Modelo operacional de governança de dados: centralizado, federado ou híbrido

Modelo operacional de governança de dados é a forma como a empresa organiza quem decide, quem executa e quem fiscaliza as regras do cadastro. Não é um software. Não é um cargo. É a estrutura que define se a governança vira rotina ou vira uma política bonita guardada numa pasta que ninguém abre.

Implementei SAP em empresas grandes por quase duas décadas e vi o mesmo erro se repetir: a empresa compra a ferramenta certa, escreve a política certa, monta o comitê certo, e mesmo assim o cadastro continua sujo seis meses depois. Falta decidir quem manda no dado quando compras discorda da área fiscal sobre como classificar um material.

Existem três modelos operacionais de governança de dados: centralizado, federado e híbrido. Cada um resolve um problema e cria outro. Vou explicar os três do jeito que aparecem na vida real de uma empresa, não do jeito que aparecem no slide de consultoria.

O que é um modelo operacional de governança de dados

É o desenho que responde a três perguntas. Quem é dono da regra de cadastro. Quem aprova uma mudança nessa regra. E quem resolve o conflito quando duas áreas querem cadastrar o mesmo dado de formas diferentes.

Sem essa resposta, a política de governança vira letra morta. Já vi empresa com um documento de trinta páginas sobre dimensões de qualidade, papéis e responsabilidades, e nenhuma linha dizendo quem decide quando o cadastro automático puxa a situação cadastral errada de um fornecedor na Receita. O modelo operacional resolve isso na terça-feira de manhã, não na reunião trimestral do comitê.

Modelo centralizado: uma área manda em tudo

No modelo centralizado existe uma equipe única de dados mestres, normalmente dentro de TI ou de governança corporativa, que cadastra, aprova e sustenta a regra para toda a empresa. Compras não cadastra fornecedor. Comercial não cadastra cliente. Tudo passa pela central.

A vantagem é a consistência: um único critério de classificação de material, um único padrão de nome de fornecedor, uma única régua de qualidade. Funciona bem em empresa de porte médio, com poucas unidades e um ERP único, porque a central acompanha o volume sem virar gargalo.

O problema aparece na escala. Numa companhia com várias unidades, cada uma com seu jeito de comprar e vender, a central vira fila. A planta no interior espera três dias para cadastrar um material urgente porque a equipe central está sobrecarregada com pedidos de outras quatro unidades. O negócio sente a governança como trava, não como proteção, e o atalho aparece: a área cadastra por fora, numa planilha paralela, e a central perde o controle que tinha.

Modelo federado: cada área cuida do seu dado

No modelo federado, a governança central define o padrão, a taxonomia e a regra de qualidade, mas quem cadastra e mantém o dado no dia a dia é a própria área de negócio. Compras tem seu data steward de fornecedor, comercial tem o de cliente, engenharia tem o de material técnico.

A vantagem é a velocidade e o conhecimento de domínio. Quem entende de parafuso sextavado de inox classifica melhor um item técnico do que um analista genérico de cadastro central, e o volume se distribui entre equipes, reduzindo a fila.

O risco é a fragmentação. Sem uma governança central forte o suficiente para impor o padrão, cada área cria sua própria taxonomia e a empresa volta a ter o mesmo material cadastrado três vezes, cada vez com um critério diferente. Vi isso em projeto de migração para S/4HANA, em que cada planta tinha evoluído seu próprio jeito de descrever material ao longo dos anos, e na hora de migrar a carga de dados ficou tão lenta e cheia de inconsistência que quase comprometeu o go-live. O federado só funciona com um dono central de política forte e indicadores que mostrem quando uma área está se desviando do padrão.

Modelo híbrido: o que a maioria das empresas grandes acaba usando

O híbrido combina os dois. Existe uma governança central que define taxonomia, regra de qualidade, política e indicadores, e existem data stewards distribuídos nas áreas, que executam o cadastro dentro daquela regra e respondem pela qualidade do dado do seu domínio.

A central não cadastra, mas audita, define o fluxo de aprovação e intervém quando o indicador de qualidade cai. É o modelo que o workflow de dados mestres materializa na prática: a solicitação nasce na área, passa pelas regras definidas centralmente, e só vira dado mestre aprovado depois de validada.

O híbrido exige mais maturidade. Precisa de uma matriz de responsabilidade clara, do tipo RACI, dizendo onde termina a autonomia da área e onde começa a palavra final da governança central. Sem essa linha desenhada, o híbrido vira o pior dos dois mundos: lento como o centralizado nas exceções e fragmentado como o federado no dia a dia.

Quem participa desse modelo

O Chief Data Officer define a política e arbitra o modelo operacional. O data owner, normalmente um gestor de negócio, responde pelas decisões sobre o domínio do dado, como fornecedor ou material. O data steward executa, cadastra, corrige e mantém a qualidade no dia a dia. O comitê de dados resolve os conflitos que o modelo operacional não resolveu sozinho, como a divergência entre compras e fiscal sobre a classificação de um item.

TI entra como provedora da plataforma, mas em nenhum dos três modelos deveria ser dona da regra de negócio do cadastro. Já vi empresa terceirizar a decisão de classificação de material para o time de sistemas simplesmente porque era quem mexia no ERP. O resultado foi um cadastro tecnicamente correto e operacionalmente inútil.

Quais ferramentas sustentam cada modelo

Plataformas de MDM como SAP MDG, Informatica MDM, Stibo Systems, Reltio, Semarchy e Profisee automatizam o workflow de aprovação e registram quem fez o quê, independente do modelo escolhido. São elas que tornam o híbrido operável em escala, porque o sistema aplica a trava que o processo manual não sustenta sozinho. Ferramentas de catálogo como Collibra, Alation e Microsoft Purview dão à central visibilidade sobre o que cada área faz com o dado, mesmo no federado, e soluções como Ataccama e Informatica Data Quality fazem o profiling que alimenta o indicador que o comitê vai cobrar depois.

Nenhuma ferramenta resolve modelo operacional mal desenhado. Conheço empresa que comprou a plataforma mais cara do mercado e manteve a mesma indefinição de papéis que tinha na planilha. O software automatiza a decisão, não substitui a decisão.

Como aprender a desenhar esse modelo

O caminho passa por entender primeiro os fundamentos de governança de dados e a diferença entre dado mestre e dado transacional, antes de entrar na arquitetura organizacional. O DAMA-DMBOK organiza esse conhecimento, e a certificação CDMP é o reconhecimento de mercado para quem já domina o assunto. Curso que traz caso real de compras, de SAP, de cadastro de fornecedor e material vale mais do que teoria pura de framework, como abordo no livro Master Data Management: Fundamentos e Aplicações, publicado pela Editora Brasport.

As oportunidades de carreira nessa área

Desenhar e operar modelo de governança de dados é uma das frentes mais disputadas dentro de MDM, porque exige junto conhecimento técnico de dados e entendimento de processo de negócio. Data steward, data owner, analista de governança e, no topo, Chief Data Officer são posições que crescem à medida que a empresa amadurece de uma central sobrecarregada para um híbrido bem desenhado. Profissional que fala a língua de TI e a língua do negócio ao mesmo tempo, sem travar o negócio com burocracia desnecessária, é raro e bem remunerado.

Principais dúvidas sobre modelo operacional de governança de dados

Qual modelo operacional de governança de dados é o melhor? Não existe o melhor em abstrato. Empresa pequena, com ERP único e poucas unidades, tende a funcionar bem com o centralizado. Empresa grande, multinacional, com várias unidades de negócio, geralmente precisa do híbrido.

Dá para migrar de centralizado para híbrido sem reestruturar tudo? Dá, e é o caminho mais comum. Começa definindo a matriz RACI para os domínios mais críticos, como fornecedor e material, e depois expande o modelo de data steward federado domínio por domínio.

O modelo federado funciona sem plataforma de MDM? Por um tempo, mas sem ferramenta que aplique a regra de forma automática a fragmentação chega rápido, porque o federado sem automação depende da disciplina individual de cada área, e disciplina individual não escala.

Como medir se o modelo operacional está funcionando? Pelos indicadores de governança: tempo médio de aprovação de cadastro, taxa de duplicidade, percentual de dados completos e número de exceções que o comitê precisou resolver fora do fluxo normal. Se os indicadores não existem, o modelo também não existe de fato, só existe no papel.

MDM Academy: onde aprender a estruturar governança de dados na prática

A MDM Academy é a escola de governança de dados mestres da 4MDG, criada para formar o profissional que o mercado brasileiro ainda produz pouco: alguém que entende de cadastro, de processo de negócio e de tecnologia ao mesmo tempo, com cursos que tratam dessa ponte entre o modelo operacional no papel e o modelo funcionando dentro de um SAP, um Oracle ou um TOTVS de verdade.

Quem quer avançar na carreira de governança, virar data steward, data owner ou um dia liderar a área de dados da empresa, encontra na MDM Academy o caminho estruturado que falta em grande parte do mercado. Recomendo também o Clube dos Dados, nossa comunidade de profissionais de cadastro e governança, onde essas discussões acontecem na prática.

Conclusão

Modelo operacional de governança de dados não é o capítulo mais bonito da política de dados, mas é o que decide se ela sai do papel. Comitê sem modelo operacional vira reunião. Política sem modelo operacional vira arquivo. Plataforma sem modelo operacional vira gasto.

Antes de comprar a próxima ferramenta ou escrever a próxima política, vale a pergunta mais simples de todas: na sua empresa, quando duas áreas discordam sobre como cadastrar o mesmo dado, quem decide?