Comece pela decisão que está sendo prejudicada
Escolha um problema concreto: pedidos preparados para a unidade errada, entregas planejadas com datas antigas ou uma previsão que mistura vendas canceladas e concluídas. Descreva quem usa a informação, em que momento e qual consequência aparece quando ela está incorreta. Esse recorte ajuda a separar o que precisa de intervenção imediata do que pode esperar.
Converse com quem registra e com quem utiliza o dado. Uma data pode significar previsão comercial para uma área e compromisso de entrega para outra. Nesse caso, preencher todos os campos não resolve a divergência. A definição precisa explicar o evento representado e quando o valor deve mudar.
Para cada informação escolhida, anote uma pergunta operacional verificável. Por exemplo: a data disponível ao responsável pela expedição corresponde ao último compromisso confirmado? Esse vínculo entre informação e uso será a referência para avaliar a correção.
Diferencie preenchimento, formato e correspondência com a realidade
O Government Data Quality Framework apresenta dimensões como completude, unicidade, consistência, atualização, validade e exatidão. Elas descrevem problemas distintos: informação ausente, duplicada, contraditória, indisponível no momento necessário, fora do formato esperado ou diferente da realidade. A qualidade exigida depende do uso.
Um código de unidade pode estar preenchido e respeitar a quantidade permitida de caracteres, mas apontar para a loja errada. Nesse caso, passar na validação de formato não demonstra exatidão. Para verificar o conteúdo, será necessário compará-lo com uma referência confiável ou confirmar a informação no processo.
Escolha verificações que reconheçam essas diferenças. Se o problema é endereço desatualizado, tornar o preenchimento obrigatório não o elimina. Se duas integrações usam códigos diferentes para a mesma unidade, a correção pede uma correspondência explícita entre os sistemas. Evite resumir tudo em uma única nota de qualidade.
Meça os registros afetados e explique a base de comparação
Exemplo hipotético: entre 1.000 pedidos importados em uma semana, 80 chegaram sem data prevista de entrega e 50 continham um código inexistente. Vinte pedidos apresentavam ambos os problemas. São 110 pedidos afetados, ou 11% do total: 80 + 50 − 20. Somar as ocorrências produziria 130 falhas, uma medida diferente.
O indicador precisa informar se conta pedidos, campos ou ocorrências. Defina também quais registros entram na avaliação, quando foram observados e como foram selecionados. Uma amostra de pedidos problemáticos serve para investigar causas, mas não permite calcular diretamente a frequência do problema em toda a operação.
Acompanhe o volume absoluto junto da proporção. Uma queda de 110 para 60 pedidos afetados pode acompanhar uma redução ainda maior do volume processado. Quando houver comparações por canal, unidade ou integração, mantenha os critérios e observe diferenças no tipo de pedido recebido.
Reconstrua o caminho de alguns registros com problema
Selecione exemplos de cada falha relevante e acompanhe sua passagem pelo processo. Observe o que foi informado no pedido, o que entrou no sistema, as transformações da integração e o resultado utilizado pelo relatório. Procure o primeiro ponto em que a informação deixa de corresponder ao esperado.
Uma lista de unidades pode estar desatualizada na tela de entrada. Um arquivo pode perder zeros à esquerda durante a importação. Uma integração pode interpretar uma atualização como um novo pedido. Essas hipóteses exigem verificações diferentes; atribuir todas a falta de atenção impede localizar a mudança necessária.
Preserve exemplos suficientes para reproduzir o problema, respeitando os acessos do processo. Compare também um registro semelhante que percorreu o caminho corretamente. A diferença entre os dois ajuda a testar a explicação e evita alterar etapas que não participaram da falha.
Defina uma correção que caiba na rotina de quem produz o dado
A intervenção pode ser uma lista de opções mantida por um responsável, uma identificação única compartilhada entre sistemas ou uma mensagem que explique como corrigir o campo. Antes de bloquear uma entrada, verifique se a informação já existe naquele momento. Exigir um dado ainda desconhecido pode incentivar preenchimentos fictícios.
Quando houver exceção legítima, ofereça um caminho identificado, com responsável pela resolução. Separe os registros que podem seguir daqueles cujo uso precisa aguardar confirmação. Defina essa regra conforme a consequência operacional, e torne visível a pendência para quem receberá o trabalho.
Teste a alteração com pedidos comuns e exceções conhecidas. Observe se diminui o problema e se aumenta o tempo de registro, impede situações válidas ou desloca a correção para outra equipe. Tratar os registros antigos é uma atividade separada; a mudança na entrada não repara automaticamente o histórico.
Mantenha a responsabilidade depois da primeira correção
A orientação do governo britânico para planos de qualidade de dados inclui responsáveis, regras, avaliação inicial, ações e medição recorrente. Para o recorte da empresa, propomos registrar quem decide a regra, quem mantém a solução e quem recebe o aviso quando ela falha.
Combine um critério de verificação após a mudança. Avalie os novos registros por um período compatível com a frequência do processo e mantenha visíveis as limitações restantes. Se uma falha reaparecer, o histórico deve mostrar qual hipótese foi testada e por que a correção anterior parecia adequada.
Quando a correção manual se tornar recorrente, trate-a como sinal para revisar a origem. Relacione esse trabalho à governança de dados e aos indicadores usados na gestão. O objetivo é que a informação chegue utilizável à decisão, com seus limites conhecidos.