Governança de Dados é o conjunto de responsabilidades, políticas, direitos de decisão e mecanismos de controle que orienta como os dados são definidos, protegidos, compartilha
Confira!
Governança de Dados é o conjunto de responsabilidades, políticas, direitos de decisão e mecanismos de controle que orienta como os dados são definidos, protegidos, compartilhados e utilizados por uma organização. Não se limita a instalar um catálogo, monitorar qualidade ou criar um comitê: exige Data Owners, Data Stewards, processos para resolver divergências, regras de acesso e evidências de cumprimento. Em Business Intelligence, a governança impede que indicadores de áreas diferentes usem conceitos contraditórios sem explicação. Frameworks como DAMA-DMBOK e DCAM apoiam a estruturação dessas capacidades, mas precisam ser adaptados ao negócio, à criticidade e à maturidade da empresa.
Finalidade, escopo e direitos de decisão
Governança e gestão de dados não são sinônimos
Data Management compreende atividades de arquitetura, integração, armazenamento, qualidade, segurança e operações. Governança de Dados define quem pode tomar decisões sobre esses ativos, quais políticas se aplicam e como exceções serão tratadas. A diferença importa porque um time de tecnologia pode configurar todos os controles possíveis e ainda não saber se determinada venda deve entrar no indicador de receita. A definição depende da área que responde pelo processo e de acordos corporativos. O papel da governança é tornar essa decisão explícita, documentada, executável e revisável.
A implantação deve começar pelas questões que produzem risco ou retrabalho, como conflitos entre números financeiros, cadastros duplicados e permissões inadequadas. Criar estrutura muito elaborada antes de identificar decisões pode transformar o programa em burocracia sem efeito. Por outro lado, delegar tudo ao desenvolvedor do dashboard é insuficiente quando diferentes áreas precisam usar a mesma informação. O modelo de governança precisa manter fronteiras entre proprietários de negócio, operadores de dados, equipes técnicas e instâncias que resolvem conflitos entre domínios.
Direitos de decisão e tratamento de divergências
Governar dados significa definir quem aprova fórmulas, reconhece uma fonte autoritativa, determina período de retenção, autoriza compartilhamento e decide sobre publicação com ressalva. Esses direitos precisam ser atribuídos por domínio ou produto de dados, não somente a uma função genérica. Um ERP pode governar documentos de faturamento, mas uma área operacional pode responder pela definição de disponibilidade de equipamento. Quando um indicador combina ambos, é necessário identificar os responsáveis por cada atributo e pela fórmula final.
Uma divergência deve gerar registro com impacto, opções, responsáveis, prazo e decisão. O processo de exceção evita alterar medidas silenciosamente ou impor uma interpretação unilateral. Em organizações com contratos diferentes, uma definição única pode não ser apropriada para todas as unidades; a governança pode manter variantes autorizadas e explicar quando são comparáveis. Um indicador sem Data Owner pode parecer consistente até que o processo mude. A revisão regular e o histórico de decisões são controles fundamentais para sustentar análise gerencial e auditoria.
DAMA-DMBOK e DCAM como referências
O DAMA-DMBOK organiza áreas de conhecimento de gestão de dados e descreve princípios e práticas para programas que precisam tratar arquitetura, qualidade, metadados, segurança e governança. Não é norma obrigatória nem substitui um desenho de responsabilidades adaptado à empresa. O DCAM, desenvolvido pelo EDM Council, oferece um modelo de capacidades com objetivos, evidências e critérios de avaliação, podendo apoiar diagnóstico e evolução. Nenhum framework deve ser apresentado como garantia de conformidade ou certificação automática de indicadores.
A escolha de uma abordagem precisa considerar maturidade, porte e urgência. Um projeto restrito pode começar pela atribuição de owners, pelo catálogo de medidas críticas e por regras de acesso e mudança. Um portfólio com diversos domínios e fornecedores pode exigir instâncias de deliberação e controles mais estruturados. Frameworks ajudam a não esquecer capacidades, mas não devem transformar cada decisão simples em um comitê. O critério de sucesso é reduzir divergências, acelerar a resolução de conflitos e manter evidência proporcional ao risco.
Papéis, estrutura operacional e responsabilidade
Data Owner, Data Steward e responsáveis técnicos
O Data Owner responde pelo significado, propósito e critérios de uso de um conjunto de dados ou indicador. O Data Steward atua na gestão cotidiana de definições, metadados, qualidade e tratamento de exceções, de acordo com atribuições organizacionais. Profissionais de Engenharia de Dados implementam e sustentam fluxos, enquanto a equipe de segurança administra controles técnicos conforme suas competências. Esses papéis podem acumular-se em organizações pequenas, mas os direitos de aprovação e de alteração precisam estar claros para evitar conflito de interesses.
Políticas de dados precisam alcançar as interfaces reais entre sistemas, com identidade, origem, autorização e regras de mudança consistentes. A integração deve preservar as decisões de ownership e permitir rastrear quais consumidores foram afetados por uma alteração.
Um catálogo que identifica proprietário de dados desatualizado não cria responsabilidade real. É necessário assegurar substituição de funções após desligamentos, mudanças de unidade ou encerramento de contratos. Uma política de escalonamento informa quando o Steward pode resolver uma correção rotineira e quando o Owner ou instância superior precisa aprovar mudança de significado. O controle não deve depender da memória de profissionais individuais: cada decisão relevante precisa conservar contexto, data, versão e efeito sobre consumidores.
Conselho, domínios e modelo federado
Um conselho de governança pode ser útil para questões entre áreas, priorização, conflitos de definições e políticas corporativas. Contudo, nem todos os incidentes precisam chegar à direção. A estrutura pode delegar responsabilidades a domínios como finanças, clientes, ativos e operações, mantendo padrões de catalogação, segurança e interoperabilidade. Uma governança federada funciona quando existe capacidade em cada domínio e mecanismo comum para resolver sobreposições. Sem esses elementos, a descentralização pode multiplicar definições incompatíveis.
É preciso estabelecer quais decisões podem ser tomadas localmente e quais exigem coordenação corporativa. Um setor pode definir uma métrica operacional específica, mas não alterar silenciosamente a definição de receita usada em metas da empresa. A governança deve mapear dados compartilhados, responsáveis e consumidores para avaliar o impacto de alterações. O programa precisa manter calendário de revisões, indicadores de desempenho e registros de exceções. A eficácia pode ser medida por tempo de resolução, cobertura de ownership e quantidade de divergências recorrentes, não apenas pelo número de reuniões.
RACI e responsabilidades contratuais
A matriz RACI ajuda a distinguir quem executa, quem responde pela decisão, quem deve ser consultado e quem precisa ser informado. Deve ser aplicada a processos concretos: aprovação de KPI, alteração de schema, autorização de exportação, correção de dado mestre e publicação de relatório. Não basta atribuir todas as células a uma área genérica de tecnologia. Uma decisão empresarial exige autoridade de negócio; uma configuração de segurança exige especialista competente; e uma mudança em sistema de origem pode depender de fornecedor contratado.
Em projetos com múltiplos fornecedores, os contratos precisam indicar onde termina a responsabilidade pelo registro, pela integração e pela apresentação. Se um indicador está incorreto, a investigação precisa distinguir erro de captura, cadastro, transformação e definição. Uma matriz bem construída reduz repasse de responsabilidade e facilita escalonamento. O aceite de uma implantação de governança deve demonstrar que as pessoas conseguem executar o processo, aprovar uma exceção e consultar o histórico das decisões, não somente que os papéis foram descritos em um documento.
Políticas, metadados e catálogo corporativo
Glossário de negócios e catálogo técnico
O glossário define conceitos que precisam ser compreendidos de maneira consistente. Termos como cliente ativo, ordem concluída ou receita líquida exigem definição, população, período e responsável. O catálogo técnico registra datasets, tabelas, campos, interfaces, classificação, atualidade e dependências. Esses instrumentos se complementam, mas não são a mesma coisa. Um campo denominado receita não pode ser considerado aprovado apenas porque existe no catálogo; sua relação com a definição de negócio precisa ser documentada e revisada.
O catálogo deve ajudar usuários autorizados a descobrir quais informações estão disponíveis e suas limitações. É útil distinguir dados certificados, provisórios ou descontinuados conforme política interna, sem criar selo sem critério verificável. A documentação pode incluir frequência de atualização, qualidade observada e contatos para solicitação de acesso. Um conjunto de dados pode continuar fisicamente disponível e deixar de ser recomendado para uso quando sua origem mudou ou sua manutenção terminou. O ciclo de vida do catálogo precisa acompanhar a realidade das fontes.
Master Data, identidade e vigência
Master Data estabelece controles sobre entidades usadas por diferentes processos, como cliente, produto, ativo, contrato e unidade. Uma organização pode ter códigos repetidos entre sistemas ou atributos diferentes sob a mesma denominação. A governança define a identidade compartilhada, sistemas autoritativos para cada atributo e regras de correspondência. A simples centralização de cadastros não elimina divergência se não há processo de correção e autoridade reconhecida. Mudanças de classificação precisam preservar vigência quando afetam comparação histórica.
Em um portfólio de instalações, um ativo pode mudar de local ou ser substituído. O histórico de manutenção precisa permanecer associado à identidade apropriada, sem atribuir falhas de um equipamento antigo ao novo. A arquitetura pode implementar chaves substitutas e dimensões históricas; a governança aprova a regra de identidade e seu significado operacional. O teste deve incluir fusão, separação e correção de cadastros, registrando impacto sobre indicadores. Essas decisões precisam estar refletidas nos sistemas e nos fluxos, não apenas em um manual de boas práticas.
Políticas de qualidade, retenção e acesso
Políticas definem requisitos de completude, validade, atualidade, retenção, classificação e autorização. Entretanto, a tolerância precisa corresponder ao uso. Uma informação incompleta pode permitir análise exploratória condicionada e impedir entrega contratual. O Data Owner aprova critérios, enquanto equipes técnicas implementam verificações e registram desvios. A governança deve estabelecer como exceções são reconhecidas, quem pode autorizar publicação com ressalva e quando uma fonte precisa ser corrigida.
Retenção deve considerar finalidade, obrigações legais e contratuais, riscos de privacidade e necessidade de auditoria. Não há um período universal correto para todos os registros. A decisão precisa alcançar cópias, exportações, backups e logs quando aplicável. Acesso por função e unidade deve ser testado nas ferramentas de consulta, APIs e relatórios automáticos. Uma política não é efetiva se uma área pode exportar dados pessoais por uma rota alternativa ou manter planilhas fora do controle acordado. O programa precisa verificar sua execução em amostras reais.
| Papel ou instância | Responsabilidade principal | Evidência esperada |
|---|---|---|
| Data Owner | Definir significado, finalidade e decisão | Política e fórmula aprovadas |
| Data Steward | Manter metadados e tratar exceções | Catálogo e registro de desvios |
| Engenharia de Dados | Implementar contratos e controles | Testes, logs e versões |
| Segurança e privacidade | Orientar e validar acesso e proteção | Matriz e testes de permissão |
| Conselho entre domínios | Resolver conflitos e prioridades | Ata de decisão e impacto |
| Consumidor de dados | Utilizar conforme finalidade e comunicar problemas | Registro de solicitação e retorno |
Governança aplicada ao Business Intelligence
Catálogo de KPIs e definição de medidas
Um programa de Business Intelligence requer um catálogo de indicadores que identifique nome, finalidade, fórmula, numerador, denominador, população, período, fonte, nível de detalhe e Data Owner. A definição evita que áreas distintas calculem o mesmo KPI com exclusões diferentes sem informar ao usuário. O controle deve abranger metas, orçamento, realizado e forecast, que representam bases de comparação distintas. Uma correção de fórmula precisa de versão, aprovação e avaliação de impacto sobre resultados já apresentados.
A definição de responsabilidades e o tratamento de divergências exigem evidências além de declarações de política. Uma avaliação técnica pode verificar como ownership, controle de acesso e regras de qualidade funcionam nos processos e sistemas existentes.
O Semantic Model implementa medidas aprovadas, mas não substitui a aprovação do negócio. Um relatório pode estar tecnicamente correto segundo uma fórmula antiga e inadequado para o processo atual. A revisão deve reconhecer quando a medida mudou e como isso afeta séries históricas. Quando duas medidas precisam coexistir, nomes e descrições devem tornar as diferenças explícitas. Em vez de criar um indicador único artificial, a governança pode estabelecer métricas específicas para funções diferentes, indicando condições para comparação.
Quality Gates e divulgação de limitações
Um Quality Gate verifica conjuntos de dados antes de publicação, usando critérios como cobertura, unicidade, integridade, atraso e limites de variação. A decisão de bloquear ou qualificar depende da criticidade e do uso. Em um fechamento mensal, a ausência de documentos pode invalidar um total financeiro; em acompanhamento preliminar, o dado pode ser exibido com estado provisório. A governança define os responsáveis por reconhecer e autorizar exceções. O processo deve impedir que o desenvolvedor apenas retire registros inconsistentes para obter um número esperado.
Os consumidores precisam receber informação sobre atualização e limitações, não somente uma cor indicando se o Job concluiu. Um dashboard pode abrir normalmente enquanto o ERP está indisponível. A ausência de dados não deve ser confundida com desempenho zero ou normalidade. A política também deve contemplar alterações retroativas, identificação de relatórios afetados e comunicação de correções. Cada revisão conserva o que mudou, quem aprovou e se um documento anterior precisa permanecer como evidência.
Data Lineage e análise de impacto
Data Lineage permite rastrear relações entre fontes, transformações, modelos e consumidores. É útil para investigar como uma mudança de API pode afetar dashboards ou quais indicadores dependem de determinada tabela. Contudo, uma linhagem documentada não comprova que o dado foi medido corretamente nem que todas as cargas foram concluídas. A governança deve associar metadados a evidências de execução, contratos e testes. Quando o mapeamento é manual ou incompleto, essa limitação precisa ser indicada.
Antes de alterar um campo ou regra semântica, a equipe deve identificar consumidores conhecidos e acordar uma migração. O impacto pode atingir relatórios de direção, automações e sistemas externos. A mudança de nome de coluna é problema técnico; mudança de significado é também decisão de negócio. O processo de alteração define responsável, testes, documentação, comunicação e plano de reversão. A qualidade da governança aparece quando a empresa consegue alterar sistemas sem perder a capacidade de explicar indicadores históricos.
Segurança, privacidade, riscos e avaliação de maturidade
Governança da informação sensível
Combinar sistemas pode gerar um conjunto com sensibilidade maior do que cada fonte isolada. Informações financeiras, pessoais e industriais exigem classificação e acesso adequados à finalidade. A governança define quem pode compartilhar, exportar, reter e eliminar dados, considerando obrigações e responsabilidades pertinentes. A aplicação da LGPD depende do tratamento, da base legal e dos papéis envolvidos; não deve ser reduzida a uma etiqueta de confidencialidade. Ferramentas de catálogo e classificação apoiam o controle, mas não garantem conformidade por sua simples existência.
Perfis de acesso devem ser verificados com usuários reais ou identidades de teste representativas. Uma pessoa autorizada a consultar KPI agregado não recebe automaticamente acesso a registros individuais ou dados de outra unidade. Permissões precisam alcançar repositórios, interfaces, relatórios enviados e arquivos temporários. Metadados também podem revelar relações sensíveis de clientes ou infraestrutura crítica. O processo de revisão de acessos deve ser acionado por mudanças de função, desligamento e encerramento contratual, sem depender de inspeção manual ocasional.
Indicadores de maturidade e evidência
A maturidade de governança não se mede pelo número de políticas produzidas. É necessário demonstrar cobertura de ownership, confiabilidade das definições, qualidade de dados, tratamento de exceções, tempo de aprovação de acessos e capacidade de reconstruir decisões. O modelo DCAM propõe avaliação de capacidades com critérios e artefatos de evidência; a organização pode utilizá-lo como referência, ajustando a aplicação à sua realidade. Uma pontuação sem evidência de processos executados não demonstra melhoria efetiva.
Um diagnóstico pode selecionar domínios prioritários, entrevistar responsáveis e acompanhar amostras de problemas reais: um indicador controverso, uma mudança de cadastro e uma solicitação de exportação. Para cada situação, verifica-se quem decide, quais políticas se aplicam e se há registro do resultado. O trabalho pode revelar processos que funcionam bem de forma informal; a adequação busca torná-los sustentáveis e reproduzíveis, sem substituir práticas eficazes por burocracia. Os planos de melhoria precisam associar lacuna, responsável, prioridade, prazo e evidência de conclusão.
Implantação progressiva e sustentação
Um programa pode começar com poucos domínios e indicadores de maior criticidade, definindo owners, glossário, catálogo e tratamento de exceções. Essa implantação progressiva permite testar a capacidade de governança com recursos proporcionais. À medida que novos sistemas entram, os controles são aplicados a contratos e produtos de dados com prioridades claras. Um comitê central só agrega valor quando resolve decisões entre domínios; atividades operacionais devem ficar com responsáveis próximos às fontes. O calendário de revisão considera mudanças organizacionais, legais, contratuais e tecnológicas.
A sustentação exige acompanhar a qualidade do catálogo, confirmar que responsáveis continuam ativos e verificar se políticas são executadas. Uma regra de retenção desatualizada pode manter dados sem finalidade; uma permissão legada pode revelar informações após transferência de colaborador. O programa deve ter mecanismos de auditoria e correção proporcionais ao risco. A evolução de BI, IA e automação amplia a importância de preservar significado e finalidade dos dados. Governança madura viabiliza inovação com critérios claros, em vez de apenas restringir acesso.
Os controles operacionais de Data Quality e Data Lineage são disciplinas relacionadas. A Arquitetura de Dados Corporativos estabelece os domínios e interfaces; a Governança de Dados define os direitos de decisão e os mecanismos para mantê-los coerentes.
Quando duas áreas apresentam números diferentes ou mantêm cadastros conflitantes, a governança precisa compreender os processos que produzem essas informações. O diagnóstico técnico ajuda a reconhecer a causa e a responsabilidade por cada correção.
Ensaio de governança: conflito de KPI e incidente de acesso
Considere uma organização em que o financeiro apresenta receita por competência e a área comercial acompanha pedidos aprovados. Ambos os números são chamados informalmente de receita. O primeiro teste de governança reúne os responsáveis e exige definição de termos, datas, população e finalidade. A solução pode manter medidas diferentes com nomes próprios, desde que o catálogo explique quando cada uma é aplicável. O registro de decisão deve informar quem aprovou, quais relatórios serão alterados e como preservar séries históricas. A equipe de dados implementa a regra no Semantic Model, mas não decide sozinha qual conceito empresarial prevalece.
Em um segundo cenário, o cadastro de uma unidade foi alterado e relatórios anteriores passaram a agrupar dados em outra região. A governança identifica o Data Owner da dimensão, verifica a vigência e aprova a política de visão histórica ou atual. A engenharia testa o efeito no modelo e documenta possíveis correções retroativas. O registro da decisão deve permitir explicar por que determinado resultado mudou sem atribuir a diferença a erro de integração quando ela decorreu de regra aprovada. Esse ensaio demonstra que o catálogo de medidas e o processo de alteração são controles tão relevantes quanto o software.
O terceiro caso envolve uma pessoa que perdeu autorização para consultar dados detalhados de outra unidade, mas ainda recebe relatório automatizado por uma lista antiga. O processo de revisão de acessos deve reconhecer o problema, bloquear novas distribuições indevidas e verificar alcance e tratamento conforme regras pertinentes. A equipe deve provar que as restrições foram corrigidas em dashboard, exportação e canal de entrega. A auditoria deve conservar evidência da revisão, sem divulgar desnecessariamente os dados envolvidos. Um programa que apresenta políticas atualizadas, mas não detecta essa exceção operacional, não demonstrou eficácia.
Matriz de evidências e auditoria de decisões
Uma avaliação prática de Governança de Dados deve começar por um conjunto pequeno de decisões de alto impacto. Selecionam-se, por exemplo, um KPI de margem utilizado pela direção, um cadastro compartilhado de ativos e uma política de distribuição de relatório. Para cada caso, a equipe identifica Data Owner, Data Steward, fonte, consumidores e riscos de interpretação. O diagnóstico verifica se a definição do indicador está formalizada, se alterações exigem aprovação e se existe evidência de execução da regra. A existência de um documento não comprova que os responsáveis o conheçam ou o utilizem. A equipe precisa acompanhar o processo até a decisão, a implementação e o resultado observado.
Em um teste de conflito, duas áreas apresentam números diferentes de vendas sob o mesmo nome. O responsável deve estabelecer se as diferenças decorrem de pedidos, documentos faturados ou recebimentos, e aprovar nomenclatura e fórmula apropriadas. A solução não precisa necessariamente eliminar ambas as medidas em favor de uma terceira. O importante é registrar contexto de uso, origem e comparabilidade. O Semantic Model é atualizado conforme decisão, os consumidores são informados e o histórico de versões permite reconstruir o número apresentado na reunião anterior. Uma correção silenciosa para fazer as telas coincidirem não satisfaz o processo de governança.
Em outro teste, um colaborador muda de função e perde autorização para receber dados de determinada unidade. A revisão precisa alcançar dashboard, exportação, repositório e distribuição automática. A equipe verifica se o cadastro de destinatários foi atualizado e se logs permitem identificar entregas afetadas. Essa avaliação também examina dados temporários e históricos de acesso, com controles proporcionais à criticidade. O incidente não termina com uma política de acesso escrita: é necessário confirmar que o procedimento foi executado e que o problema não se repete após nova alteração organizacional.
O plano de evolução deve estabelecer responsáveis por cada lacuna, resultados verificáveis e periodicidade de acompanhamento. Um programa que começa por três domínios pode ser ampliado se os controles mostrarem utilidade: menos divergências sem dono, maior rastreabilidade de mudanças e resolução mais rápida de exceções. Por outro lado, um conselho que recebe dezenas de casos simples sem delegação adequada pode atrasar decisões e incentivar tratamento informal fora do processo. A maturidade se evidencia na capacidade de resolver problemas reais com autoridade clara e registro de justificativa, não na quantidade de formulários ou reuniões agendadas.
Quando é necessário revisar o modelo de governança
O modelo de governança deve acompanhar mudanças nos processos e na estratégia. Uma aquisição empresarial pode introduzir novos domínios, cadastros redundantes e obrigações contratuais diferentes; a adoção de inteligência artificial pode ampliar o número de consumidores e finalidades de uso. Nesses casos, não basta conceder mais permissões ou acrescentar termos ao glossário. A organização precisa revisar propriedade dos dados, classificação, critérios de retenção e mecanismos de aprovação. Uma nova finalidade pode exigir avaliação específica de privacidade e risco. O plano de mudança deve conservar decisões anteriores e informar quais políticas permanecem vigentes.
Também é relevante reconhecer quando um controle passou a produzir esforço desproporcional ao risco. Se cada correção de cadastro depende de reunião mensal, as equipes podem adotar atalhos fora do processo formal. A governança deve delegar ajustes rotineiros a responsáveis definidos e reservar decisões interdepartamentais às instâncias apropriadas. A auditoria de eficácia observa tempos de tratamento, quantidade de exceções recorrentes e aderência de permissões, sem reduzir maturidade a um score. Um programa saudável mantém princípios claros, mas muda procedimentos quando evidências demonstram a necessidade.
Considerações finais
Governança de Dados estabelece como a organização decide sobre o significado, o acesso, a qualidade e o uso das informações. Frameworks como DAMA-DMBOK e DCAM podem orientar capacidades e evidências, mas não substituem ownership e processos que funcionem no contexto real. Um catálogo sem responsáveis e uma política sem testes de execução não comprovam governança efetiva. O programa deve reconhecer conflitos entre domínios, estabelecer regras, registrar decisões e verificar se os controles permanecem adequados após mudanças de sistemas e pessoas.
Para Business Intelligence, o principal resultado é a possibilidade de comparar indicadores sob definições conhecidas, comunicar limitações e reconstruir decisões. Um modelo de maturidade pode começar por poucos domínios críticos e crescer de acordo com evidências de resultados. A governança precisa apoiar acesso legítimo e inovação sem comprometer segurança, privacidade e rastreabilidade. O aceite deve incluir casos concretos de KPI conflitante, mudança de cadastro e falha de autorização, mostrando que responsabilidades e mecanismos de correção são executáveis.
Referências técnicas
[1] DAMA INTERNATIONAL. What is Data Management? Disponível em: https://dama.org/about-dama/what-is-data-management/
[2] DAMA INTERNATIONAL. Data Management Body of Knowledge (DAMA-DMBOK). Disponível em: https://dama.org/learning-resources/dama-data-management-body-of-knowledge-dmbok/
[3] EDM COUNCIL. Data Management Capability Assessment Model (DCAM). Disponível em: https://edmcouncil.org/frameworks/dcam/
[4] MICROSOFT. Data Governance Roles and Permissions in Microsoft Purview. Disponível em: https://learn.microsoft.com/en-us/purview/data-governance-roles-permissions
Perguntas frequentes
É o conjunto de direitos de decisão, políticas, responsáveis e controles para gerir significado, proteção e uso de dados.
Não. Governança define responsabilidades e regras; Data Management inclui também implementação e operações técnicas.
Aprova significado, finalidade, critérios e decisões importantes de uso ou mudança no âmbito de sua responsabilidade.
Apoia definição, catálogo, qualidade, acompanhamento de exceções e execução cotidiana das políticas.
Não. É uma referência de conhecimento e boas práticas que precisa ser adaptada à organização.
É um modelo de avaliação de capacidades de gestão de dados, com critérios e evidências para analisar maturidade.
Não em todos os casos. A estrutura depende de domínios, criticidade e necessidade de decisões entre áreas.
Para registrar datasets, metadados, donos, classificação, atualização e condições de consumo.
Glossário define termos de negócio; catálogo organiza ativos e metadados técnicos ligados a esses conceitos.
Por definição aprovada, documentação de população, fórmula e período, análise de impacto e versionamento.
Por evidência de ownership, execução de políticas, resolução de exceções, qualidade e gestão de acessos.
Não automaticamente. É necessário avaliar finalidade, base aplicável, papéis e controles de cada tratamento.
