Vimos que para uma correta eficiência do uso dos dados, a empresa deve estabelecer quais são suas prioridades. Com base nesses objetivos estratégicos serão criados filtros de busca relevantes em meio a uma infinidade de informações, para que não se caia na “armadilha de dados”, ou seja, tratar dados em excesso e sem necessidade, uma vez que não estão ligados aos objetivos estabelecidos. Essa “armadilha” pode gerar um desperdício de tempo, dinheiro e produtividade.
Para isso, nosso framework sugere que a análise do cenário de mercado e definições de objetivos interno darão embasamento para a próxima fase: o diagnóstico (2). Nesta fase serão analisados os dados necessários, sistemas atuais que são fontes de informação e os que ainda precisarão ser adquiridos. Bem como entender os processos que atualmente envolvem a captura e tratativa desses dados, assim como as personas, ritos de gestão e governança que suportam esta operação.
Após o cenário mapeado e o diagnóstico feito com o detalhamento necessário, deve-se estruturar e organizar (3) o processo para que os dados ganhem a qualidade para criação das soluções. Porém, muitas etapas devem ser trabalhadas em busca do nível ideal.
3. Definição do plano de execução, implementação e engajamento
• Definição da governança de dados (Data Governance);
• Limpeza de dados (Data Cleaning);
• Estruturação de sistemas e fontes de dados (externos e internos);
• Integração dos dados e sistemas (on e off);
• Arquitetura ideal. Ex: Data Lake e Data Warehouse;
• Automação de dados;
• Criação de BIs, reports e dashboards.
.png?width=960&height=960&name=MicrosoftTeams-image%20(90).png)
Todo esse esforço passa por 3 pilares: processos desenhados, sistemas preparados e pessoas capacitadas. Caso esses fatores não estejam azeitados, toda essa estruturação tende a ser refeita em um curto espaço de tempo. Toda essa arquitetura possibilitará criar o arcabouço para que sejam entregues soluções (4), as quais veremos exemplos no texto final.