RACI em governança de dados: o que é, como funciona a matriz e como aplicar na prática

Matriz RACI em governança de dados é a ferramenta que define, para cada decisão ou atividade sobre o dado, quem executa, quem aprova, quem precisa ser consultado e quem só precisa ser informado. RACI é a sigla para Responsible, Accountable, Consulted e Informed. Na prática, é um quadro simples que coloca um nome ou uma função na frente de cada responsabilidade do programa de dados, para que ninguém precise adivinhar quem resolve o quê quando o cadastro quebra.

Parece burocracia, mas não é. Depois de muitos projetos de SAP e de implantação de MDM, aprendi que a maior parte dos programas de governança não falha por falta de política bonita ou de ferramenta cara. Falha porque, na hora em que um fornecedor aparece duplicado ou um cliente muda de CNPJ, ninguém sabe quem tem que decidir. O comitê se reúne, todo mundo concorda que o problema é grave, e na semana seguinte continua sem dono. A matriz RACI existe para fechar essa lacuna antes que ela vire prejuízo.

O problema que a RACI resolve: responsabilidade de todo mundo e de ninguém

Toda empresa que já tentou implementar governança de dados conhece a cena. Um relatório não fecha porque compras, financeiro e logística entendem "fornecedor ativo" de um jeito diferente. Alguém pergunta quem é o responsável por aquele cadastro e a resposta é sempre a mesma: depende. Depende de quem está de plantão, de quem tem mais paciência, de quem vai levar a bronca se o erro aparecer no fechamento do mês.

Isso acontece muito nas empresas que tratam dados mestres como um problema de sistema, não de processo. O SAP, o TOTVS ou o Oracle até têm campos de aprovação e fluxo de workflow, mas o workflow só funciona se alguém souber que aquele papel é dele. Sem uma matriz clara, a governança vira um conjunto de boas intenções. O comitê discute princípios, a política descreve o ideal, e na ponta da operação ninguém sabe se é o data steward da área de compras, o analista de cadastro ou o gestor de TI quem aprova a criação de um novo material.

Como funciona a matriz RACI na prática

A lógica da RACI é simples de explicar e difícil de aplicar bem, porque exige decisão, não só preenchimento de planilha. Para cada atividade do ciclo de vida do dado (criar, alterar, bloquear, enriquecer, excluir um registro mestre) você define quatro papéis.

Responsible é quem executa a tarefa. É o analista de cadastro que digita a alteração, o data steward que corrige a classificação fiscal, o time que roda a rotina de deduplicação. Accountable é quem responde pelo resultado perante a empresa, geralmente uma pessoa só, nunca um comitê inteiro, porque responsabilidade diluída em grupo na prática não é responsabilidade de ninguém. É o data owner da área de negócio, o gerente de compras que assina embaixo da política de homologação de fornecedores, o diretor financeiro que aprova a estrutura do plano de contas.

Consulted são as pessoas ou áreas que precisam opinar antes da decisão ser tomada, porque têm informação que muda o resultado. Em uma mudança de hierarquia de materiais, por exemplo, manutenção e engenharia geralmente precisam ser ouvidas antes de compras simplesmente renomear uma categoria. Informed são os que recebem a notícia depois que a decisão já foi tomada, para se planejar, sem poder de veto. O time de BI que usa aquele cadastro em relatórios normalmente entra aqui.

O ponto é que uma mesma atividade de dados mestres costuma ter mais de um R e vários C e I, mas só pode ter um A. Quando duas pessoas são accountable pela mesma coisa, na prática nenhuma é.

Quem usa e quem é responsável: aplicando a RACI aos papéis de dados

A matriz RACI não substitui os papéis clássicos de governança, ela os organiza. Quem já estudou o tema sabe que data owner, data steward, data custodian e o comitê de dados aparecem em quase todo material sobre o assunto. O que falta, na maioria das empresas, é amarrar esses papéis a atividades concretas.

O data owner normalmente assume o A em decisões estruturais: aprovar uma nova regra de qualidade, decidir se um domínio (cliente, fornecedor, material, dado financeiro) muda de modelo, autorizar uma exceção à política. Costuma ser alguém de negócio, não de TI, porque é quem sente o impacto da decisão errada no resultado da área.

O data steward concentra o R na maior parte das atividades operacionais: validar duplicidade, enriquecer um cadastro incompleto, aplicar a taxonomia correta num material novo, garantir que a descrição siga o padrão. É o papel mais próximo da rotina, e por isso é o que mais aparece como ponte entre compras, supply chain e TI nos projetos que participei.

TI e os times de dado normalmente entram como C em decisões de negócio e como R em atividades técnicas, como integrações com SAP, TOTVS ou Oracle e sustentação do catálogo de dados. O comitê de dados costuma ser I no dia a dia e A nas decisões que atravessam domínios, como uma mudança de política que afeta cliente, fornecedor e material ao mesmo tempo.

Como montar a matriz RACI de dados na sua empresa

O erro mais comum é começar pela planilha. A matriz só funciona depois que a empresa já fez o trabalho de listar as atividades reais do ciclo de vida do dado mestre. Então o caminho que costuma funcionar é começar pelo inventário de atividades: criação de registro, alteração, bloqueio, exclusão, enriquecimento, tratamento de duplicidade, mudança de hierarquia ou taxonomia, atendimento de solicitação de outra área, correção apontada por auditoria.

Depois, para cada atividade, a empresa precisa decidir, com nome de pessoa ou de função, quem é o A. Essa é a parte mais difícil e mais política, porque é aqui que aparece quem realmente vai responder quando o erro acontecer. Em seguida se define o R, sempre podendo ter mais de um, e por último C e I, resistindo à tentação de colocar todo mundo como consultado só para não desagradar ninguém. Uma matriz com consulta em excesso trava a operação tanto quanto a ausência total de regra.

A matriz precisa ser validada com as próprias áreas antes de virar política, porque regra imposta de cima para baixo sem conversa não resiste ao primeiro conflito real. E precisa ser revisada, porque a estrutura organizacional muda e uma RACI desatualizada é pior do que nenhuma, já que passa segurança falsa.

Os erros mais comuns ao aplicar a matriz são conhecidos de quem já passou por isso. Tratar a RACI como documento de arquivo, feito uma vez para a auditoria ver e nunca mais consultado. Colocar o comitê de dados como accountable de tudo, o que parece seguro mas na prática elimina a responsabilidade individual que a ferramenta deveria criar. E desenhar a matriz sem conectar com o sistema: se o SAP ou a plataforma de MDM não refletem o fluxo de aprovação definido na RACI, a regra fica só no papel e a operação continua decidindo no improviso. Vale lembrar ainda que RACI não é organograma. O organograma diz quem reporta para quem, a RACI diz quem decide o quê sobre o dado, independente de hierarquia.

Quais ferramentas sustentam a matriz RACI na governança de dados

A matriz em si não depende de ferramenta, pode nascer numa planilha. O que precisa de suporte tecnológico é a aplicação dela no dia a dia, principalmente em empresas de médio e grande porte com volume alto de cadastro. Plataformas de MDM como SAP Master Data Governance, Informatica, Stibo Systems, Reltio, Semarchy e Profisee costumam ter motores de workflow em que o papel de Responsible e Accountable vira literalmente uma etapa de aprovação no sistema, com registro de quem aprovou e quando, transformando a RACI de intenção em rastro de auditoria. Ferramentas de qualidade como Ataccama e Informatica Data Quality dão ao data owner evidência objetiva de que as regras estão sendo seguidas, e catálogos como Collibra, Alation e Microsoft Purview ajudam a documentar, ao lado de cada ativo de dado, quem é o dono e quem é o steward responsável.

Como aprender a estruturar RACI e governança de dados

Para quem quer se aprofundar, o DAMA-DMBOK é a referência mais completa sobre papéis e responsabilidades em gestão de dados, e a certificação CDMP, oferecida pela DAMA, cobra exatamente esse tipo de conhecimento estrutural. Não é teoria distante: quem já participou de um projeto de implantação de MDM sabe que o maior tempo do projeto não é configurar sistema, é alinhar com o negócio quem decide o quê. Por isso a melhor forma de aprender é participar ativamente da definição de uma matriz dentro da própria empresa, começando por um domínio só, como fornecedores ou materiais, antes de aplicar para toda a base de uma vez.

As oportunidades de carreira em torno da governança de dados

Profissionais que entendem como estruturar papéis e responsabilidades em dados estão em posição melhor do que quem só sabe operar um sistema. Isso vale para quem está começando como analista de cadastro e quer evoluir para data steward, para quem já é data steward e mira a posição de data owner ou gestor de governança, e para profissionais de TI que querem deixar de ser só suporte técnico e passar a participar das decisões do negócio. A demanda por quem sabe organizar governança, não só operar ferramenta, só cresce à medida que mais empresas tentam usar IA em cima de uma base de dados mestres que nunca teve dono claro.

Principais dúvidas sobre RACI em governança de dados

O que significa cada letra da RACI? Responsible é quem executa a atividade, Accountable é quem responde pelo resultado perante a empresa, Consulted são as áreas ouvidas antes da decisão e Informed são as que recebem a decisão depois de tomada.

Pode haver mais de um Accountable na mesma atividade? Na teoria da matriz, não. O ideal é sempre uma única pessoa accountable por atividade, porque responsabilidade dividida entre várias pessoas tende a não ser cobrada de ninguém na prática.

RACI substitui o comitê de governança de dados? Não. O comitê de dados define direção e resolve conflitos entre domínios, enquanto a RACI detalha, atividade por atividade, quem decide, executa, é consultado e é informado no dia a dia.

Toda empresa precisa de uma RACI de dados, mesmo pequena? Mesmo empresas menores se beneficiam de uma versão simples, concentrada nas atividades mais críticas, como criação de fornecedor e alteração de dados fiscais, onde o custo de um erro de responsabilidade é mais alto.

MDM Academy: onde aprofundar governança e dados mestres

A MDM Academy é a escola de governança de dados e dados mestres da 4MDG, criada para formar profissionais que não aprendem o assunto só na teoria, mas conectado à realidade de empresas que usam SAP, TOTVS, Oracle e outros ERPs no dia a dia. Lá, questões como a matriz RACI, o papel do data steward, do data owner e do comitê de dados são tratadas com exemplos reais de compras, supply chain e cadastro, para que o profissional saia sabendo aplicar, não só repetir conceito.

Quem quer se aprofundar pode conhecer a MDM Academy ou entrar no Clube dos Dados, a comunidade que reúne profissionais de cadastro, governança e dados mestres trocando experiência sobre os mesmos problemas tratados aqui.

Conclusão

A matriz RACI não resolve governança de dados sozinha, mas sem ela a governança vira discurso bonito sem execução. A diferença entre uma empresa que confia no próprio cadastro e outra que vive apagando incêndio de dado errado quase sempre está em uma pergunta simples, respondida com clareza: quando esse dado quebrar, quem decide o que fazer. Definir isso antes do problema aparecer é a parte do trabalho que poucas empresas fazem, e é exatamente por isso que faz tanta diferença quando é feita direito.

Na sua empresa, se um cadastro quebrar amanhã, todo mundo sabe quem é o accountable por resolver?