13 de outubro de 2026
Construção de catálogo de dados geológicos para potencializar ciência de dados e analytics
Construção de Catálogo de Dados Geológicos para Potencializar Ciência de Dados e Analytics
Márcio Brito Moraes; Anna Carolina Martins
DOI: 10.22167/2675-6528-202603257
Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.
Resumo
A dispersão, heterogeneidade estrutural e semântica, e a ausência de padronização dos dados geológicos dificultam sua descoberta, compreensão, integração e reutilização em fluxos analíticos na Geologia da Exploração de Óleo e Gás. Com o objetivo de fortalecer a governança da informação e potencializar o uso de Data Science e Analytics nesse contexto, construiu-se um Catálogo de Dados Geológicos. A metodologia empregada combinou revisão bibliográfica, análise de normas e boas práticas, uso de dados abertos da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP), modelagem conceitual, especificação de metadados e implementação de um protótipo navegável em Power BI. Como resultados, consolidou-se um modelo conceitual do catálogo, um dicionário de metadados com atributos canônicos, vocabulários controlados para campos críticos, uma camada de rastreabilidade entre fontes originais e elementos do catálogo, e uma camada de qualidade com regras, achados resumidos e violações detalhadas. O protótipo demonstrou que um catálogo estruturado pode reduzir ambiguidades, ampliar a transparência sobre proveniência e qualidade, e criar condições mais favoráveis para a preparação e o uso analítico de dados geológicos. Concluiu-se que a adoção de um catálogo de dados geológicos, apoiado em metadados padronizados e mecanismos de qualidade, constitui uma abordagem viável e útil para fortalecer a governança da informação e potencializar aplicações de ciência de dados e analytics em contextos geocientíficos.
Palavras-chave: Curadoria digital; Governança da informação; Interoperabilidade; Metadados; Qualidade da informação.
1. Introdução
O avanço das tecnologias de Ciência de Dados e Analytics tem impulsionado a transformação digital em organizações intensivas em dados, notadamente na indústria de óleo e gás. Especificamente nas áreas técnicas da Geologia da Exploração, o uso estratégico de dados geológicos de alta qualidade possibilita maior eficiência na geração de conhecimento geocientífico. Isso aprimora os processos de tomada de decisão e reduz incertezas associadas à avaliação de bacias, modelagem de reservatórios e identificação de novas oportunidades exploratórias.
Entretanto, a dispersão, a heterogeneidade estrutural e semântica, e a ausência de padronização dos dados geológicos ainda representam barreiras significativas para a aplicação de técnicas avançadas de análise e inteligência artificial. Os dados estão frequentemente distribuídos em múltiplos sistemas e planilhas, apresentando nomenclaturas inconsistentes e ausência de metadados que descrevam sua origem, contexto e qualidade.
Nesse cenário, a construção de um Catálogo de Dados Geológicos surge como uma iniciativa estratégica para organizar, documentar e padronizar os metadados associados às diversas disciplinas geológicas, como estratigrafia, geoquímica, sedimentologia, geologia estrutural e análises de rochas e fluidos. Esse tipo de catálogo atua como um instrumento de curadoria e governança, facilitando a descoberta, compreensão e reutilização dos dados por diferentes equipes técnicas e sistemas analíticos.
O conceito de catálogo de dados foi adotado como elemento central desta pesquisa. De acordo com Barbieri (2020), um catálogo de dados constitui um repositório estruturado que organiza, documenta e descreve ativos informacionais por meio de metadados padronizados, permitindo sua identificação, compreensão, rastreabilidade e reutilização. Complementarmente, Batini e Scannapieco (2016) destacam que catálogos de dados são instrumentos essenciais para garantir qualidade, consistência e confiabilidade das informações, sobretudo em ambientes caracterizados por grande volume e diversidade de dados. No contexto de ciência de dados e analytics, os catálogos desempenham papel estratégico ao viabilizar a descoberta eficiente de conjuntos de dados, reduzir assimetrias de informação entre produtores e consumidores e ampliar a transparência quanto à origem, qualidade e limitações dos dados disponíveis ([DAMA] International, 2021).
Aplicado ao domínio geológico, esse papel se intensifica devido à natureza multidisciplinar dos dados, à complexidade espacial e temporal e à multiplicidade de formatos e escalas. Um catálogo estruturado tende a fortalecer a governança, promover interoperabilidade entre domínios e criar condições favoráveis ao uso intensivo de analytics em atividades exploratórias. Dessa forma, a pesquisa se justifica pela necessidade de superar as barreiras impostas pela desorganização e falta de padronização dos dados geológicos, buscando potencializar o valor gerado por iniciativas de ciência de dados. O objetivo deste estudo é propor um modelo conceitual de Catálogo de Dados Geológicos para curadoria, padronização, descrição e integração de metadados na Geologia da Exploração de Óleo e Gás, visando fortalecer a governança, a gestão da informação e o uso de Ciência de Dados e Analytics.
2. Material e Métodos
A pesquisa foi caracterizada como um estudo de natureza aplicada, com abordagem qualitativa e exploratória, voltado à construção de um Catálogo de Dados Geológicos. Essa abordagem foi adotada com o objetivo de produzir conhecimento prático e aplicável à organização, padronização e uso analítico de dados técnicos na Geologia da Exploração de Óleo e Gás, buscando endereçar dimensões de qualidade de dados como completude, consistência, acurácia, validade e integridade (Gil, 2019).
A estratégia metodológica articulou revisão bibliográfica, análise de metadados, modelagem conceitual, padronização de estruturas documentais, implementação de protótipo e avaliação funcional. O estudo foi estruturado em fases sequenciais e incrementais, abrangendo a revisão bibliográfica e definição do escopo, modelagem conceitual e definição de metadados, especificação detalhada do catálogo e mapeamento de rastreabilidade, e implementação do protótipo com validação funcional.
Na primeira fase, realizou-se uma revisão bibliográfica sistemática, que contemplou livros técnicos, artigos científicos, normas internacionais e documentos institucionais. Foram priorizadas referências reconhecidas sobre governança de dados, qualidade da informação, catálogos de dados, metadados e gestão de dados geológicos, incluindo Barbieri (2020), Batini e Scannapieco (2016) e o [DAMA-DMBOK] ([DAMA] International, 2021).
Essa revisão permitiu consolidar os fundamentos conceituais e normativos que orientaram a análise dos metadados e a elaboração do modelo conceitual do catálogo. Adotaram-se as normas ([ISO] 19115:2014) e ([ISO] 19157:2013), além das diretrizes ([INSPIRE] Metadata Implementing Rules, 2007), para estruturar metadados e tratar a qualidade de dados geocientíficos e geoespaciais.
A delimitação do escopo e das fontes do catálogo geológico conceitual foi conduzida a partir da análise de bases públicas de dados abertos da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP, 2020). Foram consumidos metadados de domínios relevantes à Geologia da Exploração de Óleo e Gás, acessíveis pelo portal oficial da ANP.
Os domínios selecionados incluíram Poços, Calha, Testemunhos, Amostras Laterais, Plugues, Lâminas, Células, Fluidos, Levantamentos Geoquímicos e Dados Geoquímicos. A escolha desses domínios foi motivada por representarem objetos técnicos recorrentes nas disciplinas geológicas e por permitirem estruturar um catálogo baseado em metadados, alinhado a princípios de gestão e governança de dados.
Na fase seguinte, desenvolveu-se a modelagem conceitual do catálogo de dados geológicos, contemplando a identificação de entidades, atributos, relacionamentos e domínios de dados. Essa modelagem foi documentada por meio de Diagrama Entidade-Relacionamento ([DER]) e dicionário de dados, seguindo boas práticas de modelagem conceitual recomendadas pelo [DAMA-DMBOK] ([DAMA] International, 2021).
O [DER] foi construído utilizando o dbdiagram.io, uma ferramenta online da Holistics Software (HOLISTICS, 2026), que permite definir e documentar esquemas de banco de dados. O [DER] representou a estrutura conceitual do catálogo, evidenciando entidades centrais, entidades de suporte e vínculos de proveniência e contextualização entre poços, amostras e dados geoquímicos.
Um Dicionário de Dados foi elaborado para descrever, de forma padronizada e sistemática, os elementos de dados utilizados, detalhando significado, tipo, exemplos e regras associadas a cada atributo. Esse artefato atuou como referência operacional para compreender o conteúdo de cada domínio, orientar a padronização de metadados e facilitar a descoberta e reutilização dos dados.
A estrutura conceitual foi organizada a partir de quatro domínios centrais: Poço, Amostras (englobando Calha, Testemunhos, Amostras Laterais, Plugues, Lâminas, Células e Fluidos), Levantamento Geoquímico e Dado Geoquímico. A escolha dos metadados essenciais foi conduzida de forma sistemática para viabilizar descoberta, compreensão, rastreabilidade, relacionamento e interoperabilidade entre domínios geológicos.
Foram definidas como entidades principais: Poço, Amostra, Levantamento Geoquímico e Dado Geoquímico. Entidades de suporte, como Bacia Sedimentar, Unidade Estratigráfica, Projeto/Programa, Localização, Laboratório/Entidade Executora e Documento Técnico, foram incluídas para garantir rastreabilidade, contextualização e organização dos ativos de dados.
Os relacionamentos conceituais foram estabelecidos para refletir a cadeia mínima de integração. Um Poço foi associado a uma Bacia Sedimentar e pôde conter Amostras de Calha, Testemunhos e Amostras Laterais. Testemunhos puderam originar Plugues, e Lâminas e Células puderam ser associadas como derivadas de Calha, Testemunhos, Amostras Laterais e Plugues.
Paralelamente à modelagem conceitual, conduziu-se a identificação e padronização de metadados essenciais para caracterizar dados geológicos, tomando como base direta as bases analisadas da ANP. Realizou-se o mapeamento das fontes e de seus esquemas originais, o inventário de atributos técnicos, espaciais, temporais e administrativos, e a classificação semântica.
Um componente metodológico central foi o mapeamento de rastreabilidade entre os campos originais das bases e os elementos canônicos do catálogo. Esse mapeamento foi concebido para explicitar a correspondência entre fontes de origem e estruturas documentais do catálogo, associando nomes originais a nomes padronizados, regras de interpretação e vínculos com domínios de valores.
Adicionalmente, realizou-se enriquecimento semântico por meio da definição de vocabulários controlados para atributos categóricos críticos, especialmente nos casos em que códigos, siglas ou classificações técnicas poderiam gerar ambiguidades de interpretação. Esse procedimento fortaleceu a consistência do catálogo e tornou seus elementos mais adequados à reutilização em contextos multidisciplinares e analíticos.
A implementação do protótipo foi realizada em Power BI. A escolha da ferramenta deveu-se à sua capacidade de combinar, em um mesmo ambiente, modelagem tabular, definição de relacionamentos, criação de medidas analíticas e construção de interfaces interativas. Isso permitiu materializar o catálogo em um ambiente analítico interativo sem a necessidade de desenvolver uma aplicação web completa.
O protótipo foi estruturado a partir de tabelas de metadados, incluindo conjuntos de dados, colunas, vocabulários, valores permitidos, relacionamentos e regras de qualidade. Foram implementadas páginas voltadas à visão geral do catálogo, exploração de conjuntos de dados, exploração de campos, detalhamento de atributos, visualização de vocabulários, representação dos relacionamentos conceituais e monitoramento da qualidade dos dados.
A validação funcional concentrou-se na verificação da coerência entre as estruturas conceituais definidas e seu comportamento no protótipo implementado. Observou-se a consistência dos relacionamentos entre tabelas, o funcionamento da navegação entre páginas, o comportamento de filtros e segmentações, a associação entre campos e vocabulários, a exibição de valores permitidos e a coerência da camada de qualidade.
O estudo não envolveu coleta direta de dados junto a pessoas, nem a realização de entrevistas, questionários ou qualquer forma de interação com participantes humanos. Todos os dados utilizados foram obtidos exclusivamente a partir dos dados abertos da ANP, disponíveis para acesso na internet. Dessa forma, não se fez necessária a submissão do projeto ao Comitê de Ética em Pesquisa.
3. Resultados e Discussão
A análise realizada confirmou que a construção de um Catálogo de Dados Geológicos, fundamentado em metadados padronizados, modelagem conceitual estruturada e um protótipo navegável, representa uma abordagem viável e útil para fortalecer a governança, a curadoria e o uso de Data Science e Analytics na Geologia da Exploração de Óleo e Gás. A investigação evidenciou que, embora os conjuntos de dados analisados apresentassem documentação relativamente padronizada em nível de conjunto de dados e em nível de atributos, persistiam heterogeneidades estruturais e semânticas que limitavam a descoberta, o entendimento, a integração e a reutilização analítica dos dados. Esse achado está em consonância com a literatura de governança e gestão de dados, que enfatiza a necessidade de organizar ativos informacionais em estruturas que explicitem significado, contexto, proveniência e qualidade (Barbieri, 2020; [DAMA] International, 2021; Batini e Scannapieco, 2016).
A caracterização das bases de dados revelou um nível de padronização nos metadados de conjunto de dados e de atributos, com todos os domínios analisados documentados sob as estruturas de “Informações adicionais” e “Detalhes sobre cada coluna do conjunto de dados”. Este padrão inicial é um ponto de partida positivo, indicando a existência de um núcleo documental mínimo para sustentar iniciativas de catalogação. Contudo, observou-se uma heterogeneidade significativa na quantidade de atributos e nos padrões de nomenclatura, especialmente no domínio Poços, que apresentava mais colunas e convenções técnicas distintas em comparação com as bases de amostras, as quais frequentemente utilizavam nomes com acentuação, espaços e quebras de linha. Este contraste sublinhou a necessidade de normalização sintática e semântica para aprimorar a interoperabilidade, inteligibilidade e reuso, alinhando-se ao papel dos catálogos de dados na gestão da informação (Barbieri, 2020; [DAMA] International, 2021; Batini e Scannapieco, 2016).
Do ponto de vista semântico, a pesquisa identificou desafios importantes para a padronização, incluindo lacunas de documentação e oportunidades de enriquecimento. Em diversos domínios de amostras, não foi encontrado um identificador único global por registro, o que levou à necessidade de utilizar chaves compostas e identificadores sugeridos para garantir a unicidade e a proveniência no catálogo. Além disso, foram observados atributos redundantes em múltiplos domínios, como informações de bacia sedimentar, depositária e contexto geográfico, indicando a necessidade de harmonização. Campos cruciais para análise, como profundidades, volumes e intervalos, eram frequentemente descritos como texto nos metadados originais, o que exigiu a explicitação de tipos normalizados, unidades de medida e regras de validação. Esses achados corroboram as dimensões de completude, consistência, validade e integridade destacadas por Batini e Scannapieco (2016) e pelo [DAMA-DMBOK], bem como a ênfase da [ISO] 19157:2013 na formalização de critérios de qualidade para dados geoespaciais e geocientíficos ([DAMA] International, 2021; [ISO] 19157:2013 Geographic Information Data Quality, 2013).
No que concerne aos relacionamentos entre amostras e seus derivados, a análise confirmou que os metadados suportavam parcialmente a hierarquia definida no estudo. Amostras como Calha, Testemunhos, Amostras Laterais e Fluidos foram associadas a Poços; Plugues foram identificados como derivados de Testemunhos; e Lâminas e Células como derivadas de Calha, Testemunhos, Amostras Laterais e Plugues. No entanto, verificou-se que essa derivação nem sempre era explicitada por identificadores formais de origem, o que impunha restrições à rastreabilidade completa. O vínculo entre Plugues e Testemunhos foi representado pelo número do testemunho, mas as relações de derivação de Lâminas e Células dependiam de um atributo categórico de tipo de amostra de origem, sem uma referência inequívoca a uma amostra-mãe específica. Em resposta a essa limitação, a modelagem do catálogo incorporou mecanismos de enriquecimento, como chaves compostas, identificadores sugeridos e atributos explícitos de proveniência, incluindo referência à amostra de origem, tipo de derivação e intervalo padronizado. Esse resultado é consistente com a literatura, que aponta que a ausência de metadados de proveniência e de regras formais de consistência aumenta o risco de interpretações divergentes e reduz o potencial de reuso confiável dos dados (Batini e Scannapieco, 2016; [ISO] 19157:2013 Geographic Information Data Quality, 2013).
Apesar dessas limitações, o modelo conceitual consolidado mostrou-se suficiente para servir de base à implementação do protótipo. A principal contribuição dessa etapa foi demonstrar que os domínios analisados poderiam ser organizados em uma estrutura coerente de entidades, atributos e relacionamentos, capaz de representar, em nível de catálogo, os principais objetos informacionais da Geologia da Exploração. O Diagrama Entidade-Relacionamento (DER) produzido sintetizou essa estrutura, explicitando tanto as entidades centrais quanto os vínculos fundamentais de integração e proveniência entre poços, amostras e dados geoquímicos. Esse DER, construído utilizando a ferramenta dbdiagram.io, representou graficamente as entidades Poço, Amostras (Calha, Testemunhos, Amostras Laterais, Plugues, Lâminas, Células e Fluidos), Levantamento Geoquímico e Dado Geoquímico, além de entidades de suporte como Bacia Sedimentar e Unidade Estratigráfica, detalhando seus atributos e relacionamentos com cardinalidades, o que é fundamental para a compreensão do escopo e a padronização de conceitos.
Com base no modelo conceitual, foi consolidada a especificação detalhada do catálogo e do dicionário de metadados. Essa estrutura passou a explicitar, para cada atributo do catálogo, o nome original da coluna, o nome canônico, o tipo do dado de origem, o tipo normalizado, a unidade de medida (quando aplicável), a obrigatoriedade, o papel no relacionamento, a chave relacionada, o domínio de valores e as regras de validação. Essa especificação ampliou significativamente a utilidade do catálogo para Data Science e Analytics, oferecendo aos usuários não apenas uma listagem de campos, mas um conjunto interpretável de informações úteis para seleção, preparação e validação dos dados. Em fluxos analíticos, essa abordagem reduz a ambiguidade semântica, facilita o entendimento do significado dos atributos e auxilia na antecipação de problemas de tipagem, unidade ou conformidade. O Dicionário de Dados sintetizado a partir das fontes de dados consolidou os atributos mais relevantes para catalogação, relacionamento e interoperabilidade, atuando como referência operacional para a compreensão do conteúdo de cada domínio.
No nível de conjunto de dados, a pesquisa confirmou que todos os domínios analisados apresentavam um conjunto comum de oito campos de metadados: título, descrição, origem do dado, fonte do dado, formato do arquivo, periodicidade de atualização, notas e contato. Esse padrão inicial favoreceu a etapa de catalogação, fornecendo uma base mínima de identificação. Contudo, a análise crítica mostrou que, para fins de Data Science e Analytics, essa estrutura era insuficiente, pois não explicitava de forma consistente aspectos como cobertura temporal e espacial, versão do conjunto de dados, data de extração, condições de uso, linhagem e indicadores de qualidade. Em resposta, o estudo propôs a ampliação do template de metadados de conjunto, incorporando campos adicionais voltados à descoberta, avaliação de adequação ao uso e interoperabilidade, em alinhamento com as recomendações do [DAMA-DMBOK], da [ISO] 19115:2014 e das diretrizes [INSPIRE] ([DAMA] International, 2021; [ISO] 19115:2014 Geographic Information Metadata, 2014; [INSPIRE] Metadata Implementing Rules, 2007). Essa ampliação é particularmente relevante em ambientes analíticos, onde a escolha de um conjunto de dados depende não apenas de seu conteúdo nominal, mas também de seu contexto temporal, espacial e de sua confiabilidade documental.
No nível de coluna, os resultados reforçaram a necessidade de uma camada canônica de documentação. Embora todos os domínios apresentassem os quatro campos originais de documentação de atributos (nome da coluna, exemplo, tipo do dado e descrição), a pesquisa confirmou fragilidades importantes, como nomes de campos heterogêneos, campos métricos descritos como texto, ausência de padronização de unidades e lacunas descritivas. A especificação final do catálogo tratou esses problemas por meio da incorporação de atributos documentais adicionais, como tipo normalizado, unidade de medida, obrigatoriedade, regra de validação e papel relacional. Na prática, essa camada tem implicações diretas para Analytics: atributos como profundidade, volume, topo e base passam a ser interpretáveis e comparáveis de maneira mais consistente; campos categóricos passam a ser associados a domínios controlados; e a preparação de bases para modelagem analítica passa a exigir menos esforço de interpretação manual. Esse resultado reforça a ideia de que um catálogo de dados, quando bem especificado, atua como infraestrutura de entendimento e não apenas como inventário passivo de esquemas.
A pesquisa também confirmou que a padronização semântica exige vocabulários controlados para atributos categóricos críticos. Entre os casos mais relevantes, destacaram-se a orientação do plugue, o tipo de amostra de origem e classificações relacionadas a fluidos e dados geoquímicos. Essa necessidade foi operacionalizada no protótipo por meio de estruturas específicas de vocabulário e de valores permitidos, vinculadas aos campos correspondentes do catálogo. Esse resultado agrega valor concreto porque transforma códigos e categorias antes apresentados de forma isolada em elementos pertencentes a um domínio formal de significados válidos. Em um contexto geológico, isso reduz ambiguidades, facilita a integração entre disciplinas e apoia o reuso consistente dos dados, especialmente quando diferentes equipes ou usuários analíticos não compartilham o mesmo repertório técnico detalhado. A página de vocabulários controlados do protótipo permitiu visualizar os domínios de valores definidos, seus valores válidos e a associação desses vocabulários aos campos documentados.
A implementação do protótipo em Power BI materializou o modelo conceitual e a especificação documental em um ambiente navegável, demonstrando a aplicabilidade da proposta. A escolha da ferramenta deveu-se à sua capacidade de combinar, em um mesmo ambiente, modelagem tabular, definição de relacionamentos, criação de medidas analíticas e construção de interfaces interativas. Isso permitiu construir rapidamente um artefato demonstrativo com baixa complexidade de desenvolvimento e elevada capacidade de comunicação do resultado. A página inicial do protótipo foi concebida para oferecer ao usuário uma visão sintética do catálogo e organizar o acesso às diferentes camadas de exploração implementadas, como conjuntos de dados, campos, vocabulários, relacionamentos e qualidade. Essa interface traduziu a proposta do trabalho em uma experiência de uso concreta, transformando o catálogo em um portal de descoberta e entendimento dos ativos informacionais.
A capacidade de apoiar a descoberta dos conjuntos de dados disponíveis é uma das funções mais básicas e importantes de um catálogo. No contexto desta pesquisa, essa necessidade foi particularmente relevante, pois os domínios analisados possuem finalidades distintas, granularidades diferentes e aplicações técnicas variadas. A criação de uma página específica para exploração de conjuntos de dados permitiu estruturar a navegação em nível de conjunto de dados, oferecendo ao usuário um mecanismo para localizar rapidamente os domínios mais aderentes ao seu interesse analítico e compreender, de forma resumida, seu contexto documental. Essa funcionalidade é essencial para reduzir o esforço de localização e triagem de fontes antes mesmo da análise mais detalhada de atributos. Uma vez identificado um conjunto de dados relevante, a etapa seguinte do uso do catálogo consistiu em compreender com maior profundidade o contexto documental desse conjunto de dados, para o qual foi estruturada uma página de detalhamento que reúne informações essenciais sobre descrição, origem, periodicidade, formato, contato e demais metadados de nível de conjunto, além de conectar o conjunto de dados à camada de atributos documentados. Essa funcionalidade mostrou-se particularmente importante porque o uso analítico de um conjunto de dados depende não apenas da identificação de sua existência, mas também de sua interpretação contextual, incluindo origem, escopo e condições de atualização. Dessa forma, o detalhamento do conjunto de dados reforçou o papel do catálogo como instrumento de entendimento e não apenas de inventário.
Se a exploração em nível de conjunto de dados é importante para a descoberta das fontes, a exploração em nível de campo é decisiva para o uso analítico propriamente dito. Em práticas de Data Science e Analytics, a busca por variáveis relevantes costuma ser uma etapa crítica, pois exige identificar rapidamente quais atributos contêm a informação necessária, em quais domínios aparecem e sob quais convenções semânticas e técnicas estão documentados. A página de exploração de campos foi estruturada para atender justamente a essa necessidade, oferecendo uma visão navegável da camada de atributos do catálogo. Com isso, o protótipo passou a apoiar não apenas a descoberta de conjuntos de dados, mas também a seleção orientada de variáveis com base em critérios documentais e semânticos. A identificação de um campo relevante não encerra a necessidade de documentação; ao contrário, ela abre espaço para uma etapa ainda mais importante: o entendimento aprofundado do atributo selecionado. No protótipo, essa função foi implementada por meio de uma página específica de detalhamento, na qual se concentram elementos como nome original, nome canônico, tipo de dado, unidade, papel relacional, regra de validação, exemplo e vocabulário associado. Essa estrutura mostrou-se particularmente valiosa para apoiar a preparação de dados, a integração entre domínios e a interpretação analítica, pois reduziu ambiguidades semânticas e tornou explícitas informações que, em muitos cenários, permaneceriam implícitas ou dispersas em diferentes fontes documentais. Assim, a página de detalhamento do campo expressou de forma concreta o papel do catálogo como camada de entendimento técnico e semântico.
Uma das contribuições centrais do catálogo proposto consistiu em explicitar, de forma estruturada, os vínculos entre entidades e domínios que, nas bases originais, nem sempre apareciam de maneira suficientemente clara ou formalizada. A página de relacionamentos do protótipo foi desenvolvida para tornar essa estrutura mais inteligível ao usuário, aproximando a modelagem conceitual da experiência de navegação. Ao apresentar os vínculos entre poços, amostras, dados geoquímicos e demais elementos do domínio, essa interface reforça a importância da contextualização e da proveniência para o uso confiável dos dados. Em outras palavras, ela mostra que o catálogo não se limita à descrição isolada de tabelas e campos, mas também incorpora a lógica relacional que sustenta a integração e a rastreabilidade. A página de relacionamentos do protótipo traduziu a estrutura conceitual do catálogo em uma visualização de apoio à interpretação dos vínculos entre entidades e domínios.
A padronização semântica foi um dos aspectos mais importantes da construção do catálogo, especialmente no tratamento de atributos categóricos cujo significado depende de códigos, siglas ou classificações técnicas. Para operacionalizar essa dimensão, o protótipo incorporou uma página específica de vocabulários controlados, permitindo visualizar os domínios de valores definidos, seus valores válidos e a associação desses vocabulários aos campos documentados. Essa funcionalidade agregou valor porque reduziu ambiguidades de interpretação, fortaleceu a consistência semântica e facilitou o reuso dos dados por usuários com diferentes níveis de familiaridade com o domínio geológico. No contexto do protótipo, a página de vocabulários representou a materialização prática da proposta de tratamento formal de domínios de valores, exibindo os valores permitidos e suas associações aos campos documentados.
Além da documentação e da navegação pelos metadados, o protótipo incorporou uma camada voltada à visualização da qualidade dos dados catalogados. Essa ampliação mostrou-se relevante porque, em contextos de Data Science e Analytics, a descoberta dos dados precisa ser acompanhada de algum grau de transparência sobre sua adequação ao uso. A página de visão geral da qualidade foi concebida para reunir indicadores sintéticos, distribuição de ocorrências e uma primeira camada de detalhamento dos registros afetados, permitindo ao usuário perceber de forma rápida onde se concentram os principais problemas documentados. Essa funcionalidade reforçou a ideia de que o catálogo pode operar como instrumento de governança, e não apenas de inventário. Além de uma visão agregada de qualidade, a pesquisa mostrou a importância de analisar os problemas documentados segundo a lógica específica de cada regra. Essa perspectiva permite compreender com maior precisão quais tipos de ocorrência se concentram em determinados conjuntos de dados, quais dimensões de qualidade são mais impactadas e como a criticidade dos achados se distribui no catálogo. A página de qualidade por regra foi estruturada para oferecer essa leitura mais analítica, funcionando como complemento à visão geral e permitindo aprofundar a interpretação dos problemas catalogados. Com isso, o protótipo passou a reunir, em uma mesma solução, tanto uma visão executiva da qualidade quanto uma visão orientada à análise detalhada, onde as ocorrências podem ser exploradas por regra, criticidade, dimensão de qualidade e conjunto de dados.
A discussão crítica dos resultados confirma que a proposta do catálogo atende ao problema de pesquisa formulado na Introdução. A implementação do protótipo demonstrou que a construção de um catálogo estruturado é capaz de reduzir barreiras de descoberta, entendimento e reutilização de dados geológicos, especialmente quando combinada à padronização de metadados, à explicitação de proveniência, ao uso de vocabulários controlados e à incorporação de mecanismos de qualidade. Em termos de Data Science e Analytics, essa contribuição é particularmente relevante porque o trabalho com dados geológicos não depende apenas da existência dos arquivos, mas do entendimento de seu contexto técnico, de suas restrições de uso e de sua confiabilidade documental. Um cientista de dados ou analista que deseje selecionar variáveis para comparar amostras por profundidade, cruzar informações geoquímicas por poço ou avaliar relações entre tipo de amostra e atributos laboratoriais se beneficia diretamente de um catálogo que já explicita tipos esperados, unidades, vocabulários e regras mínimas de integridade.
Ao mesmo tempo, os resultados também evidenciaram limitações importantes. A principal delas continua sendo a dependência da qualidade e da completude dos metadados originalmente disponibilizados pela fonte analisada. Em domínios onde não há identificadores universais ou relações formais explícitas entre amostras e derivados, o catálogo depende de enriquecimentos adicionais para representar a rastreabilidade de forma mais robusta. Ainda assim, essas limitações não enfraquecem a proposta; ao contrário, reforçam sua relevância, pois tornam visíveis lacunas que, sem um catálogo estruturado, permaneceriam implícitas e dificultariam o uso confiável dos dados. Em síntese, os resultados e discussões desta pesquisa demonstram que o Catálogo de Dados Geológicos foi não apenas modelado, mas também especificado, implementado e validado em nível de protótipo. O estudo confirmou a importância da padronização de metadados, da explicitação de proveniência, do uso de vocabulários controlados e da incorporação de mecanismos de qualidade como componentes centrais de um catálogo orientado à governança e ao uso analítico. O protótipo desenvolvido não pretende esgotar a complexidade do domínio geológico nem substituir uma futura solução corporativa, mas demonstrou, de forma concreta, que é possível estruturar um artefato útil para descoberta, entendimento, curadoria e suporte a iniciativas de Data Science e Analytics em contextos geocientíficos.
4. Conclusão
O estudo visou propor um modelo conceitual de Catálogo de Dados Geológicos para curadoria, padronização, descrição e integração de metadados na Geologia da Exploração de Óleo e Gás, fortalecendo a governança, a gestão da informação e o uso de Ciência de Dados e Analytics. Verificou-se que a dispersão e a heterogeneidade estrutural e semântica dos dados geológicos representavam barreiras significativas, as quais foram abordadas pela construção de um modelo conceitual robusto. Identificou-se a necessidade de normalização sintática e semântica, bem como a importância de vocabulários controlados e mecanismos de rastreabilidade para superar lacunas de documentação e inconsistências. A implementação de um protótipo navegável em Power BI demonstrou a viabilidade da proposta, consolidando um dicionário de metadados com atributos canônicos e uma camada de qualidade. Essa abordagem contribuiu para reduzir ambiguidades, ampliar a transparência sobre a proveniência e a qualidade dos dados, e criar condições mais favoráveis para a preparação e o uso analítico de informações geológicas, potencializando o valor gerado por iniciativas de ciência de dados.
Apesar dos avanços, observou-se como limitação a dependência da qualidade e completude dos metadados originalmente disponibilizados pelas fontes analisadas. Em domínios sem identificadores universais ou relações formais explícitas entre amostras e derivados, o catálogo exigiu enriquecimentos adicionais para representar a rastreabilidade de forma robusta. Contudo, essas restrições não invalidam a proposta; ao contrário, evidenciam a relevância do catálogo como ferramenta para tornar visíveis e tratáveis lacunas que, de outra forma, permaneceriam implícitas e dificultariam o uso confiável dos dados. Conclui-se que a adoção de um catálogo de dados geológicos, fundamentado em metadados padronizados e mecanismos de qualidade, constitui uma abordagem útil e viável para fortalecer a governança da informação e impulsionar as aplicações de ciência de dados e analytics em contextos geocientíficos. O protótipo, embora não substitua uma solução corporativa completa, estabeleceu uma base concreta para a descoberta, o entendimento e a curadoria de ativos informacionais.
Referências Bibliográficas
[ANP], Agência Nacional do Petróleo, Gás Natural e Biocombustível. Dados abertos. 2020. Disponível em: <https://www.gov.br/anp/pt-br/centrais-de-conteudo/dados-abertos>. Acesso em 04 de fevereiro de 2026.
[DAMA] International. 2021. [DAMA-DMBOK]: Data Management Body of Knowledge. 2ed. Technics Publications, Bradley Beach, NJ, EUA.
Barbieri, C. 2020. Governança de Dados. Alta Books, Rio de Janeiro, RJ, Brasil.
Batini, C.; Scannapieco, M. 2016. Data and Information Quality: Dimensions, Principles and Techniques. Springer, Cham, Suíça.
European Commission. 2007. [INSPIRE] Metadata Implementing Rules: Technical Guidelines based on EN [ISO] 19115 and EN [ISO] 19119. Version 1.2. European Commission, Brussels, Bélgica.
Gil, A.C. 2019. Métodos e técnicas de pesquisa social. 7ed. Atlas, São Paulo, SP, Brasil.
Holistics Software Pte Ltd [HOLISTICS]. 2026. dbdiagram.io: ferramenta online para construção de [DER]. Disponível em: <https://dbdiagram.io/>. Acesso em: 04 de fevereiro de 2026.
International Organization for Standardization [ISO]. 2013. [ISO] 19157:2013 Geographic information — Data quality. [ISO], Geneva, Suíça.
International Organization for Standardization [ISO]. 2014. [ISO] 19115:2014 Geographic information – Metadata. [ISO], Geneva, Suíça.
Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq
Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

