Ontologias e Governança de Dados: modelagem e interoperabilidade semântica

Fundamentos de Ontologia para Dados - Apresentação

Apresentando as boas-vindas e a introdução pessoal

Olá! Seja muito bem-vinde.

Eu me chamo Allan Henrique Souza Carvalho, sou gerente de Governança de Dados e Inteligência Artificial na MAPFRE, uma seguradora de grande porte no Brasil.

Detalhando atuação profissional e formação acadêmica

Trabalho também na FIAP e na Alura, onde gravo alguns cursos para vocês. Na FIAP, eu cuido de alguns cursos de Pós Tech e de MBA (Master of Business Administration).

Sou formado em Ciências Econômicas, tenho MBA em Big Data (grandes volumes de dados) e Analytics (análise de dados) e, atualmente, estou finalizando o mestrado em Computação Aplicada, no qual estudo Governança de Dados, que é o nosso ambiente aqui, e Inteligência Artificial.

Fornecendo audiodescrição e encerrando a apresentação

Audiodescrição: Eu sou um homem branco, com cabelos e barba castanhos, escuros e curtos. Estou usando uma camiseta preta. Ao fundo, o estúdio da Alura, em um tom azulado e lilás, um tom néon bem bonito.

Espero que você goste deste conteúdo que vamos começar agora. Seja muito bem-vinde, obrigade e até mais.

Fundamentos de Ontologia para Dados - O que é ontologia

Dando as boas-vindas e contextualizando o tema

Olá, seja muito bem-vindo à nossa abertura, nosso primeiro vídeo.

Para começar este conteúdo, nada mais importante do que destacar por que precisamos falar sobre ontologia. Quando ouvimos pela primeira vez a palavra “ontologia”, ela pode remeter a algo como escavação de fósseis, dinossauros. O que é ontologia? Talvez esteja acontecendo algo parecido com quem nos acompanha; pode ser que o tema já tenha surgido na empresa ou em algum curso, mas ainda é pouco comum. Trata-se de um tema específico, uma evolução de pontos que vamos explorar ao longo do curso.

Destacando os desafios da governança e a ambiguidade de termos

Um dos maiores desafios da governança de dados não é tecnológico, como nós sempre conversamos nos cursos da formação de governança de dados. Governança de dados requer envolvimento de pessoas e processos, não apenas de tecnologia. Com frequência, o problema está no significado atribuído ao dado. Quando temos soluções de inteligência artificial que não apresentam bom desempenho, resultados que não chegam ou dificuldade em alcançar objetivos em função da organização dos dados, isso muitas vezes ocorre devido ao significado que a companhia atribui aos dados, que pode não ser claro e pode ser ambíguo. Esse é um problema que a ontologia resolve.

É comum que duas áreas utilizem o mesmo termo com interpretações diferentes. O que é “cliente ativo” dentro da companhia? Há unanimidade? Existe um único conceito? Esse ponto é fundamental para implementar soluções cada vez mais automatizadas e manter conceitos únicos na organização. Como comentamos, conceitos como “cliente”, “venda”, “sinistro”, “receita” e “produto” podem possuir significados distintos conforme o contexto. A ontologia surge justamente para criar uma compreensão compartilhada da realidade organizacional, reduzir ambiguidades e melhorar a comunicação entre negócio e tecnologia. Em essência, esse é o problema que a ontologia resolve. Se fôssemos resumir este vídeo e este curso em uma frase, diríamos: reduzir ambiguidades no entendimento de processos e termos de negócio dentro da companhia para habilitar transformação, inovação, inteligência artificial, automações e tudo o que o mercado demanda atualmente.

Definindo ontologia no contexto de dados

A palavra “ontologia” tem origem na filosofia e está relacionada ao estudo da existência e da natureza das coisas. É uma definição ampla e, de certo modo, até “bonita”; nós talvez não imaginássemos uma formulação tão elegante. No contexto de dados e sistemas de informação, utilizamos a ontologia para representar formalmente conceitos, entidades, atributos e relacionamentos existentes em um determinado domínio de conhecimento.

Esse é o exemplo que acabamos de citar sobre “cliente”: definir de forma clara e formal as entidades que tratam e orbitam o conceito de cliente, com seus atributos e relacionamentos — como o cliente se relaciona com outras entidades dentro da companhia. É nisso que a ontologia atua. O objetivo é criar um modelo compartilhado que permita que pessoas e sistemas interpretem informações da mesma forma.

Relacionando ontologia, desempenho em IA e documentação

É muito difícil termos inteligências artificiais com bom desempenho se os dados estão desorganizados ou sem conexão entre dados, termos e relacionamentos. A ontologia viabiliza essas conexões: cria relacionamentos e padroniza conceitos, permitindo que a inteligência artificial seja mais assertiva.

Muitas pessoas confundem ontologia com documentação, e precisamos destacar que não se trata apenas de documentação. Embora a ontologia contenha definições, seu papel é mais amplo. Ela descreve não apenas os conceitos, mas também os relacionamentos existentes entre eles. Enquanto o glossário informa o significado dos termos — como já vimos no curso sobre glossário —, a ontologia mostra como esses conceitos se conectam dentro do negócio.

Por exemplo: o que é “cliente”? “Cliente” é uma pessoa com uma apólice ativa dentro da seguradora. Como o conceito de cliente se relaciona com o conceito de sinistro? “Sinistro” também é outro conceito presente no glossário, mas como esses conceitos se relacionam? Isso é ontologia.

Ilustrando relações entre conceitos no domínio de seguros

Vamos observar um exemplo simples. Em uma seguradora, em alto nível, podemos dizer que um cliente possui uma apólice; uma apólice pode gerar sinistro; e um sinistro pode resultar em pagamento de indenização. O valor da ontologia está justamente em representar essas relações de forma explícita, reduzindo interpretações conflitantes e facilitando o entendimento do negócio. Assim, fica claro o fluxo que o cliente percorre dentro de uma companhia, um dos possíveis caminhos.

Temos verbos de conexão entre os conceitos: o cliente possui uma apólice; a apólice pode gerar um sinistro; e esse sinistro resulta em uma indenização. Esses verbos conectam os conceitos e permitem entender o fluxo. Para processos automatizados, isso é extremamente valioso. Conseguimos, de forma muito mais organizada, treinar modelos, treinar soluções e manter governança de dados de modo geral.

Padronizando entendimento organizacional com camada semântica

À medida que as organizações ampliam o uso de dados, torna-se essencial garantir que todas as pessoas na companhia compreendam o significado da informação de maneira uniforme. Esse é, acreditamos, o maior desafio da governança de dados: padronizar o entendimento, estabelecer definições claras e responsabilizações. Tudo isso depende de organização. Uma companhia organizada, com governança de dados sólida e maturidade de gestão de dados elevada, mantém padrões nos conceitos, nas definições e nas relações entre os conceitos, o que é altamente benéfico.

Sem uma camada semântica clara, diferentes relatórios e análises podem apresentar resultados conflitantes, mesmo utilizando dados semelhantes. As ontologias ajudam a criar consistência conceitual em toda a organização. O que queremos dizer com isso? Quando a companhia não tem ontologia nem definições claras dos conceitos, surgem ambiguidades conhecidas por todas as pessoas. As reuniões tornam-se improdutivas: discutimos como um conceito foi construído e o que ele significa para uma área, o que, às vezes, difere do significado para outra. Uma área considera cliente quem está com a apólice ativa na seguradora; outra considera cliente quem teve relacionamento com a companhia nos últimos dois anos. São conceitos diferentes dentro da mesma organização, o que não é produtivo. Quando temos ontologia e uma governança de dados madura, conseguimos padronizar isso.

Evidenciando a relevância na transformação digital e nas soluções corporativas

As ontologias tornam-se ainda mais importantes com o avanço da transformação digital, como vimos em alguns slides. Soluções analíticas, plataformas de dados e modelos de inteligência artificial dependem de compreensão clara dos conceitos utilizados pela organização. A inteligência artificial não possui experiência de negócio enraizada; precisa de instruções claras. A ontologia ajuda as soluções de inteligência artificial a alcançarem essa clareza, o que é fundamental para que gerem valor e não apenas custos de token (unidade de contagem) e de infraestrutura associados.

Mesmo que muitas pessoas não percebam, ontologias já estão presentes em diversas soluções corporativas. Às vezes não utilizamos esse nome, mas elas já existem. À medida que avançamos neste vídeo, é provável que você tenha feito associações com o seu ambiente profissional — em alguns casos mais evoluídas, em outros menos —, porém a ontologia está ali, possivelmente pouco madura ou pouco desenvolvida.

Catálogos de dados utilizam conceitos semânticos para organizar informações; ferramentas de busca inteligente compreendem relações entre termos; soluções de IA dependem de estruturas conceituais para interpretar o conhecimento. Por isso, afirmamos que a ontologia deixa de ser apenas um termo semântico e passa a fazer parte da realidade das organizações orientadas a dados. Se a sua empresa se preocupa com maturidade em gestão de dados, e se você deseja participar de uma empresa de fato data-driven (orientada a dados), é necessário compreender o benefício que a ontologia traz para o negócio e trabalhar nesse sentido.

Concluindo o vídeo e apresentando próximos passos

Para concluir este primeiro vídeo, podemos resumir a ontologia como uma ferramenta que ajuda as organizações a criarem uma linguagem comum para seus dados: eliminar ambiguidades e evidenciar como os conceitos se relacionam — tudo o que nós discutimos ao longo deste primeiro vídeo. Mais do que uma representação técnica, ela é um mecanismo de alinhamento entre pessoas, processos e sistemas, o que também discutimos ao tratar de como a governança de dados atua dentro da empresa. Não se trata apenas de sistemas, pessoas ou processos isoladamente, e sim da integração de todos esses elementos.

Nos próximos vídeos, nós vamos nos aprofundar no tema e entender as diferenças entre ontologia, glossário e taxonomia — termos técnicos que usamos no dia a dia e que, às vezes, quando levamos para a área de negócio, não são plenamente compreendidos. Entre nós, profissionais de governança de dados, nós conseguimos ser mais profundos nesses termos, e nossa expectativa é tornar claro para você o que é cada um, qual é a relação entre eles e como ocorre a evolução de cada conceito.

Eu espero que você tenha gostado deste primeiro vídeo. Nos vemos no próximo. Eu agradeço e até mais.

Fundamentos de Ontologia para Dados - Ontologia, glossário e taxonomia

Apresentando o tema e objetivos

Olá, seja muito bem-vinde a mais um vídeo.

Vamos ampliar o contexto sobre o que é ontologia e como esse conceito se relaciona com outros conceitos importantes, como glossário e taxonomia. Quando iniciamos discussões sobre semântica e governança de dados, esses três termos aparecem com frequência. Embora relacionados, possuem objetivos diferentes e níveis distintos de complexidade. Vamos entender as diferenças entre eles, mantendo em mente que são conceitos interligados.

Compreender essas diferenças é essencial para evitar expectativas incorretas e escolher a estrutura mais adequada para cada necessidade organizacional. Vamos observar como cada um contribui, quais são suas características e como aplicá-los no dia a dia, de forma clara e prática.

Definindo glossário e ilustrando exemplos

O que é um glossário?

Um glossário reúne termos, definições, conceitos de negócio e linguagem comum dentro de uma companhia. O objetivo é registrar definições oficiais para termos utilizados na organização.

Por exemplo, o glossário pode definir:

• conceito de cliente ativo;
• conceito de prêmio emitido;
• conceito de sinistro pago.

Com isso, garantimos que diferentes áreas utilizem o mesmo significado durante análises e processos, o que é fundamental para manter um padrão de entendimento sobre cada conceito.

Estruturando taxonomia e diferenciando do glossário

O que é uma taxonomia?

Uma taxonomia organiza informações em grupos. Ao tratarmos de clientes, por exemplo, podemos diferenciar entre pessoa física e pessoa jurídica. Ao tratarmos de produtos, podemos relacioná-los a categorias como produto de automóvel, produto residencial e produto de vida. A taxonomia adiciona organização e categorização ao conhecimento.

Enquanto o glossário define conceitos, a taxonomia cria estruturas hierárquicas para agrupá-los. O exemplo apresentado na imagem do slide é importante: partimos de um conceito principal que se ramifica em conceitos relacionados. A taxonomia permite classificar elementos em categorias e subcategorias, facilitando a navegação, a busca e a organização da informação.

Muitos portais corporativos, bibliotecas digitais e catálogos utilizam taxonomias para organizar seu conteúdo. Assim, já identificamos uma diferença clara entre glossário e taxonomia: no glossário, temos termos e definições de forma independente; na taxonomia, agrupamos esses termos e definições do glossário por relacionamento e hierarquia. Em “cliente”, por exemplo, podemos ramificar em pessoa física e pessoa jurídica; em “produto”, podemos relacionar os demais conceitos associados a produto, entre outros.

Definindo ontologia e relacionando à maturidade

O que é uma ontologia?

A ontologia representa conceitos, relacionamentos, regras, dependências e o conhecimento do domínio. Trata-se de um passo além da taxonomia. Ela procura representar como os conceitos se relacionam entre si e quais regras governam essas relações.

Em vez de apenas listar ou categorizar informações, como ocorre no glossário e na taxonomia, a ontologia cria um modelo estruturado do conhecimento existente em um domínio. Por esse motivo, ela é considerada a estrutura mais rica entre as três abordagens.

Em termos de nível de maturidade, não vamos conseguir aplicar a ontologia em uma área se não houver um glossário bem estabelecido e unificado com as áreas de negócio. A taxonomia também precisa estar bem trabalhada e discutida entre as áreas de negócio. Quando fortalecemos esses dois passos dentro da empresa, conseguimos evoluir para a ontologia, que consolida a maturidade no nível máximo de conhecimento dos negócios.

Diferenciando estruturas por perguntas e relacionamentos

Uma forma simples de diferenciar essas estruturas é observar o tipo de pergunta que respondem:

• Glossário: diz o que o termo significa. Exemplo: o que é “cliente” para a companhia.
• Taxonomia: indica a qual grupo o conceito pertence. Exemplo: “cliente” está relacionado a qual grupo; “pessoa física” e “pessoa jurídica” estão relacionadas a “cliente”.
• Ontologia: mostra como o termo se relaciona com outros termos, tanto na sua estrutura quanto em outras estruturas. A ideia aqui é mostrarmos esses relacionamentos entre conceitos.

Vamos observar três conceitos que atuam juntos. O glossário define o que é “cliente”. A taxonomia organiza os tipos de “cliente”. A ontologia mostra como esse “cliente” se relaciona com outros conceitos de negócio. Como comentamos no último slide, o “cliente” tem uma definição clara; a taxonomia mostra quais conceitos estão relacionados a “cliente”; e a ontologia evidencia como o “cliente” atua, o que faz, como se comporta dentro da companhia e quais são as possibilidades. Por exemplo: o “cliente” pode possuir uma apólice; a apólice gera um sinistro; o sinistro resulta em uma indenização. Assim, visualizamos toda a cadeia de relacionamento.

Evidenciando a importância para a governança e a evolução

Governança de dados depende diretamente de um entendimento comum. Essa é a base para termos uma governança de dados forte: a companhia precisa ter o mesmo entendimento sobre os mesmos conceitos. Quando diferentes áreas compreendem conceitos de formas distintas, surgem conflitos de indicadores, relatórios e processos. Uma área define “cliente” de um jeito e mede de um jeito; outra área mede de outro; e as coisas não fluem dentro da organização. Glossários, taxonomias e ontologias reduzem essas diferenças ao criar mecanismos formais para documentação e compartilhamento do conhecimento organizacional.

Para fechar, muitas organizações começam sua jornada semântica construindo glossários corporativos — primeiro passo. Com o aumento da maturidade, a companhia passa a estruturar as taxonomias e, posteriormente, evolui para ontologias mais completas. Isso não significa que todas as empresas precisem chegar ao mesmo nível de complexidade, mas compreender essas evoluções ajuda a definir qual abordagem gera mais valor para cada contexto.

Reforçando pré-requisitos e encerrando o vídeo

Como comentamos há pouco, não vamos conseguir aplicar ontologia na empresa se não houver um glossário estabelecido e se esse glossário não estiver estruturado em taxonomias, etc. Precisamos deixar clara, já nos primeiros vídeos do curso, a diferença entre glossário, taxonomia e ontologia, para que fique evidente onde cada elemento entra. Muito provavelmente, se estivermos em uma empresa com baixa maturidade em governança de dados, ainda não é o momento de falar de ontologia; porém, é importante sabermos que a evolução natural de um glossário e de uma taxonomia é a ontologia.

Nos próximos vídeos, vamos avançar mais nesse conhecimento. Espero que você tenha gostado. Obrigado e até mais.

Sobre o curso Ontologias e Governança de Dados: modelagem e interoperabilidade semântica

O curso Ontologias e Governança de Dados: modelagem e interoperabilidade semântica possui 126 minutos de vídeos, em um total de 43 atividades. Gostou? Conheça nossos outros cursos de Governança e Qualidade de Dados em Dados, ou leia nossos artigos de Dados.

Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:

• Fundamentos de Ontologia para Dados
• Conceitos, Entidades e Relacionamentos
• Modelagem de Ontologias
• Ontologia e Governança
• Aplicação Prática e Evolução