Baixe Arquitetura de Dados: Conceitos, Tendências e Implementação e outras Notas de estudo em PDF para Arquitetura Computadorizada e Organizacional, somente na Docsity!
UNIDADE TEMÁTICA 5: ARQUITETURA DE DADOS - INFORMAÇÕES
Introdução
O objetivo desta unidade temática é abordar sobre a Arquitetura de Dados, tendências e projeções para sua construção e uso.
Segundo o TOGAF (GROUP, TO, 2011), a arquitetura empresarial descreve a empresa como um sistema em termos de seus componentes, suas relações, princípios e diretrizes que controlam seus projetos e desenvolvimento ao longo do tempo.
A construção de uma arquitetura empresarial organiza e cria uma estrutura para os componentes de negócios e TI, incluindo seus relacionamentos, buscando melhoria no desempenho organizacional através de uma gestão controlada (IACOB ET AL., 2012).
Para que uma empresa alcance o alinhamento entre negócios e TI, será necessário criar uma abordagem de arquitetura empresarial integrada de todos os aspectos da empresa. Essa arquitetura será um importante instrumento para solucionar na prática, a falta de integração entre os domínios ou assuntos da empresa, melhorando sua linguagem de comunicação e criando um conjunto coerente de princípios, modelos e métodos que serão utilizados na concepção e realização da organização estrutural da empresa, processos de negócio, sistemas de informação e infraestrutura (LANKHORST, 2004).
Para PEÑA (2010), a arquitetura corporativa tem se consolidado como uma ferramenta de apoio no processo de tomada de decisões estratégicas e que consegue mapear uma visão completa entre elementos de negócios e TI de uma empresa. A criação de uma arquitetura corporativa facilitará a compreensão das relações entre os conceitos de vários domínios, envolvendo estratégia, processos, aplicativos e informações.
Para facilitar a modelagem da arquitetura corporativa, existem linguagens de descrição de arquiteturas que podem criar uma representação uniforme dos diagramas em uma linguagem que seja comum a todos os envolvidos. A ArchiMate é uma linguagem de descrição de arquitetura alinhada ao padrão TOGAF. Ela fornece instrumentos para permitir aos arquitetos corporativos descrever, analisar e visualizar as relações entre os domínios de negócios de uma empresa. Com sua utilização, a construção e operação de processos de negócios, estruturas organizacionais, fluxos de informação, sistemas de TI e infraestrutura técnica serão favorecidos. Essa percepção ajuda as partes interessadas a projetar, avaliar e
comunicar as consequências das decisões e mudanças dentro e entre os domínios de negócios (IACOB ET AL., 2012).
Para realizar a criação da arquitetura organizacional, cinco categorias de partes interessadas que precisarão ser envolvidas. São elas as pessoas com funções corporativas, os usuários finais, a área de desenvolvimento de projetos, os sistemas internos de operação da empresa e os sistemas de terceiros. Cada categoria com suas características e níveis de envolvimento diferentes na arquitetura empresarial, sendo necessário que os interesses sejam registrados claramente com o objetivo de estabelecer níveis de influência e pontos de vista distintos, garantindo assim uma arquitetura empresarial mais próxima da realidade da empresa (TOGAF,2011).
Governança de dados
Segundo SADIQ (2013), o volume de dados gerado no mundo cresce exponencialmente, de forma diversificada e cada vez mais plural, com novos consumidores e geradores de informação. Para explorar esse volume de dados são necessárias transformações nos processos de negócio, fontes de dados, infraestrutura de tecnologia, capacitações e mudanças organizacionais. Não se deve levar em consideração apenas a dimensão do volume de dados, mas também a variedade, o formato, a veracidade para esses dados serem usados e tratados na velocidade adequada, com o foco em agregarem valor para o negócio.
Além disso, o custo para armazenar, interpretar e gerar resultados sobre esses dados é alto. Saber mapear os dados que serão úteis ao seu negócio, de acordo com seus objetivos estratégicos, fará toda diferença no mercado SADIQ (2013).
Antes de conceituar governança de dados, precisamos entender o quê e onde o gerenciamento está acontecendo. Existem três conceitos chave e relacionados que precisam ser abordados. São eles, gerenciamento de dados, gerenciamento de dados corporativos e arquitetura de dados (LADLEY, 2012).
O gerenciamento de dados é a função de negócios que desenvolve e executa planos, políticas, práticas e projetos usados para adquirir, controlar, proteger, fornecer e aumentar o valor dos dados e informações. (DMBOK, 2009).
O gerenciamento de dados corporativos é o programa que gerencia ativos de informação da empresa para suportar e agregar valor ao negócio. Esse gerenciamento administra os planos, políticas, princípios, estruturas, tecnologias, organizações, pessoas, e processos em uma
Já para o controle da gestão de dados, o funcionamento da estrutura definida na fase de planeamento deverá ser monitorado, bem como a coordenação de atividades e gerenciamento de possíveis conflitos.
Arquitetura de dados
A arquitetura de dados é a representação de como uma empresa gerencia seu ambiente de informação (LADLEY, 2012). O trabalho do arquiteto de informação é definir a natureza e o alcance de um serviço de informação antes da primeira linha de código de sistema ser escrita (TUPPER, 2011).
Para AIKEN (2014), o modelo original de APPLETON (1986) apresenta graficamente a importância da camada arquitetónica nas demandas das organizações por alavancagem de dados. As camadas de inteligência devem ser desenvolvidas usando as especificações e a compreensão comum das camadas de informação. Na figura abaixo, estão especificadas as relações entre dados, informação e inteligência. Como consequência da falta de foco na base arquitetural dos dados, os resultados obtidos no nível de inteligência demoram mais, custam mais e entregam menos resultados. Deficiências arquitetónicas nos dados como fundações explicam incidências de falhas ainda altas no armazenamento de dados e em outras iniciativas especializadas envolvendo dados.
4.i. Modelo de uso da inteligência nas organizações. Adaptado de APPLETON (1986).
A geração do conhecimento em uma empresa pode ser definida como “a tarefa de identificar, desenvolver, disseminar e atualizar o conhecimento estrategicamente relevante para a empresa por meio de processos internos ou externos às empresas.” Essa tarefa ajudará no mapeamento que a arquitetura de dados irá realizar na empresa, de acordo com os processos de negócios (FLEURY E OLIVEIRA JR., 2001).
A arquitetura de dados deve ser vista como um mecanismo que tem vida própria, que é dinâmica no seu crescimento com base nas mudanças do ambiente de dados. Elas devem ser utilizadas mais como estruturas para construir processos de negócio ao invés de um rigoroso código de padrões a serem seguidos durante a construção de um artefato de sistema. Ela deve casar o requisito de informação e de processo, criando uma estrutura que facilite o desenvolvimento dos negócios. Uma escola do pensamento voltada para os objetivos da empresa. Sua manutenção será de responsabilidade dos usuários interessados, fazendo com que ela evolua de acordo com as necessidades do negócio. (TUPPER, 2011).
De acordo com o DMBOK (2009), os principais objetivos da Arquitetura de dados devem englobar visões ou modelos de dados por áreas ou assuntos, com foco na visão corporativa e de aplicações. Ela deverá dar suporte no desenvolvimento e manutenção do modelo de dados corporativo, procurando manter a coerência do significado dos dados para toda a empresa.
Na figura adaptada abaixo, sobre a arquitetura de dados, o modelo de Governança em V, de LADLEY (2012), é mostrado. O processo de governança de dados irá garantir que a informação seja gerenciada corretamente e o gerenciamento de dados irá trabalhar para que os dados atinjam os objetivos do negócio. Como resultado, será gerado um modelo com dados, informações e ciclo de vida do conteúdo, voltado para os objetivos do negócio.
uso de dados, fazendo com que ela evolua de acordo com as necessidades do negócio (TUPPER, 2011).
A Arquitetura de Dados utiliza três processos tradicionais. O primeiro é a construção de um modelo conceitual, que represente as entidades do negócio. O segundo processo é um modelo lógico, que mostre como as entidades definidas no modelo conceitual se relacionam. E, para finalizar, um modelo físico, que mostre as referências que estruturem o uso dos dados. Para Baid (1998), a construção de uma AD leva em consideração os aspectos físicos e lógicos. Nos aspectos físicos, o foco são servidores de banco de dados, ferramentas de troca de informações, sistemas de informações, aplicativos mediadores para integrar os sistemas. Esses aspectos tendem a fazer sombra a uma área que pode gerar resultados, que é a Arquitetura de Dados Lógica. Essa ADL é uma representação dos dados de uma organização, independente de plataforma, sistemas operacionais ou tecnologia de banco de dados. Ela provém um mapeamento de todos os dados, para a área de TI e para os usuários de negócios e favorece a compreensão sobre os dados utilizados na empresa, garantindo eficiência para que as necessidades do negócio sejam atingidas e sejam habilitadas oportunidades de crescimento no mercado. Com o seu uso, a empresa poderá projetar de forma eficaz as funcionalidades para os sistemas de informação e compartilhamento de dados entre esses sistemas. As referências para a construção de uma ADL passam por um modelo de dados sobre a empresa em alto nível, representando os assuntos relacionados ao negócio, à origem dos dados em nível global, à responsabilidade sobre geração, uso e compartilhamento dos dados usados nos sistemas de informação. Em um estudo de caso realizado em uma empresa, Otto (2012) descreve a construção de uma Arquitetura de Dados de acordo com o perfil dessa empresa, realizando uma tarefa de várias dimensões, equilibrando interesses dos atores organizacionais, levando em consideração uma matriz de oportunidades técnicas e requisitos independentes pra cada área e suas características. A empresa tinha ideia dos resultados que o trabalho poderia alcançar e criou uma área específica para o gerenciamento de todas as iniciativas relacionadas aos dados. O estudo mostrou a importância de um trabalho que valorize o uso dos dados de uma empresa e sua relação com os objetivos estratégicos de negócio e enfatizou as dificuldades de sua implementação, apresentando resultados de acordo com o interesse e qualificações de cada área. Na concepção da AD, Otto (2012) mostrou a importância de um levantamento sobre a origem, o uso e o compartilhamento de informações na empresa, mapeando as áreas, seus objetivos em relação ao uso estratégico dos dados e construindo um sistema de governança
com responsabilidades definidas sobre cada processo de negócio e seus interessados. Com essa base de informações criada, a sequência do trabalho foi o gerenciamento dos dados mestres, ou seja, dados com significados, que têm referência em um processo de negócio. Esse gerenciamento de dados mestres focou na qualidade dos dados, corrigindo e consolidando as informações dos sistemas heterogêneos, com os mesmos objetivos para o negócio. A pesquisa desse autor mostra como fazer um controle de quem manterá e consumirá esses dados consolidados. De acordo como DMBOK(2009), o gerenciamento dos dados deve atingir três objetivos: fornecer uma fonte de qualidade de dados; reduzir o custo e a complexidade do seu armazenamento por meio de padronização de informações; apoiara integração dessas informações e seu uso nos processos de inteligência de negócio. Outro conceito que é referência para o framework proposto neste trabalho é o planeamento estratégico dos dados, que foi amplamente discutido em meados da década de 1990 e que resulta, entre outras coisas, em uma AD. Esse planeamento se refere aos dados que são usados de forma nivelada por toda a empresa, ou seja, cada área entende a importância de conhecer os processos relacionados aos dados operacionais e de negócios no futuro estratégico da empresa (GOODHUE et al., 1992; SHANKS, 1997). De acordo com o DMBOK (2009), uma AD busca o aumento da qualidade dos dados mestres, alcançando o “Golden Record”, termo empregado para dados confiáveis, reduzindo o custo e a complexidade com o uso de padrões e apoio na inteligência de negócios. As atividades para alcançar esse objetivo incluem compreender as necessidades da empresa quanto aos seus objetivos de negócio, identificando as fontes de dados e as áreas associadas, criando uma referência padronizada para o gerenciamento e as alterações nos sistemas de informação. Para Otto e Reichert (2010), a natureza dos dados mestres, quando estes referenciarem os objetivos do negócio utilizados na empresa, requer uma AD organizada como uma função central ou corporativa. A organização e o gerenciamento dos dados por uma área específica faz a diferença nos resultados pretendidos. Para controlar as diretrizes de como o dado é usado em cada área específica da empresa, funções como “data steward”, ou administrador dos dados, e “data owner”, ou responsável pelo uso, pelo controle e pela manutenção dos dados, foram introduzidas para garantir governança em cada área da organização (KHATRI; BROWN, 2010).
Os administradores de dados têm como objetivo garantir a qualidade de uma classe de dados, e os proprietários dos dados têm direitos de tomada de decisão no que diz respeito aos requisitos do negócio, do uso e da manutenção dos dados mestres (WEBER; OTTO;
elementos constantes da camada “Informação” descrita à seção anterior. A AI receberá maior destaque neste trabalho por estar mais diretamente ligada a seus objetivos.
A AI provê os conceitos fundamentais referentes à informação, os modelos e representações de seus elementos relevantes como os atributos e relacionamentos que traduzem a complexidade do ambiente informacional, com a finalidade de garantir a possibilidade de se obter respostas, indicativos e percepções relacionadas ao negócio, e que são requisitos da camada de “Informação” da Arquitetura Corporativa da organização, de forma consistente e integrada com a tecnologia. A AI identifica os componentes orientados à informação do ambiente de TI de uma organização e define seus relacionamentos e ligações com os objetivos da organização.
A AI também descreve os princípios e as orientações para a implementação de soluções de tecnologia consistentes, e para a forma como os dados e as informações devem ser geridas e compartilhadas ao longo da organização, bem como para o que deve ser feito para que o valor relevante para o negócio que advém da informação seja obtido.
Observa-se que a definição de AI pauta-se no objetivo de definir modelos e estruturas que descrevam um ambiente propício ao alinhamento corporativo das ações de TI aos objetivos de negócio da organização.
Godinez (2010) descreve os princípios que norteiam a AI:
Acesso e troca de informação - Os serviços de informação devem fornecer acesso sem restrições para os usuários certos no momento certo. Reutilização de serviços - A AI deve facilitar a descoberta, seleção e reutilização de serviços e a utilização de interfaces uniformes. Governança da Informação - A AI deve viabilizar uma estratégia de governança da informação que seja suportada por soluções e infraestruturas de TI adequadas. Padrões - Um conjunto de padrões coerentes referentes a dados e tecnologia deve ser definido para simplificar o manuseio da informação.
Portanto, uma AI bem projetada proporciona o uso consistente da informação por todos os serviços e aplicações relevantes, facilita o acesso e a troca de informação por toda a organização, bem como a descoberta e o reúso de serviços e, dessa forma, cria condições para a construção de serviços e sistemas orientados à informação caracterizados pela estabilidade, pela consistência e pela capacidade de fornecimento de respostas com base na organização da informação definida pela AI.
Godinez (2010) enumera as principais características de um ambiente informacional regido por definições advindas da implementação bem-sucedida de uma Arquitetura de Informação:
Aumento da transparência - A informação deve permanecer independente da especificação e implementação de aplicações e de interfaces de usuário. A arquitetura proporciona uma camada de transparência entre os domínios da informação e das aplicações. Incorporação dos requisitos corporativos de negócio - A arquitetura deve levar em consideração todo o conjunto de necessidades informacionais da organização. Diminuição de inconsistências - A arquitetura auxilia a identificação de inconsistências, conflitos, sobreposições e lacunas dos dados e informações, e oferece conceitos, ferramentas e métodos para resolvê-los. Gerenciamento de acordos de nível de serviço - A arquitetura provê mecanismos para a definição e gerenciamento de acordos de nível de serviço para os serviços orientados à informação os quais podem ser aplicados e monitorados. Suporte à tomada de decisões - A arquitetura possibilita maior consistência e eficiência para a tomada de decisões relativas ao negócio e às ações de TI com base nas necessidades do negócio. Aumento do reúso - A aplicação de uma AI promove o compartilhamento e o reúso de ativos de informação, evitando possíveis duplicações e reduzindo custos de serviços, de desenvolvimento e de suporte. Definição de uma estratégia de tecnologia - A arquitetura estabelece o modelo a partir do qual as estratégias de tecnologia a serem adotadas pela organização devem ser definidas. Ela define o conjunto de princípios que guiam como os sistemas de informação e a infraestrutura de tecnologia de uma organização devem ser projetados.
Segundo Godinez (2010), é possível que cada departamento ou unidade de negócio de uma organização possua uma AI. No entanto, é possível criar uma AI para o contexto de toda a organização, que passa a ser denominada Arquitetura de Informação Corporativa. De acordo com o autor, o termo “Corporativo” apenas denota o contexto mais abrangente e interdepartamental para a cadeia produtiva de informação de uma organização, conservando os mesmos princípios e características da AI.
de mudança decorrentes da implantação de uma governança que tem grande probabilidade de encontrar forte resistência e significativos obstáculos relacionados à cultura organizacional.
Gestão de Metadados Godinez (2010) define metadados simplesmente como sendo “dados sobre dados”. Wegener (2007, p.3), por sua vez, estende essa definição de dados que descrevem outros dados introduzindo a perspectiva de alinhamento sistemático: “[...] são dados que suportam o alinhamento sistemático.”; e continua acrescentando que são dados que suportam os próprios processos de manipulação desses dados, ao que o autor denomina gestão de metadados. Ladley (2010), fazendo menção aos elementos da Gestão da Informação Corporativa já apresentados, se refere aos metadados como sendo o DNA corporativo e reforça a importância da administração e manutenção de metadados de qualidade para “costurar” a arquitetura da Gestão da Informação Corporativa.
De acordo com Godinez (2010), a gestão de metadados é a disciplina composta por todas as competências e atividades destinadas a garantir que os metadados da organização sejam manipulados adequadamente durante todo o ciclo de vida dos mesmos. Incluem-se as tarefas para criar e capturar, armazenar e arquivar, bem como controlar os metadados gerenciando e eliminando as inconsistências e redundâncias. São previstas, ainda, as competências para habilitar o consumo de metadados para o contexto dos cenários operacionais da organização e para viabilizar a governança dos metadados em todo o seu ciclo de vida. O autor sugere que essa disciplina seja desenvolvida considerando-se quatro dimensões distintas e apresentadas na figura 3:
Categorias - Os metadados podem ser descritivos, estruturais e administrativos. Níveis de abstração ou detalhamento - Os metadados se organizam em diferentes níveis de detalhamento que são os níveis contextual, conceitual, lógico, físico e de implementação. Tipos - Os metadados se dividem em metadados de negócio e metadados técnicos. Fontes - Os metadados podem advir de vários sistemas e aplicações de TI, documentos e pessoas.
5.ii. Dimensões de metadados (GODINEZ, 2010).
Gestão de Metadados e o Alinhamento Negócio X TI
Tanto Godinez (2010) quanto Wegener (2007, p.3) sustentam a teoria da utilização de metadados para proporcionar o alinhamento entre os domínios e as áreas de negócio e as ações de TI. Wegener (2007, p.25) chama a atenção para o fato de que as indústrias que dependem significativamente de TI têm a tendência de investir cada vez mais em automação e integração de processos de negócio por meio de aplicações e sistemas informatizados.
A integração e a automação geralmente trazem uma economia de dinheiro, aumentam a qualidade, e normalmente levam a melhores respostas dos processos. Por outro lado, o alto grau de integração também significa que quando algo sai errado, a dor será sentida em lugares distantes: a falha é propagada automaticamente pelo labirinto de dependências. O alto grau de automação, por sua vez, significa que o problema seguirá despercebido até que seja tarde
5.ii. Modelo de Maturidade de Utilização de Metadados. GODINEZ, 2010,
Observando o modelo de análise de maturidade proposto, percebe-se, principalmente a partir do terceiro nível, a significativa relação existente entre a gestão de metadados e o alinhamento entre as ações de negócio e de TI por meio do estabelecimento de ligações e relacionamentos entre os metadados de negócio e os metadados técnicos, que permitem a representação mais fiel e precisa dos dados e informações relevantes para a gestão da organização em seus diversos níveis de abstração.
É nesse contexto que Godinez (2010) afirma que os “metadados têm se tornado cada vez mais importantes para o alcance do alinhamento sinérgico entre os domínios de negócio e de TI”.
Metadados de Negócio
De acordo com Godinez (2010), esse tipo de metadado define regras de negócio tais como dados sobre a propriedade ou responsabilidade sobre as regras, definições e dados de negócio, terminologias e glossários de negócio, qualidade de dados, algoritmos de negócio utilizando uma linguagem própria do negócio. Eles abrangem os dados contextuais sobre informações recuperadas, as taxonomias que definem organizações de negócio, a hierarquia
de produtos e o vocabulário usado para definir os termos de negócio. Seguem abaixo alguns exemplos de metadados de negócio:
Modelo de negócio - O modelo de negócio é uma descrição geral que atende a fatores internos e externos das operações em andamento na organização. Em ambientes com arquiteturas de negócio mais maduras, o modelo de negócio é um arcabouço que permite a transformação de ideias de inovação em valor comercial para a empresa. Regras de negócio - Estas regras governam os processos de negócio e abrangem regras de validação, regras de utilização e outras diretivas e instruções para o controle adequado da execução dos processos de negócio. Dados para planejamento e gestão de desempenho de negócio - Correspondem a indicadores de desempenho - Key Performance Indicator (KPI) - e outras métricas. Regras de qualidade de dados de negócio - Existem regras para gerenciar a qualidade dos dados de negócio. Essas regras possibilitam a implantação adequada da governança de dados. Glossário de negócio - Refere-se à definição do dicionário de dados de negócio bem como de seu vocabulário, que são as entidades e elementos utilizados em esquemas e outras definições de negócio. Atualmente, segundo o autor, a maioria das empresas dá início ao controle de metadados de negócio com um glossário, seguido de um exercício de modelagem de negócio mais inteligível devido à utilização de termos definidos pelo glossário. Relatórios e painéis - São metadados que contêm as especificações e definições dos relatórios, painéis e tabelas de negócio. Os metadados descrevem o conteúdo, a estrutura, a coerência, a propriedade e o objetivo de todos os relatórios. Políticas e procedimentos operacionais - Correspondem às regras ou políticas que descrevem os aspectos operacionais da empresa. Seguem alguns exemplos: o Procedimenos para gerenciar o relacionamento com parceiros e fornecedores; o Políticas de comunicação externa; o Guias de conduta de negócio.
Metadados Técnicos
Seguindo a definição proposta por Godinez (2010), os metadados técnicos definem a estrutura dos sistemas de TI, aplicações, bancos de dados, sistemas corporativos de
Metadados de sistemas e aplicações - Esses metadados incluem o nome e a descrição dos sistemas, seus proprietários ou responsáveis e matrizes de utilização, o escopo de dados e os versionamentos.
Referências Bibliográficas
Aiken, P.; Gorman, M. A função do chief data officer: redefinindo as diretorias executivas para se beneficiar do seu mais valioso ativo. Rio de Janeiro: Elsevier,2014.
Appleton, D. Information Asset Management. Datamation. Newton, MA: Cahner Publishing Company, 1986.
Baid N. The logical data architecture: Building a blueprint of your company´s most valuable asset. SunWorld, Julho de 1998. Disponível em: http://sunsite.uakom.sk/sunworldonline/swol- 07 - 1998/swol- 07 - itarchitect.html Acesso em 01 Out. 2015.
Barbieri, C. Uma visão sintética e comentada do Data Management Body of Knowledge (DMBOK). Belo Horizonte: FUMSOFT, 2013.
Davenport, T.; PRUSAK, L. Conhecimento empresarial: como as organizações gerenciam seu capital intelectual. Rio de Janeiro: Campus, 1998.
Dmbok.Mosley, M.; Brackett, M.; Earley, S.; Henderson, D. The DAMA Guide to The Data Management Body of Knowledge: DAMA - DMBOK Guide. Estados Unidos: Technics Publications, 2009.
Fleury, M. T. L; Oliveira Junior, M. M. (Org.). Gestão estratégica do conhecimento: integrando aprendizagem, conhecimento e competências. São Paulo: Atlas, 2001.
Godinez, Mario et al. The Art of Enterprise Information Architecture. Boston, EUA: IBM Press, 2010.
Goodhue, D. L.; Kirsch, L. J.; Quillard, J. A.; Wybo, M. D. Strategic data planning: lessons from the field. MIS Quarterly, Minneapollis, Minnessota, USA, v. 16, n. 1, p. 267-274, Mar.
Khatri, V.; Brown, C. V. Designing data governance. Communications of the ACM, v. 53, n. 1, p. 148-152, Jan. 2010.
Ladley, J. Data Governance. How to design, deploy and sustain an effective data governance program. Waltham, USA:Elsevier, 2012.
Ladley, John. Making Enterprise Information Management (EIM) Work for Business. Burlington, EUA: Morgan Kaufman, 2010. 518p.
Lankhorst, M. Enterprise architecture modeling - the issue of integration. Advanced Engineering Informatics, v. 18,n. 4, p. 205-216, Oct. 2004.
Otto, B. How to design the master data architecture: Findings from a case study at Bosch. International Journal of Information Management. St. Gallen, Switzerland,v. 32, n. 4, p. 337-346, Aug. 2012.
Otto, B.; Reichert, A. Organizing master data management: Findings from an expert survey. In: BRYANT, B. R.; HADDAD, H. M.; WAINWRIGHT, R. L. (Eds.).Proceedings of the 25th ACM symposium on applied computing. Sierre, Switzerland, 2010. p. 106-110.
Peña, C.; Villalobos, J. An MDE approach to design enterprise architecture viewpoints. 12th IEEE International Conference on Commerce and Enterprise Computing. Shangai, China, Nov. 2010. p. 80-87.
Sadiq,S. Handbook of Data Quality Research and Practice. Brisbane, Austrália: Springer,
Shanks, G. The challenges of strategic data planning in practice: an interpretive case study. Journal of Strategic Information Systems, v. 6, n. 1, p. 69-90, Mar. 1997.
Tupper, C. Data architecture: from zen to reality. EUA: Morgan Kaufmann, 2011.
Weber, K; Otto, B.; Osterle, H. One size does not fill all – a contingency approach to data governance. ACM Journal of Data and Information Quality. New York, USA, v. 1, n. 1, June 2009.
Wegener, Hans. Aligning Business & IT with Metadata. Chichester, Inglaterra: Wiley,
- 279p.
