O Data Mapping é um conceito que está relacionado à adequação das empresas à Lei Geral de Proteção de Dados (LGPD). A nova legislação entrou oficialmente em vigor no início de 2021 e tem por objetivo assegurar que as informações em posse das empresas estarão resguardadas contra acessos indevidos e quaisquer outros sinistros relacionados com a privacidade de dados.

Assim, as empresas precisam fazer o trabalho de organizar todos os dados referentes a clientes, colaboradores e fornecedores, de modo a garantir a conformidade com a LGPD.

Para entender melhor sobre o que é Data Mapping, sua importância e como elaborar na empresa, resolvemos publicar este conteúdo. Continue lendo!

O que é Data Mapping?

Também conhecido por mapeamento ou inventário de dados, o Data Mapping é um documento que contém os dados que estão em posse da empresa, bem como sua categorização e organização.

Com isso, é possível avaliar a competência da empresa em proporcionar a privacidade de dados dos clientes, fornecedores e colaboradores. Na prática, é realizado um trabalho que envolve a coleta de informações de todos os departamentos da empresa.

Além disso, o Data Mapping visa responder perguntas básicas, como:

  • verificar se os dados são pessoais ou não;
  • local onde estão guardados;
  • a maneira com que foram coletados;
  • quem acessa e utiliza os dados;
  • tempo em que os dados ficam mantidos na empresa;
  • como ocorre o tratamento dos dados;
  • lugar de processamento dos dados, que pode ser, por exemplo, em servidores físicos e na nuvem, ou ainda em bancos de dados.

Qual a importância do Data Mapping?

Por meio do conceito, bem como das respostas que o Data Mapping pretende oferecer, podemos concluir que a criação dessa espécie de inventário é imprescindível em uma empresa.

Isso porque, em caso de vulnerabilidades na proteção desses dados — que podem comprometer a integridade e a proteção das informações — os gestores podem adotar medidas de mitigação, sendo que essas falhas só podem ser identificadas conforme é feito o mapeamento.

Quais são os objetivos do Data Mapping?

O data mapping tem vários objetivos importantes que ajudam as organizações a gerenciar e a utilizar seus dados de maneira eficaz. Alguns dos principais objetivos incluem:

  • integração de dados, que visa facilitar a integração de diferentes fontes, permitindo que os sistemas se comuniquem e compartilhem informações de maneira eficiente;
  • auxílio na migração de dados de um sistema para outro, garantindo que os dados sejam transferidos corretamente e sem perda de informações;
  • melhorar a qualidade dos dados ao identificar e corrigir inconsistências, redundâncias e erros;
  • apoiar a governança de dados ao fornecer uma visão clara de onde eles estão armazenados, como são usados e quem tem acesso a eles;
  • garantir que os dados estejam conforme regulamentações e políticas internas, como GDPR, HIPAA e outras normas de proteção;
  • facilitar a análise ao mapear dados de diferentes fontes para um formato comum, permitindo análises mais precisas e completas;
  • suportar a automação de processos de negócios ao fornecer uma visão clara de como os dados fluem através dos sistemas e processos da organização;
  • proteger os dados ao mapear onde estão localizados e como são acessados, facilitando a implementação de medidas de segurança adequadas.

Esses objetivos ajudam as organizações a maximizarem o valor de seus dados, melhorar a tomada de decisões e garantir a conformidade com as regulamentações.

Como criar um Data Mapping na empresa?

A criação do inventário de dados, além de precisar ser feita em uma ferramenta adequada, requer a participação de pessoas com conhecimentos técnicos e jurídicos. Dentre os principais pontos que devem estar contidos no Data Mapping podemos citar os seguintes. Continue lendo!

Tipo de dados

O primeiro passo é a identificação dos tipos de dados. Classifique-os de acordo com seus tipos (dados estruturados, semiestruturados e não estruturados). Exemplo: nomes, endereços, números de telefone, registros de transações, etc.

Volume de dados

Nesse passo, deve ser avaliado o volume de dados que será mapeado. Assim, sempre deve ser considerada a frequência de atualização (diária, semanal, mensal).

Tecnologias empregadas

Escolha o banco de dados apropriado (relacional, NoSQL) conforme o tipo e volume de dados. Exemplo: MySQL, PostgreSQL, MongoDB, Cassandra.

Ferramentas de ETL

Utilize ferramentas de ETL (Extract, Transform, Load) para automatizar a coleta, transformação e carregamento dos dados. Alguns exemplos são o Talend, Apache Nifi, Informatica.

Plataformas de Big Data

Considere plataformas de big data para processar grandes volumes de dados. Exemplo: Hadoop, Spark.

Armazenamento dos Dados

Outro ponto importante é a utilização de servidores e data centers próprios para armazenar dados. Isso garante controle total sobre a infraestrutura.

Armazenamento externo

A implementação do Data Mapping demanda a utilização de serviços de armazenamento em nuvem oferecidos por terceiros. Exemplo: AWS, Google Cloud, Microsoft Azure.

Origem dos dados

Outro ponto que deve ser evidenciado é a origem dos dados. Ou seja, elementos coletados diretamente dos sistemas da empresa, como CRM, ERP e plataformas de e-commerce. Elas são consideradas fontes internas.

Já as fontes externas são aquelas obtidas fora dos controles da empresa. Tais como, redes sociais, parceiros de negócios e dados de terceiros etc.

Política de privacidade dos dados

Outro ponto importante é a criação de uma política de privacidade que descreva como os dados serão coletados, usados, armazenados e compartilhados. Além disso, essa política deve ser compartilhada de forma clara aos usuários e stakeholders.

Segurança da informação

A implementação de medidas de segurança para proteger os dados contra acesso não autorizado e violações é essencial nesse processo. Alguns exemplos de sistemas que podem ser utilizados são: a criptografia, controle de acesso, firewalls.

Direito dos titulares

Por fim, o Data Mapping deve garantir os direitos dos titulares de dados conforme regulamentações, como GDPR e LGPD. Isso inclui a liberdade e possibilidade de inserir, acessar, corrigir e excluir dados pessoais.

Seguindo esses tópicos, você pode criar um Data Mapping abrangente e eficiente, garantindo que os dados sejam gerenciados de maneira segura, conforme as regulamentações e com alta qualidade.

Como adequar o Data Mapping à LGPD?

Para garantir que o processo de data mapping esteja em conformidade com a LGPD, é importante seguir uma série de etapas e práticas recomendadas. Abaixo estão os principais tópicos a serem considerados:

  • mapeamento de dados pessoais, incluindo a classificação desses elementos, bem como a identificação dos dados sensíveis que demandam proteção adicional;
  • garantir a transparência na obtenção e utilização dos dados, mantendo uma política de privacidade clara e acessível, demonstrando como esses elementos serão utilizados;
  • implementação de medidas técnicas e administrativas para proteger dados pessoais contra acesso não autorizado, vazamentos e outras ameaças;
  • investir em governança de dados, nomeando encarregados e outros responsáveis pela aplicação da política de dados;
  • resposta rápida à ocorrência de incidentes relacionados aos dados.

Por fim, concluímos que a criação do inventário permite identificar pontos vulneráveis na privacidade desses dados, que podem ser mitigados posteriormente e evitar que a companhia sofra punições por não estar conforme a LGPD.

O que achou deste artigo? Quer continuar recebendo todas as nossas publicações? Então, curta a nossa página no Facebook para ficar por dentro das novas postagens.

Leandro Guimarães
Leandro Guimarães
Leandro Guimarães é o fundador da Know Solutions e trabalha com Business Intelligence desde 2009. Possui amplo conhecimento em Modelagem Dimensional, Data Warehouse e na plataforma Pentaho.

Foi aluno de Ralph Kimball, maior referência mundial no assunto, no curso de Modelagem Dimensional realizado pela Kimball University, em Estocolmo – Suécia.

Já ministrou diversas palestras sobre o tema e atualmente mantêm o blog da Know Solutions, com referências sobre Business Intelligence.

Pós Graduado em Gestão de Projetos de Software pela PUC – Paraná. Trabalhou durante 7 anos na empresa Siemens onde participou de projetos em diferentes países.