Page 13 - newDATAmagazine | 03>07>2021

Comecemos pela plenitude . Havia, por A dimensão seguinte (actualidade
exemplo, muitos registos incompletos –
muitas pessoas registadas no SNS, mas sem
que a elas estivesse associado um contacto de
telemóvel, ou porque a pessoa não tinha
telemóvel ou porque o número nunca tinha
sido inserido. Este é apenas um exemplo
simples do impacto que a falta de qualidade de
dados pode ter no sistema.
Por outro lado, se estivermos a falar de
s i n g u l a r i d a d e , t a m b é m f a c i l m e n t e
conseguimos encontrar exemplos de falta de
qualidade de dados em pessoas que estão
registados em mais do que uma área. Basta
uma breve pesquisa para sabermos que em
2019, só na Região de Saúde do Norte,
estavam registados 8.229.193 utentes. Se a
estes adicionarmos os 7.919.869 da Região de
Saúde de Lisboa e Vale do Tejo, basta para
percebermos que algo não está correcto. E
ainda existem mais cinco regiões, mesmo que
todas mais pequenas, no Centro, o que acresce
mais de três milhões de utentes.
Todos estes dados impactam directamente
nos orçamentos de cada uma das regiões e,
nesta fase, na distribuição das vacinas. Se há
uma região em que os dados disponíveis estão
muito acima dos valores reais e outra com os
dados muito perto dos valores reais, vamos ter
certamente ritmos de vacinação muito
diferenciados, porque, se a distribuição for
feita de acordo com esses números, uma das
regiões terá vacinas disponíveis mais
rapidamente do que a outra, que vai estar a
“descer a escada” dos grupos de vacinação a
um ritmo muito mais lento.
) acaba
por estar, de alguma forma, interligada com a
anterior, pois não constitui surpresa verificar
que muitos dados estão desactualizados,
porque, entre muitos outros motivos, há a forte
possibilidade de algumas pessoas já se terem
mudado para outra região, sem que tenha
havido qualquer actualização de dados. No
final das contas, os números simplesmente
não reflectem a realidade.
Outra das dimensões que pode impactar
estes dados é a validade . Haverá campos, quer
estejamos a falar de números (NIF, CC ou BI),
quer estejamos a falar de moradas ou outros
campos, em que a validade deveria ser
verificada, mas certamente o não foi.
Depois, temos a exactidão dos dados. O
exemplo mais simples é o das datas de
nascimento, em que se constacta a existência
absurda de indivíduos com mais de 100 anos e
outros que (estando como trabalhadores)
apresentam 2 ou 3 anos de idade. Isto
acontece porque, quando os dados foram
preenchidos, por engano, em vez de ter sido
colocado o ano de nascimento, foi colocado o
ano do preenchimento, situação que é muito
mais frequente do que o que se possa pensar.
Finalmente, temos a consistência , que está
relacionada com a validade, a exactidão e a
singularidade. Voltando ao exemplo anterior, e
porque estão relacionados, percebe-se
facilmente que, se alguém está com 2 ou 3
anos de idade, não pode estar associado à lista
de idosos.
newDATAmagazine.com 13