Modelo para Qualidade da Informao na Indstria Bancria o caso dos Bancos Pblicos

Autoria: Luis Francisco Lima, Antonio Carlos Gastaud Maada

Resumo: Uma pobre Qualidade da Informao (QI) tem forte impacto no desempenho geral de uma organizao. Os investimentos em TI exerceram impactos significativos na indstria bancria nos ltimos anos, gerando um grande aumento de volume informacional; tais investimentos, porm, no garantiram semelhante retorno no que se refere qualidade dessa informao. O objetivo dessa pesquisa desenvolver e validar um modelo de QI especfico para a Indstria Bancria, nos bancos pblicos de mbito federal e estadual. O mtodo escolhido foi a pesquisa survey, realizada a partir de um instrumento previamente proposto para medir a QI, com 15 dimenses de QI divididos em 65 itens. O refinamento do instrumento utilizou tcnicas estatsticas como a Anlise Fatorial Exploratria e Confirmatria, atravs de Equaes Estruturais (Modelo de Mensurao de primeira e segunda ordem). O modelo final possui quatro fatores de qualidade: Acessibilidade, Contextualidade, Confiabilidade e Compreenso, dispostos em 12 itens. 1. Introduo Muito se tem investido em Tecnologia da Informao (TI), e o retorno no tem sido o esperado em se tratando de qualidade informacional. Freitas et al. (1997, p. 24) j indicavam, na dcada passada, o quanto a TI importante no auxlio s organizaes em sobreviver e prosperar no mercado; para isso, a informao um dos elementos cruciais, e precisam ter como suporte uma adequada TI. Davenport (1998, p. 16) conclui que a TI per se no garante a qualidade da informao trabalhada e nem o seu bom uso, pois mesmo as empresas famosas pela aplicao de Sistemas de Informao (SI) especficos costumam contar com ambientes informacionais internos pobres. E esse problema continua em questionamento, pois KatzHaas e Lee (2005, p. 177) observam que a Qualidade da Informao organizacional revela mais do que processos de TI revela como os processos organizacionais esto organizados e implementados. O tema Qualidade da Informao (QI) (do ingls, Information Quality) tem passado por avanos graduais, apesar de ser um campo de estudo recente. Esse tema vem sendo discutido de forma mais contundente desde a dcada de 90, efetivamente em duas linhas de estudo: uma com enfoque administrativo/estratgico em Sistemas de Informao, como os trabalhos de McGee e Prusak (1994) e de Davenport (1998), e outra no campo tecnolgico/operacional, relacionada qualidade de dados, liderada por Richard Wang, do MIT Massachussets Institute of Technology (WANG et al., 1998; WANG, 1998) e por outros autores relacionados a este. Entretanto, muitos esforos tm sido realizados para solucionar os problemas da QI na academia e nas organizaes, pois h a necessidade crtica de uma metodologia que determine o quanto as organizaes desenvolvem produtos e servios de informao com qualidade aos seus usurios (KAHN; STRONG; WANG, 2002; PIERCE, 2005). Os investimentos em tecnologia exerceram impacto significativo na indstria bancria (MAADA, 2001); atualmente, a tecnologia toma um papel cada vez mais importante na oferta de novos servios e na gesto mais eficiente das estruturas institucionais dos bancos (FEBRABAN, 2005). Os investimentos em tecnologia, porm, no asseguram boas condies de qualidade da informao: as corporaes [bancrias] simplesmente se esquecem de verificar a qualidade dos seus dados, dirigindo todo o foco para identificao, extrao e carga das informaes, e o resultado tem sido dramtico (F, 2006, p. 30); efetivamente, as companhias passaram a questionar a qualidade da informao gerada pela TI ao qual se est investindo, ou ao qual se pretende investir (COHAN, 2005). 1

A indstria bancria foi definida para a realizao desta pesquisa devido ao seu forte investimento e uso de TI, e pelo fato da informao ser elemento-chave para a performance e sucesso das organizaes do setor. No contexto da indstria, os bancos pblicos foram observados por sua notada relevncia: apesar de possurem a menor quantidade absoluta de bancos no pas (14 entre 161 instituies bancrias, totalizando aproximadamente 9%), os bancos pblicos possuem a maior quantidade de ativos (somente o Banco do Brasil BB e a Caixa Econmica Federal CEF possuem aproximadamente 30% do volume total de ativos), estando tambm entre as instituies com maior capilaridade (quantidade e abrangncia de agncias) do pas (FEBRABAN, 2006). Observa-se que o estudo da Qualidade da Informao possui relevncia e se trata de assunto pouco explorado, conforme j identificado; para isto, a seguinte questo de pesquisa apresentada: Quais dimenses representam qualidade da informao na indstria bancria, relativa aos bancos pblicos? Assim, este artigo procura responder a questo apresentada, tendo por objetivo desenvolver e validar um modelo de QI especfico para a Indstria Bancria, nos bancos pblicos de mbito federal e estadual. 2. Qualidade da Informao Strong, Lee e Wang (1997b), ao discutirem a QI, afirmam que uma m qualidade da informao pode gerar o caos em uma organizao. Os mesmos autores, em outra situao, indicam que aqueles que consomem a informao devem evitar problemas de qualidade, independentemente de sua dimenso, em sua busca por informaes de alta qualidade (STRONG; LEE; WANG, 1997a, p. 38). Observa-se um exemplo disso em indstrias de manufatura, onde apesar de mais de uma dcada de pesquisas e prticas, dificilmente se implementa alguma tcnica para medir, analisar e aprimorar a qualidade dos produtos informacionais em seus processos de negcio (SU, 2004). Problemas de qualidade da informao englobam muito mais do que valores incorretos. Podem tambm incluir problemas e erros de produo, problemas tcnicos com armazenamento e acesso a dados, e aqueles causados pelas mudanas das necessidades informacionais dos consumidores (STRONG; LEE; WANG, 1997a, p. 39). Redman (1998, p. 80) tambm enumera alguns impactos decorrentes de problemas com a qualidade da informao, como insatisfao do cliente, aumento de custos operacionais, menor efetividade da tomada de deciso e a reduo de habilidade para gerar e executar estratgias organizacionais.` Alguns estudos analisam a qualidade da informao como tema adjacente; a pesquisa de Oliveira (2000) verificou a QI como uma das dimenses componentes da utilidade da informao, observada sob o ponto de vista dos folders de comunicao. Alguns estudos (BRODBECK, 1995; WIXOM; WATSON, 2001; CECCAGNO, 2001) apresentaram a qualidade da informao como forma de avaliar a qualidade de Sistemas de Informao. Todavia, no foram constatados at o momento trabalhos que analisem a QI sob o ponto de vista organizacional ou setorial. 2.1 Definies de Qualidade da Informao e Estado-da-Arte Em pouco mais de uma dcada de pesquisas sobre a QI, diversas definies foram desenvolvidas. O Quadro 7 apresenta as principais definies encontradas. Verifica-se, em uma leitura atenta das definies, a migrao de um conceito tecnolgico e operacional (a simples utilizao de dados, conforme Wang, Kon e Madnick, 1993) para uma definio mais ampla, quando se utiliza informao, processos, efetividade do negcio, consumidor e

produtos e servios de informao (conforme English, 2002, p. 208) denotando assim a migrao da preocupao de mensurar a QI sob um ponto de vista estratgico.
Quadro 1 Definies de Qualidade da Informao WANG; KON; MADNICK ,1993 McGEE; PRUSAK, 1994, p. 166 STRONG; LEE; WANG, 1997 OBRIEN, 1999 ENGLISH, 2002, p. 208 Dados que refletem condies reais e facilmente usveis e compreensveis pelos usurios Cuidado detalhado com a integridade, preciso, atualidade, interpretabilidade e valor geral da informao, julgado pelos seus clientes Dados que esto adequados para uso por consumidores de informao Caracterstica dos produtos de informao, cujas qualidades ou atributos ajudam a torn-los valiosos Eliminao de desperdcio de informao suja e retrabalho, processos desnecessrios e incremento da efetividade do negcio por aumentar a satisfao do consumidor de produtos e servios de informao

A Qualidade da Informao, porm, encontra ainda problemas na definio e organizao de seu corpo terico por ser um campo de estudo recente. Nesse sentido, RamosLima, Maada e Vargas (2006) realizaram um esforo na proposio de um modelo terico atravs da utilizao de Mapas Conceituais, seguindo as orientaes de Novak (1977), objetivando consolidar os estudos disponveis nos principais eventos de QI e peridicos de SI. Para os autores, o campo Qualidade da Informao est dividido em trs grandes grupos conceituais, denominados vises: (1) Viso Operacional: diz respeito ao impacto da QI na organizao, sua gesto, influncias na estrutura e produo, em abordagem estratgica e ttica; (2) Viso Comportamental: analisa a influncia do aspecto humano na QI, na realizao das tarefas do cotidiano, na insero da QI como habilidades e capacidades profissionais e sobretudo na viso dos clientes internos e externos organizao; (3) Viso Processual: observa os aspectos tcnicos e metodolgicos da QI, como mtricas, desenvolvimento de aplicativos, ferramentas de controle de dados e sistemas de informao; denota uma abordagem operacional. Strong, Lee e Wang (1997b) conceituam a produo e distribuio de informao como uma manufatura de informao. Segundo Su (2004), existem duas formas de produtos em empresas: produtos em forma fsica e em forma informacional, denominada de produto de informao, gerados a partir de processos organizacionais. Dentro da viso de produto informacional, assim como um produto manufaturado possui dimenses de qualidade (como cor, tamanho, altura, calibre, etc.), a informao tambm possui suas dimenses (WANG, 1998, p. 59). 2.2 Pesquisas Sobre Dimenses em QI Ao longo do tempo, pesquisadores realizaram esforos para definir atributos ou dimenses que indiquem o quanto a informao tem qualidade. No Quadro 2 seguem pesquisas sobre dimenses de QI encontradas (McGEE; PRUSAK, 1994; STRONG; LEE; WANG, 1997a; REDMAN, 1998; OBRIEN, 1999; OZ, 2000; PIPINO; LEE; WANG, 2002, WIXOM; TODD, 2005; KIM; KISHORE; SANDERS, 2005), dispostas para melhor entendimento em relao s dimenses adotadas neste trabalho. Procurou-se, no Quadro 2, fazer uma relao das dimenses utilizadas nesta pesquisa com outras dimenses observadas para verificar o grau de abrangncia da metodologia. Algumas dimenses como valor, posse, mdia, economia, manuteno e entrega no se relacionam a atributos perceptivos, mas sim operacionais ou tticos, mensuradas sob outras formas de observao. 3

Quadro 2 Dimenses Pesquisadas

PIPINO; LEE; WANG (2002) Acessibilidade Quantidade Credibilidade Completeza Conciso Consistncia Entendimento Facilidade de Uso Livre de Erros Interpretabilidade Objetividade Relevncia Reputao Segurana Volatilidade OUTROS X (Integridade) McGEE; PRUSAK (1994) STRONG; LEE; REDMAN WANG (1997a, (1998) p. 104)* X X X X X X X (Facilidade de) X X X X (Detalhamento) X X (Claridade) X (de Formato) X (Acurcia) X X X (Privacidade) O'BRIEN, (1999, p. 49) OZ (2000, p. 10) WIXOM; TODD (2005, p. 88) KIM; KISHORE; SANDERS (2005) X (2) X (1) X (3) X X (1) X X (1)

X (Preciso) X

X (Acurcia) X X X X X (de Acesso)

X (Acurcia) X (Facilidade de)

X (Acurcia)

X (Acurcia) X (1)

X (Escopo) X X X X X (Atualidade) (Atualidade) X X

X (3) X X (3) X (2) X

X X X (Atualidade) (Temporalidade) (Atualizao)

Valor Geral

Valor

Atualidade Freqncia Granularidade Amplit. De Nvel de Tempo Performance detalhe Ordem Posse Apresentao Mdia

Economia (Custo)

Manuteno Entrega

(1) - Agrupado como Empacotamento (Packaging) (2) - Agrupado como Acessibilidade (3) - Agrupado como Acurcia

As dimenses adotadas para medir a QI so apresentadas por Pipino, Lee e Wang (2002), conforme o Quadro 3:
Quadro 3 Dimenses Utilizadas para Pesquisa Dimenso Acessibilidade (Accessibility) Quantidade (Amount of Data) Credibilidade (Believability) Completeza (Completeness) Conciso (Concise Representation) Consistncia (Consistent Representation) Facilidade de Uso (Ease of Manipulation) Livre de Erros (Free-of-Error) Descrio O quanto o dado disponvel, ou sua recuperao fcil e rpida O quanto o volume de dados adequado tarefa O quanto o dado considerado verdadeiro O quanto no h falta de dados e que sejam de profundidade e amplitude suficientes para a tarefa O quanto o dado representado de forma compacta O quanto o dado sempre apresentado no mesmo formato O quanto o dado fcil de manipular e de ser usado em diferentes tarefas O quanto o dado correto e confivel

Interpretabilidade (Interpretability) Objetividade (Objectivity) Relevncia (Relevancy) Reputao (Reputation) Segurana (Security) Volatilidade (Timeliness) Entendimento (Understandability)

O quanto o dado est em linguagem, smbolo e unidade adequados, e possui definies claras O quanto o dado no disperso e imparcial O quanto o dado aplicvel e colaborador tarefa O quanto o dado valorizado de acordo com sua fonte ou contedo O quanto o dado apropriadamente restrito para manter sua segurana O quanto o dado suficientemente atualizado para a tarefa O quanto o dado facilmente compreendido Fonte: Pipino, Lee e Wang, 2002

A abordagem desses autores foi adotada pelos seguintes motivos: (1) englobar satisfatoriamente as dimenses de pesquisas anteriores, sendo assim abrangentes, e (2) os itens associados medem as dimenses de forma perceptiva, o que reflete as necessidades e experincias das pessoas envolvidas, no dependendo assim de outras informaes organizacionais que porventura no sejam disponibilizadas. Os autores tambm agruparam as dimenses obtidas em quatro categorias de informao (WANG, 1998; PIPINO; LEE; WANG, 2002). Estas categorias (Quadro 4) sintetizam os conceitos relacionados a cada dimenso, e so utilizadas para definir os perfis principais a serem avaliados em QI:
Quadro 4 Categorias de Informao Categoria Intrnseco Conceito Dimenses relacionadas A informao deve possuir qualidade na sua prpria Credibilidade, Objetividade, condio Reputao, Livre de Erros Contextual A qualidade deve ser considerada dentro do contexto da Completeza, Quantidade, tarefa que a utiliza, para agregar valor Relevncia, Volatilidade Representativo A informao deve possuir boa representao, enfatizando a Conciso, Consistncia, importncia dos SI que a utilizam Entendimento, Interpretabilidade Acessibilidade A informao deve ter acesso livre a quem lhe for atribudo, Acessibilidade, Facilidade de tambm enfatizando a importncia dos sistemas que a Uso, Segurana gerenciam Fonte: adaptado de Wang (1998) e Pipino, Lee e Wang (2002)

O instrumento selecionado para utilizao nesta pesquisa o desenvolvido por Lee et al. (2002), composto pelo conjunto de dimenses de QI (Quadro 3) baseado no trabalho elaborado por Pipino, Lee e Wang (2002). 3. Modelo de Pesquisa
Credibilidade Objetividade Reputao Livre de Erros QI intrnseco Completeza Quantidade QI Contextual Relevncia Volatilidade QI Representativo Conciso Consistncia QI Acessibilidade Entendimento Interpretabilidade Acessibilidade Facilidade de Uso Segurana

Qualidade da Informao

QI para o setor bancrio

Modelo AIMQ, Lee et al. (2002)

Figura 1 Modelo de Pesquisa

A reviso dos estudos desenvolvidos sobre o tema possibilitou a estruturao do modelo de pesquisa inicial deste artigo, proposto na Figura 1. Destaca-se, no modelo proposto (pelas linhas tracejadas), a customizao do construto Qualidade da Informao para um uso especfico na indstria a ser pesquisada. A anlise emprica deve fornecer os atributos relevantes para compor o novo contexto, que foram ratificados pela Anlise Fatorial Confirmatria realizada. 4. Mtodo Este captulo trata dos mtodos e tcnicas utilizados para realizao desta pesquisa. A seo 4.1 explicita o Mtodo de Pesquisa escolhido; a seo 4.2 indica a Unidade de Anlise adotada; a seo 4.3 apresenta a primeira etapa da pesquisa Survey Pr-teste e a seo 4.4, a segunda etapa Survey Final. O processo de pesquisa foi estruturado em duas etapas: (1) aplicao em Pr-Teste do instrumento no formato original (LEE et al., 2002), sendo realizada a adaptao ao contexto nacional e indstria pesquisada; (2) aplicao final do instrumento que foi desenvolvido a partir do refinamento do original, utilizando a anlise fatorial confirmatria visando a obteno do modelo final de QI para a indstria bancrio, relativo aos bancos pblicos. Os itens do instrumento original foram operacionalizados utilizando-se uma escala de intensidade do tipo Likert de 11 pontos (0 = discordo plenamente; 10 = concordo plenamente). Os pesquisados responderam aos 65 itens aps a pergunta: Qual a qualidade da informao que voc manipula em sua empresa?. Em relao ao formato, os 65 itens foram dispostos de forma aleatria. Os 15 itens em escala reversa foram tratados na incluso dos dados. 4.1 Mtodo de pesquisa Para Pinsonneault e Kraemer (1993), a pesquisa survey se refere produzir descries quantitativas de certos aspectos da populao em estudo. Um instrumento que j foi gerado est sendo utilizado como base para esta pesquisa, corroborando a afirmao de Boudreau, Gefen e Straub (2001, p. 12): por questo de eficincia, pesquisadores positivistas e quantitativos deveriam usar instrumentos previamente validados (...) pesquisadores aptos a criarem novos instrumentos a partir de construtos j estabelecidos testariam a robustez dos construtos e das ligaes tericas (...). Esta prtica seria altamente desejvel para pesquisas que sejam positivistas e quantitativas. 4.2 Unidade de Anlise A populao-alvo desta pesquisa composta pelos executivos (nvel gerencial) que atuam nas agncias e que trabalham com informao intensiva. Por manipularem diretamente as informaes necessrias para a execuo de suas tarefas, so considerados os mais adequados para fornecerem um diagnstico perceptivo da qualidade dessas informaes. As amostras so definidas pela disponibilidade das empresas. O Banco do Brasil disponibilizou diversas turmas decorrentes de um treinamento interno; o Banrisul indicou as cinco maiores agncias de Porto Alegre/RS e a CEF indicou as dez maiores do mesmo municpio. A etapa de Pr-Teste foi realizada no Banco do Brasil (BB) por ser considerado a instituio de maior penetrao no pas com mais de 14,5 mil pontos de atendimento e com maior volume de investimentos em tecnologia, com uma estimao de investimento para o ano de 2006 na ordem de R$ 1,6 bilho (BANCO DO BRASIL, 2005). A etapa Final foi realizada em dois bancos: o Banrisul (Banco do Estado do Rio Grande do Sul) foi contatado 6

por ser o banco pblico de maior penetrao no estado do Rio Grande do Sul e segundo maior banco pblico estadual, e a Caixa Econmica Federal (CEF), por ser o terceiro maior banco brasileiro em ativos totais. 4.3 Etapa 1 Survey Pr-teste Os passos executados seguiram as recomendaes de validao e refinamento de instrumento e modelo fornecidas por Koufteros (1999). O autor indica que as tcnicas tradicionais empregadas para desenvolvimento e avaliao de escalas de medida so teis para o pesquisador poder observar a consistncia interna do instrumento, a confiabilidade dos construtos e avaliar a unidimensionalidade dos fatores. Para isso, foram utilizadas as mensuraes de (1) Correlaes de Item Total Corrigido (CITC), (2) Anlise Fatorial Exploratria e (3) Confiabilidade (Alfa de Cronbach). A tcnica de Anlise Fatorial Exploratria, segundo Hair et al. (2005, p. 91) permite definir um conjunto de dimenses latentes, chamados fatores, a partir da observao de estruturas de correlaes entre um grande nmero de variveis, assim como permite determinar o grau em que cada varivel explicada por cada dimenso. Uma vez que essas dimenses e o grau de explicao de cada varivel sejam determinadas, torna-se possvel a reduo de itens, melhorando o instrumento. O Quadro 5 contm descries detalhadas de cada passo.
Quadro 5 Detalhes da Etapa 1 Passo Anlise do Instrumento Descrio O instrumento original foi traduzido por um especialista na lngua inglesa. Aps, o instrumento em portugus foi retraduzido para a lngua inglesa por dois professores do campo da Administrao com reconhecida fluncia na lngua (mtodo de Traduo/Retraduo). Validade de face: relativa forma e vocabulrio adequados. Em relao forma, os itens foram sorteados aleatoriamente para composio do instrumento traduzido; Validade de contedo: assegurada com a realizao de reunio com representantes da organizao pesquisada na Etapa de Pr-Teste. Realizada em uma amostra de usurios, determinada por convenincia, da organizao escolhida para o Pr-Teste Avaliou-se a relao dos construtos no instrumento. A confiabilidade do instrumento foi testada utilizando-se o Alfa de Cronbach. Validade de Trao: teste de coerncia interna de cada medida (confiabilidade) Neste passo, foi feito o teste de unidimensionalidade dos itens do instrumento em relao a suas dimenses. Validade de Trao: consistncia das dimenses atravs de diferentes enunciados dos itens (validade convergente) Os itens utilizados na pesquisa foram relacionados s suas dimenses, para ver a existncia de itens relacionados a outros fatores (Validade discriminante). Tambm se verificou a varincia explicada pelos itens e dimenses resultantes. Foi realizada nova verificao do Alfa de Cronbach global do instrumento, considerando apenas os itens e dimenses selecionadas no passo anterior.

Coleta de Dados Anlise de Confiabilidade 1 Anlise Fatorial Convergente (no bloco) Anlise Fatorial Discriminante (entre blocos) Anlise de Confiabilidade 2

4.4 Etapa 2 Survey Final Uma nova Coleta de Dados foi realizada em duas instituies bancrias: o Banrisul e a Caixa Econmica Federal. Uma nova Anlise de Confiabilidade tambm foi realizada para garantir a medio do instrumento final. 7

Posteriormente, foi executada uma Anlise Fatorial Confirmatria baseada na Modelagem de Equaes Estruturais, que possibilitou a investigao de diversas relaes dentro de um mesmo modelo de mensurao. A Anlise Fatorial Confirmatria tambm conhecida como Modelo de Mensurao: segundo Chau (1997), o Modelo de Mensurao especifica como as variveis latentes (fatores) podem ser mensuradas em funo de variveis observveis (itens) e permite estimar a confiabilidade. O Modelo de Mensurao de segunda ordem permite verificar se os fatores de primeira ordem ento estimados so na realidade subdimenses de um construto mais amplo (HAIR et al., 2005): no caso, a QI. O Quadro 6 contm descries detalhadas de cada passo.
Quadro 6 Detalhes da Etapa 2 Passo Elaborao do Instrumento Revisado Coleta de Dados Anlise de Confiabilidade 1 Anlise Fatorial Confirmatria Anlise de Confiabilidade 2 Descrio O instrumento foi gerado a partir dos resultados da Etapa anterior e de itens adicionados nesta etapa. As Validades de Face e de Contedo tambm foram observadas, especialmente nos novos itens porventura adicionados. Foi realizada em uma nova amostra de funcionrios, dos bancos BANRISUL e CAIXA ECONMICA FEDERAL. Avaliou-se a relao dos construtos no instrumento. A confiabilidade do instrumento foi testada utilizando-se o Alfa de Cronbach. Realizada pela aplicao da Modelagem de Equaes Estruturais. Tambm foi realizada a conferncia da Validade de Construto, ou seja, verifica a ligao entre as medidas e o construto QI; indica que o instrumento mede, de fato, o que se prope a medir. Foi realizada nova verificao do Alfa de Cronbach global do instrumento, considerando apenas os itens e dimenses selecionadas no passo anterior.

Foram utilizados como apoio s etapas de pesquisa os softwares estatsticos SPSS (do ingls, Statistical Package for Social Sciences) e AMOS, para execuo da Anlise Fatorial Confirmatria. 5. Resultados Esta seo descreve os resultados obtidos nas diversas Etapas do processo de refinamento do modelo e do instrumento. As descries abaixo apresentadas referentes Etapa 1 so relativas ao artigo apresentado por Ramos-Lima, Maada e Brodbeck (2006), mostrando os detalhamentos necessrios para a elaborao do instrumento final de pesquisa. 5.1 Etapa 1 Survey Pr-teste Inicialmente, foi realizada uma adaptao do instrumento de Lee et al. (2002) lngua portuguesa, junto com a verificao de suas validades de face e contedo, resultando no instrumento de pr-teste. Foram enviados 170 questionrios aos executivos do Banco do Brasil participantes na ocasio de um curso de formao, realizado pela prpria organizao. A taxa de retorno da pesquisa foi de 88,8%. Os questionrios considerados vlidos para utilizao perfazem 75,3% do total de questionrios enviados, e 84,8% dos respondidos. Aps a aplicao, executou-se uma anlise de busca por excees, eliminando 31 questionrios (15,2% dos respondidos). Eliminou-se pelo critrio de CITC as dimenses: Facilidade de Uso, Relevncia e Segurana. As dimenses com alfa de cronbach abaixo de 0,7 (HAIR et al., 2005) tambm foram excludas Quantidade (0,592) e Livre de Erros (0,680) resultando em um instrumento com 10 dimenses e 34 itens, de confiabilidade 0,971. 8

Na execuo da Anlise Fatorial Exploratria (AFE), cinco fatores foram identificados, atravs de um rearranjo das dimenses e itens originais restantes: Acessibilidade, Conciso, Confiabilidade, Contextualidade e Compreenso. Como confirmao do resultado, a mesma anlise foi reexecutada, desta vez especificando a quantidade de fatores desejada (que, neste caso, foi de 10 fatores para corresponder s dimenses), e apenas os cinco primeiros obtidos foram significantes para a anlise, reforando o critrio anterior. Este conjunto de cinco fatores resultou em uma varincia explicada de 75,4%, do total, valor acima do limite inferior proposto por Hair et al. (2005) de 60% para as Cincias Sociais. Para validao do instrumento final, foi executada uma nova Anlise de Confiabilidade, com o instrumento de 5 fatores e 27 itens. Os fatores obtidos so considerados agora novas dimenses de anlise para a prxima etapa. O Alfa de Cronbach do instrumento final de 0,964; os coeficientes de fidedignidade para cada fator (nova dimenso) e quantidade de itens so: Acessibilidade (0,874; 4); Conciso (0,843; 3); Confiabilidade (0,903; 5); Contextualidade (0,925; 7); Compreenso (0,936; 8) 5.2 Etapa 2 Survey Final Aps o trmino da reviso do instrumento, foi realizada uma reunio com dois representantes do banco da amostra de pr-teste, quando os itens resultantes foram mostrados. Tambm efetuou-se uma avaliao da aplicao do questionrio do pr-teste: os percentuais de resposta foram apresentados, assim como os resultados novos fatores obtidos e seus respectivos itens. Foram enviados nesta etapa 200 questionrios nessa nova aplicao, aos executivos do Banrisul (5 agncias) e da Caixa Econmica Federal (10 agncias). A Taxa de retorno da pesquisa o total entregue de questionrios foi de 90,8% para a Caixa e 91,4% para o Banrisul, em um total geral de 91%; A Anlise Fatorial Confirmatria (AFC) foi executada para identificar relaes latentes entre as variveis observadas, atravs de um modelo pr-definido. O Diagrama apresentado na Figura 2 apresenta as cinco variveis latentes (fatores, representador por ) correspondentes aos 27 itens do instrumento final, representados por x. Os erros de mensurao para cada item so representados por . As cargas fatoriais de cada par item-fator so representados por , e as correlaes obtidas para o par fator-fator so representadas por .
x
AC_Q1 AC_Q2 AC_Q3 AC_Q4

x,1
Acessibilidade

CO_Q13 CO_Q15

x,4

CO_Q17 CO_Q18

CN_Q19

VO_Q57

CN_Q20 CN_Q22

Conciso

Contextualidade

VO_Q60 VO_Q61 IN_Q36

x,2

i,j
x,5

CR_Q9 CR_Q11

IN_Q39 IN_Q40 OB_Q41

CR_Q12 RP_Q50 RP_Q52

Confiabilidade

Compreenso

OB_Q43 EN_Q62 EN_Q64 EN_Q65

x,3

Figura 2 Diagrama de Caminhos do Modelo de Mensurao Inicial

O modelo apresentado foi includo no software estatstico AMOS, juntamente com a base de dados obtida na coleta. A base de dados obedece s condies indicadas por Hair et al. (2005, p. 484), tendo uma quantidade de respostas maior do que cinco vezes a quantidade de itens. Foram includas as 159 ocorrncias vlidas: o tamanho da amostra tambm se adequa execuo: recomendaes so para algo em torno de 100 ou 200 [elementos] (HAIR et al., 2005, p. 485). Durante a realizao da AFC realizou-se uma verificao das escalas de medida atravs dos indicadores de Confiabilidade Composta (CC), Varincia Mdia Extrada (do ingls Average Variance Extracted: AVE) e anlise de Validade Discriminante. Neste primeiro processo, dos 27 itens que compunham o instrumento final 12 foram eliminados (restando 15 itens) corroborando a idia de o modelo original no ser robusto o suficiente para medir a qualidade da informao no contexto estudado. Itens com carga fatorial padronizada abaixo de 0,7 (valor recomendado para estudos confirmatrios) foram excludos, j que revelam um percentual de varincia explicada do item pelo construto como inferior a 50% (HAIR et al., 2005, p. 490). Tal refinamento, entretanto, no se mostrou suficiente. Os ndices de ajustamento do modelo de medida no ficaram nos nveis recomendados (SEGARS; GROVER, 1993; HAIR et al., 2005) para o modelo com 15 itens, apesar de prximos, indicando que havia ainda um esforo em refinar o modelo para o ajuste mais adequado. No Modelo Final, observa-se a adequao de todos os indicadores de acordo com a Medida Recomendada. O Quadro 7 apresenta os valores de ajustamento do Modelo Final.
Quadro 7 Ajustamento do Modelo Final
Valores de ajustamento do modelo e valores recomendados Medida Modelo Recomendada Definitivo Qui-quadrado sobre Graus de Liberdade (2/df) 3,00 ndice de Qualidade do Ajustamento (GFI - Goodness of Fit Index) 0,90 ndice de Qualidade do Ajustamento Calibrado (AGFI - Adjusted Goodness of Fit Index) 0,80 ndice de Ajustamento Normado (NFI - Normed Fit Index) 0,90 ndice de Ajustamento No-Normado (Tucker-Lewis) (NNFI - Non-Normed Fit Index) 0,90 ndice Comparativo de Ajustamento (CFI - Comparative Fit Index) 0,90 Raiz do Erro Quadrtico Mdio de Aproximao (RMSEA - Root Mean Square Error of Approximation) 0,10

2,32 0,90 0,83 0,91 0,93 0,95 0,09

Fonte: Adaptado de SEGARS; GROVER (1993) e HAIR et al. (2005)

No modelo definitivo os valores de Confiabilidade Composta (CC) esto acima do nvel desejado de 0,7 (FORNELL; LARCKER, 1981; HAIR et al.; 2005, p. 489). Os valores de Varincias Extradas (AVE) tambm excedem o recomendado de 0,50 (HAIR et al.; 2005, p. 490), conforme apresentado no Quadro 8. Em todos os fatores houve importante melhoria nos valores da AVE: o fator Compreenso foi o mais significativo, aumentando de 51% para 69%.
Quadro 8 Confiabilidade Composta e Varincia Explicada
Antes da Purificao (27 itens) CC AVE 0,75 0,57 0,71 0,59 0,84 0,62 0,81 0,53 0,81 0,51 Aps a Purificao (12 itens) CC AVE 0,81 0,68 0,81 0,81 0,82 0,68 0,68 0,69

Acessibilidade Conciso Confiabilidade Contextualidade Compreenso

10

A anlise de Validade Discriminante foi conduzida pela comparao da varincia compartilhada entre os diferentes pares de construtos com a varincia extrada em cada um deles (FORNELL; LARCKER, 1981), como apresentado no Quadro 9. A correlao entre os fatores variou de 0,53 (Acessibilidade / Confiabilidade) a 0,69 (Confiabilidade / Compreenso). A Validade Discriminante garantida por no haver varincia compartilhada entre dois fatores maior do que as varincias explicadas por cada um desses fatores.
Quadro 9 Teste de Validade Discriminante e Matriz de Correlao
Acessibilidade Confiabilidade Contextualidade Compreenso Acessibilidade 0,68 0,28 0,33 0,37 Confiabilidade Contextualidade 0,53 0,58 0,68 0,63 0,39 0,68 0,33 0,47 Compreenso 0,61 0,69 0,68 0,69

Nota: Valores acima da diagonal principal so as correlaes (Todas p < 0,001) e valores abaixo so as correlaes ao quadrado (i.e. varincia compartilhada entre os fatores). A diagonal principal indica as varincias explicadas para cada fator (em negrito).

O Quadro 10 apresenta os indicadores finais da Anlise Fatorial Confirmatria. Os valores da estatstica t, associados com cada uma das cargas fatoriais, indicam a significncia dos itens. Em geral, se os valores t so maiores que 2 ou 2,576 ento so considerados significantes ao nvel 0,05 ou 0,01 (KOUFTEROS, 1999). Os valores de R2 so todos superiores a 0,5. O menor valor de t encontrado na investigao de 9,99 (CO_Q17), sendo ento altamente significativo. Assim, todos os itens so significativamente relacionados com seus fatores, verificando a relao positiva entre eles. A varincia total explicada do instrumento definitivo de 68,21%.
Quadro 10 Indicadores Finais da Anlise Fatorial Confirmatria
Item AC_Q2 AC_Q3 AC_Q4 CR_Q11 Confiabilidade CR_Q12 RP_Q52 CO_Q13 Contextualidade CO_Q15 CO_Q17 EN_Q62 Compreenso EN_Q64 EN_Q65 Acessibilidade Carga Fatorial Carga Fatorial No Padronizada Padronizada Erro Padro 0,76 0,93 0,81 0,88 0,80 0,79 0,84 0,90 0,72 0,82 0,85 0,83 0,11 0,12 0,08 0,07 0,09 0,09 0,08 0,08 Valor t 11,31 10,41 11,74 11,44 12,75 9,99 11,81 11,43 R
2

Varincia Explicada 68%

1,00 1,00 1,00 1,00

1,25 1,26

0,91 0,81 1,16 0,86

0,97 0,92

0,57 0,86 0,66 0,78 0,64 0,62 0,70 0,81 0,52 0,67 0,72 0,68

68%

68%

69%

Nota: os valores em itlico so as cargas inferidas pelo AMOS

0,61 0,53 0,58 Acessibilidade Contextualidade 0,63 Confiabilidade 0,68 0,69 Compreenso

0,76 0,93

0,81

0,84 0,90

0,72

0,88 0,80

0,79

0,82 0,85

0,83

AC_Q2 AC_Q3 AC_Q4

CO_Q13 CO_Q15 CO_Q17

CR_Q11 CR_Q12 RP_Q52

EN_Q62 EN_Q64 EN_Q65

Figura 3 Diagrama de Caminhos do Modelo de Mensurao Final Nota: Os erros de medida inerentes aos itens foram suprimidos do diagrama para melhor clareza.

11

Os itens resultantes da AFC, suas respectivas cargas fatoriais e as correlaes encontradas entre os fatores so apresentados na Figura 3, no contexto do Diagrama de Caminhos do Modelo de Mensurao Final. Para a confirmao do Modelo Final, realizou-se uma re-execuo do modelo objetivando verificar os ndices de ajustamento, tendo como base de entrada todos os respondentes da pesquisa (pr-teste e final). A juno dessas bases resultou em um conjunto de 287 indivduos, com outliers e inconsistncias j tratadas nas etapas anteriores. O Quadro 11 apresenta novamente os valores do ajustamento do Modelo Final com a survey final, confrontando com os valores do Modelo para toda a base de respondentes.
Quadro 11 Ajustamento do Modelo Definitivo para Toda a Base de Dados
Valores de ajustamento do modelo e valores recomendados Modelo Modelo Medida Definitivo Definitivo Recomendada (amostra final) (toda a base) 3,00 2,32 2,82 0,90 0,80 0,90 0,90 0,90 0,10 0,90 0,83 0,91 0,93 0,95 0,09 0,93 0,88 0,94 0,95 0,96 0,08

Qui-quadrado sobre Graus de Liberdade (2/df) ndice de Qualidade do Ajustamento (GFI - Goodness of Fit Index) ndice de Qualidade do Ajustamento Calibrado (AGFI - Adjusted Goodness of Fit Index) ndice de Ajustamento Normado (NFI - Normed Fit Index) ndice de Ajustamento No-Normado (Tucker-Lewis) (NNFI - Non-Normed Fit Index) ndice Comparativo de Ajustamento (CFI - Comparative Fit Index) Raiz do Erro Quadrtico Mdio de Aproximao (RMSEA - Root Mean Square Error of Approximation)

Conforme observado na tabela acima, os indicadores confirmam o bom ajuste do Modelo proposto. O aumento da base proporcionou inclusive o melhoramento desses ndices, assim como indicado por Hoyle (1995, p. 87), sem que tal variao fosse contundente o suficiente para colocar em dvida o modelo. Foi realizada ento uma Anlise de Confiabilidade dos fatores e do instrumento aps a AFC. Os valores do Alfa de Cronbach esto entre 0,854 e 0,869 para os fatores; o Alfa em todo o instrumento foi de 0,910. Devido eliminao dos itens, houve uma pequena diminuio do valor do Alfa no instrumento, de 0,952 (Instrumento da Survey Final de 27 itens) para 0,91 (Instrumento aps AFC). No entanto, o valor continua alto e dentro dos nveis aceitveis de confiabilidade. O processo de refinamento do instrumento de pesquisa resultou ento em um questionrio formado por 4 fatores e 12 itens: a fidedignidade e o nmero de itens de cada varivel so: Acessibilidade (0,862; 3), Confiabilidade (0,861; 3); Contextualidade (0,854; 3) e Compreenso (0,869; 3). A AFC executada garantiu um modelo que relacione os quatro fatores resultantes. Um Modelo de Mensurao de Segunda Ordem permitiu verificar se os fatores de primeira ordem j estimados so na realidade sub-dimenses de um construto mais amplo e mais geral: no caso, a Qualidade da Informao.A Figura 4 apresenta o Diagrama de Caminhos para o modelo de segunda ordem. Verifica-se, pelas cargas fatoriais dos construtos de primeira ordem, a validade da relao testada. A anlise deste modelo de mensurao de segunda ordem permite afirmar que os quatro fatores estudados podem compor um construto nico Qualidade da Informao.

12

QI
0,70 0,80 Acessibilidade Contextualidade 0,79 Confiabilidade Compreenso 0,86

0,76 0,92

0,81

0,83 0,90

0,72

0,88 0,80

0,79

0,82 0,85

0,82

AC_Q2 AC_Q3 AC_Q4

CO_Q13 CO_Q15 CO_Q17

CR_Q11 CR_Q12 RP_Q52

EN_Q62 EN_Q64 EN_Q65

Figura 4 Diagrama de Caminhos do Modelo de Mensurao de Segunda Ordem Nota: Os erros de medida inerentes aos itens foram suprimidos do desenho para melhor clareza.

6. Concluso O presente artigo apresentou os resultados de uma pesquisa que desenvolveu e validou um modelo de Qualidade da Informao (QI), composto por dimenses significativas a indstria bancria em especfico nos bancos pblicos de mbito federal e estadual. O modelo de pesquisa inicial foi desenvolvido com base em reviso de literatura e no modelo de QI original desenvolvido por Lee et al. (2002), com 15 dimenses e 65 itens. A opo pelo modelo dos autores foi feita por representar as dimenses encontradas na literatura de QI e SI. O modelo foi refinado e validado neste artigo seguindo orientaes da literatura (KOUFTEROS, 1999). O modelo resultante auxilia no processo de avaliao da QI nos bancos pblicos federais e estaduais brasileiros composto por quatro dimenses: Acessibilidade, Confiabilidade, Contextualidade e Compreenso, distribudos em 12 itens. Observa-se que dimenses que em princpio parecem importantes principalmente para o setor estudado ficaram de fora do modelo, como as dimenses Segurana, Livre de Erros e Facilidade de Uso. Identificou-se que tais dimenses no foram consideradas importantes pelos respondentes, pois j fazem parte da cultura informacional dos bancos boa parte de seus investimentos e custos esto relacionadas a falhas nessas dimenses (como por exemplo: ataques de hackers via rede, retrabalho ou insatisfao dos clientes e investimento em treinamento e desenvolvimento de SI), justificando assim suas excluses. Percebeu-se a possvel redundncia semntica de algumas dimenses originais exemplo disso foram as dimenses Entendimento e Interpretabilidade. A eliminao de algumas dimenses durante o processo de validao com pouca diferenciao semntica proporcionou uma melhor clareza ao modelo proposto. Assim, pode-se afirmar que as quatro dimenses do modelo so quantitativamente diferentes e qualitativamente distintas. Isso foi identificado e comprovado aps entrevistas realizadas com executivos dos bancos pblicos apresentando o resultado final da pesquisa. Esse procedimento de retorno dos resultados da pesquisa aos respondentes contribuiu muito com as anlises da mesma. O rigor e o cuidado no uso das tcnicas estatsticas auxiliaram na validao dos Modelos de Mensurao de Primeira e de Segunda Ordem, revelando o quanto robusto o modelo de QI validado para os bancos pblicos federais e estaduais. As contribuies do estudo so o modelo e o instrumento que, se replicados, auxiliaro a identificar a QI percebida por seus executivos. Seus resultados podem ajudar na elaborao de estratgias de QI relacionadas aos produtos de informao que constantemente circulam dentro dos bancos e que, em grande parte, so compartilhados com os clientes.

13

Referncias Bibliogrficas BANCO DO BRASIL SA. Relatrio Anual 2004. Disponvel em http://www.bb.com.br/portal/ri/dce/dwn/relan2004.pdf. Acessado em 15/07/2005. BOUDREAU, Marie-Claude; GEFEN, David; STRAUB, Detmar W. Validation in Information Systems research: a state-of-the-art assessment. MIS Quarterly. March 2001, v. 25, n. 1, p. 1-16. BRODBECK, Angela Freitag. Avaliao da Qualidade da Informao nos Sistemas de Informao e de Apoio Deciso: um Estudo Introdutrio. In: Anais do XIX Congresso Nacional da ANPAD. Joo Pessoa: 1995. CECCAGNO, Charlene. Qualidade das Informaes Geradas Pelos Sistemas ERP. Trabalho de Concluso do Curso de Especializao em Gesto Empresarial, EA/UFRGS. Porto Alegre, 2001. CHAU, P. Y. K. Reexamining a Model for Evaluating Information Center Success Using a Structural Equation Modeling Approach. Decision Sciences. 1997, v. 28, n. 2, p. 309-334. COHAN, Peter S. CFOs to Tech: Ill Spend For The Right Technology. Financial Executive. April 2005, p. 30-34. ENGLISH, Larry P. Process management and Information Quality: how improving Information Product Processes improves Information (product) Quality. In: Proceedings of the 7th International Conference on Information Quality ICIQ2002. 2002, p. 206-209. F, Ana Lucia Moura. BI de Novo na Agenda do CIO. InfoCorporate. Janeiro 2006, n. 28, p. 27-39. FEBRABAN. Atendimento e Servios.Disponvel em http://www.febraban.org.br/Arquivo/Servicos/Dadosdosetor/atendimento_2005.asp, Acessado em 14/07/2005. (a) FEBRABAN. O Setor Bancrio em 2005. Disponvel em http://www.febraban.org.br/Arquivo/Servicos/Dadosdosetor/2006/item01.asp. Acessado em 20/12/2006. FORNELL, C., LARCKER, D.F. Evaluating Structural Equations Models with Unobservable Variables and Measurement Error. Journal of Marketing. 1981, v. 18, n. 1, p. 39-50. FREITAS, Henrique. et al. Informao e Deciso: sistemas de apoio e seu impacto. Porto Alegre: Ortiz, 1997 DAVENPORT, Thomas H. Ecologia da Informao. So Paulo: Futura, 1998. HAIR, J.F. et al. Anlise Multivariada de Dados. Porto Alegre: Bookman, 2005 HOYLE, R.H. Structural Equation Modeling: Concepts, Issues and Applications. Sage, 1995. KAHN, B.K.; STRONG, D.M.; WANG, R.Y. Information Quality benchmarks: Product and Service performance. Communications of the ACM. Apr 2002, v. 45, n. 4, p. 184-192 KATZ-HAAS, Rassa; LEE, Yang. Understanding Interdependencies Between Information and Organizacional Processes. In: Information Quality. New York: M.E.Sharpe, 2005, p. 167-178. KIM, Yong Jin; KISHORE, Rajiv; SANDERS, G. Lawrence. From DQ to EQ: Understanding Data Quality in the Context of E-Business Systems. Communications of the ACM. October 2005, v. 48, n. 10, p. 75-81. KOUFTEROS, Xenophon A. Testing a model of pull production: a paradigm for manufacturing research using structural equation modeling. Journal of Operations Management. 1999, v. 17, p. 467-488 LEE, Yang W. et al. AIMQ: a Methodology for Information Quality Assessment. Information & Management. Amsterdam: Elsevier, December 2002, v. 40, n. 2, p. 133-146

14

MAADA, A.C.G. Impacto dos investimentos em Tecnologia da Informao nas variveis estratgicas e na eficincia dos bancos brasileiros. Tese de Doutorado apresentada no Programa de Ps-graduao em Administrao PPGA. Escola de Administrao, Universidade Federal do Rio Grande do Sul, 2001 McGEE, James; PRUSAK, Laurence. Gerenciamento Estratgico da Informao. So Paulo: Campus, 1994. NOVAK, J.D. A Theory of Education. New York: Cornell University Press, 1977. OBRIEN, James A. Management Information Systems. McGraw-Hill, 1999. OZ, Effy. Management Information Systems. Cambridge: Course Technology Thomson Learning, 2000. PIERCE, Elizabeth M. Introduction. In: Information Quality. New York: M.E.Sharpe, 2005, p. 3-20. PINSONNEAULT, A.; KRAEMER, K.L. Survey Research in Management Information Systems. Journal of Management Information Systems. Autumn 1993. PIPINO, Leo L.; LEE, Yang W.; WANG, Richard Y. Data Quality Assessment. Communications of the ACM. April 2002, v. 45, n. 4 RAMOS-LIMA, L.F.; MAADA, A.C.G.; BRODBECK, A.F. Mtricas para Avaliar a Qualidade da Informao. In: Anais do Congresso Anual de Tecnologia da Informao CATI 2006. FGV-EAESP: So Paulo, 2006. RAMOS-LIMA, L.F.; MAADA, A.C.G.; VARGAS, L.M. Research into Information Quality: a Study of the State-of-the-Art in IQ and its Consolidation. In: Proceedings of the 11th International Conference on Information Quality ICIQ2006. 2006, p. 146-158. REDMAN, Thomas C. The impact of poor data quality on typical enterprise. Communications of the ACM. February 1998, v. 41, n. 2. STRONG, Diane M.; LEE, Yang W.; WANG, Richard Y. Data Quality in Context. Communications of the ACM. May 1997, v. 40, n. 5, p. 103-110. (a) STRONG, Diane M.; LEE, Yang W.; WANG, Richard Y. 10 Potholes in the Road to Information Quality. Computer. Los Alamitos: IEEE Computer Society Press, August 1997, v. 30, n. 8, p. 38-46. (b) SU, Ying; JIN, Zhanming. A methodology for Information Quality Assessment in the designing and manufacturing processes of mechanical products. In: Proceedings of the 9th International Conference on Information Quality ICIQ2004. 2004, p. 447-465. WANG, Richard Y. et al. Manage your information as a product. MIT Sloan Management Review. Summer 1998, v. 39, n. 4, p. 95-105. WANG, Richard. A product perspective on Total Data Quality Management. Communications of the ACM. February 1998, v. 41, n. 2, p. 58-65. WANG, Richard Y. KON, Henry B. MADNICK, Stuart E. Data Quality requirements analysis and modeling. In: 9th International Conference on Data Engineering. April, 1993. WIXOM, Barbara H.; TODD, Peter A. A Theoretical Integration of User Satisfaction and Technology Acceptance. Information Systems Research. March 2005, v. 16, n. 1, p. 85-102. WIXOM, Barbara H.; WATSON, Hugh J. An Empirical Investigation of the Factors Affecting Data Warehousing Success. MIS Quarterly. Mar 2001, v. 25, n. 1, p. 17-41.

15