Metadados é a força vital de gerenciamento moderno de dados — é a chave para poder confiar nos seus dados, tomar melhores decisões sobre eles e liberar o valor deles. Em termos simples, metadados são os dados sobre os dados. Os metadados podem mostrar se os dados são sensíveis (como apenas interno), financeiro (um número de cartão de crédito) ou deve ser protegido (dados pessoais sobre clientes) — e pode ser categorizado como técnico, comercial, operacional, aumentado e inferido.
Disciplinas de gerenciamento de dados, como governança de dados, cliente 360, DataOps, tecido de dados e a aplicação da privacidade dependem de metadados essenciais. Enquanto isso, iniciativas de ciência de dados e análise de dados dependem da capacidade de pesquisar metadados utilizando inteligência artificial para revelar descobertas importantes.
Um grande desafio para as soluções tradicionais de gerenciamento de metadados é que muitas atividades giram em torno da busca e catalogação de dados de metadados de forma estática (geralmente manualmente). Muitos repositórios de metadados estão desatualizados e não atendem às necessidades em tempo real de BI e ciência de dados. Essa abordagem passiva de metadados não funciona mais bem para governança e conformidade de dados — e não é escalável para o ambiente de dados atual. Pior ainda, a incapacidade de identificar com precisão os metadados e os dados subjacentes torna-se muito menos viável, seja para programas de segurança, privacidade ou governança.
Por que metadados ativos mudam o jogo
As organizações estão se tornando cada vez mais dependentes de metadados ativosA parte "ativa" estende a antiga abordagem passiva. Isso significa descobrir e capturar metadados em tempo real, exigindo um catálogo de dados sempre atualizado e preciso. "Ativo" também se refere à inferência de atributos de metadados que podem ser usados para conectar fontes de dados que podem não parecer semelhantes à primeira vista.
Um hub de metadados ativo — pense nisso como um middleware de metadados — utiliza um catálogo de dados ampliado por ML para permitir orquestração, enriquecimento e aplicação de políticas. Isso significa não apenas conectar e capturar metadados de diversas fontes de dados, mas também integrá-los a outras ferramentas de gerenciamento de dados, permitindo que metadados sejam trocados, enriquecidos e compartilhados a partir de um hub de metadados ativo, que se torna a fonte autorizada de metadados em toda a organização.
Para ser eficaz, um hub de metadados ativo deve ser o ponto crucial de um ecossistema aberto, facilmente acessível por meio de integrações diretas e APIs e capaz de se integrar à pilha de tecnologia atual.
É tudo uma questão de dados.
Os dados são a alma dos negócios — e é mais importante do que nunca que as organizações conheçam seus dados, confiem neles e os compreendam. É mais importante do que nunca que as organizações sejam capazes de responder a perguntas como:
- Posso confiar nos meus dados?
- Eu entendo meus dados?
- Posso identificar, rastrear e gerenciar os ativos de dados corretos em governança de dados, cliente 360, DataOps, tecido de dados, privacidade e segurança ferramentas?
- Meus dados críticos estão protegidos da maneira correta?
Como superar desafios comuns ao adaptar um hub de metadados
Nunca é fácil mudar de estratégia e tecnologia, mas com os dados assumindo um papel de liderança nos negócios, a transição para algo que possa evoluir junto com a sua organização é crucial. Falando em dados: diferentes fontes de dados e ferramentas de gerenciamento de dados têm esquemas, estruturas e conectividades diferentes. Vincular essas diferentes fontes de dados — e o conteúdo e o contexto por trás delas — a um hub de metadados ativo pode ser desafiador.
Ao processar dados por meio desse middleware de metadados, é importante garantir que a integridade dos dados e os elementos de metadados sejam mantidos intactos à medida que os metadados são aprimorados e enriquecidos. Esta é uma nova maneira de gerenciar metadados, e qualquer novidade geralmente requer novas ferramentas, abordagens e habilidades para que a próxima etapa seja bem-sucedida.
Então, por onde começar? Descubra quais fontes de dados e ferramentas estão vinculadas ao projeto, revise o estado atual e as lacunas em sua estratégia de dados e defina marcos claros para o sucesso ao longo do caminho. Depois de atingir esses objetivos temporários, identifique ferramentas, serviços e habilidades que possam abordar proativamente essas lacunas. Certifique-se de alinhar as iniciativas existentes — minimização de dados, validação de dados, migração de dados — para aproveitar ao máximo seus projetos e recursos existentes.
Conclusão
Os desafios de dados são complexos e evolutivos. Sem visibilidade e controle sobre seus dados, as organizações ficam no escuro. Ao incorporar metadados ativos em suas estratégias de dados, as organizações podem acender a luz, o que significa ser capazes de:
- Determine quais dados são importantes para o seu negócio — nem todos os dados são iguais; nem todos os dados são armazenados juntos.
- Coletar metadados de todas as diferentes fontes de dados em todo o seu ambiente.
- Adicione contexto empresarial para que você tenha uma visão geral: o contexto é fundamental.
- Conecte dados, metadados e atividades para ampliar a compreensão do quê, do porquê e do quem.
- Enriqueça as ferramentas existentes com conhecimento adicional — adicionando insights focados em risco e baseados no contexto para tomar melhores decisões.
Essas etapas são essenciais para a próxima geração de gerenciamento de dados moderno — e para o futuro dos dados.
Autor
