Governança de dados: o que é, pilares e como aplicar

Governança de dados é o conjunto de políticas, processos, papéis e tecnologias que uma organização adota para garantir que seus dados sejam precisos, seguros, disponíveis e usados de forma consistente ao longo de todo o ciclo de vida.

Ela define quem pode fazer o quê, com quais dados e sob quais regras, transformando informação dispersa em um ativo confiável para decisões, compliance e inovação.

Toda empresa é, hoje, uma empresa de dados. Cada venda, cadastro de fornecedor, contratação, transação financeira e interação com clientes gera registros que se acumulam em sistemas, planilhas e integrações.

O problema é que volume de dados não é sinônimo de valor de dados. Sem regras claras sobre como a informação é criada, validada, armazenada e utilizada, o que deveria ser um ativo estratégico se torna um passivo silencioso, cheio de duplicidades, inconsistências e registros desatualizados que corroem a confiança em cada decisão.

É exatamente esse o papel da governança de dados: estabelecer a estrutura de controle que garante que os dados certos estejam disponíveis, com qualidade e segurança, para as pessoas certas, no momento certo.

A relevância estratégica fica clara quando analisamos o impacto financeiro da má qualidade de dados. A própria Gartner estima que dados inconsistentes custam às organizações, em média, US$ 12,9 milhões por ano. Já o relatório Data Integrity Trends 2024, da Precisely, aponta que mais de 60% das empresas não confiam totalmente em seus dados para decisões críticas.

Este guia reúne o conceito, os pilares, os papéis envolvidos, a relação com a LGPD e um passo a passo prático de implementação, com atenção especial ao que mais importa para operações de compliance e gestão de terceiros: a qualidade dos dados cadastrais.

O que é governança de dados?

Governança de dados (ou data governance) é a disciplina que define as regras, as responsabilidades e os mecanismos de controle sobre os dados de uma organização.

Ela abrange desde a definição de quem é o dono de cada conjunto de dados até as políticas que determinam como as informações devem ser coletadas, classificadas, protegidas, compartilhadas e descartadas.

Mais do que tecnologia, governança de dados é um modelo de responsabilização: ela responde, de forma documentada, às perguntas “quem responde por este dado?”, “qual é o padrão de qualidade esperado?” e “quem pode acessá-lo e para quê?”.

Qual é a diferença entre governança de dados de gerenciamento de dados?

Governança de dados ee gerenciamento de dados (data management) são conceitos complementares, mas não sinônimos.

A governança define o quê deve ser feito e por quê  (as políticas, os padrões e as responsabilidades).

O gerenciamento executa o como (as atividades técnicas e operacionais de armazenar, integrar, processar e disponibilizar os dados).

Sem governança, o gerenciamento opera sem direção; sem gerenciamento, a governança não sai do papel.

Por que a governança de dados é importante?

Dados deixaram de ser um subproduto das operações para se tornarem um dos ativos mais valiosos de qualquer organização. Assim como ativos financeiros, precisam de controles, auditoria e responsáveis claros.

Quando esse controle não existe, os riscos se multiplicam de forma concreta e mensurável.

Veja os principais pontos de relevância:

• Decisões comprometidas: relatórios construídos sobre dados imprecisos levam a decisões erradas de previsões de demanda furadas a análises de crédito equivocadas. A máxima “lixo entra, lixo sai” (garbage in, garbage out) resume o efeito: nenhuma análise, por mais sofisticada, corrige um dado de origem ruim.
• Riscos de dados fragmentados: informações dispersas em silos, sem padronização, geram versões conflitantes da mesma verdade. Qual cadastro do fornecedor está correto: o do ERP, o do CRM ou o da planilha da equipe de compras? Sem governança, ninguém sabe, e cada área opera com uma resposta diferente.
• Não conformidade regulatória: a LGPD (Lei nº 13.709/2018) impõe obrigações concretas sobre o tratamento de dados pessoais. Sem governança, a empresa não consegue nem mapear onde estão os dados pessoais que trata, quanto mais garantir base legal, minimização e segurança, o que a expõe a sanções que podem chegar a 2% do faturamento, limitadas a R$ 50 milhões por infração.
• Base para IA e analytics: iniciativas de inteligência artificial, machine learning e analytics avançado dependem inteiramente da qualidade dos dados que as alimentam. Modelos treinados sobre dados sujos aprendem padrões errados. A governança de dados é, portanto, o pré-requisito (e não uma etapa opcional) para qualquer estratégia séria de IA.

Quais são os pilares da governança de dados?

Um programa de governança de dados se sustenta sobre pilares interdependentes. Cada um endereça uma dimensão específica do controle sobre os dados, e a fragilidade de qualquer um deles compromete o conjunto.

Conheça os seis pilares fundamentais:

1. Qualidade dos dados

Qualidade dos dados é a garantia de que a informação atende aos padrões necessários para ser confiável e utilizável. Ela se mede por dimensões como precisão (o dado reflete a realidade), integridade (está completo e íntegro), consistência (é igual em todos os sistemas), completude (não faltam campos essenciais) e atualidade (reflete a situação mais recente). É o pilar mais visível para o negócio, porque seus efeitos aparecem diretamente em relatórios, cadastros e decisões.

2. Segurança e privacidade

Segurança e privacidade definem como os dados são protegidos contra acesso não autorizado, vazamento, alteração indevida e perda. Envolve controles de acesso baseados em papéis, criptografia, classificação de dados por sensibilidade e políticas de retenção e descarte. No Brasil, esse pilar está diretamente ligado à conformidade com a LGPD, especialmente no tratamento de dados pessoais e dados pessoais sensíveis.

3. Gestão de metadados

Metadados são “dados sobre os dados”: definições, origem, formato, significado de negócio e linhagem de cada informação. A gestão de metadados cria um vocabulário comum, um glossário de negócio, para que “cliente”, “receita” ou “fornecedor ativo” signifiquem a mesma coisa em toda a organização. Bons metadados permitem rastrear a linhagem do dado: de onde veio, por onde passou e como foi transformado.

4. Políticas e padrões

Políticas e padrões são o conjunto de regras formais que orientam o tratamento dos dados: convenções de nomenclatura, padrões de formatação (como formatar um CNPJ ou um endereço), regras de validação, critérios de classificação e diretrizes de compartilhamento. São o que transforma boas intenções em práticas consistentes e auditáveis, aplicáveis por igual a todas as áreas e sistemas.

5. Papéis e responsabilidades

Este pilar define quem responde por quê. Estabelece a figura dos data owners (donos do dado, geralmente das áreas de negócio) e dos data stewards (administradores responsáveis pela qualidade no dia a dia), além do comitê de governança. Sem responsabilização clara, a governança vira “responsabilidade de todos e de ninguém” e nada acontece.

6. Ciclo de vida dos dados

Todo dado nasce, é usado, se transforma e, eventualmente, é arquivado ou descartado. A governança do ciclo de vida define regras para cada estágio: criação e captura, armazenamento, uso e compartilhamento, arquivamento e descarte seguro. Gerenciar o ciclo de vida evita tanto a perda de dados relevantes quanto a retenção indevida de informações que já deveriam ter sido eliminadas, um ponto crítico sob a LGPD.

Principais papéis e responsabilidades na governança de dados

Governança de dados não é responsabilidade exclusiva da TI. É um esforço multidisciplinar que combina liderança executiva, especialistas em dados e o conhecimento das áreas de negócio. Os principais papéis são:

• Chief Data Officer (CDO): executivo responsável pela estratégia de dados da organização. Define a visão, garante patrocínio e conecta a governança aos objetivos de negócio. É o principal defensor do dado como ativo estratégico.
• Data Governance Manager: responsável por operacionalizar o programa, coordena políticas, padrões, indicadores e o trabalho dos data stewards. Faz a ponte entre a estratégia definida pelo CDO e a execução no dia a dia.
• Data stewards (administradores de dados): profissionais das áreas que zelam pela qualidade e pelo uso correto de conjuntos específicos de dados. São a “linha de frente” da governança, monitorando qualidade e aplicando as regras no cotidiano.
• Comitê de governança de dados: fórum que reúne representantes de negócio, TI, jurídico e compliance para definir prioridades, aprovar políticas e resolver conflitos entre áreas. É a instância de decisão do programa.
• Áreas de negócio: compras, cadastro/CSC, compliance, RH, fiscal e financeiro são, ao mesmo tempo, produtoras e consumidoras de dados. Sua participação ativa é o que garante que as políticas façam sentido na prática e sejam efetivamente cumpridas.

Qual é a relação entre governança de dados e LGPD?

A Lei Geral de Proteção de Dados (LGPD) transformou a governança de dados de boa prática recomendável em necessidade legal. A lei exige que as organizações tratem dados pessoais com base legal adequada, apenas para finalidades específicas e legítimas, coletando o mínimo necessário e garantindo segurança em todo o ciclo. Nenhuma dessas obrigações é viável sem uma estrutura de governança por trás.

Na prática, a governança de dados é o que operacionaliza os princípios da LGPD. A finalidade e a minimização dependem de políticas que definam quais dados coletar e para quê. A segurança depende de controles de acesso e classificação.

O direito dos titulares, como acesso, correção e eliminação, só pode ser atendido se a empresa souber onde estão seus dados pessoais, o que exige mapeamento e gestão de metadados.

A governança também reduz diretamente o risco de vazamentos e sanções. Ao classificar dados por sensibilidade, restringir acessos e manter trilhas de auditoria, a organização diminui a superfície de exposição e, em caso de incidente, consegue demonstrar diligência, um fator relevante na dosimetria de sanções pela ANPD.

Por fim, a governança é a base do privacy by design: incorporar a proteção de dados desde a concepção de produtos e processos, e não como remendo posterior.

Qual é a importância da qualidade de dados para a governança?

Se a governança tivesse um único pilar central, seria a qualidade dos dados. Todos os demais pilares existem, em última análise, para sustentá-la. De nada adianta ter políticas, papéis e tecnologia se os dados que circulam pela organização são imprecisos, duplicados ou desatualizados. A qualidade é onde a governança encontra o negócio.

E o problema é mais humano do que técnico. Uma pesquisa da Serasa Experian apontou que 50% da desconfiança em relação aos dados vem de falhas humanas no momento de preencher as informações, como erros de digitação, campos incompletos e cadastros feitos às pressas.

Ou seja: boa parte dos problemas de qualidade nasce na origem, no ato de cadastrar.

A qualidade dos dados é avaliada por dimensões complementares, que vale detalhar:

Combater dados sujos exige duas práticas contínuas: o saneamento (data cleansing), que corrige, padroniza e elimina duplicidades nos dados existentes, e o enriquecimento (data enrichment), que complementa registros com informações de fontes confiáveis atualizando situação cadastral, sócios, endereços e status de regularidade.

Juntos, saneamento e enriquecimento mantêm a base viva e confiável ao longo do tempo, em vez de deixá-la degradar.

Governança de dados aplicada a cadastros e terceiros

Há um domínio em que a governança de dados deixa de ser abstrata e vira operação crítica: os dados cadastrais de clientes, fornecedores e parceiros. Esses são, muitas vezes, os dados mais reutilizados de uma empresa e alimentam faturamento, contratos, pagamentos, análises de risco e obrigações fiscais. Um erro em um cadastro de fornecedor se propaga por dezenas de processos.

Por isso, a qualidade cadastral tem impacto direto em compliance e gestão de riscos. Um CNPJ com situação irregular na Receita, um sócio ligado a uma lista restritiva ou uma inscrição estadual inválida não são apenas erros de cadastro: são riscos fiscais, jurídicos e reputacionais que só aparecem se os dados forem íntegros e monitorados. Cadastro impreciso é, na prática, ponto cego de risco.

É aqui que a governança de dados se conecta ao Third-Party Risk Management (TPRM). A due diligence de fornecedores e parceiros e o monitoramento contínuo da sua regularidade depende inteiramente da qualidade dos dados cadastrais que servem de ponto de partida.

Governar bem os dados de terceiros significa validar cada registro na origem, enriquecê-lo com fontes oficiais e mantê-lo atualizado automaticamente, de modo que a análise de risco seja sempre feita sobre informação confiável.

Como implementar a governança de dados? Passo a passo prático

Implementar governança de dados é uma jornada contínua, não um projeto com data para terminar.

À medida que a empresa cresce, surgem novos sistemas, fontes de informação, exigências regulatórias e necessidades de negócio.

Por isso, a governança deve evoluir constantemente para garantir que os dados permaneçam confiáveis, seguros e úteis para a operação.

Embora cada organização tenha suas particularidades, existe um conjunto de etapas que serve como referência para estruturar um programa sólido de governança de dados:

1. Defina a visão, a estratégia e os objetivos

Toda iniciativa de governança deve começar pela definição do problema que ela pretende resolver.

Algumas organizações precisam reduzir inconsistências cadastrais, enquanto outras buscam atender às exigências da LGPD, melhorar a qualidade das análises de BI ou acelerar iniciativas de inteligência artificial. Ter clareza sobre esse propósito evita que a governança se transforme apenas em um conjunto de regras burocráticas sem impacto no negócio.

A partir dessa visão, estabeleça objetivos mensuráveis, como reduzir registros duplicados, aumentar o percentual de dados completos, diminuir retrabalho operacional ou elevar a confiabilidade dos indicadores.

Esses KPIs servirão como referência para acompanhar a evolução do programa e demonstrar seu retorno para a organização.

2. Obtenha o apoio da alta gestão

Governança de dados é uma iniciativa corporativa que atravessa praticamente todas as áreas da empresa. Isso significa que ela exige mudanças de processos, revisão de responsabilidades e, muitas vezes, investimento em tecnologia. Sem apoio da liderança, é comum que o projeto perca prioridade diante de outras demandas do dia a dia.

Por isso, é fundamental contar com um apoiador executivo capaz de garantir recursos, remover barreiras e reforçar a importância da governança perante toda a organização. Quando a alta gestão demonstra comprometimento, a adesão das equipes tende a ser muito maior.

3. Mapeie os dados e suas fontes

Antes de definir regras, é preciso conhecer o patrimônio de dados da empresa. Isso envolve identificar quais informações existem, onde estão armazenadas, quais sistemas as produzem, quem as utiliza e como elas circulam entre diferentes processos.

Esse inventário também deve contemplar dados pessoais, sensíveis e informações críticas para o negócio, permitindo classificá-los conforme seu nível de importância e risco. Além de facilitar o cumprimento da LGPD, esse mapeamento ajuda a identificar redundâncias, inconsistências e oportunidades de padronização. Afinal, não é possível governar aquilo que não se conhece.

4. Defina papéis e responsabilidades

Um dos principais motivos para o fracasso de iniciativas de governança é a ausência de responsáveis claros pelos dados. Quando ninguém sabe quem deve corrigir uma inconsistência ou aprovar uma alteração cadastral, os problemas acabam se acumulando.

Por isso, estabeleça uma estrutura de responsabilidades envolvendo data owners, responsáveis pelas decisões estratégicas sobre os dados, e data stewards, encarregados da gestão operacional e da qualidade das informações. Também é recomendável criar um comitê de governança para definir prioridades, acompanhar indicadores e resolver conflitos entre áreas. Essa estrutura garante que a governança deixe de ser apenas um conceito e passe a fazer parte da rotina organizacional.

5. Estabeleça políticas, padrões e processos

Com os responsáveis definidos, chega o momento de documentar as regras que orientarão o uso dos dados em toda a empresa. Essas políticas devem estabelecer critérios para criação, atualização, armazenamento, compartilhamento e descarte das informações, além de definir padrões de nomenclatura, regras de preenchimento, classificação por sensibilidade e níveis de acesso.

Também vale documentar fluxos de aprovação, procedimentos para tratamento de inconsistências e critérios mínimos de qualidade. Quanto mais claros e padronizados forem esses processos, menor será a dependência de interpretações individuais e maior será a consistência dos dados ao longo do tempo.

6. Implemente tecnologias que sustentem a governança

A governança não pode depender exclusivamente de controles manuais. À medida que o volume de dados cresce, torna-se indispensável utilizar tecnologias capazes de automatizar validações, monitorar qualidade e garantir conformidade em tempo real.

Catálogos de dados, ferramentas de data quality, soluções de MDM (Master Data Management), monitoramento contínuo e plataformas de integração ajudam a manter as informações organizadas e atualizadas.

Da mesma forma, APIs de validação, saneamento e enriquecimento cadastral permitem corrigir inconsistências já no momento do cadastro, evitando que erros se propaguem pelos sistemas e reduzindo significativamente o retrabalho operacional.

7. Monitore indicadores e promova melhoria contínua

A governança de dados não termina após a implementação das políticas e ferramentas. Os dados mudam constantemente, novos sistemas são incorporados e as necessidades do negócio evoluem.

Por isso, o programa deve funcionar como um processo permanente de acompanhamento e aperfeiçoamento.

Defina indicadores relacionados à qualidade, completude, consistência, disponibilidade, conformidade e tempo de resolução de problemas. Monitore esses resultados periodicamente, realize auditorias, revise políticas sempre que necessário e incorpore feedback das áreas usuárias.

Assim, a governança deixa de ser um projeto pontual e se transforma em uma capacidade contínua da organização, capaz de acompanhar a evolução do negócio e garantir que os dados permaneçam um ativo estratégico.

Automação e tecnologia na governança de dados

A governança de dados moderna é inviável em escala sem tecnologia. O volume, a velocidade e a variedade dos dados tornam a checagem manual insustentável, e é justamente na entrada de dados, onde nascem os erros, que a automação gera mais valor.

Os principais habilitadores tecnológicos incluem:

• Catálogos de dados: inventariam e documentam os ativos de dados da organização, com metadados, linhagem e glossário de negócio, tornando os dados encontráveis e compreensíveis.
• Ferramentas de qualidade e monitoramento: medem continuamente as dimensões de qualidade, detectam anomalias e disparam alertas quando registros saem do padrão esperado.
• APIs de validação, saneamento e enriquecimento: verificam dados contra fontes oficiais no momento do cadastro, validando CNPJ, CPF, situação fiscal, dados bancários e cadastrais, e completam registros automaticamente, impedindo que o erro entre na base.
• Automação da atualização e do monitoramento contínuo: mantém os cadastros vivos, reprocessando periodicamente a base e sinalizando mudanças de situação, como um fornecedor que se torna irregular.
• IA para detecção de anomalias e inconsistências: modelos identificam padrões suspeitos, duplicidades não óbvias e inconsistências que passariam despercebidas em uma verificação manual.
• Integração com ERPs e plataformas de compliance: conecta a governança aos sistemas onde os dados de fato vivem, como SAP e Salesforce, para que validação e enriquecimento aconteçam dentro do fluxo de trabalho, sem retrabalho.

Quais são os desafios da governança de dados?

Apesar do consenso sobre sua importância, programas de governança frequentemente esbarram nos mesmos obstáculos. Reconhecê-los antecipadamente é meio caminho para superá-los. Os principais são:

Resistência cultural à mudança

Governança altera rotinas e introduz responsabilidades. Áreas acostumadas a “cadastrar do seu jeito” tendem a resistir. Superar isso exige comunicação, capacitação e demonstração de valor, mostrar que a governança facilita o trabalho, não o burocratiza.

Silos de dados

Informações presas em sistemas e departamentos isolados dificultam a padronização e geram versões conflitantes. Quebrar silos depende de integração tecnológica e de um mandato claro do comitê de governança.

Falta de recursos e tecnologia

Sem ferramentas adequadas, a governança recai sobre esforço manual, que não escala. Aqui, a automação deixa de ser luxo e passa a ser condição de viabilidade.

Complexidade de fontes e formatos

Dados vêm de múltiplas origens, em formatos diferentes e com padrões inconsistentes. Padronização, validação na origem e enriquecimento a partir de fontes confiáveis são as respostas para domar essa complexidade. Em todos esses casos, a combinação de cultura, patrocínio e automação é o que separa programas que prosperam dos que ficam no papel.

Principais indicadores de governança de dados

Governança se sustenta por resultados demonstráveis. Acompanhar indicadores torna o valor do programa visível e orienta a melhoria contínua.

Entre os KPIs mais relevantes estão:

• Redução de erros e redundância: queda no número de registros duplicados, inconsistentes ou com campos inválidos ao longo do tempo.
• Consistência e completude dos dados: percentual de registros completos e alinhados entre os diferentes sistemas da organização.
• Nível de conformidade de processos: grau de aderência às políticas e padrões definidos, incluindo requisitos da LGPD.
• Redução de custos e time-to-market: economia gerada pela eliminação de retrabalho e pela agilidade em processos que dependem de dados confiáveis, como onboarding de fornecedores e análise de crédito.

Automatize a governança dos seus dados com a Netrin

A governança de dados só gera resultados quando deixa de depender de processos manuais. Garantir que informações de clientes, fornecedores e parceiros sejam corretas, completas e atualizadas exige validação, saneamento e monitoramento contínuo ao longo de todo o ciclo de vida cadastral.

A plataforma da Netrin automatiza esse processo com recursos de validação, saneamento, enriquecimento de dados e monitoramento contínuo, a partir de mais de 1.000 fontes em tempo real.

Assim, sua empresa mantém dados seguros, confiáveis e sempre atualizados, reduz inconsistências e retrabalho, fortalece a conformidade regulatória e cria uma base sólida para compliance, due diligence, gestão de riscos e tomada de decisão.

Mais de 300 empresas, como Heineken, BRF, JBS, Motorola, Faber-Castell e Sicredi, já utilizam a Netrin para transformar dados cadastrais em um ativo estratégico, aumentando a eficiência operacional e reduzindo a exposição a riscos em todo o ciclo de vida de clientes, fornecedores e parceiros.

Fale com um especialista da Netrin e descubra como automatizar a governança de dados da sua empresa.

Perguntas frequentes sobre governança de dados

O que é governança de dados?

Governança de dados é o conjunto de políticas, processos, papéis e tecnologias que uma organização adota para garantir que seus dados sejam precisos, seguros, disponíveis e usados de forma consistente ao longo de todo o ciclo de vida. Ela define quem pode fazer o quê, com quais dados e sob quais regras, transformando informação dispersa em um ativo confiável para decisões, compliance e inovação.

Qual a diferença entre governança de dados e gerenciamento de dados?

A governança de dados define o quê deve ser feito e por quê (as políticas, os padrões e as responsabilidades sobre os dados). O gerenciamento de dados executa o como (as atividades técnicas de armazenar, integrar, processar e disponibilizar a informação). São complementares: a governança dá a direção estratégica e o gerenciamento realiza a operação. Sem governança, o gerenciamento opera sem regras; sem gerenciamento, a governança não sai do papel.

Quais são os pilares da governança de dados?

Os pilares fundamentais são: qualidade dos dados, segurança e privacidade, gestão de metadados, políticas e padrões, papéis e responsabilidades, e gestão do ciclo de vida dos dados. Eles são interdependentes, e a fragilidade de um compromete o conjunto, e a qualidade dos dados costuma ser considerada o pilar central, ao qual todos os demais dão sustentação.

Como a governança de dados se relaciona com a LGPD?

A governança de dados é o que operacionaliza a conformidade com a LGPD (Lei nº 13.709/2018). Princípios como finalidade, minimização e segurança dependem de políticas, controles de acesso e mapeamento de dados que a governança fornece. Sem saber onde estão seus dados pessoais, a empresa não consegue atender aos direitos dos titulares nem garantir base legal adequada. A governança também reduz o risco de vazamentos e sanções e é a base do privacy by design.

Quais são os principais papéis na governança de dados?

Os principais papéis são: o Chief Data Officer (CDO), responsável pela estratégia; o Data Governance Manager, que operacionaliza o programa; os data stewards (administradores de dados), que zelam pela qualidade no dia a dia; o comitê de governança, instância de decisão que reúne negócio, TI, jurídico e compliance; e as próprias áreas de negócio, que são ao mesmo tempo produtoras e consumidoras de dados.

O que é qualidade de dados?

Qualidade de dados é a garantia de que a informação atende aos padrões necessários para ser confiável e utilizável. É avaliada por dimensões como precisão (corresponde à realidade), completude (não faltam campos essenciais), consistência (é igual em todos os sistemas), unicidade (sem duplicidades) e atualidade (reflete a situação mais recente). É considerada o coração da governança de dados, pois seus efeitos aparecem diretamente em cadastros, relatórios e decisões.

Quais frameworks são usados em governança de dados?

O framework de referência mais consolidado é o DAMA-DMBOK (Data Management Body of Knowledge), da DAMA International, que organiza a governança e o gerenciamento de dados em áreas de conhecimento inter-relacionadas. Outros modelos utilizados incluem o DCAM (Data Management Capability Assessment Model), da EDM Council, e a norma ISO/IEC 38505, voltada à governança de dados. Muitas organizações combinam esses frameworks com suas próprias políticas e com exigências regulatórias como a LGPD.

Como implementar a governança de dados em uma empresa?

A implementação segue uma jornada de sete passos: (1) definir visão, estratégia e objetivos; (2) obter patrocínio da alta gestão; (3) mapear dados e fontes; (4) definir papéis e responsabilidades; (5) estabelecer políticas e padrões; (6) implementar tecnologia de validação, saneamento e enriquecimento; e (7) monitorar com indicadores e melhorar continuamente. É um ciclo permanente, não um projeto com data de encerramento, e a automação é o que o torna escalável.