1
00:00:07,860 --> 00:00:10,682
Nos primórdios do Business Intelligence,

2
00:00:10,682 --> 00:00:15,597
levávamos pelo menos aí um ano dentro 
da construção de um Data Warehouse

3
00:00:15,597 --> 00:00:17,798
para fazer, de fato, uma entrega de valor.

4
00:00:18,685 --> 00:00:22,455
Ao longo desse tempo,
muitos projetos naufragavam.

5
00:00:22,455 --> 00:00:27,342
Período longo demais para manter 
o patrocínio da alta gestão.

6
00:00:28,495 --> 00:00:31,135
Boas notícias! Nós viramos esse jogo.

7
00:00:31,135 --> 00:00:35,989
Com uma stack moderna de dados,
trazendo agilidade na gestão dos projetos,

8
00:00:35,989 --> 00:00:39,454
usando ferramentas low-code,
indo para cloud,

9
00:00:39,454 --> 00:00:44,018
trabalhando muito mais DataOps,
hoje, em pouquíssimo tempo,

10
00:00:44,018 --> 00:00:49,449
nós conseguimos entregar na mão 
dos analistas, dos times de gestão,

11
00:00:49,449 --> 00:00:52,455
informações consistentes
para a tomada de decisão.

12
00:00:52,455 --> 00:00:56,258
Eu sou a Tassiana, sou gestora 
de dados e analytics na triggo.ai,

13
00:00:56,258 --> 00:00:58,358
que é uma startup
de Inteligência Artificial,

14
00:00:58,358 --> 00:01:02,262
professora e coordenadora 
de MBA aqui na FIAP.

15
00:01:02,262 --> 00:01:05,798
E eu estou aqui com o nosso 
querido Lucas Brandi,

16
00:01:05,798 --> 00:01:08,007
sumidade quando o assunto é dado.

17
00:01:08,007 --> 00:01:11,137
Ele vai contar um pouquinho 
da carreira dele para nós,

18
00:01:11,137 --> 00:01:15,012
contar como os dados 
fazem parte hoje

19
00:01:15,012 --> 00:01:17,692
do seu cotidiano né, Lucas?

20
00:01:17,692 --> 00:01:21,781
E nós vamos bater um papo aqui
bem gostoso sobre boas práticas,

21
00:01:21,781 --> 00:01:25,051
justamente nesse contexto das informações.

22
00:01:25,051 --> 00:01:25,822
Exatamente.

23
00:01:26,386 --> 00:01:29,589
Bom, meu nome é Lucas Brandi,
eu sou engenheiro de dados.

24
00:01:29,589 --> 00:01:34,048
Trabalho para uma empresa chamada X-Team 
como consultor para projetos internacionais,

25
00:01:34,048 --> 00:01:38,498
principalmente no âmbito 
de Data Warehouse e Data Lake.

26
00:01:38,498 --> 00:01:43,431
Ambos os projetos são voltados 
para organizarmos os dados

27
00:01:43,431 --> 00:01:47,659
de uma forma eficiente para o uso 
posterior, para ciência de dados,

28
00:01:47,659 --> 00:01:51,177
para análises, desenvolvimento 
de métricas e assim por diante.

29
00:01:51,177 --> 00:01:54,247
Em poucas palavras,
trazer valor para o negócio.

30
00:01:54,247 --> 00:01:55,012
Muito bacana.

31
00:01:55,012 --> 00:01:56,529
Gente, o Lucas é um engenheiro incrível.

32
00:01:56,529 --> 00:01:59,786
Vai dar dicas importantíssimas para vocês.

33
00:01:59,786 --> 00:02:02,199
E para partirmos do início, Lucas,

34
00:02:02,199 --> 00:02:06,311
sempre tem ali uma necessidade 
de tomada de decisão,

35
00:02:06,311 --> 00:02:08,061
uma necessidade de análise.

36
00:02:08,061 --> 00:02:09,829
Toda organização tem.

37
00:02:09,829 --> 00:02:13,599
Mas daí até chegar 
a implementação de um projeto,

38
00:02:13,599 --> 00:02:17,668
uma esteira de construção de engenharia,
uma entrega de valor lá na ponta,

39
00:02:17,668 --> 00:02:22,208
com dashboards, com estatísticas,

40
00:02:22,208 --> 00:02:25,711
e às vezes até evoluir 
para um Machine Learning, enfim,

41
00:02:25,711 --> 00:02:29,315
como funciona esse trilho,
como nascem esses projetos,

42
00:02:29,315 --> 00:02:32,656
e como vamos fazendo
toda essa construção?

43
00:02:33,428 --> 00:02:36,389
Eu acho que nós temos diversas situações.

44
00:02:36,389 --> 00:02:39,028
Em alguns casos, quando 
começamos um projeto de dados,

45
00:02:39,028 --> 00:02:42,128
pode ser que seja numa empresa
que também está começando.

46
00:02:42,128 --> 00:02:45,598
Então avançamos com a maturidade de dados,

47
00:02:45,598 --> 00:02:49,068
assim como a empresa está avançando também
com o desenvolvimento do produto.

48
00:02:49,068 --> 00:02:53,739
Em outros cenários, já temos um produto 
desenvolvido, uma empresa estabelecida,

49
00:02:53,739 --> 00:02:57,662
mas que ainda não estava
utilizando das boas práticas do mercado

50
00:02:57,662 --> 00:02:59,245
para uso de dados,

51
00:02:59,245 --> 00:03:02,582
para se tornar uma empresa
data-driven, enfim.

52
00:03:02,582 --> 00:03:07,286
Nesses cenários, nós precisamos 
estar muito mais próximos

53
00:03:07,286 --> 00:03:10,605
das áreas de negócio, de quem 
conhece, domina de fato o produto,

54
00:03:10,605 --> 00:03:13,993
para conseguir extrair 
esses insumos do negócio,

55
00:03:13,993 --> 00:03:19,714
para conseguir pensar, planejar como vamos 
implementar esse projeto de Data Warehouse,

56
00:03:19,714 --> 00:03:23,278
numa boa plataforma de dados
para agregar valor rápido,

57
00:03:23,278 --> 00:03:25,438
como você mesma disse, para o negócio,

58
00:03:25,438 --> 00:03:27,622
utilizando diversas outras ferramentas.

59
00:03:27,622 --> 00:03:30,695
E dependendo do tipo de produto
que estamos trabalhando,

60
00:03:30,695 --> 00:03:34,714
as origens dos nossos dados, 
temos que pensar também,

61
00:03:34,714 --> 00:03:37,049
quais ferramentas vamos utilizar ali.

62
00:03:37,049 --> 00:03:41,723
Então, esse passo inicial, 
entendermos se o produto já existe,

63
00:03:41,723 --> 00:03:45,489
se a empresa já trabalha 
com algum tipo de métrica,

64
00:03:45,489 --> 00:03:48,517
quais são essas métricas,
como elas são calculadas,

65
00:03:48,517 --> 00:03:51,297
é a base de tudo, né, é onde começamos.

66
00:03:51,297 --> 00:03:56,202
E caso seja uma empresa nova,
que já está nascendo na nuvem mesmo,

67
00:03:56,202 --> 00:04:01,912
que já temos essa ideia de trabalhar 
com analytics desde o início,

68
00:04:01,912 --> 00:04:03,576
às vezes é um pouquinho mais fácil,

69
00:04:03,576 --> 00:04:07,480
porque aí conseguimos trabalhar em conjunto 
com o desenvolvimento do produto,

70
00:04:07,480 --> 00:04:10,015
já trazendo essas métricas
e acompanhando as métricas

71
00:04:10,015 --> 00:04:12,573
enquanto o produto
está sendo desenvolvido.

72
00:04:12,573 --> 00:04:16,155
Então é um crescimento meio
que paralelo das duas frentes,

73
00:04:16,155 --> 00:04:19,605
não só o negócio, como também 
a plataforma que estamos desenvolvendo.

74
00:04:19,605 --> 00:04:20,452
Perfeito.

75
00:04:20,452 --> 00:04:24,331
Quando falamos do mercado,
o cenário é complexo, né,

76
00:04:24,331 --> 00:04:28,968
então você tem ali uma estratégia 
de negócio a ser pensada,

77
00:04:28,968 --> 00:04:31,504
depois tem um olhar arquitetural também.

78
00:04:31,504 --> 00:04:36,216
As arquiteturas são híbridas, 
às vezes uma colcha de retalhos.

79
00:04:36,216 --> 00:04:37,910
É sempre muito, né...

80
00:04:37,910 --> 00:04:40,235
O Lucas está bastante 
adaptado a essa realidade.

81
00:04:40,235 --> 00:04:42,715
É sempre muito consultivo, né?

82
00:04:42,715 --> 00:04:45,017
Não existe uma receita de bolo.

83
00:04:45,017 --> 00:04:48,254
Trabalhamos os conceitos
com os alunos, mas no mercado,

84
00:04:48,254 --> 00:04:52,091
essa adaptabilidade e flexibilidade
são superimportantes,

85
00:04:52,091 --> 00:04:57,096
essa leitura ali do contexto 
e da necessidade do cliente.

86
00:04:57,096 --> 00:05:01,433
Por falar em necessidade do cliente, 
Lucas, falamos muito de visão 360.

87
00:05:01,433 --> 00:05:03,147
Isso é um termo meio negócio, né?

88
00:05:03,147 --> 00:05:06,338
Eu quero uma visão 360 ali do meu cliente.

89
00:05:06,338 --> 00:05:09,545
Você acha que um projeto nessa linha
que nós estamos comentando,

90
00:05:09,545 --> 00:05:11,831
de um Data Warehouse, 
de uma base analítica,

91
00:05:11,831 --> 00:05:15,157
contribui para chegarmos nessa visão?

92
00:05:15,157 --> 00:05:16,115
Com certeza.

93
00:05:16,115 --> 00:05:21,127
Pensando numa estratégia para entendermos 
como a empresa está funcionando,

94
00:05:21,127 --> 00:05:24,178
essa visão 360 acaba sendo...

95
00:05:24,178 --> 00:05:25,758
O que nós temos ao nosso redor?

96
00:05:25,758 --> 00:05:30,929
Conseguíamos enxergar desde 
as origens dos nossos dados

97
00:05:30,929 --> 00:05:34,648
como estamos definindo o nosso produto,
como esse produto está sendo consumido,

98
00:05:34,648 --> 00:05:38,931
como diferentes áreas estão trabalhando
com o desenvolvimento desse produto,

99
00:05:38,931 --> 00:05:41,640
e, consequentemente, falando de dados,

100
00:05:41,640 --> 00:05:46,481
como todos esses insumos estão 
sendo utilizados internamente.

101
00:05:46,481 --> 00:05:50,540
Então, a base dessa visão 360 
é construir uma plataforma

102
00:05:50,540 --> 00:05:54,171
onde consigamos servir os nossos 
usuários internos com dados

103
00:05:54,171 --> 00:05:57,461
para que eles possam responder 
as próprias perguntas

104
00:05:57,461 --> 00:06:00,647
e entender, ter essa visão ampla,

105
00:06:00,647 --> 00:06:02,849
de tudo o que está 
acontecendo na empresa.

106
00:06:02,849 --> 00:06:05,331
Em alguns casos, essa visão ampla,

107
00:06:05,331 --> 00:06:09,001
dentro de grandes empresas 
e grandes projetos,

108
00:06:09,001 --> 00:06:12,271
acaba sendo muito difícil centralizarmos 
num único grupo de pessoas.

109
00:06:12,271 --> 00:06:16,275
Então descentralizamos
até um pouco mais essa estrutura

110
00:06:16,275 --> 00:06:19,853
para conseguirmos controlar 
escopos de negócio.

111
00:06:19,853 --> 00:06:22,881
Ao invés de termos silos muito fechados,

112
00:06:22,881 --> 00:06:26,468
termos essas estruturas individuais

113
00:06:26,468 --> 00:06:29,188
funcionando em paralelo 
dentro de uma empresa,

114
00:06:29,188 --> 00:06:30,838
que é muito o conceito de data mesh, né,

115
00:06:30,838 --> 00:06:35,709
onde conseguimos que pequenas áreas,
ou pequenos grupos de pessoas,

116
00:06:35,709 --> 00:06:39,410
consigam ali controlar toda essa visão 360

117
00:06:39,410 --> 00:06:41,650
de um escopo de trabalho específico,

118
00:06:41,650 --> 00:06:44,368
por exemplo, só de finanças,
só de marketing,

119
00:06:44,368 --> 00:06:47,139
de aquisição de novos usuários, 
e assim por diante.

120
00:06:47,139 --> 00:06:48,952
Aí, tudo isso funcionando em paralelo,

121
00:06:48,952 --> 00:06:51,652
quando precisarmos ter essa 
visão da empresa como um todo,

122
00:06:51,652 --> 00:06:53,817
vamos extraindo os dados de cada ponta

123
00:06:53,817 --> 00:06:57,718
para conseguir entender o funcionamento
da plataforma como um todo.

124
00:06:57,718 --> 00:06:58,575
Sensacional.

125
00:06:58,575 --> 00:07:03,855
A ideia da malha de dados, que é 
algo super-recente e moderno,

126
00:07:03,855 --> 00:07:07,759
apoia muito essa 
completude de informações.

127
00:07:07,759 --> 00:07:08,846
Sensacional!

128
00:07:08,846 --> 00:07:13,997
E eu comecei, Lucas, falando um pouco
do patrocinador, do sponsor, né,

129
00:07:13,997 --> 00:07:16,336
que o PMBOK fala muito também.

130
00:07:16,336 --> 00:07:18,837
Porque sabemos 
que na gestão de um projeto,

131
00:07:18,837 --> 00:07:23,146
e você já viveu vários contextos assim,

132
00:07:23,146 --> 00:07:26,913
um patrocínio é superimportante, né?

133
00:07:26,913 --> 00:07:29,864
Quando falamos de um projeto 
de estruturação dos dados,

134
00:07:29,864 --> 00:07:32,828
assim como um projeto de governança,

135
00:07:32,828 --> 00:07:36,206
às vezes demoramos um pouquinho 
para entregar valor.

136
00:07:36,206 --> 00:07:39,432
É muito mais fácil entregar 
valor num dashboard, né?

137
00:07:39,432 --> 00:07:40,564
Concorda comigo?

138
00:07:40,564 --> 00:07:41,827
É palpável, né?

139
00:07:41,827 --> 00:07:45,132
Todo mundo acessa aquele relatório,
ele responde às perguntas.

140
00:07:45,132 --> 00:07:47,566
Mas e essa esteira 
de engenharia que vem antes,

141
00:07:47,566 --> 00:07:49,067
esse tempo do tratamento dos dados?

142
00:07:49,067 --> 00:07:52,070
Isso toma um pouquinho de tempo,
mesmo que sejamos ágeis,

143
00:07:52,070 --> 00:07:54,573
e vai gerando uma certa 
ansiedade na organização.

144
00:07:54,573 --> 00:08:00,052
Então, mesmo com a agilidade, ainda é 
um projeto que precisa de patrocínio, né,

145
00:08:00,052 --> 00:08:02,830
patrocínio forte ali.

146
00:08:02,830 --> 00:08:03,548
Sem dúvida.

147
00:08:03,548 --> 00:08:07,319
Falando de dados, quem é o patrocinador?

148
00:08:07,319 --> 00:08:08,353
Quais são as áreas?

149
00:08:08,353 --> 00:08:10,388
Quem costuma ser esse sponsor?

150
00:08:10,388 --> 00:08:13,262
Esse projeto costuma partir de quem?

151
00:08:13,262 --> 00:08:14,726
Como isso tem funcionado?

152
00:08:14,726 --> 00:08:17,781
Existe um padrão ou varia 
de uma empresa para outra?

153
00:08:17,781 --> 00:08:21,335
É interessante pensarmos 
em quem é o sponsor, né,

154
00:08:21,335 --> 00:08:23,955
principalmente em algumas 
empresas pequenas.

155
00:08:23,955 --> 00:08:27,480
Um dos projetos que eu atuo agora 
é de uma empresa um pouco menor,

156
00:08:27,480 --> 00:08:33,411
onde o sponsor do projeto acaba sendo, 
de fato, o CEO, o dono da empresa,

157
00:08:33,411 --> 00:08:37,390
quem está precisando, de fato,
de insumos para a tomada de decisão.

158
00:08:37,390 --> 00:08:40,285
Então acaba sendo algo
um pouco mais direcionado.

159
00:08:40,285 --> 00:08:44,623
Mas quando pensamos em empresas maiores,

160
00:08:44,623 --> 00:08:49,138
um patrocinador do projeto normalmente 
seria aquela empresa, aquele grupo de...

161
00:08:50,468 --> 00:08:53,708
Aquela área ou aquele grupo de pessoas,

162
00:08:53,708 --> 00:08:58,036
que precisam tomar uma decisão, 
responder algum tipo de pergunta,

163
00:08:58,036 --> 00:09:00,722
e não necessariamente ter 
todos esses assuntos prontos,

164
00:09:00,722 --> 00:09:06,645
seja origem de dados onde não os temos 
mapeados dentro da nossa plataforma,

165
00:09:06,645 --> 00:09:09,545
seja processos de transformação
que não foram implementados

166
00:09:09,545 --> 00:09:13,069
para calcular determinadas 
métricas, indicadores,

167
00:09:13,069 --> 00:09:14,919
ou até mesmo 
desenvolvimento de dashboards.

168
00:09:14,919 --> 00:09:19,758
Então, todo esse processo, essa esteira
inteira, desde a extração dos dados,

169
00:09:19,758 --> 00:09:22,738
a manipulação desses dados,
o desenvolvimento das métricas,

170
00:09:22,738 --> 00:09:26,142
e, por fim, o consumo 
para tomada de decisão,

171
00:09:26,142 --> 00:09:29,883
tudo isso parte da necessidade de alguém, 
ou de algum grupo de pessoas,

172
00:09:29,883 --> 00:09:32,103
ou de alguma área.

173
00:09:32,103 --> 00:09:35,564
Então é normalmente essa área 
que vai patrocinar, que vai investir ali,

174
00:09:35,564 --> 00:09:38,673
não só o recurso financeiro, 
mas também tempo, né,

175
00:09:38,673 --> 00:09:42,461
para fazermos toda a organização 
do projeto, para disponibilização...

176
00:09:43,801 --> 00:09:47,318
E implementação desse 
projeto completo de dados.

177
00:09:47,318 --> 00:09:49,825
Normalmente vemos esse tipo de cenário.

178
00:09:49,825 --> 00:09:54,335
E faz sentido dizer que, na maioria 
das vezes, é uma dor de negócio.

179
00:09:54,335 --> 00:09:58,348
E quando não se conecta o negócio
que está sendo desenvolvido,

180
00:09:58,348 --> 00:10:00,832
temos até dificuldade 
de vender internamente.

181
00:10:00,832 --> 00:10:05,170
Então eu observo muitos projetos, 
de novo, naufragando,

182
00:10:05,170 --> 00:10:07,880
porque tem toda um aparato tecnológico,

183
00:10:07,880 --> 00:10:11,743
mas os times de negócio ainda não 
conseguiram enxergar valor, não utilizam.

184
00:10:11,743 --> 00:10:14,746
E se não se conecta com valor
para a organização,

185
00:10:14,746 --> 00:10:17,949
aquilo perde, perde em si.

186
00:10:17,949 --> 00:10:22,515
Então esse processo de empurrar 
a tecnologia é muito mais desafiador, né,

187
00:10:22,515 --> 00:10:27,618
diferente de quando o negócio está 
puxando ali e consegue entregar muito valor.

188
00:10:28,433 --> 00:10:30,628
Como é essa sinergia?

189
00:10:30,628 --> 00:10:34,643
Eu me lembro, nesse mercado,

190
00:10:34,643 --> 00:10:37,936
de ter um preciosismo 
técnico muito grande.

191
00:10:37,936 --> 00:10:42,774
Quando você ia contratar, tinha que ser
aquele profissional que dominava o código,

192
00:10:42,774 --> 00:10:45,983
aquela tela ali do "shell",
aquela tela preta e tudo mais.

193
00:10:45,983 --> 00:10:49,789
E eu tenho percebido 
o mercado mudando, né?

194
00:10:49,789 --> 00:10:53,166
Mesmo hoje, quando eu estou 
contratando um dev.

195
00:10:53,166 --> 00:10:55,492
um profissional que vai 
atuar mais tecnicamente,

196
00:10:55,492 --> 00:10:58,892
ele precisa ter esse feeling de negócio,

197
00:10:58,892 --> 00:11:02,393
essa conexão com o propósito
que ele está fazendo.

198
00:11:02,393 --> 00:11:06,864
Você enxerga assim também,
esse alinhamento, negócio técnico...

199
00:11:06,864 --> 00:11:10,572
Porque até parece que, na malha 
de dados, conseguimos fazer melhor.

200
00:11:10,572 --> 00:11:11,469
Com certeza.

201
00:11:11,469 --> 00:11:12,942
Esse alinhamento é muito interessante,

202
00:11:12,942 --> 00:11:15,498
principalmente quando pensamos 
na stack moderna de dados,

203
00:11:15,498 --> 00:11:20,111
que é um conceito, um framework 
que surgiu recentemente,

204
00:11:20,111 --> 00:11:26,395
tentando trazer algumas boas práticas,
algumas situações que visam justamente

205
00:11:26,395 --> 00:11:29,439
permitir que profissionais não tão técnicos,

206
00:11:29,439 --> 00:11:31,189
não necessariamente
só engenheiros de dados,

207
00:11:31,189 --> 00:11:35,927
possam trabalhar com desenvolvimento,
contribuir com uma plataforma de dados.

208
00:11:35,927 --> 00:11:39,797
Então utilizamos ferramentas 
como low-code ou no-code, por exemplo,

209
00:11:39,797 --> 00:11:42,800
ferramentas visuais para conseguirmos 
fazer a integração de dados,

210
00:11:42,800 --> 00:11:45,032
ferramentas visuais 
para conseguirmos também

211
00:11:45,032 --> 00:11:48,858
criar projetos de transformação 
de dados, quando cabe...

212
00:11:50,633 --> 00:11:52,310
Ferramentas de visualização.

213
00:11:52,310 --> 00:11:58,034
Quase todas são drag-and-drop, onde 
vamos construindo ali a nossa visualização

214
00:11:58,034 --> 00:11:59,750
sem precisar necessariamente de código.

215
00:11:59,750 --> 00:12:04,856
Então esse tipo de recurso permite 
com que outros profissionais,

216
00:12:04,856 --> 00:12:10,261
normalmente de negócios, também consigam 
participar mais dentro de uma plataforma,

217
00:12:10,261 --> 00:12:14,655
Então nós estamos mudando um pouco 
aquele paradigma de que, dados,

218
00:12:14,655 --> 00:12:17,168
uma área de dados, seria uma área de TI.

219
00:12:17,168 --> 00:12:18,069
Não necessariamente.

220
00:12:18,069 --> 00:12:19,804
Eu penso em dados como uma área híbrida,

221
00:12:19,804 --> 00:12:23,574
uma área onde temos uma sinergia
muito grande com negócios,

222
00:12:23,574 --> 00:12:27,612
onde precisamos entender o que está
sendo realizado do lado de negócios,

223
00:12:27,612 --> 00:12:29,814
do lado do nosso produto
e assim por diante,

224
00:12:29,814 --> 00:12:32,950
e também que possa navegar 
no ferramental que temos disponível

225
00:12:32,950 --> 00:12:34,986
dentro de uma plataforma de dados.

226
00:12:34,986 --> 00:12:39,790
Então, esse cenário onde
conseguimos utilizar ferramentas

227
00:12:39,790 --> 00:12:45,122
para resolver problemas de negócio,
essa ponte acaba sendo o cenário ideal

228
00:12:45,122 --> 00:12:49,806
onde conseguimos escalar
projetos de dados, de Data Warehouse,

229
00:12:49,806 --> 00:12:52,477
de BI, visualização e assim por diante.

230
00:12:52,477 --> 00:12:55,752
A ferramenta é sempre 
um meio, né, TI é um meio.

231
00:12:55,752 --> 00:12:57,742
Nunca um fim em si, né?

232
00:12:57,742 --> 00:13:02,613
Até por isso vemos projetos muitas vezes
começando com estabelecimento de domínio.

233
00:13:02,613 --> 00:13:04,416
Domínio é um assunto de negócio, né?

234
00:13:04,416 --> 00:13:08,619
Qual é o meu domínio financeiro,
o meu domínio de pessoas.

235
00:13:08,619 --> 00:13:12,490
Hoje temos falado muito em governança, 
na identificação do owner,

236
00:13:12,490 --> 00:13:13,867
quem é o dono do dado.

237
00:13:13,867 --> 00:13:18,062
E geralmente esse dono 
do dado é alguém de negócio,

238
00:13:18,062 --> 00:13:21,398
que entende bem da transação,
mas também do analítico,

239
00:13:21,398 --> 00:13:24,301
porque até então tínhamos 
uma barreira muito grande.

240
00:13:24,301 --> 00:13:25,870
Parece que o mundo transacional...

241
00:13:25,870 --> 00:13:28,472
Do transacional para o analítico,
trocávamos de assunto.

242
00:13:28,472 --> 00:13:31,450
E não é. É uma nova forma 
de organizar o dado,

243
00:13:31,450 --> 00:13:33,310
mas é o mesmo dado, é o mesmo assunto,

244
00:13:33,310 --> 00:13:37,248
é o mesmo domínio de negócio, 
e dores muito parecidas, né?

245
00:13:37,248 --> 00:13:40,417
Então, no mesh, nós temos 
conseguido uma malha de dados,

246
00:13:40,417 --> 00:13:46,576
temos conseguido essas evoluções 
que trazem mais o negócio para o jogo.

247
00:13:46,576 --> 00:13:50,394
Eu tenho observado isso,
ferramentas mais colaborativas também,

248
00:13:50,394 --> 00:13:54,265
que o time de negócio consegue entender
o que está acontecendo e colaborar.

249
00:13:54,265 --> 00:13:58,006
E aí são projetos que você gasta 
mais tempo discutindo o negócio

250
00:13:58,006 --> 00:14:01,315
do que aplicando ali
a complexidade técnica.

251
00:14:01,315 --> 00:14:02,541
Que, no final das contas, 
é o que importa, né?

252
00:14:02,541 --> 00:14:03,541
Que é o que importa. Exatamente.

253
00:14:03,541 --> 00:14:05,776
Estão, assim, são tendências importantes.

254
00:14:05,776 --> 00:14:09,748
Não importa se você é de negócio
ou se é uma pessoa mais técnica,

255
00:14:09,748 --> 00:14:11,785
isso precisa estar no nosso radar.

256
00:14:11,785 --> 00:14:14,095
Mas eu acho importante ressaltar 
também que não necessariamente

257
00:14:14,095 --> 00:14:16,274
o que estamos mencionando 
de ferramentas low-code,

258
00:14:16,274 --> 00:14:19,445
ou visuais, né, e assim por diante,
que não temos código,

259
00:14:19,445 --> 00:14:23,761
que não estamos falando 
de Python, Scala, Java, enfim,

260
00:14:23,761 --> 00:14:27,617
essa parte mais técnica 
mesmo da área de dados.

261
00:14:27,617 --> 00:14:29,300
Nós temos isso também.

262
00:14:29,300 --> 00:14:30,530
Só que, em alguns cenários,

263
00:14:30,530 --> 00:14:35,145
nós não precisamos de muita 
complexidade para resolver problemas.

264
00:14:35,145 --> 00:14:40,005
Não precisamos utilizar as ferramentas
que estão super em alta no mercado

265
00:14:40,005 --> 00:14:42,084
só porque estão em alta no mercado.

266
00:14:42,084 --> 00:14:43,113
Não necessariamente.

267
00:14:43,113 --> 00:14:47,651
Podemos utilizar outras alternativas
que já vão resolver os nossos problemas

268
00:14:47,651 --> 00:14:51,764
de determinada área da empresa,
ou às vezes até mesmo da empresa inteira,

269
00:14:51,764 --> 00:14:54,153
com uma simplicidade maior,
facilidade maior,

270
00:14:54,153 --> 00:14:56,427
sem a necessidade 
de um grande time de dados,

271
00:14:56,427 --> 00:14:59,466
garantindo que outras pessoas 
estejam contribuindo ali também,

272
00:14:59,466 --> 00:15:01,334
colaborando com o projeto.

273
00:15:01,334 --> 00:15:06,670
Então é aquela questão, né,
precisamos identificar o cenário,

274
00:15:06,670 --> 00:15:09,440
os requisitos que nós temos,
onde queremos chegar,

275
00:15:09,440 --> 00:15:11,694
para conseguir ter essa escolha
também do ferramental.

276
00:15:11,694 --> 00:15:12,655
Mas...

277
00:15:15,268 --> 00:15:19,301
Frisando essa escolha de ferramentas,

278
00:15:19,301 --> 00:15:25,212
não descartamos ferramentas mais complexas, 
mais técnicas, com código de fato,

279
00:15:25,212 --> 00:15:27,734
para resolução de problemas 
mais complexos também.

280
00:15:27,734 --> 00:15:29,611
Então elas caminham em paralelo.

281
00:15:29,611 --> 00:15:33,409
Para cada situação, vamos ter ali 
um ferramental mais específico

282
00:15:33,409 --> 00:15:35,244
resolvendo um problema 
de uma forma diferente.

283
00:15:35,244 --> 00:15:36,784
Bom ponto, bom ponto.

284
00:15:36,784 --> 00:15:39,418
Porque nós estamos falando
de um mundo de BI, de um Data Warehouse,

285
00:15:39,418 --> 00:15:42,339
de KPIs para tomada de decisão,

286
00:15:42,339 --> 00:15:45,919
mas, de repente, eu preciso 
de uma latência mais baixinha,

287
00:15:45,919 --> 00:15:48,349
o dado não entrar tão estruturado.

288
00:15:48,349 --> 00:15:53,617
A minha dor de negócio está relacionada 
a uma fonte que é um log,

289
00:15:53,617 --> 00:15:57,187
que é algo que exige,
de repente, um monitoramento,

290
00:15:57,187 --> 00:15:59,556
e aí eu vou para o mundo de Big Data.

291
00:15:59,556 --> 00:16:01,792
Talvez eu não esteja falando só do DW,

292
00:16:01,792 --> 00:16:05,796
talvez seja um Data Lake,
que é um outro repositório analítico,

293
00:16:05,796 --> 00:16:09,700
um Data Lakehouse, que é alguma 
coisa um pouco mais moderna.

294
00:16:09,700 --> 00:16:14,177
De repente eu quero fazer 
uma implementação mais open source

295
00:16:14,177 --> 00:16:17,774
por uma necessidade específica
ali do meu contexto.

296
00:16:17,774 --> 00:16:22,631
As ferramentas open source,
muitas delas de Big Datas mais robustas,

297
00:16:22,631 --> 00:16:26,634
vêm com uma necessidade 
de código maior, né?

298
00:16:26,634 --> 00:16:31,288
Então tem casos em que a implementação
vai ser um pouco mais complexa.

299
00:16:31,288 --> 00:16:35,125
Geralmente projetos mais robustos,
um maior volume de dados,

300
00:16:35,125 --> 00:16:39,663
uma complexidade técnica
maior, uma latência menor.

301
00:16:39,663 --> 00:16:42,132
Ainda cabe essa questão, né,

302
00:16:42,132 --> 00:16:44,534
cabe bastante ainda
a questão do desenvolvimento.

303
00:16:44,534 --> 00:16:46,303
Eu acho que o importante 
é não ter preconceito.

304
00:16:46,303 --> 00:16:47,871
Eu brinco muito com os alunos:

305
00:16:47,871 --> 00:16:50,418
você vai de raiz ou vai de Nutella?

306
00:16:50,418 --> 00:16:52,988
O raiz é o código lá e tudo mais,

307
00:16:52,988 --> 00:16:58,069
e o Nutella é o low-code, 
o drag-and-drop, a questão visual, né?

308
00:16:58,069 --> 00:16:59,683
E existe preconceito.

309
00:16:59,683 --> 00:17:03,036
Eu já ouvi de gestores em reuniões mesmo,

310
00:17:03,036 --> 00:17:06,189
que eu estou ali, 
apresentando uma proposta,

311
00:17:06,189 --> 00:17:09,559
e eu percebo que eu falei alguma 
coisa de low-code e ele torceu o nariz...

312
00:17:09,559 --> 00:17:11,106
"Aqui todo mundo coda.

313
00:17:11,106 --> 00:17:12,607
Temos codar.

314
00:17:12,607 --> 00:17:14,097
Hand coding...".

315
00:17:14,097 --> 00:17:16,036
Mas aí é um preconceito, né,

316
00:17:16,036 --> 00:17:17,767
porque, de repente, como você falou,

317
00:17:17,767 --> 00:17:21,771
em alguns casos você traz 
alguma coisa mais low-code, resolve,

318
00:17:21,771 --> 00:17:24,115
você entrega o projeto muito mais rápido.

319
00:17:24,115 --> 00:17:25,175
Uma questão de custo.

320
00:17:25,175 --> 00:17:30,313
Então, quem está gerindo o projeto
precisa ter esse olhar mais agnóstico

321
00:17:30,313 --> 00:17:33,208
de pensar qual é a melhor 
ferramenta, a melhor estratégia,

322
00:17:33,208 --> 00:17:35,949
para aquele cenário específico.

323
00:17:35,949 --> 00:17:37,301
É isso, né?

324
00:17:37,301 --> 00:17:39,374
Muito desse preconceito 
vem do uso indevido

325
00:17:39,374 --> 00:17:41,892
de algumas ferramentas 
justamente nesse cenário...

326
00:17:41,892 --> 00:17:45,911
"Ah, esse projeto aqui precisava 
de uma complexidade um pouco maior",

327
00:17:45,911 --> 00:17:49,216
porque a demanda de negócio chegava....

328
00:17:50,098 --> 00:17:55,305
A necessidade de negócio precisava 
de uma latência mais baixa, ?, dependendo

329
00:17:55,305 --> 00:17:59,219
ou até mesmo a quantidade de pessoas
trabalhando juntas no mesmo pipeline.

330
00:17:59,219 --> 00:18:02,712
Com algumas ferramentas visuais,
temos algumas limitações desse tipo.

331
00:18:02,712 --> 00:18:04,820
Às vezes não tem versionamento de código.

332
00:18:04,820 --> 00:18:07,150
Tem alguns problemas nessas ferramentas.

333
00:18:07,150 --> 00:18:08,018
Elas não são perfeitas.

334
00:18:08,018 --> 00:18:10,887
Elas são mais fáceis para
começarmos a trabalhar,

335
00:18:10,887 --> 00:18:14,227
mas não necessariamente
resolvem todos os problemas.

336
00:18:14,227 --> 00:18:17,167
Só que aí tentamos 
utilizar essas ferramentas

337
00:18:17,167 --> 00:18:20,239
conforme o projeto vai ganhando 
algum tipo de complexidade,

338
00:18:20,239 --> 00:18:22,987
que outras soluções fariam mais sentido.

339
00:18:22,987 --> 00:18:24,801
Daí que acaba entrando 
um pouco desse preconceito,

340
00:18:24,801 --> 00:18:28,277
porque vemos muito esse tipo 
de infraestrutura com um projeto legado

341
00:18:28,277 --> 00:18:33,053
utilizando dessas ferramentas, e que já 
enxergamos hoje que não são mais escaláveis.

342
00:18:33,053 --> 00:18:36,379
Então quer dizer que eu não vou mais 
utilizar esse tipo de ferramenta?

343
00:18:36,379 --> 00:18:39,181
Não, tem casos e casos.

344
00:18:39,181 --> 00:18:43,104
Só precisamos escolher corretamente 
e entender a hora de mudar,

345
00:18:43,104 --> 00:18:44,130
caso seja necessário.

346
00:18:44,130 --> 00:18:45,067
Na hora de escalar, exato.

347
00:18:45,067 --> 00:18:47,097
E o contrário também é válido, né?

348
00:18:47,097 --> 00:18:51,428
Vemos aí a onda do Kafka, que é 
uma superferramenta de mensageria.

349
00:18:51,428 --> 00:18:54,664
Quem gosta da coisa técnica, adora.

350
00:18:54,664 --> 00:18:58,568
Ela é parruda, está na arquitetura
de grandes players, né,

351
00:18:58,568 --> 00:19:01,604
LinkedIn, Uber e por aí vai.

352
00:19:01,604 --> 00:19:04,980
Então o entusiasta técnico 
que pôr Kafka em tudo, né?

353
00:19:04,980 --> 00:19:08,186
Isso vale no contexto corporativo,
nas aulas também...

354
00:19:08,186 --> 00:19:09,379
"Vamos desenhar uma arquitetura?".

355
00:19:09,379 --> 00:19:12,416
Eu trago uma dor de negócio, 
eu especifico ali o volume,

356
00:19:12,416 --> 00:19:14,096
o aluno vem com Kafka na arquitetura.

357
00:19:14,096 --> 00:19:16,776
Mas às vezes é uma dor 
que o Excel resolveria, né?

358
00:19:16,776 --> 00:19:17,650
E nada contra o Excel.

359
00:19:17,650 --> 00:19:19,830
Se resolve, está ótimo.

360
00:19:19,830 --> 00:19:22,692
Então eu acho que são os dois lados.

361
00:19:22,692 --> 00:19:27,300
Existe o time do hand-code 
e o time do low-code.

362
00:19:27,300 --> 00:19:32,310
Na verdade, a visão arquitetural, 
a visão estratégica,

363
00:19:32,310 --> 00:19:35,030
madura, é superimportante,

364
00:19:35,030 --> 00:19:36,370
Com certeza.

365
00:19:36,370 --> 00:19:42,218
O nosso aluno precisa ir ganhando essa 
maturidade para a tomada de decisão.

366
00:19:42,218 --> 00:19:43,046
Muito bacana!

367
00:19:43,046 --> 00:19:46,884
E falando, Lucas... Bom
esse papo, né, profundo.

368
00:19:46,884 --> 00:19:53,156
Falando aí para o nosso aluno mesmo,
que está vivenciando esse mundo dos dados,

369
00:19:53,156 --> 00:19:55,619
alguns já estão ali atuando,

370
00:19:55,619 --> 00:20:01,529
você enxerga papéis claros 
na construção de uma solução analítica?

371
00:20:01,529 --> 00:20:07,770
O que eu posso ser, pensando 
no que eu posso estudar e tudo mais?

372
00:20:07,770 --> 00:20:13,609
Você, como engenheiro, interage 
ali com outros profissionais.

373
00:20:13,609 --> 00:20:15,724
Quais são esses papéis?

374
00:20:15,724 --> 00:20:20,249
Nós temos aquela divisão básica 
de uma plataforma de dados.

375
00:20:20,249 --> 00:20:22,397
Temos um time de engenharia de dados,

376
00:20:22,397 --> 00:20:25,621
time de ciência de dados
e de análise de dados.

377
00:20:25,621 --> 00:20:27,960
Essa é a divisão tradicional,

378
00:20:27,960 --> 00:20:32,300
mas temos muito mais 
carreiras dentro de dados,

379
00:20:32,300 --> 00:20:33,783
principalmente quando escalamos,

380
00:20:33,783 --> 00:20:37,734
quando pensamos em grandes 
empresas, grandes projetos.

381
00:20:37,734 --> 00:20:41,550
Temos que levar muito em consideração 
segurança de dados,

382
00:20:41,550 --> 00:20:43,341
temos que levar 
em consideração governança.

383
00:20:45,241 --> 00:20:49,739
Dependendo, um engenheiro de dados,
pode estar muito mais próximo,

384
00:20:49,739 --> 00:20:54,951
por exemplo, do Kafka, de ferramentas
mais técnicas, mais tela preta,

385
00:20:54,951 --> 00:20:59,589
e outros engenheiros de dados estão mais 
próximos de transformação, especificamente,

386
00:20:59,589 --> 00:21:03,574
têm mais facilidade de lidar com o negócio, 
de extrair aqueles insumos de negócio

387
00:21:03,574 --> 00:21:06,696
para conseguir implementar 
um pipeline de transformação.

388
00:21:06,696 --> 00:21:09,832
E não conseguimos classificar 
tudo numa mesma caixinha.

389
00:21:09,832 --> 00:21:12,076
O engenheiro de dados, 
ou a engenheira de dados...

390
00:21:14,036 --> 00:21:19,108
Vai conseguir fazer tudo, né,
realizar todos essas atividades,

391
00:21:19,108 --> 00:21:21,210
dominar todas essas possíveis ferramentas.

392
00:21:21,210 --> 00:21:25,348
Então está cada vez mais ficando 
segregado algumas responsabilidades.

393
00:21:25,348 --> 00:21:29,218
Hoje, a engenharia de dados está 
muito mais próxima de plataforma,

394
00:21:29,218 --> 00:21:31,754
onde pensamos em integração de dados,

395
00:21:31,754 --> 00:21:36,325
onde pensamos em manutenção de ferramentas, 
como sistemas de mensageria,

396
00:21:36,325 --> 00:21:40,329
de orquestração de dados,
Data Warehouse, Data Lakes,

397
00:21:40,329 --> 00:21:42,431
toda essa parte mais de infraestrutura.

398
00:21:42,431 --> 00:21:47,637
E enquanto no processo de transformação,
nós estamos usando lyrics engineers

399
00:21:47,637 --> 00:21:52,375
que é uma carreira razoavelmente nova

400
00:21:52,375 --> 00:21:57,878
e é especializada em implementar
processos de transformação de dados

401
00:21:57,878 --> 00:22:02,095
utilizando insumos de negócio 
que foram coletados

402
00:22:02,095 --> 00:22:05,022
e navegando na plataforma 
que foi desenvolvida

403
00:22:05,022 --> 00:22:06,822
pelo time de engenharia de dados.

404
00:22:06,822 --> 00:22:08,197
Ele é meio híbrido ali, né?

405
00:22:08,197 --> 00:22:13,056
De todas as profissões, essa é
que acaba sendo a mais híbrida mesmo,

406
00:22:13,056 --> 00:22:16,008
que demanda bastante 
de conhecimento de negócio

407
00:22:16,008 --> 00:22:19,532
e também conhecimento 
das ferramentas utilizadas

408
00:22:19,532 --> 00:22:22,972
para implementar as soluções 
necessárias para o negócio.

409
00:22:22,972 --> 00:22:26,729
E na outra ponta, uma vez 
que já temos esses processos

410
00:22:26,729 --> 00:22:28,589
de transformação implementados 
e tudo mais,

411
00:22:28,589 --> 00:22:32,501
nós temos times de análise, 
times de ciência de dados,

412
00:22:32,501 --> 00:22:35,151
times de governança, qualidade.

413
00:22:35,151 --> 00:22:38,013
Podemos até mesmo ter outros times
de negócio, como marketing, por exemplo,

414
00:22:38,013 --> 00:22:40,547
trabalhando diretamente com dados

415
00:22:40,547 --> 00:22:44,637
Dados acaba sendo quase que o coração
dentro de marketing também.

416
00:22:44,637 --> 00:22:47,389
É o principal insumo 
para conseguirmos investir melhor

417
00:22:47,389 --> 00:22:50,399
os nossos recursos em campanhas,
aquisição de usuários,

418
00:22:50,399 --> 00:22:53,178
fazer testes A/B, tudo baseado em dados.

419
00:22:53,178 --> 00:22:58,289
Então são várias possibilidades que nós 
temos dentro de uma plataforma.

420
00:22:58,289 --> 00:23:01,990
Em desenvolvimento de projetos de dados
há diversas possíveis carreiras,

421
00:23:01,990 --> 00:23:05,182
ou em empresas menores, acabamos 
tendo o profissional de dados...

422
00:23:05,182 --> 00:23:08,012
- Que acaba fazendo um pouco de tudo também.
- Também, é verdade.

423
00:23:08,012 --> 00:23:09,896
Ele põe a mão de ponta a ponta.

424
00:23:09,896 --> 00:23:13,575
E tudo bem, é a realidade da empresa,
e para o profissional até é bacana,

425
00:23:13,575 --> 00:23:17,298
porque às vezes ele aprende mais
colocando a mão ali.

426
00:23:17,298 --> 00:23:21,168
E aí que as ferramentas mais simples,
mais visuais, acabam auxiliando também.

427
00:23:21,168 --> 00:23:24,667
Porque, por exemplo, a minha 
especialidade não é visualização.

428
00:23:24,667 --> 00:23:28,304
Mas se eu tenho uma ferramenta
que me ajuda de forma gráfica

429
00:23:28,304 --> 00:23:31,256
a construir um dashboard
de forma mais eficiente, ótimo,

430
00:23:31,256 --> 00:23:35,756
porque eu não preciso aprender 
uma outra tecnologia do zero e tudo mais.

431
00:23:35,756 --> 00:23:38,280
Eu já consigo utilizar aquilo
para fazer o quê?

432
00:23:38,280 --> 00:23:41,050
Responder perguntas de negócios,
que, no final das contas, é o que importa.

433
00:23:41,050 --> 00:23:41,826
É o que importa.

434
00:23:41,826 --> 00:23:44,108
Você tocou num ponto interessante,

435
00:23:44,108 --> 00:23:49,758
como outras áreas têm vindo 
para dados e se empoderado.

436
00:23:49,758 --> 00:23:55,197
Temos trabalhado muito nesse processo 
de Data Literacy, alfabetização em dados,

437
00:23:55,197 --> 00:23:58,667
e vale muito alfabetizar 
a empresa como um todo, né,

438
00:23:58,667 --> 00:24:00,576
todos precisam falar dados.

439
00:24:00,576 --> 00:24:04,173
Então agora é algo que tem crescido

440
00:24:04,173 --> 00:24:08,577
e que talvez até nos ajude muito mais
a alavancar a questão da cultura.

441
00:24:08,577 --> 00:24:12,134
Como nós podemos, Lucas,
fazer essa combinação?

442
00:24:12,134 --> 00:24:14,316
O que vem primeiro?

443
00:24:14,316 --> 00:24:17,986
A cultura, a cultura de dados,
a cultura data-driven,

444
00:24:17,986 --> 00:24:21,764
ou colocar lá um Data Warehouse?

445
00:24:21,764 --> 00:24:23,992
Eu percebo que, dependendo do cliente,

446
00:24:23,992 --> 00:24:28,463
nós começamos o papo pela ponta
que está mais fácil, não é?

447
00:24:28,463 --> 00:24:31,033
Eles querem ter a ferramenta, 
e, ok, vamos por ali.

448
00:24:31,033 --> 00:24:34,236
Outros já perceberam que, 
apesar de ter a ferramenta,

449
00:24:34,236 --> 00:24:36,138
eles não conseguem garantir um bom uso.

450
00:24:36,138 --> 00:24:40,109
As pessoas ainda seguem muito no feeling,
e aí voltam um pouquinho atrás

451
00:24:40,109 --> 00:24:43,645
e começam a falar de cultura, mindset.

452
00:24:43,645 --> 00:24:45,562
Você percebe o mercado assim?

453
00:24:45,562 --> 00:24:47,127
O que deveria...

454
00:24:47,127 --> 00:24:49,017
Vamos falar do correto.

455
00:24:49,017 --> 00:24:50,217
O mercado é muito híbrido.

456
00:24:50,217 --> 00:24:52,195
Mas o que deveria vir primeiro?

457
00:24:52,195 --> 00:24:55,891
A cultura ou a implementação 
ali da solução?

458
00:24:55,891 --> 00:25:00,912
Então, quando temos um tempo limitado 
para conseguirmos implementar

459
00:25:00,912 --> 00:25:03,575
um processo de dados,
uma plataforma de dados,

460
00:25:03,575 --> 00:25:07,048
normalmente não conseguimos 
preparar todas as pessoas

461
00:25:07,048 --> 00:25:09,755
antes de começarmos um projeto desse tipo.

462
00:25:09,755 --> 00:25:14,544
Aí que entram muitos consultores 
para conseguir implementar a parte técnica

463
00:25:14,544 --> 00:25:20,849
utilizando do que a empresa já entende ali

464
00:25:20,849 --> 00:25:25,520
que vai agregar valor para ela
a partir daquele ferramental.

465
00:25:25,520 --> 00:25:32,027
Mas eu não colocaria a implementação 
técnica na frente dessa questão cultural.

466
00:25:32,027 --> 00:25:34,529
Eu acho que tem que caminhar em paralelo.

467
00:25:34,529 --> 00:25:38,533
Enquanto estamos construindo 
essa plataforma,

468
00:25:38,533 --> 00:25:42,504
já temos que demonstrar o porquê 
essa plataforma é relevante,

469
00:25:42,504 --> 00:25:43,839
como ela é relevante,

470
00:25:43,839 --> 00:25:46,074
como que vamos utilizar,
como vamos agregar valor,

471
00:25:46,074 --> 00:25:50,846
porque é mais fácil trabalhar com esse
tipo de ferramenta, com essa plataforma.

472
00:25:50,846 --> 00:25:56,018
E tudo isso, em paralelo, acaba 
garantindo o sucesso do projeto.

473
00:25:56,018 --> 00:26:01,383
Não adianta gastarmos muito tempo fazendo 
uma grande preparação, cursos, treinamentos,

474
00:26:01,383 --> 00:26:03,336
e não estamos vendo a métrica ali.

475
00:26:03,336 --> 00:26:04,394
- Muita teoria, né...
- Exato.

476
00:26:04,394 --> 00:26:05,894
E nada prático.

477
00:26:05,894 --> 00:26:09,475
E ao mesmo tempo que... "Nossa, nós já 
temos aqui toda essa plataforma construída.

478
00:26:09,475 --> 00:26:12,513
Agora nós vamos desligar aqui todo esse 
processo que vocês já estavam fazendo

479
00:26:12,513 --> 00:26:14,106
e vamos utilizar só essa".

480
00:26:14,106 --> 00:26:17,005
"Por quê? O outro funcionava",
alguém pode perguntar.

481
00:26:17,005 --> 00:26:18,440
E, de fato, estava funcionando.

482
00:26:18,440 --> 00:26:19,875
Estava da melhor forma?

483
00:26:19,875 --> 00:26:22,277
Não necessariamente,
mas estava funcionando.

484
00:26:22,277 --> 00:26:27,916
Então, explicar e passar essa sensação
de que, beleza, estamos dando agora

485
00:26:27,916 --> 00:26:31,792
um passo que, de fato, vai ser 
relevante para nós, é fundamental.

486
00:26:31,792 --> 00:26:35,727
Porque quando temos um sponsor no projeto,

487
00:26:35,727 --> 00:26:38,581
pode ser que esse sponsor já 
tenha comprado a ideia,

488
00:26:38,581 --> 00:26:43,865
já entenda o valor, de fato, que vamos 
agregar com essa plataforma desde o início.

489
00:26:43,865 --> 00:26:46,034
Mas, beleza, temos uma pessoa.

490
00:26:46,034 --> 00:26:49,171
E todo o restante do time,
todo o restante da empresa?

491
00:26:49,171 --> 00:26:55,177
Podemos ter mais dificuldade
em comprovar isso para os demais.

492
00:26:55,177 --> 00:26:57,879
Então não adianta simplesmente 
entregarmos esse projeto

493
00:26:57,879 --> 00:27:02,417
sem pensar na questão cultural
que caminha junto ao projeto.

494
00:27:02,417 --> 00:27:06,245
Sim, e aspectos políticos
que são tão desafiadores, né?

495
00:27:06,245 --> 00:27:11,192
Às vezes o gestor não quer
que se fale de uma nova tecnologia,

496
00:27:11,192 --> 00:27:15,363
de uma nova metodologia, porque 
ele não quer soar retrógrado,

497
00:27:15,363 --> 00:27:20,001
não quer gerar uma impressão
que a gestão dele está atrasada.

498
00:27:20,001 --> 00:27:23,438
E aí tem todo um cuidado, porque 
nós estamos falando de pessoas,

499
00:27:23,438 --> 00:27:29,377
e elas precisam ser respeitadas 
porque estão dando o seu melhor.

500
00:27:29,377 --> 00:27:34,949
É muito fácil você vir de fora 
com as suas novas ideias.

501
00:27:34,949 --> 00:27:40,220
Você não está ali no dia a dia,
matando um leão por dia.

502
00:27:40,220 --> 00:27:45,822
Então, a cultura vem junto 
com a questão política também,

503
00:27:45,822 --> 00:27:47,595
de se mostrar...

504
00:27:47,595 --> 00:27:50,198
Quem quiser fomentar 
essa cultura, esse mindset,

505
00:27:50,198 --> 00:27:55,837
precisa se mostrar como alguém 
que quer somar, alavancar, enfim,

506
00:27:55,837 --> 00:27:59,288
e não alguém que veio 
para dizer que está tudo errado,

507
00:27:59,288 --> 00:28:00,570
que você está fazendo tudo errado,

508
00:28:00,570 --> 00:28:05,830
vamos fazer agora dessa outra forma 
que é superdiferente e funciona.

509
00:28:05,830 --> 00:28:10,303
Até porque nada funciona saindo dos livros

510
00:28:10,303 --> 00:28:12,987
e sendo encaixado 
na realidade corporativa ali.

511
00:28:12,987 --> 00:28:14,839
Precisamos adaptar tudo.

512
00:28:14,839 --> 00:28:20,361
Então são aspectos mais complexos
que as questões técnicas, não é, Lucas?

513
00:28:20,361 --> 00:28:23,364
Parece que até resolvemos 
mais rápido o técnico.

514
00:28:23,364 --> 00:28:25,900
Quando falamos de cultura,
de questões políticas,

515
00:28:25,900 --> 00:28:29,070
elas são mais desafiadoras,
mas precisam ser consideradas,

516
00:28:29,070 --> 00:28:31,313
senão você faz uma superimplementação

517
00:28:31,313 --> 00:28:35,248
e ninguém usa, né, enterra, ela morre ali.

518
00:28:35,248 --> 00:28:36,608
Exatamente.

519
00:28:36,608 --> 00:28:37,287
Muito bom!

520
00:28:37,287 --> 00:28:39,457
Gente, que papo bom!

521
00:28:39,457 --> 00:28:40,915
São muitas coisas.

522
00:28:40,915 --> 00:28:43,166
É o tipo do papo que temos 
que ouvir algumas vezes

523
00:28:43,166 --> 00:28:45,486
para poder extrair tudo 
o que está sendo dito.

524
00:28:45,486 --> 00:28:47,689
São nortes superimportantes.

525
00:28:47,689 --> 00:28:52,927
Mas tem um último ponto que eu queria 
te ouvir, aproveitar bem a sua experiência,

526
00:28:52,927 --> 00:28:55,563
que é a questão da segurança dos dados.

527
00:28:55,563 --> 00:28:59,417
Temos uma referência na Europa,

528
00:28:59,417 --> 00:29:03,547
na lei europeia de proteção aos dados.

529
00:29:03,547 --> 00:29:09,877
A LGPD já veio com alguns avanços,
estabelecendo alguns limites.

530
00:29:09,877 --> 00:29:15,005
De novo, temos alguns desafios 
que são culturais aqui no Brasil.

531
00:29:16,117 --> 00:29:20,450
Como você vê a questão da segurança 
dos dados, num contexto analítico,

532
00:29:20,450 --> 00:29:25,245
onde muitas vezes você vai, de fato, 
armazenar ali, de forma agregada,

533
00:29:25,245 --> 00:29:29,063
todas as suas informações gerenciais?

534
00:29:29,063 --> 00:29:34,466
Quais cuidados, qual a maturidade brasileira
nesse momento em relação ao assunto?

535
00:29:34,466 --> 00:29:39,607
Conforme a lei chegou, ela 
chegou para proteger, de fato,

536
00:29:39,607 --> 00:29:43,444
as pessoas que têm os dados
compartilhados com outras empresas.

537
00:29:45,279 --> 00:29:49,552
Então ela talvez tenha chegado até 
um pouco tarde porque ela surgiu

538
00:29:49,552 --> 00:29:53,049
porque encontramos problemas 
de dados sendo vazados e tudo mais,

539
00:29:53,049 --> 00:29:57,358
justamente porque algumas práticas
não estavam sendo utilizadas.

540
00:29:57,358 --> 00:30:01,763
Disponibilizamos dados sensíveis,
que já conseguimos enxergar hoje

541
00:30:01,763 --> 00:30:04,224
essa diferença de dados sensíveis ou não,

542
00:30:04,224 --> 00:30:07,315
identificadores de usuários...

543
00:30:08,955 --> 00:30:10,905
Telefones, endereço, enfim,

544
00:30:10,905 --> 00:30:14,408
dados ali que podem ser 
utilizados de forma indevida.

545
00:30:14,408 --> 00:30:19,080
Tudo isso de forma muito acessível,
que seria fácil de alguém mal-intencionado

546
00:30:19,080 --> 00:30:22,884
conseguir extrair esses dados
e utilizar para outras finalidades.

547
00:30:22,884 --> 00:30:27,455
Então, algumas etapas,
algumas camadas de proteção,

548
00:30:27,455 --> 00:30:33,127
são desenvolvidas para mitigarmos, 
evitarmos esse tipo de situação.

549
00:30:33,127 --> 00:30:37,865
Obviamente, o acesso ao Data Warehouse,
ao Data Lake, aos dados de origem,

550
00:30:37,865 --> 00:30:40,474
se alguém invadir esses sistemas,
com certeza vamos ter um grande problema.

551
00:30:40,474 --> 00:30:45,006
Mas pensando em todo o funil 
de transformação de dados,

552
00:30:45,006 --> 00:30:47,675
todo esse processo que nós temos
dentro de uma plataforma,

553
00:30:47,675 --> 00:30:52,747
são várias camadas que nós temos
até chegar num dado sensível.

554
00:30:52,747 --> 00:30:56,429
Normalmente a ponta de visualização,
a ponta de consumo,

555
00:30:56,429 --> 00:31:01,207
onde temos respostas ali 
para as nossas perguntas.

556
00:31:01,207 --> 00:31:05,893
não precisamos necessariamente
do CPF do cliente ou do telefone.

557
00:31:05,893 --> 00:31:08,096
Precisamos de números indicando

558
00:31:08,096 --> 00:31:10,396
se determinada campanha 
de marketing, por exemplo,

559
00:31:10,396 --> 00:31:13,034
está funcionando da forma esperada ou não.

560
00:31:13,034 --> 00:31:14,935
Então não precisamos de muitos detalhes.

561
00:31:14,935 --> 00:31:19,907
Os dados que ficam 
disponíveis para amplo acesso,

562
00:31:19,907 --> 00:31:24,396
seja interno ou dependendo até mesmo como 
um produto sendo exposto de alguma forma,

563
00:31:24,396 --> 00:31:28,665
são dados agregados, como 
você disse, métricas já calculadas,

564
00:31:28,665 --> 00:31:29,977
dados onde nós...

565
00:31:31,110 --> 00:31:32,506
Esses dados são anônimos.

566
00:31:32,506 --> 00:31:38,220
Não conseguimos vincular toda 
essa informação à pessoas,

567
00:31:38,220 --> 00:31:40,818
não conseguimos trazer insumos

568
00:31:40,818 --> 00:31:45,293
para ser utilizado de forma 
indevida por outras pessoas.

569
00:31:46,122 --> 00:31:46,746
Então...

570
00:31:47,872 --> 00:31:51,802
Eu acho que essas leis que surgiram,
como temos implementado isso agora,

571
00:31:51,802 --> 00:31:54,908
já deveríamos estar 
fazendo isso bem antes.

572
00:31:54,908 --> 00:31:58,179
Agora, por ter virado, de fato, uma lei,

573
00:31:58,179 --> 00:32:02,254
principalmente o cenário nacional
tem evoluído de uma forma interessante,

574
00:32:02,254 --> 00:32:04,644
temos nos preocupado
cada vez mais com isso.

575
00:32:04,644 --> 00:32:07,197
E tem até diversos memes 
na internet também.

576
00:32:07,197 --> 00:32:10,057
Quando tem ali o vazamento de dados,

577
00:32:10,057 --> 00:32:12,660
daí começa-se a investir 
muito dinheiro e tudo mais.

578
00:32:12,660 --> 00:32:15,489
E não precisamos disso, porque 
se vazar, vão ter muitas multas,

579
00:32:15,489 --> 00:32:18,933
vão ter muitas coisas envolvidas,
então ninguém quer que isso aconteça.

580
00:32:18,933 --> 00:32:22,703
Então, além de proteger o cliente,
as empresas estão se protegendo também.

581
00:32:22,703 --> 00:32:26,054
Consequentemente, temos 
um cenário cada vez melhor

582
00:32:26,054 --> 00:32:28,742
pensando em proteção de dados.

583
00:32:28,742 --> 00:32:32,093
Ferramentas de governança estão 
sendo cada vez mais utilizadas

584
00:32:32,093 --> 00:32:34,975
para conseguirmos identificar
o que é um dado sensível ou não,

585
00:32:34,975 --> 00:32:37,622
para protegê-los 
de uma forma mais eficiente.

586
00:32:37,622 --> 00:32:44,024
Ferramentas para dar nível de acesso 
de uma forma mais eficiente.

587
00:32:44,024 --> 00:32:45,523
Os próprios Data Warehouses.

588
00:32:45,523 --> 00:32:47,880
Hoje nós conseguimos dar
acesso em nível de linha,

589
00:32:47,880 --> 00:32:49,930
nível de coluna, de uma mesma tabela,

590
00:32:49,930 --> 00:32:53,601
o que acaba sendo muito mais prático
também para esse tipo de proteção.

591
00:32:53,601 --> 00:32:57,938
Então toda essa tecnologia está 
em favor justamente de proteger,

592
00:32:57,938 --> 00:32:59,786
de como estamos utilizando esses dados.

593
00:32:59,786 --> 00:33:00,741
Muito bacana.

594
00:33:00,741 --> 00:33:02,886
E é um ganha ganha, né, como você diz.

595
00:33:02,886 --> 00:33:08,839
Todo mundo sai ganhando com uma postura 
mais ética e mais segura também.

596
00:33:08,839 --> 00:33:09,663
Com certeza.

597
00:33:09,663 --> 00:33:10,900
Muito bom, Lucas.

598
00:33:10,900 --> 00:33:13,343
Eu quero te agradecer né?

599
00:33:13,343 --> 00:33:16,657
Muito bom aprender 
com você, te ouvir, ouvir cases.

600
00:33:16,657 --> 00:33:21,253
Eu sei que você traz o frescor,
a prática do mercado.

601
00:33:21,253 --> 00:33:22,515
O Lucas é professor.

602
00:33:22,515 --> 00:33:24,713
Eu acho que deu para vocês perceberem, né?

603
00:33:24,713 --> 00:33:30,485
Além de estar aí no contexto corporativo,
ele também nos ensina aqui.

604
00:33:30,485 --> 00:33:34,938
E unir as duas coisas, fica 
uma delícia para os ouvidos, viu?

605
00:33:34,938 --> 00:33:36,210
Foi um prazer.

606
00:33:36,210 --> 00:33:36,777
Muito obrigado.

607
00:33:36,777 --> 00:33:39,179
Eu que agradeço a participação, o convite.

608
00:33:39,179 --> 00:33:41,515
Falar do intermake
para mim é superimportante

609
00:33:41,515 --> 00:33:44,451
Está presente em todos 
os meus dias do trabalho,

610
00:33:44,451 --> 00:33:48,535
então acaba sendo muito interessante 
poder compartilhar um pouquinho

611
00:33:48,535 --> 00:33:52,277
dessa experiência também, e também 
ouvir todos os seus pontos, né?

612
00:33:52,277 --> 00:33:55,086
A sua experiência também é muito boa.

613
00:33:55,086 --> 00:33:57,217
Sempre aprende um pouquinho 
mais nesses papos.

614
00:33:57,217 --> 00:33:58,396
Nós crescemos.

615
00:33:58,396 --> 00:34:01,346
E você também, que ficou 
conosco até agora, cresceu,

616
00:34:01,346 --> 00:34:05,459
e pôde perceber que nós 
temos uma série de papéis,

617
00:34:05,459 --> 00:34:09,409
muita tecnologia, várias ferramentas.

618
00:34:09,409 --> 00:34:12,187
A nossa dica, né, Lucas, é: comece.

619
00:34:12,187 --> 00:34:13,647
Tem muita oportunidade.

620
00:34:13,647 --> 00:34:17,017
Muita, muita, um mercado muito aquecido.

621
00:34:17,017 --> 00:34:18,519
Comece, vá mergulhando.

622
00:34:18,519 --> 00:34:22,055
Com o tempo você vai ganhando 
maturidade, visão arquitetural.

623
00:34:22,055 --> 00:34:24,625
O céu é o limite, de fato,
nesse mercado de dados.

624
00:34:24,625 --> 00:34:27,060
Nós somos suspeitos,
amamos tudo isso aqui.

625
00:34:27,060 --> 00:34:29,815
Queremos que você venha
aqui para o nosso lado também.