está falhando, e corrigi-la significa pedir a um diretor que mude um processo pelo qual ele é medido. Dois departamentos reivindicam o mesmo cadastro de cliente. A alfabetização é baixa e não há orçamento de treinamento. Você decide, a decisão é pontuada pela consequência de governança e não contra uma resposta certa, e a sua partida vai para um quadro público.
Esta página é o que sai do outro lado: não o quadro em si, que fica em cada simulador, mas a distribuição por trás dele e as lições que sobrevivem a um olhar cuidadoso.
Ela também é um exemplo do que descreve. Um quadro é uma medição, uma medição tem tamanho de amostra, e o tamanho da amostra decide quais frases qualquer pessoa tem direito de escrever. Então cada número abaixo chega com o tamanho de amostra colado, e a redação muda quando a amostra é pequena demais para sustentar um percentual.
Não são três versões do mesmo quiz. Cada um foi construído para expor uma falha diferente.
Governança de Dados no Dia a Dia dá a você uma semana na vida de um líder de governança e pontua em cinco eixos: eficiência, confiança, responsabilização, segurança e contexto, de 0 a 100. Os eixos não são independentes, e esse é o ponto: uma decisão que compra eficiência normalmente gasta responsabilização, e a pontuação reflete a troca. É muito difícil ir bem aqui sendo agradável.
Conflito de Propriedade de Dados são dez disputas, cada uma pertencente a um de três papéis: o Dono de Negócio, o Data Steward ou TI. A pontuação vai até 1000. Quatro das dez pertencem a TI, três ao Steward e três ao Dono de Negócio — uma divisão que importa mais do que parece, e a próxima seção é sobre o porquê.
Alfabetização de Dados são quinze pontos distribuídos entre governança, analytics, IA e automação, consciência de viés e cultura de dados. É o único dos três que pergunta sobre cultura diretamente, e o único que devolve um segundo número: o valor que ele estima que você destravou dos seus ativos de dados.
Nenhum dos três vê os cinco pilares de maturidade de dados. O do Dia a Dia e o de Propriedade são cegos para cultura de dados; o de Alfabetização é cego para metadados. É isso que um exercício de dez perguntas é, não um defeito esperando correção, e isso fixa a regra com que os quadros são lidos: uma dimensão que ninguém mediu é reportada como não medida, nunca como fraca. Deduzir um problema de cultura de um exercício de RACI seria inventar um achado.
Leia isto como a lista de quem já jogou, não como um benchmark. Abaixo de 30 partidas num ranking, uma única pessoa que muda de faixa move cada porcentagem da página em dois dígitos: por isso as faixas abaixo vão em número de partidas e nenhuma porcentagem de "profissionais" é afirmada. Os números ficam mais informativos conforme os rankings se enchem.
Os três rankings juntos
68,9% Competente
A partida média publicada, como porcentagem do que o próprio simulador pode conceder.
3 partidas publicadas · pontuada sobre 100
Onde caem as partidas
3 partidas publicadas · pontuada sobre 1000
Onde caem as partidas
3 partidas publicadas · pontuada sobre 15
Onde caem as partidas
As quatro faixas são as mesmas nos três rankings, então uma partida pontuada sobre 15 e outra sobre 1000 podem estar no mesmo histograma.
É o padrão mais confiável de todo o conjunto, e o simulador de propriedade existe para expô-lo. Dez disputas, pontuadas por papel, e a falha quase nunca é distribuída de forma uniforme: as pessoas vão bem nos quatro cenários de TI e fraquejam nos três que pertencem ao Dono de Negócio.
Leia isso com cuidado, porque a leitura útil não é "fraco em propriedade do dado". É que, quando uma pergunta soa técnica, a resposta cai por padrão no time técnico — e quase qualquer pergunta de governança pode ser feita a soar técnica. Quem é dono da definição de cliente ativo? Existe uma consulta SQL por trás, então TI. Quem aprova o compartilhamento de dados com um terceiro? Tem uma API envolvida, então TI. Quem assina o orçamento do data warehouse? Esse é TI de verdade, e é por isso que o instinto sobrevive.
O que você acaba tendo é um programa em que todo data owner está no time de dados, o que significa que ninguém com autoridade para mudar um processo de negócio é dono de nada. É o defeito estrutural mais comum que encontro em organizações reais, e um exercício de dez minutos coloca isso na mesa em cerca de quatro.
Uma sala que tem média 70 com todos entre 66 e 74 compartilha um mesmo modelo de como a governança funciona. Uma sala que tem média 70 combinando um 95 e um 45 tem dois modelos incompatíveis e não sabe disso. Essas duas salas precisam de trimestres seguintes completamente diferentes, e a média não as distingue.
É por isso que os números acima reportam a diferença entre a melhor partida e a mediana, e por isso o relatório do facilitador de uma sessão privada abre com a discordância e não com o vencedor. Num workshop, as discordâncias são a sessão: o quadro vai para a tela e então as duas pessoas que escolheram coisas opostas se explicam uma à outra usando a sua própria organização como exemplo.
Dois dos três quadros se cronometram. No quadro de Alfabetização de Dados, até agora a partida publicada mais rápida é também a de menor pontuação — vinte e cinco segundos, cinco pontos de quinze —, enquanto a de maior pontuação levou mais de seis minutos.
Três partidas não são um achado e eu não vou fingir o contrário. Mas isso combina com o que acontece nas salas com frequência suficiente para dizer em voz alta: quem termina primeiro normalmente é quem não percebeu o trade-off. Uma pergunta de governança que você consegue responder instantaneamente costuma ter sido lida errado, como uma pergunta técnica com resposta de consulta, que é a falha acima com outra roupa.
Todo mundo sabe que dados precisam de proteção. Quase ninguém consegue dizer quem decide. Em sessões reais, os dois eixos que voltam mais fracos são responsabilização — quem tem autoridade para tomar esta decisão — e contexto, ou seja, se alguém lá na frente consegue saber o que um número de fato conta. Segurança pontua comparativamente bem, porque segurança já tem orçamento, um dono com nome e uma auditoria por trás.
Essa diferença é o argumento para um modelo operacional e não para mais política. Uma política diz às pessoas qual é a regra. Estas falhas são falhas de direitos de decisão: ninguém tinha dúvida sobre a regra, só sobre quem pode decidir a exceção.
O simulador de alfabetização pergunta sobre viés, IA e cultura além de analytics, e o padrão nas respostas é constante: as pessoas não interpretam dados mal, elas não têm certeza do que as palavras da sua organização significam. Se "cliente" inclui as contas canceladas. Se o número de receita é contratada ou reconhecida. Se os "usuários ativos" do painel são os mesmos "usuários ativos" que o comitê viu na semana passada.
Isso é um problema de glossário de negócio. E é também por isso que programas de alfabetização de dados que ensinam estatística a quem precisava de definições nunca movem nada.
Tudo acima é ou uma propriedade de como os simuladores foram construídos ou um padrão de tê-los rodado com grupos reais. O que nada disso é, é um diagnóstico da sua organização — e vale ser preciso sobre o motivo, porque é uma decisão de governança de dados e não uma limitação de produto.
Uma partida pública guarda a sua pontuação, o idioma em que você jogou, quanto tempo levou e o nome que você digitou. Não guarda o seu detalhamento pergunta a pergunta. Isso é deliberado: manter o detalhe por dimensão da partida de um desconhecido significaria que este site guarda dados comportamentais de pessoas que vieram jogar dez minutos, sem um propósito que pudesse defender. Então ele não guarda.
A consequência é que os quadros públicos podem mostrar como as partidas publicadas se distribuem e nada sobre por que algo daquilo aconteceu. Não há como dizer em qual eixo um quadro é mais fraco, porque esse dado não existe fora de um espaço privado. Esse é o limite honesto desta página.
Dentro de um espaço privado o detalhamento é guardado, e isso muda o que o exercício é. Ele deixa de ser um ranking e passa a ser a medição de uma sala específica.
E o relatório fica com você. Ele ordena as dimensões em que o seu grupo foi mais fraco, com faixas de maturidade e tempos, mais uma exportação em CSV — que é a diferença entre contar a um patrocinador que o time gostou do workshop e mostrar a ele três áreas ordenadas em que a sua própria gente não sabia quem decide.
Duas portas de entrada, dependendo de quanto você já sabe que quer.
Veja como funciona um workshop →: o formato, o debrief, qual dos três cenários serve para cada sala, o que o relatório do facilitador contém e como as sessões são orçadas. Comece aqui se ainda está decidindo se isso serve para você.
Ir direto ao formulário de contato →: ele chega com o pedido de espaço privado já preenchido. Adicione as suas datas, o número de participantes, a mistura de idiomas e quais sistemas e times os cenários devem nomear, e eu volto com uma recomendação de cenário e um orçamento.
Se o workshop é uma peça de algo maior, a página de assessoria descreve como ele costuma se encaixar — quase sempre como o movimento de abertura do desenho de um modelo operacional. Uma sala que acabou de discutir propriedade do dado se envolve com uma matriz de direitos de decisão. Uma que não discutiu, nunca se envolve.
