O Data Mapping está relacionado com a adequação das empresas à LGPD (Lei Geral de Proteção de Dados). A nova legislação entrou oficialmente em vigor no início de 2021 e tem por objetivo assegurar que as informações em posse das empresas estarão resguardadas contra acessos indevidos e quaisquer outros sinistros relacionados com a privacidade de dados.
Dito isso, as empresas precisam fazer o trabalho de organizar todos osdados referentes a clientes, colaboradores e fornecedores, de modo a garantir a conformidade com a LGPD. Para entender melhor sobre o que é Data Mapping, qual a sua importância e como elaborar na empresa, continue a leitura do nosso artigo até o final!
O que é Data Mapping?
Também conhecido por mapeamento ou inventário de dados, o Data Mapping é um documento que contém não só os dados em posse da empresa, mas também a categorização deles. Com isso, é possível avaliar o quão a companhia é eficiente ou não no tocante à privacidade de dados dos clientes, fornecedores e colaboradores. Na prática, é preciso fazer um trabalho bastante árduo de coletar as informações de todos os departamentos da empresa, sendo que, inicialmente, eles não estão organizados da maneira como deveriam estar. Além disso, o Data Mapping visa responder perguntas básicas como:
- verificar se os dados são pessoais ou não;
- local onde estão guardados;
- a maneira com que foram coletados;
- quem acessa e utiliza os dados;
- tempo em que os dados ficam mantidos na empresa;
- como eles são tratados;
- lugar de processamento dos dados, que pode ser, por exemplo, em servidores físicos e na nuvem, ou ainda em bancos de dados.
Qual a importância do Data Mapping?
Com base no conceito e nas respostas que o Data Mapping visa responder, chega-se à conclusão de que esse inventário é indispensável dentro da empresa. Isso porque, em caso de vulnerabilidades que podem comprometer a integridade e a proteção dessas informações, podem ser adotadas medidas de mitigação, sendo que essas falhas só podem ser identificadas conforme é feito o mapeamento.
Como criar um Data Mapping na empresa?
A criação do inventário de dados, além de precisar ser feita em uma ferramenta adequada, requer a participação de pessoas com conhecimentos técnicos e jurídicos. Dentre os principais pontos que devem estar contidos no Data Mapping podemos citar:
- tipo de dados;
- volume de dados;
- etapas do fluxo de dados, que correspondem à coleta, armazenagem,sanitização, enriquecimento, processamento, segmentação, inferências, transferências e descarte;
- tecnologias empregadas, como banco de dados;
- armazenamento dos dados, que pode ser interno ou externo à empresa;
- origem dos dados, que pode vir de fontes como o site e as redes sociais da empresa;
- política de privacidade dos dados;
- segurança da informação;
- direito dos titulares.
O Data Mapping é um documento que ajuda as empresas a se adequarem à LGPD (Lei Geral de Proteção de Dados). Como vimos ao longo do texto, a criação do inventário permite identificar pontos vulneráveis na privacidade desses dados, que podem ser mitigados posteriormente e evitar que a companhia sofra punições por não estar em conformidade com a LGPD.
O que achou deste artigo? Deixe o seu comentário e fale-nos sobre alguma situação vivenciada dentro da empresa sobre o tratamento de dados e a LGPD!
Foi aluno de Ralph Kimball, maior referência mundial no assunto, no curso de Modelagem Dimensional realizado pela Kimball University, em Estocolmo – Suécia.
Já ministrou diversas palestras sobre o tema e atualmente mantêm o blog da Know Solutions, com referências sobre Business Intelligence.
Pós Graduado em Gestão de Projetos de Software pela PUC – Paraná. Trabalhou durante 7 anos na empresa Siemens onde participou de projetos em diferentes países.
Olá Leandro.
Acredito que o potencial da área de Business Intelligence dentro das empresas pode ser maior do que se imagina hoje.
Trabalho com consultoria de B.I. para agencias e empresas, e enfrentamos diariamente dois grandes problemas.
1- Padronização dos dados: Como utilizamos muitas fontes de dados, todo o processo, desde o que a implementação, até a parte operacional, precisa ser muito bem estruturada. Sem o padrão das informações perde-se muito tempo com “correção”, sendo que “tempo” não é o que temos para identificar um padrão, pois no dia seguinte ele pode mudar se não o tratarmos.
2- Pessoas que não sabem o que querem: Corporações não sabem o que querem, logo querem tudo. O problema é que sabemos que não tudo não é necessário, se consegue identificar padrões e otimizações com metade do volume. Sendo assim o processo de otimização passa a ser inteligente para ser operacional.
O futuro da área esta encaminhando para segmentações e clusterizações dinâmicas para analise de Big Data, mas se o processo de todos envolvidos precisa ser muito bem desenhado e a área de B.I. precisa ter este knowhow também.
Obrigado e muito bom seus artigos.
Oi João, obrigado pelo seu comentário! Concordo com você!
Realmente, a padronização dos dados é o ponto mais sensível mesmo. Aqui estimamos em torno de 60% a 70% do tempo em um projeto de BI apenas para esta parte.
Sobre as pessoas não saberem o que querem, aqui vemos como uma certa vantagem. Muitas vezes não é nem exatamente não saber o que querem, mas não saberem o que é possível fazer. Com isso, parte do nosso trabalho aqui é exatamente entender do que o cliente sofre aí então sugerir algumas coisas. Tentamos não ir para uma abordagem de “o que você quer” mas sim de “quais são seus problemas”.
Isso me deu até a ideia de criar um post focado nisso, vou deixar anotado para o futuro!
Existe uma técnica chamada Árvore de Realidade Presente, da Teoria das Restrições, que lida justamente com essa barafunda de problemas e entendimentos. Eu experimentei a mesma frustração que você, João, e decidi resolver esse problema. A imagem https://geekbi.files.wordpress.com/2020/10/bi_toc-crt-x.png é um resumo do que eu tenho até agora.
Adoraria uma contribuição. “O cliente não sabe o que quer” já está lá. “Dados são sujos” e “Dados são bagunçados” me parecem boas adições.
O que você acha? E você, Leandro?
[…] para aumentar seu lucro ou diminuir seus custos operacionais. Esse é o conceito básico de Business Intelligence utilizado como diferencial […]
[…] de BI — Business Intelligence ou, traduzindo, Inteligência Empresarial — é justamente o diferencial que uma empresa precisa para tratar dados gerados por vários meios. Veja alguns contextos que podem servir de […]
eu precisava para compor você uma pouco de note ajudar diga obrigado again com o extraordinário conselhos você compartilhado nesta página . Foi certamente maravilhosamente generoso com você dando abertamente tudo o que muitas pessoas {poderiam ter | poderiam possivelmente ter | poderiam ter | teriam | distribuído para um ebook para gerar alguma massa para eles mesmos , especialmente considerando que you poderia ter tried it se você nunca desejado . Those estratégias também agido como outras pessoas tenha semelhante desire como my own entender bom negócio mais relacionado este assunto . Eu tenho certeza há alguns mais agradáveis ocasiões ahead para pessoas que ver seu site
Bom dia,
Há muita diferença das versões do livro The Data Warehouse Toolkit?
Vejo que ele esta na 3 edição.
Posso comprar apenas a 3 ou devo comprar todas?
Oi Marcos!
Há algumas atualizações com conceitos mais atuais. Não precisa comprar todas as edições não, apenas a 3a já cobre tudo que precisa.
Sim e não. A maior diferença é entre a primeira edição e as restantes. Da segunda edição em diante, quando a Margy Ross assumiu o livro, é tudo mais ou menos o mesmo.
A primeira edição, que por acaso chegou a ser publicada em português, é a melhor, na minha opinião. Ela é mais concreta, menor e mais focada. Se conseguir achá-la, compre. Vale ouro.
Sobre o comentário do João Kechichian, concordo em relação às empresas não terem claro o que querem, e concordo com o Leandro sobre a abordagem de “Qual o seu problema” para dar as sugestões.
Mas vale ressaltar que as empresas não conseguem identificar o que querem por não terem claro um Planejamento Estratégico e objetivos bem descritos. Isso facilita muito perceber quais indicadores serão necessários acompanhar para atingir os resultados esperados.
Gostaria de entender se a utilização da Big data nas empresas gera algum tipo de desvantagem nas pessoas que lá trabalham ?
Parabéns por trazer a CRISP-DM de volta ao tablado. O “produtocentrismo” que assola o mercardo de BI pressiona os players a comprar o último brinquedo, a seguir a última moda, quando quase tudo que tem algum uso prático já existe há décadas – como o CRISP-DM
Seria legal um artigo um artigo comparando-o com SEMMA. Pode ser muito interessante para quem entrou na área há menos de 20 anos.
Obrigada pelo artigo 🙂 Acho que eu tenho uma equipe que pode obter cada sucesso 🙂 Mas sem kanbantool.com, nao conseguimos arranjar e controlar todas tarefas. Ferramentas digitais podem ajudar bastante – tal como manager ou teamledaer, mas mais suave 🙂 Eu planejo o dia do trabalho com kanban e todas tarefas sao cumpridas. Eu sei que nao cada um gosta trabalhar assim, mas comigo funciona 🙂