2ª Etapa — Priorização de Dados Críticos e Análise de Qualidade
Enunciado
Com o diagnóstico em mãos, a diretoria quer saber: “onde devemos concentrar nossos esforços primeiro?” A equipe de governança precisa identificar quais conjuntos de dados são críticos e avaliar a qualidade desses dados prioritários.
Informações adicionais:
- A tabela de clientes é consultada por todas as quatro áreas (comercial, financeiro, operações e RH).
- A tabela de motoristas contém CPF, salário, CNH e dados de saúde ocupacional, acessada por RH e operações.
- A tabela de rotas/entregas registra milhares de transações diárias e depende dos dados de clientes para endereçamento.
- Uma transportadora adquirida trouxe uma tabela de municípios e faixas de CEP, mas o sistema de operações não a consulta — os endereços são digitados livremente.
- A empresa reporta indicadores trimestrais à ANTT e precisa cumprir a LGPD.
- 12% das entregas do último trimestre foram devolvidas por endereço incorreto, gerando prejuízo de R$ 800 mil.
Pergunta-chave: “Quais conjuntos de dados devem ser priorizados e quais dimensões de qualidade estão comprometidas nos dados mais críticos?”
Missão 1 — Classificação nos 5 Critérios e Ranking
Classificar clientes, motoristas, rotas/entregas e municípios/CEP nos 5 critérios (escala 1–5) e gerar ranking de prioridade.
Régua de avaliação (1 a 5)
| Nota | Significado |
|---|---|
| 1 | Muito Baixo |
| 2 | Baixo |
| 3 | Médio |
| 4 | Alto |
| 5 | Muito Alto |
Notas atribuídas (com justificativa)
| Conjunto | Valor Negócio | Risco | Uso/Freq. | Compliance | Sensibilidade |
|---|---|---|---|---|---|
| Clientes | 5 — todas as 4 áreas usam | 5 — endereço errado = devolução | 5 — consultada diariamente | 5 — LGPD + ANTT | 4 — dados pessoais |
| Motoristas | 4 — impacta operação | 5 — CNH vencida + saúde | 3 — RH e Operações | 5 — LGPD + dados sensíveis | 5 — saúde ocupacional |
| Rotas/Entregas | 5 — núcleo do negócio | 4 — milhares/dia | 5 — transacional diário | 3 — ANTT | 2 — dados operacionais |
| Municípios/CEP | 3 — padronização | 2 — não consultada hoje | 1 — não é usada | 1 — sem obrigação | 1 — dados públicos |
Cálculo ponderado
Fórmula adotada (pesos justificados na Missão 4):
|
1 |
prioridade = valorNegocio*0.25 + risco*0.25 + uso*0.20 + compliance*0.20 + sensibilidade*0.10 |
| # | Conjunto | Pontuação Ponderada | Nível |
|---|---|---|---|
| 1º | Clientes | 4.90 | Crítico |
| 2º | Motoristas | 4.30 | Crítico |
| 3º | Rotas/Entregas | 3.95 | Alto |
| 4º | Municípios/CEP | 1.70 | Baixo |
Leitura executiva: Clientes e Motoristas são os dois conjuntos mais críticos e concentrarão os esforços iniciais de governança. Rotas/Entregas é consequência direta da qualidade de Clientes. Municípios/CEP, embora hoje negligenciada, é justamente a tabela de referência que resolveria o problema de endereçamento.
Missão 2 — Dimensões de Qualidade DAMA Comprometidas
Para os dois conjuntos mais críticos (Clientes e Motoristas), identificar dimensões DAMA comprometidas com exemplos concretos do cenário.
Clientes
| Dimensão DAMA | Status | Evidência no cenário |
|---|---|---|
| Acurácia | Comprometida | Endereços digitados livremente → 12% das entregas devolvidas por endereço incorreto (R$ 800 mil de prejuízo). |
| Completude | Comprometida | Cadastro livre permite campos de endereço (CEP, bairro, complemento) em branco ou incompletos. |
| Consistência | Comprometida | Mesmo cliente pode ter endereços divergentes entre Comercial, Financeiro e Operações. |
| Unicidade | Comprometida | Sem chave de deduplicação (ex.: CNPJ/CPF) pode haver clientes duplicados com endereços diferentes. |
| Validade | Comprometida | CEP não é validado contra a tabela de Municípios/CEP — a tabela existe, mas não é consultada. |
| Temporalidade | Comprometida | Endereços antigos permanecem no cadastro sem data de atualização ou revisão periódica. |
Motoristas
| Dimensão DAMA | Status | Evidência no cenário |
|---|---|---|
| Acurácia | Comprometida | CPF, CNH e salário podem estar incorretos — impactam folha, compliance e alocação em rotas. |
| Completude | Comprometida | Dados de saúde ocupacional (ASO, exames) podem estar incompletos ou ausentes. |
| Consistência | Comprometida | Informações podem divergir entre RH e Operações (ex.: CNH válida no RH, vencida na Operação). |
| Unicidade | Comprometida | Motorista pode ter cadastro duplicado por CPF (ex.: admissão antiga + novo contrato). |
| Validade | Comprometida | CNH vencida pode não ser bloqueada automaticamente — risco operacional e legal. |
| Temporalidade | Comprometida | Validade de CNH e exames médicos pode estar desatualizada, sem alerta proativo. |
Dica do enunciado observada: dados de motoristas envolvem risco de compliance (LGPD, dados de saúde) e risco operacional (CNH vencida impede entregas). Ambas as dimensões foram avaliadas — por isso sensibilidade 5 e compliance 5 na Missão 1.
Missão 3 — Classificação dos Dados (Mestre, Referência, Transacional)
Classificar cada conjunto explicando o critério utilizado.
| Conjunto | Classificação | Frequência de mudança | Uso multiárea | Papel de referência |
|---|---|---|---|---|
| Clientes | MESTRE | Baixa (muda quando cliente atualiza cadastro) | Sim — 4 áreas | Sim — referência para rotas/entregas |
| Motoristas | MESTRE | Baixa (muda em admissão/demissão/renovação) | Sim — RH e Operações | Sim — referência para alocação em rotas |
| Rotas/Entregas | TRANSACIONAL | Altíssima (milhares/dia) | Sim — mas como evento, não como cadastro | Não — depende de Clientes |
| Municípios/CEP | REFERÊNCIA | Muito baixa (muda raramente) | Não hoje — deveria ser consultada por Operações | Sim — padroniza/valida endereços |
Critérios explícitos utilizados
- Dado Mestre: entidade principal do negócio, usada por múltiplas áreas, muda com pouca frequência e serve de referência para transações. → Clientes e Motoristas.
- Dado de Referência: usado para padronizar/validar outros dados, muda raramente, geralmente tabela auxiliar. → Municípios/CEP.
- Dado Transacional: registra eventos/operações do dia a dia, alta frequência, depende de dados mestres. → Rotas/Entregas.
Dica do enunciado observada: “Alguns conjuntos de dados servem apenas para validar ou padronizar outros dados e mudam raramente.” → Municípios/CEP é exatamente esse caso. A ausência de validação contra ela é a causa-raiz dos 12% de devoluções.
Missão 4 — Rascunho com ChatGPT, Revisão e Ajuste dos Pesos
Gerar rascunho de matriz ponderada com o ChatGPT, revisar, ajustar pesos ao contexto logístico da Hermex Log e documentar cada ajuste.
Rascunho inicial gerado pelo ChatGPT
|
1 2 3 4 5 6 7 8 9 10 |
// Rascunho inicial sugerido pela IA function calcularPrioridade(dado) { const pontuacao = dado.valorNegocio * 0.30 + dado.risco * 0.30 + dado.uso * 0.20 + dado.compliance * 0.10 + dado.sensibilidade * 0.10; return pontuacao; } |
| Critério | Peso no rascunho | Crítica | Peso ajustado |
|---|---|---|---|
| Valor para o negócio | 30% | OK — logística vive de operação | 25% |
| Risco | 30% | OK — R$ 800 mil de prejuízo justificam | 25% |
| Uso/Frequência | 20% | Reduzir — uso alto ≠ criticidade (rotas são volumosas, mas dependem de clientes) | 20% |
| Compliance | 10% | Subestimar é grave — LGPD + ANTT são obrigatórios e não opcionais | 20% |
| Sensibilidade | 10% | OK — consequência do compliance | 10% |
Justificativa de cada ajuste
1) Valor: 30% → 25%
Reduzido levemente porque, isoladamente, não captura o risco operacional. O enunciado exige combinar valor E risco, sem priorizar apenas um eixo.
Reduzido levemente porque, isoladamente, não captura o risco operacional. O enunciado exige combinar valor E risco, sem priorizar apenas um eixo.
2) Risco: 30% → 25%
Mantido em patamar alto, mas equilibrado com valor. Os R$ 800 mil de prejuízo e o risco de CNH vencida justificam peso elevado.
Mantido em patamar alto, mas equilibrado com valor. Os R$ 800 mil de prejuízo e o risco de CNH vencida justificam peso elevado.
3) Uso/Frequência: 20% → 20%
Mantido. Em logística, o volume transacional é enorme, mas uso alto não é sinônimo de criticidade — Rotas/Entregas é volumosa, porém depende de Clientes.
Mantido. Em logística, o volume transacional é enorme, mas uso alto não é sinônimo de criticidade — Rotas/Entregas é volumosa, porém depende de Clientes.
4) Compliance: 10% → 20%
Ajuste mais importante. A IA subestimou LGPD + ANTT. São obrigações legais com risco de multa, sanção e paralisação. Em uma transportadora, compliance não pode valer o mesmo que sensibilidade.
Ajuste mais importante. A IA subestimou LGPD + ANTT. São obrigações legais com risco de multa, sanção e paralisação. Em uma transportadora, compliance não pode valer o mesmo que sensibilidade.
5) Sensibilidade: 10% → 10%
Mantido. É consequência do compliance — dados de saúde ocupacional elevam a sensibilidade dos motoristas, mas isso já é capturado pelo critério de compliance.
Mantido. É consequência do compliance — dados de saúde ocupacional elevam a sensibilidade dos motoristas, mas isso já é capturado pelo critério de compliance.
Função final ajustada
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 |
function calcularPrioridade(dado) { const pontuacao = dado.valorNegocio * 0.25 + dado.risco * 0.25 + dado.uso * 0.20 + dado.compliance * 0.20 + dado.sensibilidade * 0.10; return Number(pontuacao.toFixed(2)); } const dados = [ { nome: 'Tabela Clientes', valorNegocio: 5, risco: 5, uso: 5, compliance: 5, sensibilidade: 4 }, { nome: 'Tabela Motoristas', valorNegocio: 4, risco: 5, uso: 3, compliance: 5, sensibilidade: 5 }, { nome: 'Tabela Rotas/Entregas', valorNegocio: 5, risco: 4, uso: 5, compliance: 3, sensibilidade: 2 }, { nome: 'Tabela Municipios/CEP', valorNegocio: 3, risco: 2, uso: 1, compliance: 1, sensibilidade: 1 } ]; const ranking = dados .map(d => ({ ...d, prioridade: calcularPrioridade(d) })) .sort((a, b) => b.prioridade - a.prioridade); ranking.forEach((d, i) => { console.log(`${i + 1}º — ${d.nome} : Prioridade ${d.prioridade}`); }); /* Saída: 1º — Tabela Clientes : Prioridade 4.90 2º — Tabela Motoristas : Prioridade 4.30 3º — Tabela Rotas/Entregas : Prioridade 3.95 4º — Tabela Municipios/CEP : Prioridade 1.70 */ |
Pensamento crítico documentado: a IA sugeriu 10% para compliance e 30% para valor. Ajustamos para 20% e 25% respectivamente. A justificativa é o contexto logístico: LGPD + ANTT são obrigações legais com risco financeiro e operacional direto — não podem ter o mesmo peso de um critério consequente (sensibilidade).
Entregáveis Consolidados
Entregável 1 — Matriz de Priorização Ponderada
| Conjunto | Valor (25%) | Risco (25%) | Uso (20%) | Compliance (20%) | Sensib. (10%) | Prioridade | Ranking |
|---|---|---|---|---|---|---|---|
| Clientes | 5 | 5 | 5 | 5 | 4 | 4.90 | 1º |
| Motoristas | 4 | 5 | 3 | 5 | 5 | 4.30 | 2º |
| Rotas/Entregas | 5 | 4 | 5 | 3 | 2 | 3.95 | 3º |
| Municípios/CEP | 3 | 2 | 1 | 1 | 1 | 1.70 | 4º |
Justificativa dos pesos: Valor e Risco empatados em 25% porque o enunciado exige combinar os dois eixos; Compliance elevado a 20% por causa de LGPD + ANTT; Uso em 20% por ser empresa logística com volume transacional alto; Sensibilidade em 10% por ser consequência do compliance.
Entregável 2 — Mapa de Dimensões de Qualidade Comprometidas
| Dimensão DAMA | Clientes | Motoristas |
|---|---|---|
| Acurácia | ✗ Endereço errado (12% devoluções) | ✗ CPF/CNH/salário incorretos |
| Completude | ✗ Campos de endereço em branco | ✗ Dados de saúde incompletos |
| Consistência | ✗ Endereços divergentes entre áreas | ✗ CNH divergente RH × Operações |
| Unicidade | ✗ Clientes duplicados por CNPJ | ✗ Motorista duplicado por CPF |
| Validade | ✗ CEP não validado contra tabela | ✗ CNH vencida não bloqueada |
| Temporalidade | ✗ Endereço sem data de revisão | ✗ ASO/exames desatualizados |
Entregável 3 — Tabela de Classificação dos Dados
| Conjunto | Classificação | Critério |
|---|---|---|
| Clientes | MESTRE | Multiárea, baixa mudança, referência para transações |
| Motoristas | MESTRE | Multiárea (RH + Operações), baixa mudança, referência para alocação |
| Rotas/Entregas | TRANSACIONAL | Alta frequência (milhares/dia), depende de Clientes |
| Municípios/CEP | REFERÊNCIA | Padroniza/valida endereços, muda raramente |
✅ Síntese e Recomendação Executiva
- Prioridade 1: Clientes — endereços padronizados via tabela de Municípios/CEP eliminam os 12% de devoluções (R$ 800 mil).
- Prioridade 2: Motoristas — controle de CNH + dados de saúde reduz risco operacional e de compliance (LGPD).
- Prioridade 3: Rotas/Entregas — melhora como consequência da qualidade de Clientes.
- Ação estruturante: ativar a consulta à tabela de Municípios/CEP no cadastro de clientes — é a causa-raiz do problema de endereçamento.
✔ Combina valor E risco · ✔ Relaciona problemas concretos a dimensões DAMA · ✔ Diferencia mestre/referência/transacional · ✔ Ajusta criticamente a saída da IA.
