Publicação

Critical success factors for data quality management

Detalhes bibliográficos
Resumo:	Os dados e a informação3 são atualmente considerados como os ativos mais valiosos das organizações, pelo que devem ser de elevada qualidade para manter a sua vantagem competitiva e apoiar os processos operacionais e de tomada de decisão. Para além disso a qualidade dos dados é hoje considerada como o maior desafio para alcançar o sucesso com a inteligência artificial generativa, atualmente muito procurada pelas organizações. Para melhorar a qualidade dos seus dados importa que as organizações identifiquem e priorizem a utilização dos fatores críticos de sucesso (FCS) para a gestão dessa qualidade, tema que ainda está pouco investigado, pelo que este trabalho tem como objetivo ajudar as organizações que pretendam obter uma melhor qualidade dos dados, fornecendo um conjunto de FCS, e respetiva priorização, para melhorar essa qualidade. Em linha com Rockart (1979) definimos fatores críticos de sucesso para a gestão da qualidade dos dados como o número limitado de áreas em que os resultados, se forem satisfatórios, garantem dados com melhor qualidade. Atualmente a investigação sobre qualidade de dados é conduzida em duas áreas científicas principais (Madnick et al., 2009): ciência da computação (CC) e sistemas de informação de gestão (SIG), sendo que este trabalho se enquadra especificamente nesta última categoria. Dada a natureza e os objetivos deste estudo, optou-se por utilizar a Design Science Framework, e como se pretendia um estudo aprofundado, decidiu-se utilizar métodos qualitativos, nomeadamente um focus group e um estudo Delphi na fase exploratória e dois estudos de caso na fase explanatória. Este trabalho identificou dois novos fatores críticos de sucesso para a gestão da qualidade dos dados, nomeadamente a criação de um catálogo de informação e a utilização de ferramentas de qualidade dos dados, e conseguiu criar uma estrutura para os FCS, organizada em três clusters que representam as prioridades da sua utilização. A ordem de importância dos FCS não coincidiu exatamente entre o estudo Delphi e os estudos de caso, nem entre os dois estudos de caso, o que pode dever-se ao facto de os estudos terem sido elaborados em diferentes indústrias e os respondentes do Delphi pertencerem a múltiplas organizações de diferentes setores de atividade. Apesar disso os FCS mais importantes praticamente coincidem. Resumindo, deste estudo pode concluir-se que os nove CSFs do cluster A são os mais fiáveis para utilização pelas organizações. Rockart (1979) afirma genericamente que os FCS diferem entre organizações, mesmo da mesma indústria e Xu & Lu (2003) referem que empresas de diferentes sectores não atribuem a mesma importância a alguns FCS para a gestão da qualidade de dados. Por último, não foi possível identificar o papel do governo dos dados na melhoria da gestão da qualidade dos dados, nomeadamente se se trata de um fator crítico de sucesso ou provavelmente de um recurso essencial.
Autores principais:	Lucas, Ana Maria Marques Ribeiro dos Santos
Assunto:	Critical success Factors Data quality Data quality management Qualitative research Design science Focus group Delphi study Case study fatores críticos de sucesso, qualidade dos dados, gestão da qualidade dos dados, investigação qualitativa, design science, focus group, estudo Delphi, estudo de caso Fatores críticos de sucesso Qualidade dos dado Gestão da qualidade dos dados Investigação qualitativa Design science Focus group Estudo Delphi Estudo de caso
Ano:	2025
País:	Portugal
Tipo de documento:	tese de doutoramento
Tipo de acesso:	acesso aberto
Instituição associada:	Universidade de Lisboa
Idioma:	inglês
Origem:	Repositório da Universidade de Lisboa

Descrição
Resumo:	Os dados e a informação3 são atualmente considerados como os ativos mais valiosos das organizações, pelo que devem ser de elevada qualidade para manter a sua vantagem competitiva e apoiar os processos operacionais e de tomada de decisão. Para além disso a qualidade dos dados é hoje considerada como o maior desafio para alcançar o sucesso com a inteligência artificial generativa, atualmente muito procurada pelas organizações. Para melhorar a qualidade dos seus dados importa que as organizações identifiquem e priorizem a utilização dos fatores críticos de sucesso (FCS) para a gestão dessa qualidade, tema que ainda está pouco investigado, pelo que este trabalho tem como objetivo ajudar as organizações que pretendam obter uma melhor qualidade dos dados, fornecendo um conjunto de FCS, e respetiva priorização, para melhorar essa qualidade. Em linha com Rockart (1979) definimos fatores críticos de sucesso para a gestão da qualidade dos dados como o número limitado de áreas em que os resultados, se forem satisfatórios, garantem dados com melhor qualidade. Atualmente a investigação sobre qualidade de dados é conduzida em duas áreas científicas principais (Madnick et al., 2009): ciência da computação (CC) e sistemas de informação de gestão (SIG), sendo que este trabalho se enquadra especificamente nesta última categoria. Dada a natureza e os objetivos deste estudo, optou-se por utilizar a Design Science Framework, e como se pretendia um estudo aprofundado, decidiu-se utilizar métodos qualitativos, nomeadamente um focus group e um estudo Delphi na fase exploratória e dois estudos de caso na fase explanatória. Este trabalho identificou dois novos fatores críticos de sucesso para a gestão da qualidade dos dados, nomeadamente a criação de um catálogo de informação e a utilização de ferramentas de qualidade dos dados, e conseguiu criar uma estrutura para os FCS, organizada em três clusters que representam as prioridades da sua utilização. A ordem de importância dos FCS não coincidiu exatamente entre o estudo Delphi e os estudos de caso, nem entre os dois estudos de caso, o que pode dever-se ao facto de os estudos terem sido elaborados em diferentes indústrias e os respondentes do Delphi pertencerem a múltiplas organizações de diferentes setores de atividade. Apesar disso os FCS mais importantes praticamente coincidem. Resumindo, deste estudo pode concluir-se que os nove CSFs do cluster A são os mais fiáveis para utilização pelas organizações. Rockart (1979) afirma genericamente que os FCS diferem entre organizações, mesmo da mesma indústria e Xu & Lu (2003) referem que empresas de diferentes sectores não atribuem a mesma importância a alguns FCS para a gestão da qualidade de dados. Por último, não foi possível identificar o papel do governo dos dados na melhoria da gestão da qualidade dos dados, nomeadamente se se trata de um fator crítico de sucesso ou provavelmente de um recurso essencial.