1

A IMPORTNCIA DA QUALIDADE DE DADOS NA TOMADA DE DECISO: COM INFLUNCIA NA CONTINUIDADE DOS NEGCIOS
Rafael Marini Rlo*

PS-GRADUAO EM BUSINESS INTELLIGENCE

RESUMO Esse artigo tem por objetivo estudar a importncia da qualidade da informao na tomada de deciso do gestor da empresa, alm do impacto dessa deciso quando se d por meio de informaes pouco confiveis originadas dos sistemas de informao da organizao. Com isso, verificado nesse estudo o impacto que uma deciso mal subsidiada pode provocar para organizao e como essa pode impactar na continuidade de seus negcios. Atravs dessa anlise, so feitas recomendaes de como a organizao, principalmente a rea de TI (Tecnologia da Informao), precisar se comportar para evitar que sejam inseridos dados em seus sistemas que no reflitam a realidade da empresa, evitando impactos negativos na tomada de deciso do seu gestor. Neste artigo sero propostas prticas baseadas na gesto da qualidade da informao, como a Gesto Total da Qualidade dos Dados (Total Data Quality Management TDQM), com o intuito de garantir um maior controle das informaes que so inseridas e geradas pelos sistemas de informaes da empresa. Palavras-chave: Qualidade da Informao, Tomada de Deciso, Continuidade de Negcios, Gerenciamento Total de Qualidade dos Dados.

Formado em TI pela Universidade Estadual de Campinas [rafarolo@gmail.com]

1.

INTRODUO

Estamos na era da informao e do conhecimento, onde tecnologias mudam vertiginosamente e a informao extremamente essencial para qualquer empresa do cenrio mundial. Quem possui dados com maior qualidade e agilidade garante um diferencial de competitividade entre as empresas do mesmo setor. Com toda essa importncia da informao nos tempos atuais, surge a necessidade de dar um tratamento especial aos dados que trafegam entre as diversas reas da empresa. Para isso, existem diversas prticas adotadas pelo mercado e pela rea acadmica para o gerenciamento da informao e de melhoria de sua qualidade. Esse artigo aborda a metodologia de Gesto Total da Qualidade dos Dados, que possu uma srie de procedimentos que visam a melhoria continua da qualidade das informaes.

2.

TOMADA DE DECISO

Em um ambiente empresarial onde a competitividade e o dinamismo so intensos, a tomada de deciso estratgica com eficincia pode ser essencial para o sucesso da empresa, pois as variveis do mercado em que a mesma est inserida mudam constantemente. Na atual conjuntura do mundo empresarial, a tomada de deciso uma tarefa complexa e constante. A cada dia, mais e mais variveis so consideradas, como qualidade e granularidade das informaes, que so subsdios cruciais para as aes estratgicas das empresas. As informaes para tomada de deciso normalmente so advindas de diversos sistemas de origem, onde so extradas, tratadas e consolidadas, tendo como objetivo fornecer indicadores resumidos das diversas reas da empresa. Este conjunto de indicadores, so demonstrados em um painel, denominado Dashboard, extremamente importante para o acompanhamento da evoluo dos principais objetivos traados pela companhia (ARAJO, 2001). De acordo com Arajo (2001), o conceito de eficincia na de tomada de deciso se define no fato de escolher a alternativa que traz melhor benefcio diante de todas as situaes possveis apresentadas. Para garantir se a deciso realmente eficiente, necessrio criar processos de controle para monitorar se as decises trouxeram os resultados esperados, caso contrrio, uma nova ao ser elaborada e o fluxo reiniciado.

As decises estratgicas devero estar alinhadas com a misso e valores da empresa para conseguir atingir as metas definidas no Plano de Negcios da empresa. Para se tomar a

melhor deciso estratgica necessrio que a informao chegue com qualidade e que reflita a realidade. Apenas desta forma ser possvel atingir os resultados esperados e realizar as medies necessrias da eficincia de cada ao tomada (ARAJO, 2001). Assim, a tomada de deciso com eficincia est intrinsecamente ligada com a qualidade dos dados, visto que as informaes sem qualidade no representam a atual situao da empresa e qualquer ao direcionada para atingir um resultado no ter exatido esperada.

3.

CONTINUIDADE DOS NEGCIOS

Toda empresa est exposta a diversos tipos de riscos, seja financeiros ou de depreciao da sua imagem. Esses riscos podem vir ambiente interno ou externo. Segundo Mattar (1997), existe o ambiente externo constitudo pela estimativa potencial e evoluo do mercado, alm da demanda por segmento, comportamento do consumidor (necessidades, desejos e motivaes de consumo) e o ambiente interno, constitudo pelos processos, pessoas e recursos da empresa. O risco interno operacional em setores da empresa e podem gerar impactos financeiros. Os riscos externos so mais difceis se prever e mensurar e em razo de no possuir o controle sobre esse ambiente, pode haver impactos nas finanas da empresa principalmente se a mesma atua com exportao. Um exemplo o mercado cambial, que pode impactar nesse sentido e levar at a falncia da empresa. H mtodos que minimizam o risco, atravs de estratgias denominadas hedges, que funcionam como uma espcie de defesa contra esse fator cambial. O risco inerente ao ambiente empresarial e no pode ser totalmente eliminado. Para mitigar o risco necessrio adotar processos de verificao contnuos para garantir que a empresa prossiga com suas atividades em um ambiente adverso.

4.

GERENCIAMENTO DA QUALIDADE TOTAL DOS DADOS

Em sistemas de Business Intelligence os executivos utilizam as informaes originadas de diversas fontes de dados para tomar decises sobre seu negcio, mas a grande parte deles no se preocupam em saber o quo real so essas informaes, contentando-se apenas com a integridade

dos dados garantida pelos analistas da sua empresa. A integridade dos dados apenas uma das dimenses analisadas como conformidade em relao qualidade dos dados.

4.1

DEFINIO DA QUALIDADE

O termo qualidade vem do latim qualitate, que pode conter diversos significados dependendo da interpretao e aplicao. Juran (1999), um dos principais pioneiros da rea, prope duas definies de importncia crtica para o gerenciamento da qualidade: Satisfazer os clientes com produtos que atendam plenamente as suas exigncias. Ausncia de falhas na fabricao de produtos que resultam em insatisfao do cliente.

Os documentos do Sistema de Gesto da Qualidade ISO definem qualidade como sendo o grau no qual um conjunto de caractersticas inerentes satisfaz a requisitos (LUCINDA, 2010). Com a utilizao da qualidade de forma interdisciplinar e multidimensional houve uma evoluo histrica de sua utilizao, respondendo a mudanas polticas, sociais e econmicas.

4.2

EVOLUO DA QUALIDADE

O conceito de qualidade to antigo quanto existncia do primeiro produto que o homem teve a sua disposio para consumir. A conscincia da qualidade como elemento inerente ao processo de produo nasceu junto com a revoluo industrial, mais especificamente com o desenvolvimento da produo em srie (ROSENBERG; SILVA, 2000). Em 1924, Dr. Walter Andrew Shewhart, fsico, engenheiro e estatstico norte americano quando trabalhava nos laboratrios da Bell Telephone tinha um grande questionamento com relao qualidade e variabilidade encontrada na produo de bens e servios. Desenvolveu, ento, um sistema de mensurao dessas variabilidades que ficou conhecido como Controle Estatstico de Processo (BERGER et al., 2002). Essa experincia foi transferida s Foras Armadas dos EUA a partir do incio da dcada de 40, como importante elemento estratgico para a indstria blica (ROSENBERG; SILVA, 2000). Nessa poca Shewhart criou tambm o Ciclo PDCA (Plan, Do, Check e Action), mtodo essencial do Controle Total da Qualidade (Total Quality Control - TQC), tambm conhecido como Ciclo Deming, pelo fato de William E. Deming, que trabalhava com ele, ter convencido

grandes executivos japoneses do poder dos mtodos estatsticos e da importncia da qualidade como fator estratgico. Esta mudana de postura gerencial colocou o Japo em grande evidencia. Joseph Moses Juran tambm trabalhou sob a superviso de Shewhart e sugeriu uma expanso dos conceitos de aplicao intensiva de mtodos estatsticos para que houvesse um envolvimento com toda a estrutura organizacional das instituies que buscavam ampliar sua qualidade. Com esse novo paradigma, Armand Feigenbaum introduziu o conceito de que a qualidade deve ser de responsabilidade no apenas de toda a organizao como se estende a todos os processos da empresa, abordagem que levou a criao da Gesto Total da Qualidade (Total Quality Management TQM) metodologia que visa gerenciar a organizao como um todo para atingir a excelncia exigindo uma mudana de mentalidade (BESTERFIELD et al., 2003): de produto para cliente, do curto para o longo prazo, de deteco para preveno de defeitos, de operaes para o sistema como um todo, da qualidade como responsabilidade de um departamento para o envolvimento de todos (REIS, 2001). Desta forma, os sistemas da qualidade variam, fundamentalmente, de acordo com o conceito de qualidade que melhor convm estratgia mercadolgica ou poltica da empresa ou organizao (ROSENBERG; SILVA, 2000).

4.3

QUALIDADE TOTAL APLICADA AOS DADOS

Os dados so importantes ativos que devem ser administrados. Aps serem organizados, ordenados, receberem significado e contexto viram informaes valiosas (MCGEE; PRUSAK, 1994). A baixa qualidade de grupos de dados pode afetar gravemente a percepo do consumidor final da informao. No incio da dcada de 90, com o aumento dos de organizaes utilizando informaes como diferencial estratgico, o professor Dr. Richard Wang e outros pesquisadores do MIT (Massachusetts Institute of Technology), um dos maiores centros de pesquisas tecnolgicas do mundo, foram os pioneiros no desenvolvimento um sistema de gesto da qualidade aplicado a dados computacionais denominada Gesto da Qualidade Total dos Dados (Total Data Quality Management TDQM) oriunda dos conceitos da TQM. O repositrio de dados analticos utilizado por instituies conhecido como Data Warehouse, definido por Inmon (1997) como uma coleo de dados classificada por assunto, no voltil, integrada e variante que tem por objetivo dar suporte aos processos de tomada de deciso.

Esses repositrios utilizam fontes diversas, inclusive da internet, que ao passar pelos processos de extrao, integrao, limpeza e transformao podem ameaar a qualidade das informaes que sero analisadas posteriormente atravs de relatrios e Dashboards. Wang (1998) acompanhando esse processo de transformao nas empresas adotou a perspectiva da informao como um produto utilizando uma analogia da manufatura de produtos com a produo de informaes demonstrado no Quadro 1:
Quadro 1 - Analogia entre produto e informao. Entrada Processo Sada Matrias primas Transformao Produto Fsico Dados brutos Sistema de informao Produto de Informao

Fonte: Wang, 1998

Utilizando esta mesma abordagem foram adaptadas ferramentas de qualidade, como o caso do ciclo TDQM, que utiliza o conceito de melhoramento contnuo do ciclo PDCA possibilitando-se trabalhar de forma objetiva com qualidade dos dados. A Figura 1 mostra as 4 etapas deste ciclo que so divididas em: Definir os requisitos de qualidade e as mtricas que sero adotadas. Medir a qualidade ao longo do ciclo de vida da informao. Analisar as potenciais causas dos problemas de qualidade. Melhorar os processos e sistemas de informaes.

Figura 1: Ciclo TDQM adaptado do Ciclo PDCA. Fonte: Wang et al., 2000

4.4

DIMENSES DA QUALIDADE DE DADOS

As metodologias de qualidade evoluram e aps alguns anos utilizando o ciclo TDQM e a observao emprica os pesquisadores do MIT chegaram uma lista com diversas dimenses fundamentais para analisar a qualidade de dados. No Quadro 2 essas dimenses so divididas em categorias com suas respectivas anlises de forma quantitativa.
Quadro 2 - Categorias e dimenses da Qualidade da Informao. Categoria Intrnseca Dimenso Preciso Credibilidade Objetividade Reputao Acessibilidade Contextual Facilidade de Acesso Segurana de Acesso Integridade Relevncia Valor Agregado Temporalidade Quantidade de Informao Representativa Facilidade de Entendimento Facilidade de Manipulao Facilidade de Interpretao Representao Concisa Representao Consistente Anlise Quanto a informao correta? Quanto a informao verdadeira? Quanto a informao imparcial? Quanto a informao confivel? Quanto a informao facilmente recuperada rapidamente? Quanto a informao est restrito apropriadamente? O quanto a informao completa e no extraviada? O quanto a informao aplicvel e til? Quanto a informao benfica e proporciona vantagens? Quanto a informao est suficientemente atualizada? Quanto o volume da informao adequado para seu uso? Quanto a informao facilmente compreendida? Quanto a informao fcil de ser manipulada? Quanto a informao est definida em linguagem apropriada? Quanto a informao est representada de forma compacta? Quanto a informao apresentada em apenas um formato? Fonte: Wang, 1998

Para facilitar o calculo das mtricas, Wang (1998) tambm desenvolveu um software que analisa todas essas dimenses e organiza de forma grfica a anlise feita sobre os dados. A aplicao da TDQM e os problemas comuns encontrados em dados com baixa qualidade sero vistos nos prximos tpicos.

5.

VALIDAO E ANLISE

Para exemplificar a importncia da qualidade de dados no cenrio empresarial, optou-se pela escolha de um indicador interno, como lucro lquido e market share como indicador externo.

Em um cenrio em que a empresa tenha como meta crescer 10% de market share em determinado produto, que contm uma margem de 30% de lucro lquido. O executivo toma a deciso reduzir o valor do produto em 20%. Em um segundo momento, percebeu-se que o lucro lquido do produto era de 15%, devido a um erro no tratamento e consolidao das informaes. A combinao desses indicadores pode demonstrar a capacidade de crescimento e rentabilidade da empresa. Se for uma empresa com aes na bolsa de valores, bons indicadores podem atrair novos investidores que aportaro recursos com o objetivo de conseguir trazer um retorno ainda maior em um ciclo contnuo. No cenrio apresentado, a deciso foi tomada com base em informaes errneas, que resultariam um impacto financeiro e certa desconfiana dos investidores. Com isso, a perspectiva apresenta para esse cenrio demonstrada na Tabela 1:
Tabela 1 Cenrio hipottico do impacto financeiro da tomada de deciso Indicadores Desconto Market Share Lucro Lquido Informao 0% 10% 30% Real 20% 20% 15% Impacto +20% +10% -5%

Informaes sem qualidade podem ter grandes impactos na efetividade geral de uma organizao. Pesquisas revelaram que nos Estados Unidos mais de 60% das empresas de mdio porte com vendas anuais acima de 20 milhes de dlares, tinham problemas com qualidade da informao. Nos arquivos de registros criminais nos EUA, entre 50% e 80% das informaes so incompletas, ambguas, ou sem preciso (WAND; WANG, 1996).

6.

PROPOSTA DE SOLUES

Devido as mltiplas fontes de dados, a tarefa de coleta de dados bastante complexa, por isso a dificuldade de manter a qualidade e integridade dos dados. No importam como os dados so coletados, eles devem ser validados, para evitar a clssica expresso, lixo que entra, lixo que sai (GIGO Garbage In, Garbage Out). A qualidade dos dados o fator determinante da qualidade nas decises tomadas. Segundo Turban (2004) para melhor compreender como administrar os dados, preciso traar seu fluxo dentro da empresa. Para determinar as causas e as possveis solues do problema, faz

se necessrio associar as quatro categorias e dimenses da TDQM como tambm entender o ciclo de vida dos dados da empresa.

6.1

CICLO DE VIDA DOS DADOS

Segundo Kimball (2008), 90% dos erros de qualidade dos dados podem ser encontrados na fonte dos dados e 10% no restante do fluxo. Kimball aconselha a iniciar a analise dos dados pela menor granularidade possvel. A Figura 2 representa o ciclo de vida dos dados.

Figura 2: Ciclo de vida dos dados Fonte: Kossowski, 2008

Para iniciar a analise, necessrio entender como funciona, como composto e em que parte do processo se encaixam os indicadores market share e lucro liquido. Market share o indicador que mostra como a empresa esta posicionada no mercado e quanto ela representa. Se o objetivo da empresa medir em qual regio do Brasil ela cresceu mais em market share, o que precisa ser entendido o que regio e como ela composta. Regio pode ser qualquer rea geogrfica que forme uma unidade distinta em virtude de determinadas caractersticas. No Brasil h cinco regies que contm estados e estes compostos por diversas cidades. Partindo deste principio, a menor granularidade da regio a cidade.

10

No ciclo de vida, a fonte de dados sobre cidades, obtida pelos dados do banco de dados transacional, dados de departamentos e dos sistemas de gesto, que por sua vez estes dados so inseridos atravs dos atendentes do Centro de Atendimento ao Cliente. O lucro lquido, equivale ao lucro bruto menos as dedues de imposto de renda e de outras taxas que a empresa tenha que pagar. Lucro bruto, nada mais do que o resultado positivo das vendas menos os custos. A fonte de dados sobre lucro lquido advm da base de dados transacional e dos dados de departamentos.

6.2

APLICANDO AS DIMENSES DA TDQM

As dimenses utilizadas na qualidade de dados so relevantes para se aumentar a qualidade das informaes. No contexto do estudo de caso, para analisar a qualidade de dados, foi definido que a qualidade dos dados deveriam atender a no mnimo duas dimenses da categoria Intrnseca como preciso e credibilidade. Utilizando a dimenso preciso, a anlise dos dados feita atravs do questionamento, "Quanto a informao correta?". Analisando os dados foi possvel detectar que eles no eram precisos, pois existiam falhas na insero. Estas falhas estavam ligadas, a erros de digitao, campos em branco, dados fora de padronizao e utilizao de moedas sem a devida converso de valores. Em relao a dimenso credibilidade, o questionamento "Quanto a informao verdadeira?". Se os dados no so precisos, a informao que estes dados representam, passam a no ter credibilidade. Neste caso, os dados no atenderam aos requisitos definidos como mnimos para um dado com qualidade. Detectado as principais causas do problema de qualidade, o prximo passo do ciclo TDQM a melhoria do processo e dos sistemas de informao.

6.3

MELHORIA DO PROCESSO

Para a melhoria do processo, podem ser adotados um conjunto de telas de visualizao, onde possvel verificar se alguma regra de qualidade foi violada. Essas regras podem ser relacionadas a insero de valores nulos, valores que devem seguir um determinado padro como R$9999,99, campos que devem ter um nmero mnimo de caracteres, valores que devem

11

obedecer a uma determinada lista, campos que tenham relao entre si, como CEP, cidade, estado, rua e nmero de residncia ou nome e sobrenome. Outras regras que podem ser adotadas na insero dos dados, a de limitar os campos, no caso de dados relativos a cidade, o sistema de origem deve utilizar de caixas tipo drop-box no qual aparecem as cidades relativas a um determinado Estado, o responsvel pela insero, seleciona o estado, e a partir desta seleo, fica disponvel as cidades relacionadas a este Estado, desta forma limita-se a probabilidade de erros. Outra forma de limitar os erros seria adotar o sistema de CEP (Cdigo Endereamento Postal) utilizado pelos Correios que mais preciso e mais atual, alm de conter informaes mais detalhadas. No caso de dados financeiros, se a moeda varia entre as diversas fontes de dados sempre importante estabelecer uma nica moeda que vai ser inserida no Data Warehouse, desta forma se evita alguns erros no momento da converso de uma moeda para outra, devido a grande variao do cambio. Estas telas e regras so aplicadas na interface do usurio. Na Tabela 2, Turban apresenta alguns problemas tpicos e as possveis solues relacionados aos dados.
Tabela 2 Problemas apresentados pelos dados. Problema Causa Tpica Dados inseridos incorretamente Os dados no esto corretos Possveis Solues (em alguns casos) Criar uma forma sistemtica para assegurar a preciso dos dados brutos. Usar scanners ou sensores (Automatizar). Monitorar cuidadosamente os valores dos dados e a forma como os dados foram gerados. Verificar se as regras para a coleta dos mesmos foram observadas.

Os dados foram gerados de forma descuidada O mtodo de gerao dos dados no foi suficientemente rpido para suprir as necessidades. Dados brutos foram coletados segundo uma lgica ou periodicidade no adequada aos objetivos da anlise Ningum armazenou os dados que agora so necessrios

Os dados no foram gerados no momento oportuno Os dados no foram medidos ou classificados corretamente

Modificar os sistemas de gerao de dados. Passar para um sistema cliente/servidor. Automatizar.

Desenvolver um sistema para redimensionar ou recombinar os dados classificados de forma inadequada. Usar agentes inteligentes de busca. Quer sejam necessrios agora ou no, armazenar os dados para uso futuro. Usar a internet para pesquisar dados similares. Contar com especialistas. Fazer um esforo para gerar os dados ou calcul-los (usar especialistas). Usar computao neural para reconhecimento de padres.

Os dados no existem

Os dados necessrios nunca existiram

Fonte: Turban, 2004

12

7.

CONCLUSO

Em ambientes empresariais altamente competitivos no somente a capacidade tecnolgica da empresa define como sero suas expectativas futuras na continuidade do seu negcio, mas tambm como seus processos so relacionados e mensurados. O artigo aborda os aspectos tericos e prticos para a aplicao da TDQM como forma de aumentar a qualidade dos dados. Este trabalho demonstra que no somente a implantao de sistemas de informao, mas todos os nveis da empresa devem estar alinhados com seu objetivo e seguir determinadas recomendaes de qualidade para atingir a excelncia na obteno de informaes estratgicas. Ao optar por extrair dados com informaes valiosas as instituies que adotarem metodologias de melhoramento contnuo, como a TDQM, automaticamente estaro repensando vrios dos processos realizados pela empresa, gerando um melhoramento mais amplo do que o esperado nos sistemas de apoio a deciso. Os principais problemas que ocorrem atualmente podem estar associados a falta de compreenso do negcio como um todo pelo departamento de TI da empresa, pois muitos profissionais de informtica vem de formao estritamente tcnica e nem sempre compreendem que a falta de uma analise bem estruturada na coleta de dados pode afetar gravemente a tomada de deciso dos executivos, principalmente se ela estiver atrelada continuidade do negcio. Com os diversos estudos realizados na rea de qualidade das informaes os especialistas demonstram que cada vez mais quem no se preocupar devidamente com seus dados tem uma grande desvantagem competitiva tendendo a obter perdas financeiras e at consequncias piores.

13

THE IMPORTANCE OF DATA QUALITY IN DECISION-MAKING: WITH INFLUENCE ON BUSINESS CONTINUITY

ABSTRACT This paper studies the importance of information quality in the decision taken by the company manager, beyond the impact of this decision when it occurs by means of unreliable information originating from the organization's information systems. In this study is verified the impact of one bad decision on organization's business continuity. Through this analysis, recommendations are made for the organization, specially the area of IT (Information Technology) that needs to comport to avoid the entered data into their systems that do not reflect the company's reality, avoiding negative impacts on decision making by your manager. For this reason, practices will be proposed, based in quality management information, such as Total Quality Management of Data (Total Data Quality Management - TDQM), to ensure the control of information that is entered and generated by companys information systems. Keywords: Decision Making, Business Continuity, Total Data Quality Management, Information Quality

REFERNCIAS
ARAUJO, L. C. G. Organizao, Sistemas e Mtodos e as Modernas Ferramentas de Gesto Organizacional: Arquitetura, Benchmarking, Empowerment, Gesto pela Qualidade Total, Reengenharia. So Paulo: Atlas, 2001. BERGER, R. W.; BENBOW, D. W.; ELSHENNAWY, A. K.; WALKER, H. F. The Certified Quality Engineer Handbook, 2 Ed. American Society for Quality, 2002. BESTERFIELD, D. H.; BESTERFIELD-MICHNA, C.; BESTERFIELD, BESTERFIELD-SACRE, M. Total Quality Management. Prentice Hall, 2003. G. H.;

INMON, W. H. Como Construir o Data Warehouse, 2 Ed. Rio de Janeiro: Campus, 1997. JURAN, J.M.; GODFREY, A. B. Juran's Quality Handbook, 5 Ed. McGraw Hill, 1999. KIMBALL, R. An Architecture for Data Quality, Kimball Group, 2007.

KIMBALL, R. Eight Recommendations for International Data Quality, InformationWeek, 2008. Disponvel em: <http://www.informationweek.com/news/software/bi/209901550>. Acesso 02 de Maio de 2012. KIMBALL, R. Indicators of Quality, Kimball Group, 2000 KIMBALL, R. Is Your Data Correct?, Kimball Group, 2000

14

KOSSOWSKI, L. Qualidade de dados na Integrao entre sistemas: um estudo de caso em um sistema integrado, Curitiba, 2008. Dissertao de Mestrado (Mestrado em Engenharia de Produo e Sistemas) - Programa de Ps-Graduao em Engenharia de Produo e Sistemas, PUCPPR, 2008 LEE, Y. W.; PIPINO, L. L.; FUNK, J. D.; WANG, R. Y. Journey to Data Quality. MIT Press, 2006. LUCINDA, M. A. Qualidade: Fundamentos e Prticas. Brasport, 2010. MATTAR, F. N. Pesquisa de Marketing: Metodologia e Planejamento. So Paulo: Atlas, 1997. MCGEE, J.; PRUSAK, L. Gerenciamento Estratgico da Informao, 7 Ed. Campus, 1994. OLSON, J., Data Quality: The Accuracy Dimension, Morgan Kaufman, 2002. REIS, M. M. Um modelo para o ensino do Controle Estatstico da Qualidade. Universidade Federal de Santa Catarina, 2001. ROSENBERG, F. J.; SILVA, A. B. M. Sistemas da qualidade em laboratrios de ensaios. Rio de Janeiro: Qualitymark, 2000. TURBAN, E. Tecnologia da Informao para Gesto: Transformando os Negcios na Economia Digital, 3ed., Porto Alegre, Bookman, 2004 WAND, Y.; WANG, R. Y. Anchoring data quality dimensions in ontological foundations. Communications of the ACM, vol. 39, n 11, 1996. WANG, R. Y. A Product perspective on Total Data Quality Management. Communications of the ACM, vol. 41, n 2, 1998. WANG, R. Y.; ZIAD, M.; LEE, Y. W. Data quality. Kluwer Academic Publishers, 2000.