Por Ricardo Maravalhas (*)
Nunca foi tão fácil produzir relatórios, acompanhar indicadores e visualizar o desempenho de uma empresa em tempo real. Ainda assim, transformar informação em decisões consistentes continua sendo um desafio para muitas lideranças. O paradoxo é evidente: organizações investem em plataformas de análise, multiplicam dashboards e incorporam inteligência artificial às operações, mas nem sempre conseguem responder a uma pergunta fundamental: quais informações realmente merecem confiança e devem orientar os próximos passos do negócio? O problema já não é apenas a falta de dados, mas a dificuldade de estabelecer critérios para interpretá-los, verificar sua qualidade e convertê-los em resultados concretos.
O abismo entre a tecnologia e os dados confiáveis
Um levantamento da Gartner, divulgado em fevereiro de 2025, dimensiona esse desafio. Segundo a consultoria, 63% das organizações não possuem práticas adequadas de gestão de dados para inteligência artificial ou não têm certeza de que essas práticas existem. A pesquisa ouviu 1.203 líderes de gestão de dados em julho de 2024. O resultado expõe uma contradição importante: enquanto empresas aceleram a adoção de tecnologias capazes de analisar informações e recomendar ações, uma parcela expressiva ainda não sabe se sua estrutura de dados está preparada para sustentar essas iniciativas. Não basta implementar ferramentas sofisticadas quando as informações que as alimentam permanecem dispersas, inconsistentes ou sem critérios claros de utilização.
Esse problema não se limita à inteligência artificial. Ele aparece também na rotina de executivos que precisam avaliar resultados comerciais, definir investimentos, rever estratégias de preços ou identificar oportunidades de expansão. Uma mesma organização pode apresentar indicadores diferentes para responder à mesma pergunta porque seus departamentos utilizam critérios distintos, atualizam informações em momentos diferentes ou mantêm bases que não se comunicam adequadamente. Nesse cenário, os números existem, mas a empresa não necessariamente compartilha uma visão única sobre sua própria realidade. A decisão acaba dependendo da interpretação de cada gestor, da planilha escolhida ou da experiência individual de quem conduz a discussão.
Governança como estratégia de negócio
É nesse contexto que a Governança de Dados deixa de ser uma preocupação exclusivamente técnica e assume um papel estratégico. Sua função é estabelecer as regras, os responsáveis e os processos necessários para garantir que as informações sejam compreensíveis, consistentes, rastreáveis e utilizadas de maneira adequada. Isso inclui definir quem responde pela qualidade de cada conjunto de dados, padronizar conceitos entre departamentos, documentar a origem dos indicadores e estabelecer procedimentos para identificar e corrigir inconsistências. Em vez de cada área produzir sua própria versão dos resultados, a organização passa a construir referências compartilhadas para orientar decisões.
A necessidade de avançar nessa direção fica ainda mais clara quando se observa a dificuldade das empresas em comprovar o valor dos próprios investimentos em dados. Uma pesquisa da Gartner com 504 líderes de dados e análise, realizada entre setembro e novembro de 2024 e divulgada em fevereiro de 2025, revelou que apenas 22% das organizações haviam definido, acompanhado e comunicado métricas de impacto nos negócios para a maior parte de seus casos de uso de dados e análise. Além disso, 30% dos executivos responsáveis por essas áreas apontaram a incapacidade de medir esse impacto como seu principal desafio. Os números mostram que não basta coletar informações ou desenvolver projetos analíticos: é preciso demonstrar como eles contribuem efetivamente para os objetivos empresariais.
Medindo o valor real dos indicadores
Essa distinção muda a maneira como a liderança avalia a própria área de dados. Em vez de medir o sucesso apenas pela quantidade de painéis desenvolvidos, pelo volume de informações processadas ou pela velocidade de entrega dos relatórios, torna-se necessário verificar se esses recursos melhoram decisões concretas. Uma análise comercial, por exemplo, precisa ajudar a compreender a rentabilidade dos clientes, identificar oportunidades de receita ou reduzir perdas. Se um projeto consome tempo e orçamento, mas não permite demonstrar sua contribuição para o negócio, a organização precisa questionar não apenas a tecnologia adotada, mas também os objetivos definidos e a maneira como o resultado é medido.
A Governança de Dados contribui para essa mudança ao conectar a qualidade da informação às prioridades corporativas. Quando os indicadores têm definições claras, responsáveis identificados e origem rastreável, os executivos podem dedicar menos tempo a discutir divergências e mais atenção a interpretar resultados, comparar cenários e decidir quais medidas devem ser tomadas. A governança não oferece respostas automáticas, tampouco elimina a incerteza inerente ao mercado. Ela cria condições para que as escolhas sejam feitas com base em evidências mais consistentes e para que os gestores reconheçam as limitações dessas evidências antes de agir.
Desafios de cultura e alinhamento
Isso exige, porém, mais do que contratar uma nova plataforma. A tecnologia pode integrar sistemas, automatizar verificações e facilitar o acesso às informações, mas não resolve sozinha conflitos de definição, responsabilidades indefinição ou disputas entre departamentos. Se a área comercial considera determinado cliente ativo e o financeiro utiliza outro critério, por exemplo, a divergência precisa ser resolvida por meio de acordos sobre conceitos e regras de negócio. Sem esse alinhamento, a empresa corre o risco de automatizar a inconsistência em vez de eliminá-la. A governança depende, portanto, da participação das lideranças e do compromisso das áreas que produzem, mantêm e utilizam os dados.
Também é necessário evitar que o processo se transforme em burocracia. Regras excessivamente rígidas podem dificultar o acesso à informação, retardar análises e reduzir a autonomia das equipes. O objetivo deve ser estabelecer controles proporcionais aos riscos, garantindo segurança, qualidade e rastreabilidade sem impedir que os profissionais utilizem os dados para inovar e resolver problemas. Uma estrutura bem definida permite que a empresa saiba quais informações exigem maior rigor, quem pode acessá-las e quais verificações são necessárias antes que elas sustentem decisões de alto impacto.
Inteligência artificial e responsabilidade
Com a expansão da inteligência artificial, essa discussão ganha uma dimensão adicional. Ferramentas capazes de resumir relatórios, cruzar bases e recomendar ações podem acelerar o trabalho executivo, mas também reproduzir falhas presentes nas informações de origem. Quando os dados não têm contexto suficiente, apresentam lacunas ou foram coletados para uma finalidade diferente daquela em que serão utilizados, as conclusões geradas podem parecer convincentes sem representar adequadamente a realidade. A governança ajuda a estabelecer critérios para avaliar a adequação dos dados, documentar suas limitações e acompanhar como são utilizados. A tecnologia amplia a capacidade de análise, mas a qualidade das decisões continua dependendo da qualidade das informações e dos controles adotados.
O fim do “achismo” corporativo, portanto, não significa eliminar a experiência ou a intuição dos executivos. Em mercados complexos, esses elementos continuam importantes, sobretudo quando existem incertezas que os indicadores não conseguem resolver. A diferença está em separar o que é evidência do que é hipótese, reconhecer os limites das informações disponíveis e evitar que uma percepção individual seja tratada como verdade apenas porque parece plausível. Uma liderança orientada por dados não é aquela que aceita qualquer gráfico como resposta definitiva, mas aquela que sabe questionar os números, compreender sua origem e avaliar se eles são suficientes para sustentar uma decisão.
No fim, a Governança de Dados representa uma mudança na maneira como as empresas constroem confiança e distribuem responsabilidades. Em vez de perguntar quantos dashboards estão disponíveis ou quantos projetos de inteligência artificial foram implementados, a liderança precisa avaliar se as informações são confiáveis, se os investimentos produzem resultados mensuráveis e se os indicadores realmente ajudam a escolher os próximos passos. O diferencial competitivo não está em acumular dados, mas em criar condições para que eles orientem decisões melhores. Porque, em um ambiente empresarial cada vez mais complexo, substituir o achismo por evidências não depende apenas de tecnologia: depende de gestão, critérios claros e responsabilidade sobre a informação.
(*) é fundador da “DPOnet” democratiza a Lei geral de proteção de dados (LGPD) para mais de 5.000 clientes. A plataforma Software as a service (SaaS) automatiza a governança com serviço de Data protection officer (DPO) integrado. A solução utiliza Business process outsourcing (BPO) e a “DPO Artificial Intelligence” para simplificar a segurança e a privacidade digital.
