Blog/Artigos · Governança
DAMA-DMBOK, os papéis de dono e curador, catálogo e linhagem, e as dimensões de qualidade que decidem se a IA bebe água limpa.
O profeta acusa o povo de dois males: abandonar a fonte de águas vivas e cavar poços quebrados que não seguram água nenhuma. É a imagem exata do dado mal governado. A fonte de águas vivas é o dado confiável, único, que alimenta toda decisão, todo relatório, todo modelo de IA. Os poços quebrados são as planilhas duplicadas, as métricas com três versões, as bases que se contradizem e que ninguém confia. Governança de dados é a escolha entre os dois: manter a fonte viva, ou seguir cavando poços que não seguram água. E na era da IA, essa escolha decide se o modelo bebe água limpa ou lama.
Dado sem dono, sem definição e sem qualidade é o poço quebrado do profeta: cada time cava o seu, nenhum segura água, e a mesma pergunta de negócio recebe três respostas diferentes conforme quem a faz. A DAMA-DMBOK, o corpo de conhecimento em gestão de dados, é o mapa que organiza a disciplina. Ela dispõe as áreas de conhecimento em torno de um centro, e o centro é a governança de dados: a política, os papéis e as decisões sobre o dado que fazem as outras áreas convergirem em vez de brigarem.
Governança de dados não é trancar o dado a sete chaves; é o oposto, é torná-lo confiável, encontrável e utilizável, protegido na medida certa. O custo de não fazer isso é silencioso e enorme: cada equipe reconstrói o mesmo conjunto de dados, cada indicador tem versões conflitantes, e cada modelo de IA treina no que encontrar. O velho lixo entra, lixo sai ganhou escala de máquina com a IA: um modelo é tão confiável quanto a fonte de onde ele bebe. Governança é o que mantém essa fonte viva.
Governança de dados afunda quando todo mundo é dono do dado, porque aí ninguém é. Os papéis precisam ser explícitos. O dono do dado responde pelo dado: é do negócio, decide a definição e quem acessa. O curador é o especialista do domínio que define o significado e cuida da qualidade, a pessoa que zela pela fonte no dia a dia, o coração do modelo. O custódio opera: armazena, protege e serve, e costuma ser a TI ou o SRE. O consumidor usa, sob as regras. Cada gota tem quem decide, quem cuida, quem guarda e quem bebe.
O anti-padrão mais comum é a TI ser dona do dado. Não é: a TI é custódia, não dona. Quem é dono é o domínio de negócio, porque só ele sabe o que o dado significa e quem deveria vê-lo. É o mesmo desenho das três linhas de defesa aplicado ao dado: o negócio é dono, a função de governança habilita e dá método, e a TI opera a infraestrutura. Confundir custódia com propriedade é como confundir o encanador com o dono da água: um cuida do cano, o outro decide para que a água serve.
Não se governa o que não se acha. O catálogo de dados é o mapa da fonte: que dado existe, onde, o que significa, quem é o dono e quão bom ele é. A linhagem é o curso do rio traçado: da origem, passando por cada transformação, até o painel final. Quando um número sai errado no relatório da diretoria, a linhagem deixa subir o rio até encontrar exatamente o poço quebrado que sujou a água, em vez de virar arqueologia de fim de semana atrás da causa.
A linhagem responde às duas perguntas que paralisam times de dados. A primeira, para frente: se eu mudar esta fonte, o que quebra lá na frente? É a análise de impacto que evita a mudança inocente que derruba dez dashboards. A segunda, para trás: de onde veio este número suspeito? É a análise de causa raiz. Sem linhagem, as duas são escavação manual. Com catálogo e linhagem, as duas viram consulta. São eles a espinha dorsal de qualquer dado em que se possa confiar.
Quando o número sai errado, a linhagem deixa subir o rio de volta até o poço quebrado que sujou a água.
Qualidade de dados não é uma coisa só; são dimensões mensuráveis, e essa é a virada que tira a discussão do achismo. Dizer o dado está ruim não gera ação; dizer a completude do campo CPF caiu para 82 por cento gera. As dimensões dão o que medir: acurácia, completude, consistência, tempestividade, validade e unicidade. Dado de baixa qualidade é o poço quebrado que não segura água: parece cheio, mas escoa por baixo, e só se descobre quando o copo chega vazio na mão de quem decidia com ele.
A disciplina é simples de enunciar e dura de sustentar: definir a dimensão, fixar um limiar, medir continuamente e alertar quando romper. E a lição é a mesma do shift-left da segurança: qualidade na fonte vence limpeza lá na frente, porque cada transformação a jusante herda e amplia o defeito da origem. Na era da IA isso deixou de ser detalhe: o modelo não distingue água limpa de lama, ele treina no que recebe. Governança de qualidade é o que impede a IA de aprender, com confiança, a coisa errada.
| Dimensão | Pergunta que responde | Exemplo de métrica |
|---|---|---|
| Acurácia | O dado reflete a realidade? | % de registros que batem com a fonte oficial |
| Completude | Falta valor onde deveria haver? | % de campos obrigatórios preenchidos |
| Consistência | O dado concorda consigo em sistemas diferentes? | divergência entre bases do mesmo cliente |
| Tempestividade | O dado está atualizado a tempo? | atraso entre o fato e o registro do fato |
| Validade | O dado obedece ao formato e à regra? | % de valores dentro do domínio permitido |
| Unicidade | Há duplicata do que deveria ser único? | nº de registros duplicados por chave de negócio |
A maturidade de governança de dados vai do caos ao dado tratado como produto. No fundo da escada, cada um tem sua planilha e cada planilha é a verdade. No topo, o dado é um produto com dono, SLA, entrada no catálogo e contrato de qualidade, o pensamento de dado como produto e de malha de dados. Em fintech regulada, foi a LGPD que forçou o salto: não dá para provar quem acessou qual dado pessoal, para qual finalidade, sem catálogo, sem linhagem e sem classificação. A governança de dados virou o alicerce sobre o qual a LGPD, o PCI-DSS e a ISO 27001 se apoiam ao mesmo tempo.
Mas o retorno maior está na IA. Toda iniciativa de IA que morre no diagnóstico o dado não está pronto está, na verdade, morrendo de falta de governança. Um modelo é tão confiável quanto a fonte de onde bebe, e nenhuma sofisticação de arquitetura compensa treinar em poço quebrado. Governança de dados é o alicerce sem glamour que decide se a IA em cima dela é uma nascente viva ou uma cisterna rachada. Abandonar a fonte de águas vivas para cavar poços que não seguram água é, ponto por ponto, o que faz a IA construída sobre dado não governado.
Governança de dados é a escolha do profeta: manter a fonte de águas vivas em vez de cavar poços quebrados. A DAMA-DMBOK dá o mapa, os papéis de dono, curador, custódio e consumidor definem quem cuida da fonte, catálogo e linhagem tornam o dado encontrável e rastreável, e as dimensões de qualidade mantêm a água limpa. A IA acelera o catálogo, infere a linhagem e vigia a qualidade, e ainda passa a beber da fonte que ajuda a limpar. Mas decidir o que o dado significa e quem responde por ele continua sendo humano, porque toda IA é apenas tão boa quanto a fonte de onde bebe.
Gerente de Operações, Tecnologia e Infraestrutura (SRE) numa central de registros. Trabalho com tecnologia desde 2009 e com cibersegurança em tempo integral desde 2015, em infraestrutura crítica, fintech e banking. Escrevo sobre o que eu opero: confiabilidade, segurança, governança e IA que passa por gate antes de chegar em produção.
Governançaסֵתֶר
Dado pessoal não é ativo livre; é algo confiado à sua guarda. A LGPD exige base legal para cada uso, direitos ao titular e privacidade no desenho. Entenda o mapa que evita a multa e o vazamento.
Governançaצִנָּה
Risco sem método é opinião com gravata. GRC transforma incerteza em decisão registrada: ISO 31000 dá o processo, as três linhas definem quem responde, o apetite define a linha, e os quatro Ts definem a jogada.
