Verdade sobre a qualidade de dados e seu valor de negócios

Abraham Thomas, em seu artigo A systematic way to think about data quality, propõe uma visão multifacetada sobre 'quality', desmistificando a ideia de que dados possuem uma qualidade intrínseca. Segundo ele, a qualidade de dados é um fenômeno emergente, totalmente condicionado ao caso de uso específico. Essa perspectiva desafia as definições tradicionais de normas como ISO 8000 e ISO 25012, que, embora corretas, falham em capturar a essência da aplicabilidade de dados no mundo real.

Thomas introduz o conceito de uma 'escada' de qualidade de dados, com quatro níveis: granular/unit-level quality, aggregate/corpus-level quality, fitness-for-purpose quality e, por fim, business-outcome quality. Cada nível se baseia no anterior, e a falha em qualquer um deles compromete o valor final. A qualidade granular foca em unidades individuais de dados (registros, exemplos), enquanto a agregada avalia o corpus como um todo (cobertura, deduplicação). A fitness-for-purpose investiga se os dados atendem às necessidades da aplicação (relevância, suficiência), e a qualidade de resultado de negócio mede se os dados efetivamente geraram valor quantificável, como aumento de receita ou melhoria de métricas.

Ao contrário de abordagens que focam apenas em métricas técnicas de dados, como precisão e completude (nível granular), a perspectiva de Thomas eleva a discussão para o impacto no negócio. O framework 'quality' como uma escada enfatiza que o valor real dos dados só é percebido quando eles efetivamente se traduzem em resultados tangíveis. Isso contrasta com abordagens mais antigas que poderiam se deter em otimizações de bancos de dados ou na conformidade com padrões técnicos, sem necessariamente vincular essas ações a um ganho de negócio mensurável, como sugerem discussões em this essay.

A abordagem de Abraham Thomas sobre 'quality' é crucial para executivos e líderes de TI pois desloca o foco da simples conformidade técnica para o valor estratégico tangível. Compreender que a qualidade dos dados é definida pelo seu uso e pelo resultado de negócio evita investimentos desnecessários em métricas que não se traduzem em performance, além de identificar gargalos que impedem a monetização efetiva da informação. Implementar essa visão demanda colaboração entre equipes técnicas e de negócios para alinhar a coleta e o processamento de dados diretamente aos objetivos estratégicos, garantindo que 'quality' seja sinônimo de resultados superiores.