Profissionais a rever a qualidade dos dados

Como criar regras de governação de dados antes de ampliar a inteligência artificial

Setembro de 2026 Marta Silva Dados empresariais

Comece pela origem. Um relatório pode parecer preciso e ainda assim juntar definições diferentes para a mesma palavra, períodos incompatíveis ou registos duplicados. O problema cresce em silêncio. A equipa comercial chama cliente ativo a quem comprou nos últimos doze meses; as operações usam outra regra; a direção recebe ambos os números no mesmo painel. A discussão passa a ser sobre o valor da métrica, não sobre a decisão que ela deveria apoiar. Antes de adotar uma plataforma, escolha um processo que afete o trabalho diário e descreva o caminho de cada dado: onde nasce, quem o altera, quando é validado e onde termina. Depois, crie um dicionário simples com definição, unidade, período e responsável. Não precisa de catalogar tudo de uma vez. Concentre-se nos campos que sustentam faturação, capacidade, atendimento ou conformidade. Este primeiro passo revela falhas que uma ferramenta não corrige, como nomes inconsistentes, campos opcionais usados como notas ou informação replicada sem controlo. A qualidade deve ser medida por critérios observáveis: completude, consistência, atualidade, unicidade e validade. Registe uma linha de base. Sem ela, qualquer melhoria será apenas uma impressão. Há um custo que convém admitir: organizar dados exige tempo de pessoas que já têm outras tarefas. Também pode expor decisões antigas que nunca foram documentadas. Ainda assim, adiar o trabalho transfere o custo para cada relatório, integração e revisão futura. Uma governação útil não cria burocracia por si só. Define o mínimo necessário para que você saiba o que está a ver, possa contestar uma anomalia e consiga repetir o processo sem depender da memória de uma pessoa.

A responsabilidade precisa de um nome. Quando todos podem corrigir um campo, ninguém responde pela sua definição; quando ninguém pode corrigir, o erro permanece como se fosse uma regra. Este vazio trava projetos e desgasta as equipas. Defina três papéis para cada conjunto importante: o responsável pelo significado, o guardião da qualidade e o utilizador que confirma o valor no processo. Uma só pessoa pode acumular funções em empresas pequenas, desde que a decisão fique registada. Use um ciclo interno de quatro etapas: definir, verificar, corrigir e rever. Na definição, escreva o propósito e a fonte autorizada. Na verificação, aplique testes que procurem valores ausentes, duplicações, datas fora do intervalo e alterações inesperadas. Na correção, preserve o registo da mudança e indique quem a aprovou. Na revisão, examine se a regra continua adequada ao processo. Este ciclo evita que a limpeza seja feita uma vez e esquecida. Também ajuda a separar erro de exceção. Um pedido urgente pode não seguir o padrão comum; isso não significa que deva ser apagado ou forçado a caber numa categoria errada. Crie um campo para explicar a exceção e uma fila para revisão humana. Se utilizar inteligência artificial para classificar, resumir ou prever, compare a saída com uma amostra analisada por pessoas e observe diferenças por tipo de cliente, região, canal ou produto. Não olhe apenas para a média. Uma falha concentrada num grupo pequeno pode ter impacto operacional maior do que uma taxa geral sugere. Documente as limitações junto ao resultado, para que quem decide conheça o contexto. O lado difícil é que a transparência pode reduzir a sensação de rapidez no início. Isso é esperado. Uma resposta que demora mais, mas permite verificar a origem e corrigir o erro, serve melhor do que uma resposta veloz que ninguém consegue explicar.

O acesso fecha o circuito. Dados sem proteção criam exposição; dados demasiado fechados impedem o trabalho e incentivam cópias locais. Procure o ponto de equilíbrio com permissões baseadas na função, revisão periódica e registos de acesso. Separe a informação necessária para executar uma tarefa daquela que apenas seria conveniente consultar. No contexto português, documente a finalidade do tratamento, limite a recolha ao necessário e avalie os direitos das pessoas quando existir informação pessoal. Envolva o responsável pela privacidade antes de ligar novas fontes, sobretudo quando os dados atravessam fornecedores ou sistemas externos. Solicite informação sobre alojamento, subcontratantes, retenção, incidentes e eliminação. Não aceite uma caixa preta contratual onde a empresa não consegue saber quem acede ou como uma classificação é produzida. Para cada fluxo, mantenha uma ficha curta: objetivo, fontes, campos críticos, responsável, prazo de retenção, controlos e plano de resposta. Depois, acompanhe poucos indicadores com regularidade. A taxa de campos completos, o número de duplicações, o tempo até corrigir um erro e a quantidade de acessos fora do padrão costumam dizer mais do que um painel cheio de gráficos. Faça uma revisão após cada alteração relevante no processo. Sistemas mudam. Pessoas mudam. As regras também. O investimento não termina quando o catálogo fica pronto; existe manutenção, revisão jurídica e tempo para responder a pedidos. Esse é o custo real de tratar dados como infraestrutura, e escondê-lo apenas torna o orçamento menos honesto. A recompensa prática é outra: você reduz discussões sobre versões, encontra a causa de um desvio mais cedo e dá à automação uma base que pode ser examinada. Não amplie ainda. Escolha um conjunto, escreva as regras e veja se a equipa consegue segui-las. Se o método sobreviver ao trabalho real, avance para o próximo. Quer pôr ordem antes de acrescentar ferramentas? Veja o método.