Projetos que utilizam dados de forma intensiva podem apresentar uma falha crítica: a qualidade dos dados. Como diretor de sistemas de suporte à decisão de dados, já entreguei mais de 80 projetos desse tipo em grandes corporações, abrangendo desde armazenamento e integração de dados até modelos preditivos. Em todos esses projetos, a qualidade dos dados se mostrou um fator crítico para o sucesso. O desafio mais óbvio era a consulta de fontes heterogêneas e a extração e transformação dos dados em modelos. O desafio mais sutil era a identificação precoce de problemas, muitas vezes desconhecidos pelos proprietários das informações.
Diante disso, iniciei estrategicamente todos os projetos com uma fase de avaliação da qualidade dos dados, que, em muitos casos, resultou em modificações no escopo do projeto e em iniciativas de limpeza de informações. A qualidade dos dados envolve aspectos como consistência, integridade, precisão e conformidade. Defino qualidade como o nível de conformidade de um conjunto de dados em normalidade contextual, que é estabelecida por regras definidas pelo usuário e/ou derivadas estatisticamente. É importante que os sistemas modernos conheçam a qualidade dos dados e identifiquem possíveis problemas, evitando a exposição de dados sujos, imprecisos ou incompletos aos usuários.
A qualidade dos dados é fundamental para empresas que buscam ser data driven e tomar decisões automatizadas, com uso de IA e otimização contínua de processos. Problemas de qualidade dos dados podem levar à confusão, confiança limitada e más decisões, prejudicando os resultados da empresa. Por isso, é importante que as empresas identifiquem seus problemas de qualidade de dados e trabalhem para resolvê-los.
Os problemas de qualidade dos dados podem assumir várias formas, como valores inválidos ou ausentes, valores em formato inesperado ou corrompidos, instâncias duplicadas, referências inconsistentes ou unidade de medidas, entre outros. Eles geralmente são resultantes de implementações ruins de software, problemas no nível do sistema ou alterações nos formatos de dados.
Para garantir a qualidade dos dados ao longo de um projeto de uso intensivo, é importante identificar, entender e documentar as fontes de dados, criar perfis de dados e realizar validação de dados ao longo do processo. Identificar as principais entidades e eventos envolvidos, analisar tendências de alto nível e capturar as “histórias de dados” pode ajudar a criar uma linha de base para validação de dados. A validade das propriedades dos dados pode ser avaliada em relação a regras conhecidas e predefinidas e regras e padrões derivados dinamicamente, com base no processamento estatístico.
Em conclusão, a qualidade dos dados é fundamental para empresas que buscam ser data driven e tomar decisões automatizadas, com uso de IA e otimização contínua de processos. Problemas de qualidade dos dados podem levar à confusão, confiança limitada e más decisões. É importante identificar os problemas de qualidade dos dados e trabalhar para resolvê-los ao longo de um projeto de uso intensivo.
Acompanhe mais dicas de Gestão e Liderança aqui na gazetadobairro