Dado sem governança é opinião com gráfico

Um dashboard bem desenhado passa confiança. Isso não torna o número correto. Se ninguém sabe o que a métrica conta, quem responde por ela e quem ficou de fora, o gráfico mostra uma opinião com bom acabamento.

Resumo rápido: ferramenta melhor e camada semântica ajudam, mas não resolvem tudo. Governança de dados é o conjunto de acordos que mantém o número confiável. Eles cobrem definição, dono, controle de mudança, checagem de qualidade e quem fica fora da medição. Comece por cinco métricas que decidem algo e escreva esses acordos.

O que a visão convencional acerta

A resposta mais comum para "não confio nos meus dados" é centralizar. Uma ferramenta de BI, uma camada semântica, uma única fonte de verdade.

Essa resposta tem fundamento. A documentação do dbt descreve o problema que ela resolve: vários analistas, cada um com a sua consulta, produzem confusão e inconsistência (consultado em 23/10/2026). Definir a métrica uma vez e versioná-la elimina esse tipo de divergência.

O Amplitude defende a mesma ideia no nível do evento: o plano de eventos existe para que haja uma fonte de verdade sobre o que cada evento significa (consultado em 23/10/2026).

Eu concordo com isso. Meu argumento é que isso resolve a definição, e a definição é só uma parte do problema.

Onde ela deixa o número sem sustentação

1. A definição existe, mas ninguém responde por ela

Uma métrica definida em uma ferramenta, sem dono, envelhece. O produto muda, o evento passa a disparar em outro momento e a definição continua a mesma no papel.

O Government Data Quality Framework, do governo do Reino Unido, lista seis dimensões de qualidade atribuídas à DAMA UK: completude, unicidade, consistência, atualidade, validade e acurácia (2020). Nenhuma dessas dimensões se mantém sozinha. Alguém precisa medi-las.

Um estudo acadêmico ajuda a dimensionar o problema. Um artigo de 2020 na Business Horizons analisou 75 avaliações de qualidade feitas por gestores sobre registros recentes de seus departamentos. Em média, 47% dos registros tinham ao menos um erro crítico. Só 3% das avaliações atingiram a nota considerada aceitável. É uma amostra pequena e autoavaliada, então não representa todas as empresas. Mostra, porém, que dado de boa qualidade exige trabalho contínuo.

2. O dado muda sem passar por revisão

Quando cada pessoa nomeia eventos do seu jeito, a ferramenta guarda cada variação como um evento novo. O Amplitude registra Song Played e song played como dois eventos (consultado em 23/10/2026).

O comportamento de um evento fora do plano também depende de uma configuração. Segundo a documentação de schema, o Amplitude pode aceitar o evento e emitir um aviso, ou descartá-lo sem guardar o evento nem as propriedades. Se ninguém olha os avisos, o dado some e o gráfico segue bonito.

Já expliquei como evitar isso em Como montar um tracking plan antes da feature ir ao ar. Governança é o que mantém esse plano vivo depois do lançamento.

3. Parte das pessoas nunca entra no dado

Esse é o ponto que a visão convencional quase não toca. Uma fonte de verdade única continua sendo a verdade sobre quem foi medido.

O GA4 tenta estimar o comportamento de quem recusa cookies de análise. A modelagem comportamental exige pelo menos 1.000 eventos por dia com analytics_storage negado, durante ao menos 7 dias (consultado em 23/10/2026). Cumprir os requisitos não garante a elegibilidade. Contagens como page_view não são modeladas. Quando o modelo não atinge confiança suficiente, os eventos de quem recusou deixam de ser reportados.

Em um site de menor volume, isso significa que quem recusa o consentimento some do relatório. O mesmo vale para quem usa bloqueador. E vale para quem desistiu diante de uma tela que não funcionava com leitor de tela, como mostrei em Quem não consegue usar seu produto não aparece no dashboard.

O GA4 também omite dados por conta própria. Há limite de valores únicos por dimensão, uma linha "(other)" quando o relatório passa do limite de linhas e limiares de dados que o usuário não ajusta. Cada uma dessas regras muda o que o gráfico mostra.

A consequência prática é que o número que a liderança vê representa uma parte do público. Governança inclui saber qual parte.

Governança mínima em cinco acordos

Não proponho um comitê. Proponho cinco acordos escritos, para as poucas métricas que alimentam decisões.

O quinto acordo é o menos comum. Ele pede que cada relatório importante diga, em uma frase, quem fica fora: quem recusou consentimento, quem usa bloqueador, quem não completou o fluxo. Sem essa frase, o leitor assume que o número é de todo mundo.

Onde meu argumento tem limite

Governança demais trava times pequenos. Se cada evento exige três aprovações, o time passa a medir menos, e dado ausente também não ajuda ninguém. Por isso sugiro começar pelas métricas que sustentam decisões, não por todas.

Também não quero dizer que ferramenta não importa. Uma camada semântica bem mantida reduz muito a divergência de definição. Eu a trato como parte da solução.

Por fim, os números que citei sobre qualidade de dados vêm de amostras e pesquisas específicas. Eles indicam que o problema é comum. Não permitem prever quanto o seu dado está errado.

O que fazer agora

Escolha as cinco métricas que mais aparecem em reuniões de decisão. Para cada uma, escreva em uma linha a definição, o dono e quem fica fora da medição. Se alguém do time discordar de alguma linha, você acabou de achar uma opinião que estava disfarçada de gráfico.

Nota de IA: usei inteligência artificial na pesquisa e no rascunho deste texto. As fontes foram conferidas nas páginas citadas, a descrição do site vem do código do repositório, e a revisão e as opiniões são minhas. Trabalho com Amplitude e tenho a certificação Amplitude Data Management, sem patrocínio nem parceria com Amplitude, Google ou dbt Labs. Como escrevo.