Brasil se ressente da falta de governança estruturada de dados
Pesquisa aponta que até o setor financeiro, tradicionalmente visto como um dos mais evoluído na gestão de dados, ainda ocupa estágio reativo de desenvolvimento, ficando no mesmo patamar que os demais segmentos da indústria
O setor financeiro, mesmo reconhecido como um dos mais evoluídos no uso de dados, ainda não apresenta, na prática, o nível de maturidade de dados que o mercado costuma atribuir a ele. É o que revela um estudo da BLR DATA, consultoria pioneira em Governança de Dados no Brasil, que analisou as últimas 30 avaliações de maturidade. A amostra contempla os dados das organizações que foram avaliadas pela primeira vez a partir de 2020 e identificou que, mesmo em um ambiente altamente regulado e intensivo em informação, a evolução estrutural da gestão de dados ainda ocorre de forma gradual e aquém das expectativas em diferentes setores.
A análise avalia o Índice de Maturidade em Gestão de Dados (IMGD) em uma escala de 1 a 4, classificando essa maturidade em quatro estágios: Reativo (1,00 a 1,75), Inicial (1,76 a 2,50), Definido (2,51 a 3,25) e Coordenado (3,26 a 4,00). A metodologia da BLR DATA é baseada em um modelo proprietário de avaliação, desenvolvido a partir de experiências práticas em diferentes setores e continuamente aprimorado ao longo dos anos. Apesar de o setor financeiro ser um segmento marcado pela forte regulação e uso intensivo de informações, a pesquisa apontou que os bancos e fintechs apresentam uma média de maturidade, no período da amostra, de 1,51, um índice que se mostra inferior à média de 1,65 registrada pelos demais setores, evidenciando que o segmento financeiro ainda está reativo e enfrenta os mesmos desafios estruturais em governança e gestão integrada que o restante da indústria.
“Existe uma percepção de que setores como o financeiro já atingiram alta maturidade, mas isso não se confirma na prática. O que diferencia as organizações não é apenas tecnologia, mas a capacidade de estruturar governança, definir estratégia e executar com consistência. Sem isso, a IA não escala e os investimentos em dados não se traduzem em resultado real”, conclui Bergson Lopes, fundador e sócio-diretor da BLR DATA.
Entre os demais segmentos corporativos avaliados, as empresas cujo modelo de negócio baseia-se na oferta de produtos de dados analíticos – o que naturalmente exige maior nível de estruturação e maturidade em dados – lideram o grau de maturidade com uma média de 2,05. Na outra ponta, o setor de Educação apresenta os desafios estruturais mais profundos, amargando a menor média do estudo, com 1,42.
Os dados provam que houve um amadurecimento organizacional consistente ao longo do tempo. Parte das empresas avaliadas ao longo desses cinco anos passaram por reavaliações e demonstraram uma clara transição: grande parte evoluiu para patamares próximos a 2,5, após o primeiro ano da execução de um plano de ação definido para evoluir a maturidade. Ao longo dos anos seguintes, essas companhias continuaram progredindo até atingir índices próximos a 3, posicionando-se entre os níveis Definido e Coordenado, respectivamente.
Análise por funções e dimensões organizacionais
Na análise por funções no setor de dados, a pesquisa destaca que, apesar da recente aceleração no uso da Inteligência Artificial, a evolução da maturidade caminha de forma mais lenta. As notas mais baixas da avaliação encontram-se justamente nas disciplinas estruturantes: Gestão de Metadados (1,33), Governança de Dados (1,36) e Arquitetura (1,43). Em contrapartida, as áreas mais maduras são aquelas já consolidadas historicamente ou impulsionadas por regulações, como a LGPD. É o caso de Operações e Database (2,66), Privacidade (2,43) e Segurança (2,39).]
Quando o foco recai sobre as dimensões organizacionais, o estudo indica que o ponto mais crítico não é a ferramenta, mas sim o ser humano. A dimensão “Pessoas” registrou a menor média (1,48), evidenciando desafios com o aculturamento e capacitação em dados, ficando atrás de “Tecnologia” (1,52) e “Processos” (1,67).
Para Bergson, a maturidade em dados depende da combinação entre processos estruturados, tecnologia adequada e, principalmente, pessoas preparadas, sendo este último o ponto mais crítico observado. “Existe uma percepção de que setores como o financeiro já atingiram alta maturidade, mas isso não se confirma na prática. O que diferencia as organizações não é apenas tecnologia, mas a capacidade de estruturar governança, definir estratégia e executar com consistência. Sem isso, a IA não escala e os investimentos em dados não se traduzem em resultado real”, finaliza ele.
