Ir para o conteúdo
Homem conferindo dados

O que é gerenciamento de dados?

Dados são essenciais no funcionamento e na operação dos negócios.  As empresas precisam entender os dados e encontrar relevância no ruído criado por diversos sistemas e tecnologias que dão suporte à economia global altamente conectada da atualidade. Nesse aspecto, os dados assumem o centro das atenções. Sozinhos, são inúteis; as empresas precisam de um modelo eficaz de estratégia, governança e gerenciamento para aproveitar todas as formas de dados para uso prático e eficiente nas cadeias de suprimentos, redes de colaboradores, ecossistemas de clientes e parceiros e muito mais.

 

O que é gerenciamento de dados? É a prática de coletar, organizar e acessar os dados para dar suporte à produtividade, à eficiência e à tomada de decisões. Devido à importância decisiva e atual dos dados nos negócios, uma estratégia sólida e um sistema moderno de gerenciamento de dados são essenciais para todas as empresas, independente de porte ou setor.

O que é gerenciamento de dados

Principais elementos do gerenciamento de dados

O processo de gerenciamento de dados inclui uma ampla variedade de tarefas e procedimentos, como:

  • Coletar, processar, validar e armazenar dados
  • Integrar diferentes tipos de dados de diversas fontes, com os dados estruturados ou não
  • Garantir alta disponibilidade dos dados e recuperação de desastres
  • Governança da utilização e do acesso aos dados por pessoas e aplicativos
  • Proteger e guardar os dados e garantir privacidade

Por que o gerenciamento de dados é importante?

Todo aplicativo, solução analítica e algoritmo usados nas empresas (as regras e o processo associado que permitem aos computadores resolver problemas e concluir tarefas) dependem de acesso contínuo aos dados. Em seu núcleo, o sistema de gerenciamento de dados garante a precisão, segurança e disponibilidade dos dados. Mas os benefícios do gerenciamento de dados vão além disso.

64,2

 zetabytes

de dados digitais criados em 2020 – IDC

80

%

dos dados do mundo não estarão estruturados até 2025 –IDC

Explore os benefícios do gerenciamento de dados e das funções analíticas.

Transforme o Big Data em ativo de negócio de alto valor

 

O excesso de dados pode ser devastador – e inútil – se não for adequadamente gerenciado. Com as ferramentas certas, o  Big Data pode ser aproveitado para oferecer às empresas insights cada vez mais profundos e previsões mais rigorosas. Isso pode dar uma compreensão melhor do que os clientes desejam e ajudar a proporcionar experiências excepcionais com base na aprendizagem viabilizada pelos dados. Além disso, é possível promover novos modelos de negócios baseados em dados – como ofertas de serviços baseados em tempo real nos dados de sensores da Internet das Coisas (IoT) –, que não seriam evidentes sem a capacidade de analisar e interpretar Big Data.

Big Data são enormes conjuntos de dados, em geral caracterizados pelos cinco V: o grande volume de dados coletados, a variedade de tipos de dados, a velocidade em que os dados são gerados, sua veracidade e seu valor.

Não é segredo que organizações baseadas em dados têm grande vantagem competitiva. Com ferramentas avançadas, as empresas conseguem gerenciar mais dados de mais fontes. Também conseguem aproveitar muitos tipos diferentes de dados, estruturados ou não, em tempo real – inclusive dados de dispositivos IoT, arquivos de vídeo e áudio, dados de cliques na Internet e comentários nas mídias sociais –, criando mais oportunidades para monetizá-los e usá-los como ativo.

 

Criação de uma base sólida para a transformação digital

 

É comum dizer que os dados são a força motriz da transformação digital – e é verdade. Inteligência Artificial (IA), Machine LearningIndústria 4.0, funções analíticas avançadas, Internet das Coisas e automação inteligente, tudo isso exige muitos dados precisos, seguros e na hora certa para funcionar.

A importância dos dados e das tecnologias neles baseadas só aumentou desde o surto da COVID-19. Muitas empresas sentem uma enorme pressão para usar melhor seus dados – e utilizá-los para prever eventos futuros, articular-se rapidamente e pôr resiliência em seus planos e modelos de negócios.

O Machine Learning, por exemplo, precisa de conjuntos muito robustos de dados diversificados para “aprender”, identificar padrões complexos, resolver problemas e manter seus modelos e algoritmos atualizados e eficientes. As funções analíticas avançadas (que geralmente usam Machine Learning) também dependem de grande quantidade de dados de alta qualidade para produzir insights práticos e relevantes que possam ser usados com segurança. A IoT e a IoT industrial operam a um fluxo constante de dados de máquinas e sensores a milhões de quilômetros por minuto.

O denominador comum dos projetos de transformação digital são os dados. Antes de transformarem os processos, aproveitarem as novas tecnologias e se tornarem inteligentes, as empresas precisam de uma sólida base de dados. Em resumo, precisam de um moderno sistema de gerenciamento de dados.

A sobrevivência contínua de qualquer negócio dependerá de uma arquitetura ágil e centrada em dados que reaja à taxa constante de mudança.

Donald Feinberg, vice-presidente do Gartner

Assegure o compliance com as leis de privacidade dos dados

 

O bom gerenciamento de dados também é essencial para garantir o compliance com as leis nacionais e internacionais de privacidade de dados – como o Regulamento Geral de Proteção de Dados (GDPR) e a Lei de Privacidade dos Consumidores da Califórnia, nos EUA, – e com os requisitos de privacidade e segurança específicos do setor. Quando essa proteção for comprovada ou auditada, ter em vigor políticas e procedimentos sólidos de gerenciamento de dados é essencial.

Sistemas e componentes de gerenciamento de dados

Os sistemas de gerenciamento de dados são desenvolvidos em plataformas específicas e incluem uma série de componentes e processos que funcionam juntos para extrair valor dos dados. Entre eles, pode haver sistemas de gestão de banco de dados, data lakes e data warehouses, ferramentas de integração de dados, funções analíticas e muito mais.

 

Sistemas de gestão de banco de dados (DBMS)

 

Existem muitos tipos de sistemas de gestão de banco de dados. Entre os mais comuns, estão os sistemas de bancos de dados relacionais (RDBMS), os orientados a objetos (OODMBS), os bancos de dados in-memory e os bancos de dados colunares.

Sistemas de gerenciamento de dados

Diferentes sistemas de gerenciamento de dados

  • Sistema de gestão de banco de dados relacional (RDBMS): o RDBMS é um sistema de gestão de banco de dados que contém definições que permitem a programas e sistemas de recuperação referenciar os dados por nome, em vez de descrever a estrutura e localização dos dados todas as vezes. Baseados no modelo relacional, os sistemas RDBMS também mantêm relações entre dados para melhorar o acesso e evitar a duplicação. A definição básica e as características de um item, por exemplo, são armazenadas uma vez e vinculadas a linhas do pedido do cliente e a tabelas de preços.
  • Sistema de gestão de banco de dados orientado a objetos (OODBMS): o OODBMS é uma abordagem diferente para definir e armazenar dados, elaborada e usada por desenvolvedores de sistemas de programação orientada a objetos (OOPS). Os dados são armazenados como objetos, entidades autocontidas e autodescritas, e não estão em tabelas, como no RDBMS.
  • Banco de dados in-memory: o banco de dados in-memory (IMDB) armazena dados na memória principal (RAM) do computador e não em unidades de disco. A recuperação a partir da memória é muito mais rápida do que a partir de discos, e os bancos de dados in-memory são usados por aplicativos que exigem velocidade de resposta. Por exemplo, um relatório que antes levava dias para ser compilado agora pode ser acessado e analisado em minutos, talvez em segundos.
  • Banco de dados colunar: o banco de dados colunar armazena juntos os grupos de dados relacionados (uma "coluna" de informações) para acesso rápido. É usado em modernos aplicativos de negócio in-memory e em aplicativos independentes de data warehouse, nos quais a velocidade de recuperação de uma gama limitada de dados é importante.
     

Data warehouses e data lakes

  • Data warehouse: é um repositório central de dados acumulados de várias fontes para relatórios e análises.
  • Data lake: é um imenso reservatório de dados armazenados em formato bruto ou natural. Os data lakes são usados normalmente para armazenar Big Data, com dados estruturados, não estruturados e semiestruturados.
     

Gerenciamento de dados mestres (MDM)

 

O gerenciamento de dados mestres é a disciplina de criar uma referência-mestre confiável (uma única versão da verdade) para todos os dados importantes do negócio, como dados de produtos, clientes, ativos, financeiros etc. O MDM garante que as empresas não usam versões talvez incoerentes dos dados em diferentes partes dos negócios, como processos, operações, análises e relatórios. Os três pilares principais do MDM eficaz são: consolidação dos dados, governança de dados e gestão da qualidade dos dados.

Disciplina habilitada pela tecnologia na qual a empresa e a organização de TI trabalham em conjunto para garantir uniformidade, precisão, gestão, coerência semântica e responsabilidade dos ativos oficiais de dados mestres compartilhados na empresa.

Definição de MDM do Gartner

Gerenciamento de Big Data

 

Novos tipos de bancos de dados e ferramentas foram desenvolvidos para gerenciar Big Data – o grande volume de dados estruturados, não estruturados e semiestruturados que atualmente inunda as empresas. Além de técnicas de processamento muito eficientes e instalações baseadas na nuvem para administrar volume e velocidade, criaram-se novas abordagens para interpretar e gerenciar a diversidade de dados. Para as ferramentas de gerenciamento de dados entenderem diferentes tipos de dados não estruturados e trabalhar com eles, por exemplo, novos métodos de pré-processamento são usados para identificar e classificar os itens e facilitar o armazenamento e a recuperação.

 

Integração de dados

 

A integração de dados é a prática de ingerir, transformar, combinar e provisionar dados, onde e quando for necessário. Essa integração ocorre na empresa e fora dela – entre parceiros, com fontes de dados de terceiros e em casos de uso – para atender aos requisitos de consumo de dados de todos os aplicativos e processos de negócios. As técnicas incluem movimentação de dados em massa/em lote, extração, transformação, carregamento (ETL), captura de alterações, replicação, virtualização, integração de streaming de dados, orquestração e muito mais.

 

Governança, segurança e compliance de dados

 

A governança de dados é um conjunto de regras e responsabilidades para garantir disponibilidade, qualidade, conformidade e segurança dos dados em toda a organização. É ela que estabelece a infraestrutura e indica os indivíduos (ou cargos) dentro da organização com autoridade e responsabilidade pelo tratamento e proteção de tipos específicos de dados. A governança de dados é uma parte essencial do compliance. Os sistemas cuidarão da mecânica de armazenamento, processamento e segurança; é o lado das pessoas, o lado da governança, que assegura a precisão dos dados para serem iniciados e a correta manipulação e proteção antes de serem inseridos no sistema, enquanto são usados e quando recuperados para uso ou armazenamento em outro local. A governança especifica como os responsáveis usam processos e tecnologias para gerenciar e proteger os dados.

 

É claro que a segurança dos dados é uma grande preocupação no mundo atual com hackers, vírus, violações e ataques cibernéticos. Embora a segurança esteja integrada aos sistemas e aplicativos, a governança garante que esses sistemas sejam configurados e administrados adequadamente para proteger os dados e que os procedimentos e responsabilidades sejam usados para proteger os dados fora dos sistemas e do banco de dados.

 

Business Intelligence e funções analíticas

 

A maioria dos sistemas de gerenciamento de dados, se não todos, inclui ferramentas básicas de recuperação de dados e geração de relatórios, e muitos incorporam aplicativos poderosos para esse fim. Também há aplicativos de relatórios e funções analíticas desenvolvidos por terceiros que serão incluídos no pacote de aplicativos como recurso padrão ou módulo opcional para funcionalidades mais avançadas.

 

Em grande medida, o poder dos sistemas modernos de gerenciamento de dados está nas ferramentas de recuperação ad-hoc que permitem aos usuários, com treinamento mínimo, criar formas próprias de recuperação de dados na tela e relatórios impressos com flexibilidade surpreendente na formatação, nos cálculos, na classificação e nos resumos. Além disso, os profissionais podem usar essas mesmas ferramentas ou outros conjuntos mais sofisticados para elaborar cálculos avançados, comparações e formatação. Os novos aplicativos de funções analíticas cruzam bancos de dados, data warehouses e data lakes tradicionais e permitem a incorporação de Big Data aos dados de aplicativos de negócios para previsão, análise e planejamento melhores.

O que é estratégia de dados de negócio e por que ela é necessária?

Muitas empresas têm sido passivas na abordagem da estratégia de dados: aceitam o que o fornecedor de aplicativos de negócios incorporou a seus sistemas. Hoje, isso não basta. Com a atual explosão dos dados e sua relevância para a operação de todas as empresas, é cada vez mais necessário adotar abordagens mais proativas e abrangentes de gerenciamento de dados. Do ponto de vista prático, isso significa preparar e definir uma estratégia de dados que:

  • Identifique os tipos específicos de dados que a empresa vai precisar,
  • Atribua responsabilidade a cada tipo de dado e
  • Estabeleça procedimentos para reger a aquisição, a coleta e o tratamento desses dados.

Um dos principais benefícios da estratégia e da infraestrutura de gerenciamento de dados corporativos é reunir toda a organização e coordenar as atividades e decisões em apoio ao objetivo de oferecer aos clientes produtos e serviços de qualidade com eficiência. Ter uma estratégia de dados abrangente e uma integração perfeita dos dados elimina silos de informações. Isso permite que cada departamento, gerente e colaborador veja e compreenda sua contribuição individual para o sucesso da empresa e mantenha suas ações e decisões alinhadas com essa meta.

placeholder

Desenvolva a estratégia de dados de sua empresa

Participe da masterclass online e gratuita sobre estratégia de dados baseada em resultados.

A evolução do gerenciamento de dados

O gerenciamento eficaz de dados é fundamental para o sucesso dos negócios há mais de 50 anos, pois ajuda as empresas a melhorar a precisão dos relatórios informativos, identificar tendências e tomar melhores decisões para estimular a transformação digital e potencializar novas tecnologias e modelos de negócios. Os dados se tornaram um novo tipo de capital, e as organizações com visão de futuro buscam sempre novas e melhores maneiras de usá-los a seu favor. Veja as mais recentes tendências do moderno gerenciamento de dados que é importante acompanhar pela relevância para os negócios e o setor:

  • Tecido de dados: atualmente, a maioria das organizações emprega muitos tipos de dados on premise e na nuvem e usa várias ferramentas, sistemas de gestão de bancos de dados e tecnologias de processamento. O tecido de dados, que é uma combinação personalizada de arquitetura e tecnologia, usa a integração e orquestração dinâmicas para permitir acesso simples aos dados e seu compartilhamento em ambiente distribuído.
  • Gerenciamento de dados na nuvem: muitas empresas estão levando para a nuvem algumas ou todas as plataformas de gerenciamento de dados, pois aproveita todos os benefícios que a nuvem oferece, como escalabilidade, segurança avançada, acesso aprimorado, backups automatizados e recuperação de desastres, economia de custos e muito mais. A popularidade dos bancos de dados na nuvem e das soluções de banco de dados como serviço (DBaaS)dos data warehouses e dos data lakes na nuvem está crescendo.
  • Gerenciamento de dados aumentado: uma das tendências mais recentes é o chamado "gerenciamento de dados aumentado". Identificado pelo Gartner como importante potencial disruptivo até 2022, o gerenciamento de dados aumentado usa IA e Machine Learning para autoconfigurar e autoajustar os processos de gerenciamento de dados. O gerenciamento de dados aumentado automatiza tudo, desde a qualidade e o gerenciamento de dados mestres até a integração de dados, e libera a equipe técnica especializada para se concentrar em atividades de maior valor.

Durante 2022, as tarefas manuais de gerenciamento de dados serão reduzidas em 45% com a adição de Machine Learning e gestão automatizada do nível de serviço.

Gartner

  • Funções analíticas aumentadas: as funções analíticas aumentadas – outra tendência tecnológica importante identificada pelo Gartner – chegaram para ficar. Elas usam Inteligência Artificial, Machine Learning e processamento de linguagem natural (NLP) e, além de encontrar automaticamente os insights mais importantes, democratizam o acesso a funções analíticas avançadas para que todos, não só os cientistas de dados, façam perguntas aos dados e obtenham respostas de maneira natural e coloquial.

Explore termos e tendências adicionais do gerenciamento de dados.

Resumo

Sabemos que as informações têm origem nos dados. E, se informação é poder, gerenciar e capitalizar os dados com eficiência pode ser o superpoder de sua empresa. A responsabilidade do gerenciamento de dados e a função dos analistas de banco de dados (DBAs) estão evoluindo como agentes de mudança para impulsionar a adoção da nuvem, aproveitar novas tendências e tecnologias e agregar valor estratégico aos negócios.  

placeholder

Soluções de gerenciamento de dados e banco de dados

A SAP pode ajudar você a gerenciar, administrar e integrar seus dados de negócio.

Outros destaques desta série

Newsletter SAP Insights

placeholder
Assine ainda hoje

Receba insights importantes assinando nossa newsletter.

Leitura adicional

Voltar ao início