Governança de dados: o guia que os consultores não te dão de graça

Mês passado entrei numa reunião num cliente do setor de saúde, em Curitiba, e o diretor de TI puxou um PowerPoint de 47 slides sobre o programa de governança de dados deles.

Era bonito. Tinha matriz RACI, framework DAMA-DMBOK, três níveis de comitê. Tudo aprovado por uma consultoria grande em 2024.

Aí eu fiz uma pergunta simples: quem é o dono do cadastro de pacientes?

Silêncio de 14 segundos. Cronometrei.

Olha, essa é a realidade da maioria dos programas de governança de dados que eu audito. Tem PowerPoint. Tem ferramenta cara. Tem comitê. Mas ninguém sabe responder quem decide quando há conflito sobre um dado.

Deixa eu ser direto sobre o que governança de dados realmente é — sem o jargão que os consultores cobram caro para vender.

O que governança de dados realmente é (sem o PowerPoint do consultor)

Governança de dados é responder três perguntas com nome e sobrenome:

• Quem decide o que esse dado significa?
• Quem decide quem pode acessar?
• Quem responde quando o dado está errado?

Só isso.

Tudo o que vem depois — catálogo, qualidade, linhagem, MDM — é ferramenta para operacionalizar essas três respostas. Sem elas, ferramenta vira museu.

Num cliente que atendi no ano passado, uma indústria de autopeças com 1.200 funcionários, eles tinham investido R$ 340 mil num Collibra em 2023. Quando cheguei lá em fevereiro deste ano, o catálogo estava 23% preenchido. Por quê? Porque ninguém tinha autoridade para preencher. Os analistas que sabiam o que cada coisa significava não tinham mandato. Os gestores que tinham mandato não sabiam o que cada coisa significava.

A ferramenta funcionava. A governança não existia.

Governança de dados é decisão antes de tecnologia. Quem inverte essa ordem paga caro por uma ferramenta que vira fantasma no inventário.

Os 4 papéis que precisam existir antes de qualquer ferramenta

Quando audito um programa de governança, eu procuro 4 papéis. Se não existem, o resto é teatro.

1. Data Owner (Dono do Dado)

Geralmente um diretor de negócio. Não é TI. É a pessoa que responde pelo significado e pela qualidade do dado dentro do processo que ela gerencia.

O dono do cadastro de cliente é o diretor comercial. O dono do cadastro de fornecedor é o diretor de compras. O dono do cadastro de produto, depende — pode ser supply chain, pode ser marketing.

O erro que vejo se repetindo: empresas nomeiam o CIO como dono de tudo. Não funciona. CIO é guardião da infraestrutura, não juiz de conflito semântico entre áreas.

2. Data Steward (Administrador de Dados)

É o operacional. A pessoa que mantém o catálogo, monitora qualidade, escala problemas. Geralmente está na área de negócio, não em TI.

Num cliente do setor financeiro que atendi em 2024, eles tinham 1 steward para uma base de 4.300 atributos. Resultado: o steward virou um centro de atendimento de chamados, não um administrador de governança. Em 8 meses pediu demissão.

3. Data Custodian (Custodiante Técnico)

Esse é TI. Responde pelo armazenamento, segurança, performance, backup. Mas — atenção — não responde pelo significado nem pela decisão de acesso.

4. Data Consumer (Consumidor)

Parece óbvio mas raramente está mapeado. Saber quem consome o dado é o que permite fazer análise de impacto quando algo muda.

Sem esses 4 papéis nomeados, com gente real, com mandato real, governança de dados é só uma palavra na apresentação do CIO.

Catálogo de dados: o inventário que toda empresa acha que tem mas não tem

Pergunte ao seu time de TI quantos atributos de dados a empresa tem. A resposta vai ser um número confiante. Pergunte como chegaram a esse número. Aí o silêncio começa.

Num caso real, uma empresa de logística em Curitiba me disse que tinha "cerca de 800 campos" no ERP. Quando fizemos o inventário real, eram 2.347. Sem contar os 14 bancos satélite que ninguém tinha mapeado.

O catálogo de dados não é o inventário do DBA. É o inventário do significado. Tem que responder, para cada atributo importante:

• O que ele significa no contexto do negócio
• Quem é o dono
• Quem pode acessar
• De onde ele vem (origem)
• Para onde ele vai (consumo)
• Qual a regra de qualidade aplicada

O que eu faço com clientes em fase inicial é: não tente catalogar tudo. Catalogue os 50 atributos mais críticos. Aqueles que aparecem em decisão executiva, em obrigação regulatória, em fechamento contábil.

Se você não consegue manter 50 atributos catalogados com qualidade, não vai conseguir manter 2.000.

Qualidade de dados: métricas que realmente funcionam

A maioria dos gestores erra aqui. Define métricas de qualidade que parecem boas no dashboard mas não ligam com decisão de negócio.

"Completude de 97%" é uma métrica decorativa se ninguém define o que fazer quando cai para 94%.

O que funciona é definir, para cada atributo crítico, 4 dimensões:

Completude

O atributo está preenchido onde deveria estar? Mas atenção: preenchido com qualquer coisa não é completude. Preenchido com valor válido é completude.

Acurácia

O valor reflete a realidade? Essa é a mais difícil de medir. Geralmente exige amostragem manual ou comparação com fonte externa autoritativa.

Consistência

O mesmo dado em sistemas diferentes tem o mesmo valor? Aqui é onde quase toda empresa quebra. CPF do cliente no CRM diferente do CPF no ERP é o pão com manteiga do auditor.

Temporalidade

O dado está atualizado em tempo hábil para o uso? Saldo bancário com 24h de atraso pode ser ok para relatório gerencial e desastroso para decisão de crédito.

Pegue seus 50 atributos críticos. Defina 4 dimensões para cada um. Defina o threshold. Defina o que acontece quando viola. Esse é o programa de qualidade que funciona.

O erro de começar pela tecnologia

Vou ser franco: 67% dos programas de governança de dados que eu auditei começaram pela escolha da ferramenta. E todos os 67% estavam em crise no segundo ano.

Por quê?

Porque a ferramenta força um modelo. Você compra Collibra, vira refém do modelo do Collibra. Compra Informatica Axon, vira refém do modelo Axon. E aí a discussão deixa de ser "o que a empresa precisa" e vira "como adequar a empresa ao que a ferramenta espera".

O que eu recomendo: faça os primeiros 6 meses no Excel. Sério. Catalogue 50 atributos críticos numa planilha estruturada. Nomeie owners. Defina qualidade. Faça funcionar manualmente.

Quando isso estiver funcionando — quando as reuniões de governança acontecerem, quando os conflitos forem resolvidos com mandato claro, quando as métricas forem revisadas — aí sim você compra ferramenta. Mas agora você compra sabendo o que precisa, não o que o vendedor te empurra.

A ferramenta deve refletir um processo que existe. Não o contrário.

Programa de governança que começa pela ferramenta tem 3 destinos: vira sombra de organograma, vira centro de custo sem entregável, ou é desligado silenciosamente no terceiro ano.

Se você está pensando em começar — ou se já começou e está sentindo que está patinando — o primeiro passo não é contratar consultoria de R$ 800k. É entender em que nível de maturidade a empresa está hoje. Sem isso, qualquer investimento é apostar no escuro.

O comitê de governança: estrutura que decide vs comitê de fachada

Comitê de governança de dados é uma das estruturas mais maltratadas em empresa brasileira. Vira reunião quinzenal cheia de gente sem mandato discutindo problemas sem decisão.

Pra funcionar, o comitê precisa de 3 coisas que raramente tem:

• Patrocinador executivo com poder real (CFO, COO, CIO — alguém que possa fazer área se mexer)
• Quórum de decisão (não "vamos discutir" — é "o que decidimos")
• Pauta com casos reais, não "status do programa"

Comitê de 12 pessoas é teatro. Comitê de 5-7 pessoas com mandato é instrumento.

Frequência: mensal nos primeiros 6 meses, trimestral depois. Reunião sem caso para decidir é cancelada — não vira reunião de atualização.

Como medir o valor que o programa entrega para o board

Programa de governança que não consegue mostrar valor mensurável morre no segundo ano. Vou listar as métricas que funcionam para board:

Métricas de impacto financeiro

Decisões executivas suportadas por dado confiável (e quanto isso evitou em decisões erradas). Custos evitados em multas regulatórias. Tempo de fechamento contábil reduzido.

Métricas de risco

Número de incidentes de dado por trimestre. Severidade média. Tempo médio para resolução.

Métricas de adoção

Percentual de decisões executivas que consultam o catálogo. Percentual de áreas com data steward ativo. Volume de tickets de qualidade resolvidos.

Esses são os números que mantêm patrocínio vivo. Métricas de atividade ("reuniões realizadas", "atributos catalogados") deixam o board indiferente.

Maturidade em níveis: onde você provavelmente está

Existe uma escala razoavelmente aceita de maturidade em governança de dados, em 5 níveis:

Nível 1 — Inicial: sem programa formal. Dados são tratados de forma reativa, caso a caso. Cada área decide por conta própria. Não há catálogo, não há owner formal, não há métrica.

Nível 2 — Em formação: há reconhecimento da necessidade. Comitê inicial formado. Algumas políticas escritas. Mas execução é inconsistente.

Nível 3 — Definido: processos documentados. Papéis nomeados. Catálogo dos atributos críticos. Métricas básicas em operação.

Nível 4 — Gerenciado: medição quantitativa. Decisões orientadas por dado sobre o próprio dado. Melhoria contínua estruturada.

Nível 5 — Otimizado: governança como capacidade estratégica. Predição de problemas. Automação avançada.

Empresas brasileiras tipicamente estão entre nível 1 e 3. Saltar nível é raro. Sair do 1 para o 3 leva 18-30 meses. Sair do 3 para o 4 leva mais 24 meses.

Saber onde você está é o primeiro passo. Tentar implementar práticas de nível 4 numa empresa em nível 1 fracassa em 6 meses.

Em resumo: o que realmente importa em governança de dados

Depois de tudo isso, se você precisar lembrar 5 coisas, essas são as 5:

1. Governança é decisão antes de tecnologia. Quem decide, quem acessa, quem responde — defina isso primeiro.
2. 4 papéis precisam existir com nome e sobrenome: Data Owner, Steward, Custodian, Consumer. Sem nomes reais, não tem governança.
3. Comece pelos 50 atributos críticos. Não tente cobrir tudo no primeiro ano.
4. Métricas precisam ligar a decisão de negócio. Métricas de atividade são decoração.
5. Ferramenta vem depois do processo, nunca antes. Os primeiros 6 meses podem (e devem) ser em Excel.

Programa montado em torno desses 5 princípios sobrevive ao segundo ano. Programa montado em torno de ferramenta e PowerPoint não.

Daí o assessment. É honesto, é gratuito, e em 20 minutos te dá um diagnóstico claro de onde priorizar.

Os 4 papéis-chave em governança de dados

Programa de governança que funciona tem papéis explícitos. Não basta nomear "responsável de dados" sem definir o quê esse responsável faz. Quatro papéis se repetem em toda implementação séria:

Data Owner (dono de dado). Tipicamente líder sênior de área de negócio. Responsável pelo significado, qualidade e finalidades aceitáveis de uso de uma categoria de dados (clientes, produtos, financeiro). Aprova quem pode acessar e para qual finalidade.

O Data Owner NÃO é técnico — é executivo de negócio. Quando empresa coloca um analista de TI como dono de dado de cliente, o programa falha. O dono precisa ter autoridade decisória.

Data Steward (administrador). Operador do dia a dia. Garante que a definição do dado esteja atualizada, monitora qualidade, trata exceções, escala incidentes. Tipicamente analista sênior com autonomia delegada pelo Data Owner.

Data Custodian (custodiante técnico). Responsável pela infraestrutura — segurança, backup, performance, integração. Tipicamente DBA, engenheiro de dados ou time de plataforma.

Data Consumer (consumidor). Usuário do dado para tomada de decisão ou processo operacional. Acesso concedido pelo Data Owner, sob políticas definidas pela governança.

Os quatro papéis cobertos, com responsabilidades claras, sustentam o programa. Empresa que concentra três papéis numa pessoa só (geralmente um analista de TI sobrecarregado) tem programa frágil que rui na primeira pressão.

Qualidade de dados: a métrica que importa

Governança sem métrica de qualidade vira teatro. Qualidade precisa ser medida — e a métrica precisa ser visível para quem toma decisão.

As 6 dimensões clássicas que toda empresa deveria medir: completude (campo preenchido onde deveria estar), acurácia (valor reflete a realidade), consistência (mesmo dado igual em sistemas diferentes), atualidade (dado atualizado dentro do prazo aceitável), unicidade (sem duplicatas indevidas), integridade (relações entre dados são válidas).

Cada dimensão recebe métrica percentual. Indicador típico aceitável em empresa de médio porte: completude acima de 90%, consistência acima de 85%, unicidade acima de 95%, demais acima de 80%. Abaixo desses thresholds, plano de ação é disparado.

Investimento típico em medição automatizada: R$ 80-300 mil em ferramenta de data quality + 1-2 FTEs dedicados. Retorno: redução comprovada de 30-50% em erros operacionais que dependem dos dados (faturamento, estoque, decisão financeira).

Catálogo de dados: o documento que sobrevive trocas de pessoal

O catálogo de dados é o equivalente do mapa de uma cidade. Sem ele, novo funcionário precisa de meses para entender onde está cada informação. Com ele, em dias se localiza.

O catálogo mínimo cobre: lista de fontes de dados, descrição de cada entidade, definição de cada campo (com regras de negócio), responsável por cada conjunto, linhagem (de onde vem, pra onde vai), nível de criticidade.

Ferramentas como Collibra, Atlan, DataHub, ou alternativas open source como Apache Atlas e OpenMetadata viabilizam catálogo bem estruturado. Mas a ferramenta é só metade — a outra metade é o trabalho de popular e manter atualizado.

Tempo para catalogar empresa de médio porte (250-500 entidades de dados): 400-800 horas iniciais, distribuídas entre stewards, owners e área técnica. Manutenção contínua: 80-160 horas/mês. Sem isso, o conhecimento sobre os dados fica em cabeças individuais — e em rotatividade normal, esse conhecimento desaparece.