Page 29 - newDATAmagazine | 01>05>2021
P. 29
newDATA
MAGAZINE
A questão da FIDELIDADE de dados para o
negócio em projetos de MIGRAÇÃO DE DADOS
Para que um conjunto de dados se torne em Uma vez feita esta seleção metodológica, é
informação credível devem ser realizadas necessário focar a atenção na articulação
algumas análises diferentes a esse mesmo entre os diversos elementos das equipas para
conjunto de dados: contagens de frequência, que os dados se mantenham fiéis. Esta
média ou observações externas, que nos articulação deve ser realizada com um único
permitam verificar a fidedignidade dos dados canal de comunicação que funcionará como
através de comparação entre a origem e a um reservatório de conhecimento onde cada
plataforma de destino. A fidelidade dos dados pessoa pode aceder e fazer melhorias no
tem por objetivo manter os detalhes relativos projeto e garantir assim que os dados
aos dados o mais realistas possível. recolhidos não se tornam ambíguos, pouco
Todos nós percebemos o quão importante é claros ou mesmo ocultos ao longo do tempo.
ter os dados o mais próximos possível da Por outro lado, é importante garantir que a
realidade (qualidade) e, a partir da quantidade documentação do projeto é explícita e que
desses dados, fornecer previsões e todos os elementos da equipa estão alinhados,
estatísticas para análises de risco que são incentivados e responsabilizados por cada
igualmente importantes porque ajudam a tarefa, o que é tanto mais importante quantos
convergir a informação para uma precisão, mais fornecedores de serviços e clientes estão
com margens de erro mínimas. envolvidos no mesmo projeto.
Em projetos de migração de dados ou No caso de empresas mais exigentes, que
desenvolvimento de software, essa análise de precisam de lidar com risco zero nos seus
risco é relevante antes do início das tarefas sistemas (por motivos morais, multas pesadas
práticas porque se pode identificar em que por transformação de dados, ou outros fatores
pontos esses dados podem ser deturpados. E determinantes para a fidelidade dos dados), o
o desafio é justamente equilibrar estas duas projeto deve ser baseado numa comunicação
variáveis: qualidade vs quantidade. aberta sem espaço para denúncias ou
Já ao nível das tarefas práticas, há a reclamações, por parte do cliente, que possam
considerar que, por defeito, o aumento de algo causar insegurança nas equipas técnicas que
(neste caso, os dados) diminui a sua qualidade têm a f ase d e execu ção co mo su a
individualmente, razão pela qual se tem responsabilidade.
optado por focar a atenção para cada objeto Embora seja desejável que todas as tarefas
individual, para a sua integridade. A este nível, desenvolvidas sejam corretamente realizadas
as abordagens para recolher dados podem ser numa primeira instância, na prática tal não é
as mais diversas: SCRUM, Agile, Waterfall, possível para todos os cenários porque os
C a m i n h o C r í t i c o , Z o o p , e t c . M a s , timelines não permitem. Por essa razão, é
independentemente da metodologia preferível assumir no desenho do projeto um
escolhida, é extremamente crucial que o foco prazo prévio para a realização de correções
esteja na qualidade e no valor da entrega. que seja possível colocar em prática.
newDATAmagazine.com 29
