Questão de TI - Ciência de Dados e Inteligência Artificial — Governança e Qualidade de Dados (DAMA-DMBOK e Conceitos Relacionados) — CESPE / CEBRASPE 2024
TI - Ciência de Dados e Inteligência Artificial›Governança e Qualidade de Dados (DAMA-DMBOK e Conceitos Relacionados)
Código
ce403713
Banca
CESPE / CEBRASPE
Órgão
Pref Mossoró
Ano
2024
Cargo
AFTM ( )
Julgue o item que se segue, a respeito de qualidade de dados. A qualidade dos dados é normalmente definida como uma propriedade relativa dos dados, em vez de absoluta.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Qualidade de dados: propriedade relativa × absoluta
Gabarito: CERTO. A qualidade dos dados é, de fato, uma propriedade relativa — ela só pode ser avaliada em relação ao uso pretendido, ao contexto e aos requisitos do consumidor — e não absoluta, como se houvesse um padrão único e universal de "dado bom". Essa é a visão consagrada pelo DAMA-DMBOK (guia de referência para gestão de dados) e adotada por frameworks de governança de dados.
A qualidade de dados não é uma característica intrínseca e imutável do dado em si, como se fosse uma propriedade física (peso, cor, tamanho). Um mesmo dado pode ser considerado de alta qualidade para uma finalidade e de baixa qualidade para outra. Por exemplo: um endereço com apenas o CEP pode ser suficiente para uma campanha de marketing segmentada por região, mas completamente insuficiente para uma entrega logística porta a porta. A qualidade, portanto, é contextual e dependente do uso.
Essa relatividade é um dos pilares do DAMA-DMBOK, que define qualidade de dados como "a adequação ao uso" (fitness for purpose). O guia enfatiza que a qualidade deve ser medida em relação aos requisitos de negócio, aos processos que consomem os dados e às expectativas dos usuários. Não existe um "dado perfeito" em abstrato; existe um dado que atende (ou não) a uma necessidade específica.
Na prática, isso significa que as organizações precisam definir dimensões de qualidade (como exatidão, completude, consistência, atualidade, integridade) e níveis de tolerância para cada uma, conforme o impacto do dado no processo decisório. Um dado com 95% de completude pode ser aceitável para um relatório gerencial, mas inaceitável para um sistema de faturamento. A relatividade também explica por que a qualidade de dados é um processo contínuo de medição, monitoramento e melhoria, e não um estado fixo a ser alcançado.
A banca explora exatamente essa distinção: o candidato pode ser tentado a pensar que qualidade é algo absoluto (um dado é bom ou ruim por si só), mas a literatura especializada — e o próprio DAMA-DMBOK — sustenta o caráter relativo. Guarde essa ideia: qualidade de dados = adequação ao uso, sempre avaliada em um contexto específico.
Qualidade de dados
1Propriedade relativa
Depende do uso pretendido
Depende do contexto
Depende dos requisitos do consumidor
2Não é absoluta
Sem padrão único universal
Não é propriedade física intrínseca
3DAMA-DMBOK
Adequação ao uso (fitness for purpose)
Medida por requisitos de negócio
4Dimensões de qualidade
Exatidão
Completude
Consistência
Atualidade
Integridade
LEVEL · soulevel.com.br
Item — ✅ CERTO
A afirmativa está correta porque reflete o entendimento dominante em governança e qualidade de dados: a qualidade é uma propriedade relativa, definida pela adequação ao uso pretendido, e não absoluta. O DAMA-DMBOK, referência central no tema, trata a qualidade de dados como "fitness for purpose" — ou seja, um dado é de qualidade quando atende aos requisitos do uso a que se destina. Essa visão é amplamente aceita e cobrada em concursos de TI, especialmente em questões sobre governança de dados.