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 cost,
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 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 --> 00:01:05,249
E eu estou aqui com nosso 
querido Lucas Brandi,

16
00:01:05,249 --> 00:01:08,007
sumidade quando o assunto é dados.

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
00:02:33,653 --> 00:02:36,389
Eu acho que nós temos diversas situações.

44
00:02:36,389 --> 00:02:39,158
Em alguns casos, quando 
começamos um projeto de dados,

45
00:02:39,158 --> 00:02:42,128
pode ser que seja uma empresa
que também está começando.

46
00:02:42,128 --> 00:02:45,364
Então avançamos com a maturidade de dados,

47
00:02:45,598 --> 00:02:49,001
assim como a empresa está avançando também
com o desenvolvimento do produto.

48
00:02:49,068 --> 00:02:50,136
Em outros cenários, já temos um produto 
desenvolvido, uma empresa estabelecida,

49
00:02:53,739 --> 00:02:56,742
mas que ainda não estava
utilizando das boas práticas,

50
00:02:56,742 --> 00:02:59,245
não fazendo mercado para uso de dados,

51
00:02:59,245 --> 00:03:02,481
para se tornar uma empresa
data-driven, enfim.

52
00:03:02,582 --> 00:03:07,219
Nesse cenários, nós precisamos 
estar muito mais próximos

53
00:03:07,286 --> 00:03:09,155
das áreas de negócio de quem conhece,
de quem domina de fato o produto,

54
00:03:09,155 --> 00:03:13,926
para conseguir extrair 
esses insumos do negócio,

55
00:03:13,993 --> 00:03:18,397
para conseguir pensar, planejar como
vamos implementar esse projeto

56
00:03:18,464 --> 00:03:21,901
dentre outros, numa boa 
plataforma de dados

57
00:03:21,968 --> 00:03:25,438
para agregar valor rápido,
como você mesmo disse, para o negócio,

58
00:03:25,438 --> 00:03:29,542
utilizando diversas outras ferramentas
e dependendo do tipo de produto

59
00:03:29,542 --> 00:03:31,510
que a gente está trabalhando,

60
00:03:31,577 --> 00:03:34,680
as origens dos nossos dados 
que temos que pensar também,

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

62
00:03:37,049 --> 00:03:39,518
Então, esse passo inicial 
de entendermos se o produto já existe,

63
00:03:43,823 --> 00:03:46,859
se a empresa já trabalha 
com algum tipo de métricas,

64
00:03:46,859 --> 00:03:50,297
quais são essas métricas,
como elas são calculadas

65
00:03:50,297 --> 00:03:51,297
e a base de tudo onde começamos

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

67
00:03:56,202 --> 00:03:59,872
que já temos essa ideia de trabalhar 
com analytics desde o início,

68
00:03:59,972 --> 00:04:03,342
daí às vezes é um pouquinho mais fácil,

69
00:04:03,576 --> 00:04:07,480
porque 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 --> 00:04:12,451
enquanto o produto
está sendo desenvolvido.

72
00:04:12,451 --> 00:04:16,088
Então, é um crescimento meio
que paralelo nas duas frentes,

73
00:04:16,155 --> 00:04:19,825
não só o negócio, como também 
a plataforma que estamos desenvolvendo.

74
00:04:19,925 --> 00:04:21,694
Perfeito o cenário.

75
00:04:21,694 --> 00:04:25,831
Quando você fala do mercado,
ele é complexo,

76
00:04:26,031 --> 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 --> 00:04:34,106
As arquiteturas são híbridas.

79
00:04:34,106 --> 00:04:37,877
Às vezes uma colcha de retalhos
é sempre muito mais para nós...

80
00:04:37,910 --> 00:04:42,481
O Lucas está bastante adaptado a essa
realidade, sempre muito com o subjetivo.

81
00:04:42,715 --> 00:04:45,017
Não existe uma receita de bolo.

82
00:04:45,017 --> 00:04:48,254
Trabalhamos os conceitos
com os alunos, mas no mercado,

83
00:04:48,254 --> 00:04:52,091
essa adaptabilidade e flexibilidade
são superimportantes,

84
00:04:52,091 --> 00:04:56,996
essa leitura ali do contexto 
da necessidade do cliente.

85
00:04:57,096 --> 00:05:01,433
Por falar em necessidade do cliente, Lucas,
falamos muito de visão 360

86
00:05:01,433 --> 00:05:02,835
É um termo meio negócio.

87
00:05:02,835 --> 00:05:06,272
Eu quero uma visão 360 ali do meu cliente.

88
00:05:06,338 --> 00:05:10,109
Você acha que um projeto nessa linha
que nós estamos comentando,

89
00:05:10,175 --> 00:05:14,481
de um Data Warehouse, 
de uma base analítica,

90
00:05:14,481 --> 00:05:15,481
contribui para chegarmos nessa visão?

91
00:05:15,481 --> 00:05:16,115
Com certeza.

92
00:05:16,115 --> 00:05:21,286
Pensando numa estratégia para entendermos 
como a empresa está funcionando,

93
00:05:21,353 --> 00:05:25,691
essa visão 360 acaba sendo como 
o que nós temos ao nosso redor.

94
00:05:25,758 --> 00:05:30,029
Conseguíamos enxergar desde 
as origens dos nossos dados

95
00:05:30,929 --> 00:05:32,598
como estamos definindo o nosso produto,

96
00:05:32,598 --> 00:05:35,968
como esse produto está sendo consumido,

97
00:05:36,135 --> 00:05:39,838
como diferentes áreas estão trabalhando
com o desenvolvimento desse produto,

98
00:05:39,938 --> 00:05:41,640
e, consequentemente, falando de dados,

99
00:05:41,640 --> 00:05:45,844
como que todos esses insumos
estão sendo utilizados internamente.

100
00:05:45,911 --> 00:05:48,680
Então, a base dessa visão 360 
é construir uma plataforma

101
00:05:48,680 --> 00:05:52,451
onde consigamos servir os nossos 
usuários internos com dados

102
00:05:52,684 --> 00:05:56,054
para que eles possam responder 
as próprias perguntas

103
00:05:56,121 --> 00:05:58,791
e entender como é ter essa visão ampla 
de tudo o que está acontecendo na empresa.

104
00:06:02,327 --> 00:06:07,099
Em alguns casos, essa visão ampla dentro 
de grandes empresas e grandes projetos

105
00:06:09,001 --> 00:06:12,037
acaba sendo muito difícil centralizarmos 
num único grupo de pessoas.

106
00:06:12,271 --> 00:06:16,208
Então descentralizamos
até um pouco mais essa estrutura

107
00:06:16,275 --> 00:06:20,312
para conseguirmos controlar o negócio,

108
00:06:20,412 --> 00:06:22,881
e às vezes, termos silos muito fechados,

109
00:06:22,881 --> 00:06:26,351
termos essas estruturas individuais
funcionando em paralelo,

110
00:06:26,418 --> 00:06:29,288
no meio de uma empresa que é 
muito concentrada a mexer,

111
00:06:29,288 --> 00:06:34,059
onde conseguimos que pequenas áreas,
ou pequenos grupos de pessoas,

112
00:06:34,059 --> 00:06:38,230
consigam ali controlar toda essa visão 360
de um escopo de trabalho específico,

113
00:06:38,230 --> 00:06:42,834
por exemplo, só de finanças,
só de marketing,

114
00:06:43,068 --> 00:06:47,039
de aquisição de novos usuários, 
e assim por diante.

115
00:06:47,139 --> 00:06:50,142
Daí tudo isso funcionando em paralelo,
quando precisamos ter essa visão da empresa,

116
00:06:50,142 --> 00:06:51,977
como todos vai extrair 
os dados de cada ponta

117
00:06:51,977 --> 00:06:56,148
para conseguir entender o funcionamento
da plataforma como um todo.

118
00:06:57,683 --> 00:07:03,789
Sensacional a ideia da malha de dados,
que é algo super-recente e moderno,

119
00:07:03,855 --> 00:07:07,759
apoia muito essa complexitude de informações.

120
00:07:07,759 --> 00:07:09,094
Sensacional!

121
00:07:09,094 --> 00:07:11,697
E eu comecei, Lucas, falando um pouco
do patrocinador do sponsor,

122
00:07:11,697 --> 00:07:15,000
naquele que eu quero falar muito bem também

123
00:07:15,100 --> 00:07:18,837
porque sabemos
que na gestão de um projeto,

124
00:07:18,837 --> 00:07:21,940
e você já viveu vários contextos, 
o patrocínio é superimportante.

125
00:07:27,546 --> 00:07:32,684
Quando falamos de um projeto 
de estruturação dos dados,

126
00:07:32,751 --> 00:07:35,588
assim como um projeto de governança,

127
00:07:35,588 --> 00:07:36,588
às vezes demoramos um pouquinho 
para entregar valor.

128
00:07:36,588 --> 00:07:38,290
É muito mais fácil entregar valor.

129
00:07:38,290 --> 00:07:40,225
Não deixe de concorda comigo?

130
00:07:40,225 --> 00:07:41,827
Todo mundo é palpável, todo 
mundo acessa aquele relatório.

131
00:07:41,827 --> 00:07:45,230
Ele responde às perguntas.

132
00:07:45,297 --> 00:07:47,566
Mas é essa esteira de engenharia
que vem antes,

133
00:07:47,566 --> 00:07:49,067
esse tempo do tratamento dos dados,

134
00:07:49,067 --> 00:07:52,070
que toma um pouquinho de tempo,
mesmo que sejamos ágeis,

135
00:07:52,070 --> 00:07:54,573
vai gerando uma certa 
ansiedade na organização.

136
00:07:54,573 --> 00:07:58,510
Então, mesmo com agilidade, ainda é 
um projeto que precisa de patrocínio forte.

137
00:08:03,548 --> 00:08:07,319
Falando de dados, quem é o patrocinador?

138
00:08:07,319 --> 00:08:08,353
Quais são as áreas?

139
00:08:08,353 --> 00:08:10,388
Quem costuma ser esse sponsor?

140
00:08:10,388 --> 00:08:13,358
Esse projeto costuma partir de quem?

141
00:08:13,492 --> 00:08:14,726
Como isso tem funcionado?

142
00:08:14,726 --> 00:08:17,729
Existe um padrão ou varia 
de uma empresa para outra.

143
00:08:17,863 --> 00:08:20,198
É interessante pensarmos em quem?

144
00:08:20,198 --> 00:08:22,935
Quem é o sponsor?

145
00:08:22,935 --> 00:08:23,935
Porque principalmente
em algumas empresas pequenas,

146
00:08:23,935 --> 00:08:28,640
um dos projetos quanto agora 
é uma empresa um pouco menor,

147
00:08:28,740 --> 00:08:33,411
onde o principal sponsor do projeto acaba
sendo, de fato, o CEO, o dono da empresa,

148
00:08:33,411 --> 00:08:37,782
quem está precisando, de fato
insumos para a tomada de decisão.

149
00:08:37,849 --> 00:08:40,285
Então acaba sendo algo
um pouco mais direcionado.

150
00:08:40,285 --> 00:08:44,556
Mas quando pensamos em cenários,
em empresas maiores,

151
00:08:44,623 --> 00:08:47,859
um patrocinador do projeto
normalmente seria aquela empresa

152
00:08:47,859 --> 00:08:52,530
e não aquele grupo de pessoas,
aquela área ou aquele grupo de pessoas

153
00:08:52,597 --> 00:08:58,036
que precisa tomar uma decisão, 
responder a algum tipo de pergunta

154
00:08:58,103 --> 00:09:01,106
e não necessariamente tem 
todos esses assuntos prontos,

155
00:09:01,172 --> 00:09:06,544
seja origem de dados onde não temos 
mapeado dentro da nossa plataforma,

156
00:09:06,645 --> 00:09:10,815
seja processos de transformação
que não foram implementados

157
00:09:10,882 --> 00:09:13,919
para calcular determinadas 
métricas, indicadores,

158
00:09:13,919 --> 00:09:14,919
ou até mesmo 
desenvolvimento de dashboards.

159
00:09:14,919 --> 00:09:19,758
Então, todo esse processo, essa esteira
inteira, desde a extração dos dados,

160
00:09:19,824 --> 00:09:23,561
a manipulação desses dados,
o desenvolvimento das métricas,

161
00:09:23,628 --> 00:09:28,032
e, por fim, o consumo 
para tomada de decisão,

162
00:09:28,166 --> 00:09:31,103
tudo isso parte da necessidade de alguém, 
ou de algum grupo de pessoas,

163
00:09:31,103 --> 00:09:32,103
ou de alguma área.

164
00:09:32,103 --> 00:09:34,774
Então, normalmente essa 
área que vai patrocinar

165
00:09:34,774 --> 00:09:35,774
é que vai investir o nosso 
recurso financeiro.

166
00:09:35,774 --> 00:09:39,043
Mas também tem como a gente

167
00:09:39,043 --> 00:09:42,781
vai fazer toda organização do projeto
para disponibilização desse IA

168
00:09:42,847 --> 00:09:47,318
e a implementação desse 
projeto completo de dados são.

169
00:09:47,318 --> 00:09:50,488
Normalmente vemos esse tipo de cenário,

170
00:09:50,488 --> 00:09:54,559
e faz sentido dizer que, na maioria 
das vezes, é uma dor de negócio.

171
00:09:54,659 --> 00:09:57,228
E quando não se conecta o negócio

172
00:09:57,228 --> 00:10:00,832
que está sendo desenvolvido, temos
até dificuldade de vender internamente.

173
00:10:00,832 --> 00:10:05,170
Então eu observo muitos projetos 
de novo naufragando,

174
00:10:05,170 --> 00:10:08,940
porque tem toda um aparato tecnológico.

175
00:10:08,940 --> 00:10:11,743
Mas os times de negócio ainda não 
conseguiram enxergar valor, não utilizam.

176
00:10:11,743 --> 00:10:14,746
Isso não se conecta com valor
para a organização,

177
00:10:14,746 --> 00:10:17,949
aquilo perde, perde em si.

178
00:10:17,949 --> 00:10:21,185
Então esse processo de empurrar 
a tecnologia é muito mais desafiador.

179
00:10:21,185 --> 00:10:25,123
É diferente de quando o negócio está 
puxando ali consegue entregar muito valor.

180
00:10:28,660 --> 00:10:30,628
Você vê como que essa sinergia.

181
00:10:30,628 --> 00:10:34,766
Eu me lembro, nesse mercado, de ter 
um preciosismo técnico muito grande.

182
00:10:37,936 --> 00:10:42,740
Quando você ia contratar, tinha que ser
aquele profissional que dominava o código,

183
00:10:42,774 --> 00:10:46,711
aquela tela ali do chat
ou aquela tela preta e tudo mais.

184
00:10:46,778 --> 00:10:48,146
E eu vou percebendo o mercado.

185
00:10:48,146 --> 00:10:51,316
Tenho percebido o mercado mudando mesmo 
quando eu estou contratando um dev hoje.

186
00:10:51,316 --> 00:10:54,686
Um profissional que vai 
atuar mais tecnicamente

187
00:10:54,686 --> 00:10:58,723
precisa ter esse feeling de negócio,

188
00:10:58,790 --> 00:11:02,293
essa conexão com o propósito
que ele está fazendo.

189
00:11:02,393 --> 00:11:06,864
E você enxerga assim também
esse alinhamento, negócio técnico,

190
00:11:06,864 --> 00:11:10,068
que até parece que na malha de dados
conseguimos fazer melhor.

191
00:11:10,068 --> 00:11:11,469
Mas com certeza esse alinhamento 
é muito interessante,

192
00:11:13,438 --> 00:11:17,208
principalmente quando pensamos 
na gestão moderna de dados,

193
00:11:17,308 --> 00:11:18,676
que é um conceito, um framework 
que surgiu recentemente,

194
00:11:20,111 --> 00:11:24,515
está tentando trazer 
algumas boas práticas,

195
00:11:24,582 --> 00:11:28,019
algumas situações que visam justamente
permitir que profissionais não tão técnicos,

196
00:11:28,019 --> 00:11:31,189
não necessariamente
só engenheiros de dados,

197
00:11:31,189 --> 00:11:35,860
possam trabalhar com desenvolvimento
e contribuir com uma plataforma de dados.

198
00:11:35,927 --> 00:11:39,730
Então utilizamos ferramentas,
por exemplo, low cost,

199
00:11:39,797 --> 00:11:42,800
ferramentas visuais para conseguirmos 
fazer a integração de dados,

200
00:11:42,800 --> 00:11:45,069
ferramentas visuais para conseguirmos também 
criar projetos de transformação de dados.

201
00:11:48,072 --> 00:11:50,808
Quando cabe ferramentas de visualização,

202
00:11:52,243 --> 00:11:56,280
quase todas são drag-and-drop,
onde vamos conceber,

203
00:11:56,280 --> 00:11:59,750
construir na nossa visualização,
sem precisar necessariamente de código.

204
00:11:59,851 --> 00:12:04,789
Então, esse tipo de recurso permite 
com que outros profissionais,

205
00:12:04,856 --> 00:12:07,859
normalmente de negócios,
também consigam participar,

206
00:12:08,025 --> 00:12:10,261
participar mais dentro de uma plataforma,

207
00:12:10,261 --> 00:12:14,065
mudando um pouco aquele 
paradigma de que dados,

208
00:12:14,165 --> 00:12:17,168
uma área de dados, seria uma área de TI.

209
00:12:17,168 --> 00:12:18,069
Não necessariamente.

210
00:12:18,069 --> 00:12:19,804
Eu penso em dados como uma área híbrida.

211
00:12:19,804 --> 00:12:23,574
É uma área onde temos uma sinergia
muito grande com negócios,

212
00:12:23,574 --> 00:12:27,545
onde precisamos entender o que está
sendo realizado do lado de negócios,

213
00:12:27,612 --> 00:12:29,814
do lado do nosso produto,
e assim por diante.

214
00:12:29,814 --> 00:12:32,950
E também que possa navegar 
no ferramental que temos disponível

215
00:12:32,950 --> 00:12:34,986
dentro de uma plataforma de dados.

216
00:12:34,986 --> 00:12:39,724
Então, esse cenário onde
conseguimos utilizar ferramentas

217
00:12:39,790 --> 00:12:44,362
para resolver problemas de negócio,
essa ponte acaba sendo o cenário ideal

218
00:12:44,462 --> 00:12:48,766
onde conseguimos escalar
projetos de dados de dentro

219
00:12:48,766 --> 00:12:52,370
e outros de BI e visualização
e assim por diante.

220
00:12:52,536 --> 00:12:57,775
A ferramenta é sempre um meio na teia,
um meio com fim em cima.

221
00:12:58,342 --> 00:13:02,613
Até por isso vemos projetos assim, muitas vezes
começando com estabelecimento de domínio.

222
00:13:02,646 --> 00:13:04,416
Domínio é um assunto de negócio.

223
00:13:04,416 --> 00:13:05,416
Quais são?

224
00:13:05,416 --> 00:13:08,419
Meu domínio financeiro,
meu domínio de pessoas?

225
00:13:08,619 --> 00:13:12,456
Hoje temos governança, falado
muito na identificação do Almir,

226
00:13:12,490 --> 00:13:14,258
quem é o dono do dado?

227
00:13:14,258 --> 00:13:17,962
E geralmente esse dono 
do dado é alguém de negócio

228
00:13:18,062 --> 00:13:21,298
que entende bem da transação,
mas também do analítico,

229
00:13:21,398 --> 00:13:24,301
porque até então tínhamos 
uma barreira muito grande.

230
00:13:24,301 --> 00:13:25,870
Parece que o mundo transacional,

231
00:13:25,870 --> 00:13:28,472
do transacional para o analítico,
trocávamos de assunto,

232
00:13:28,472 --> 00:13:33,310
e não é uma nova forma de organizar o dado,
mas é o mesmo dado e o mesmo assunto,

233
00:13:33,310 --> 00:13:37,248
o mesmo domínio de negócio 
e dores muito parecidas.

234
00:13:37,348 --> 00:13:40,417
Então, no México, temos 
conseguido uma malha de dados,

235
00:13:40,417 --> 00:13:45,589
temos conseguido essas evoluções 
que trazem mais o negócio para o jogo.

236
00:13:46,924 --> 00:13:50,394
Eu tenho observado isso,
ferramentas mais colaborativas também

237
00:13:50,394 --> 00:13:54,198
que o time de negócio consegue entender
o que está acontecendo e colaborar.

238
00:13:54,265 --> 00:13:58,002
E aí são projetos que você gasta 
mais tempo discutindo o negócio

239
00:13:58,002 --> 00:14:01,005
do que aplicando ali
a complexidade técnica.

240
00:14:01,038 --> 00:14:03,541
No final das contas, é o que importa.

241
00:14:03,541 --> 00:14:05,776
Estão, assim, são tendências importantes.

242
00:14:05,776 --> 00:14:07,678
Não importa se você é de negócio
ou se é uma pessoa mais técnica,

243
00:14:07,678 --> 00:14:11,582
isso precisa estar no nosso radar.

244
00:14:11,649 --> 00:14:13,918
Mas eu acho importante ressaltar 
também que não necessariamente

245
00:14:13,918 --> 00:14:17,154
o que estamos mencionando de ferramentas, 
de loucuras visuais e assim por diante,

246
00:14:17,354 --> 00:14:20,291
que não temos código, que não estamos
falando de Python, Scala, Java, enfim,

247
00:14:20,291 --> 00:14:26,630
essa parte mais técnica 
mesmo da área de dados.

248
00:14:26,697 --> 00:14:29,300
Nós temos isso também.

249
00:14:29,300 --> 00:14:30,668
Só que, em alguns cenários,

250
00:14:32,620 --> 00:14:33,620
nós não precisamos de muita 
complexidade para resolver problemas.

251
00:14:35,572 --> 00:14:38,375
Não precisamos utilizar as ferramentas
que estão super em alta no mercado

252
00:14:38,375 --> 00:14:42,112
só porque estão em alta no mercado.

253
00:14:43,113 --> 00:14:47,584
Podemos utilizar outras alternativas
que já vão resolver os nossos problemas

254
00:14:47,651 --> 00:14:52,056
de determinada área da empresa,
ou às vezes até mesmo da empresa inteira,

255
00:14:52,122 --> 00:14:53,323
com uma simplicidade maior,
facilidade maior,

256
00:14:53,323 --> 00:14:56,326
sem necessidade 
de um grande time de dados,

257
00:14:56,427 --> 00:14:57,494
garantindo que outras 
pessoas estejam contribuindo

258
00:14:58,896 --> 00:14:59,896
e também colaborando com o projeto.

259
00:15:01,298 --> 00:15:06,570
Então é aquela questão,
precisamos identificar o cenário,

260
00:15:06,670 --> 00:15:09,440
os requisitos que nós temos,
onde queremos chegar,

261
00:15:09,440 --> 00:15:14,845
para conseguir ter essa escolha
também no ferramental.

262
00:15:14,945 --> 00:15:17,581
Mas frisando essa escolha de ferramentas,

263
00:15:17,581 --> 00:15:21,485
não descartamos ferramentas mais 
complexas, mas técnicas de fato,

264
00:15:21,552 --> 00:15:25,189
com código para resolução 
de problemas mais complexos também.

265
00:15:27,724 --> 00:15:30,461
Então elas caminham em paralelo
para cada situação.

266
00:15:30,461 --> 00:15:34,199
Vamos ter um ferramental mais específico,

267
00:15:34,199 --> 00:15:35,199
resolvendo um problema 
de uma forma diferente.

268
00:15:35,199 --> 00:15:36,567
Bom ponto, bom ponto.

269
00:15:36,567 --> 00:15:38,468
Porque nós estamos falando
de um mundo de BI, de um dentre outros,

270
00:15:38,468 --> 00:15:42,272
e de que pede para tomadas de decisão.

271
00:15:42,339 --> 00:15:45,209
Mas, de repente, é preciso 
de uma latência mais baixinha,

272
00:15:45,209 --> 00:15:48,712
o dado não entrar tão estruturado.

273
00:15:48,712 --> 00:15:53,517
A minha dor de negócio está relacionada 
a uma fonte que é um log,

274
00:15:53,617 --> 00:15:57,120
que é algo que exige,
de repente, um monitoramento.

275
00:15:57,187 --> 00:15:59,556
E aí eu vou para o mundo de Big Data.

276
00:15:59,556 --> 00:16:01,792
Talvez eu não esteja falando só do DW,

277
00:16:01,792 --> 00:16:05,696
talvez seja um Data Lake,
que é um outro repositório analítico,

278
00:16:05,796 --> 00:16:09,666
um Data Lake House, que é alguma 
coisa um pouco mais moderna.

279
00:16:09,700 --> 00:16:13,537
De repente eu quero fazer 
uma implementação mais open source

280
00:16:13,537 --> 00:16:17,708
por uma necessidade específica
ali do meu contexto.

281
00:16:17,774 --> 00:16:21,011
As ferramentas open source,
muitas delas de Big Datas mais robustas,

282
00:16:21,011 --> 00:16:26,516
vêm com uma necessidade de código maior.

283
00:16:27,484 --> 00:16:31,288
Então tem casos em que a implementação
vai ser um pouco mais complexa.

284
00:16:31,288 --> 00:16:34,992
Geralmente projetos mais robustos,
um maior volume de dados,

285
00:16:35,125 --> 00:16:39,563
uma complexidade técnica,
uma técnica maior, uma latência menor.

286
00:16:39,663 --> 00:16:42,132
Ainda não cabemos nessa questão.

287
00:16:42,132 --> 00:16:44,534
Cabe bastante ainda
a questão do desenvolvimento.

288
00:16:44,534 --> 00:16:46,303
Eu acho que o importante 
é não ter preconceito.

289
00:16:46,303 --> 00:16:47,871
Eu brinco muito com os alunos:

290
00:16:47,871 --> 00:16:50,574
você vai de raiz ou vai de Nutella?

291
00:16:50,574 --> 00:16:53,076
O raiz é o código lá e tudo mais,

292
00:16:53,076 --> 00:16:56,279
e o Nutella, é o louco, 
ou o drag and drop.

293
00:16:56,279 --> 00:16:59,683
É a questão visual, somos nós sem preconceito.

294
00:16:59,683 --> 00:17:03,220
Eu já ouvi de gestores em reuniões 
em que eu estou apresentando uma proposta,

295
00:17:06,189 --> 00:17:09,559
e eu percebo que eu falei
alguma coisa de louco ou de torcer o nariz:

296
00:17:09,559 --> 00:17:13,997
todo mundo coda.
Temos codar em cloud.

297
00:17:14,097 --> 00:17:17,767
Mas aí é um preconceito,
porque, de repente, como você falou,

298
00:17:17,767 --> 00:17:21,705
em alguns casos você traz 
alguma coisa mais low cost, resolve.

299
00:17:21,771 --> 00:17:25,175
Você entrega o projeto muito mais 
rápido, uma questão de custo.

300
00:17:25,175 --> 00:17:30,247
Então, quem está gerindo o projeto
precisa ter esse olhar mais agnóstico

301
00:17:30,313 --> 00:17:34,818
de pensar qual é a melhor ferramenta,

302
00:17:34,918 --> 00:17:35,918
a melhor estratégia 
para aquele cenário específico.

303
00:17:36,019 --> 00:17:40,757
E muito desse preconceito vem do uso 
indevido de algumas ferramentas

304
00:17:40,824 --> 00:17:41,892
justamente nesse cenário.

305
00:17:41,892 --> 00:17:45,061
"Ah, esse projeto aqui precisava 
de uma complexidade um pouco maior,

306
00:17:45,061 --> 00:17:49,966
porque a demanda de negócio chegava."

307
00:17:51,868 --> 00:17:55,105
A necessidade de negócio precisava 
de uma latência mais baixa

308
00:17:55,305 --> 00:17:58,808
e o time dependendo ou até 
mesmo quantidade de pessoas

309
00:17:58,808 --> 00:17:59,709
trabalhando juntos no mesmo pipeline, consegue.

310
00:17:59,709 --> 00:18:02,712
Com algumas ferramentas visuais,
temos algumas limitações desse tipo,

311
00:18:02,712 --> 00:18:07,150
às vezes não tem versionamento de código,
tem alguns problemas nessas ferramentas.

312
00:18:07,150 --> 00:18:08,018
Elas não são perfeitas.

313
00:18:08,018 --> 00:18:10,887
Elas são mais fáceis para
começarmos a trabalhar,

314
00:18:10,887 --> 00:18:13,890
mas não necessariamente
resolvem todos os problemas.

315
00:18:13,957 --> 00:18:18,161
Só que ainda tentamos 
utilizar essas ferramentas

316
00:18:18,161 --> 00:18:21,999
conforme o projeto vai ganhando 
algum tipo de complexidade

317
00:18:21,999 --> 00:18:22,999
que outras soluções fariam mais sentido.

318
00:18:22,999 --> 00:18:24,801
Daí que acaba entrando 
um pouco desse preconceito,

319
00:18:24,801 --> 00:18:28,538
porque vemos muito infraestrutura
com o projeto legado,

320
00:18:28,772 --> 00:18:31,541
utilizando dessas ferramentas em que já 
enxergamos hoje que não são mais escaláveis.

321
00:18:33,743 --> 00:18:36,379
Então quer dizer que eu não vou mais 
utilizar esse tipo de ferramenta?

322
00:18:36,379 --> 00:18:41,451
Não, tem casos e casos.

323
00:18:41,451 --> 00:18:43,854
Só precisamos escolher corretamente
e entender a hora de mudar,

324
00:18:43,854 --> 00:18:44,854
caso seja necessário, na hora de escalar.

325
00:18:44,854 --> 00:18:47,023
Exato. O contrário também é válido.

326
00:18:47,023 --> 00:18:51,428
Vemos aí a onda do caça, que é 
uma superferramenta de mensageria.

327
00:18:51,428 --> 00:18:54,664
Quem gosta da coisa técnica, adora.

328
00:18:54,664 --> 00:18:58,568
Ela é parruda e está na arquitetura
de grandes players, né?

329
00:18:58,568 --> 00:19:01,571
LinkedIn, Uber e por aí vai.

330
00:19:01,604 --> 00:19:03,840
Então o entusiasta técnico que por cá fim.

331
00:19:03,840 --> 00:19:07,076
Tudo isso vale no contexto corporativo.

332
00:19:07,076 --> 00:19:09,379
Nas aulas também vamos 
desenhar uma arquitetura.

333
00:19:09,379 --> 00:19:12,416
Eu trago amador de negócio, 
eu especifico ali o volume,

334
00:19:12,416 --> 00:19:13,416
o aluno vai colocar o foco na arquitetura,

335
00:19:13,416 --> 00:19:16,786
mas às vezes é uma dor 
que o Excel resolveria.

336
00:19:16,786 --> 00:19:18,756
Não é nada contra a questão.

337
00:19:18,756 --> 00:19:19,756
Se resolve, está ótimo.

338
00:19:19,756 --> 00:19:22,692
Então eu acho que são os dois lados.

339
00:19:22,692 --> 00:19:27,096
Existe o time do reino, 
cloud é o time do louco de

340
00:19:27,130 --> 00:19:30,466
é na verdade a visão arquitetural.

341
00:19:30,533 --> 00:19:33,236
A visão estratégica madura 
é superimportante,

342
00:19:33,236 --> 00:19:37,173
então certamente o nosso aluno precisa 
ir ganhando essa essa maturidade

343
00:19:37,173 --> 00:19:42,378
para a tomada de decisão.

344
00:19:42,378 --> 00:19:43,046
Muito bacana!

345
00:19:43,046 --> 00:19:48,184
E falando, Lucas, bom,
esse papo profundo,

346
00:19:48,251 --> 00:19:53,156
falando aí para o nosso aluno mesmo,
que está vivenciando esse mundo dos dados,

347
00:19:53,156 --> 00:19:56,659
alguns já estão ali atuando,

348
00:19:56,759 --> 00:19:59,929
você enxerga papéis assim claros 
na construção de uma solução analítica

349
00:19:59,929 --> 00:20:03,900
aqui que eu posso ser, mas pensando 
no que eu posso estudar e tudo mais?

350
00:20:07,770 --> 00:20:13,609
E você, como engenheiro, interage 
ali com outros profissionais?

351
00:20:13,676 --> 00:20:16,245
Quais são esses papéis?

352
00:20:16,312 --> 00:20:17,280
Nós tem aquela divisão básica 
de uma plataforma de dados.

353
00:20:20,249 --> 00:20:21,617
Temos um time de engenharia de dados,

354
00:20:21,617 --> 00:20:25,521
time de ciência de dados
e de análise de dados.

355
00:20:25,621 --> 00:20:30,560
Essa é a divisão tradicional, sim, 
mas temos muito mais carreiras

356
00:20:30,560 --> 00:20:33,563
dentro de dados possíveis,

357
00:20:33,663 --> 00:20:37,667
quando pensamos em grandes 
empresas e grandes projetos.

358
00:20:37,734 --> 00:20:40,470
Temos que levar muito
em consideração segurança de dados,

359
00:20:40,470 --> 00:20:45,241
temos que levar 
em consideração governança.

360
00:20:45,308 --> 00:20:49,879
Dependendo o engenheiro de dados,
pode estar muito mais próximo,

361
00:20:49,879 --> 00:20:54,884
por exemplo, do Kafka, de ferramentas
mais técnicas, mais tela preta,

362
00:20:54,951 --> 00:20:57,720
e outros engenheiros de dados
estão mais próximos

363
00:20:57,720 --> 00:20:59,589
A área de transformação, especificamente,

364
00:20:59,589 --> 00:21:01,824
tem mais facilidade de lidar com o negócio, 
de extrair aqueles insumos de negócio

365
00:21:01,824 --> 00:21:04,727
para conseguir implementar 
um plano de transformação.

366
00:21:06,696 --> 00:21:09,699
E não conseguimos classificar tudo
dentro de uma mesma caixinha.

367
00:21:09,832 --> 00:21:13,936
A engenheiro de
dados ou engenheiro de dados

368
00:21:14,036 --> 00:21:15,972
vai conseguir fazer tudo,
realizar todos essas atividades,

369
00:21:19,108 --> 00:21:21,210
dominar todas essas possíveis ferramentas.

370
00:21:21,210 --> 00:21:25,348
Então está cada vez mais ficando segregado
algumas responsabilidades.

371
00:21:25,448 --> 00:21:29,118
Hoje a engenharia de dados está 
muito mais próxima de plataforma,

372
00:21:29,218 --> 00:21:31,754
onde pensamos em integração de dados,

373
00:21:31,754 --> 00:21:36,325
onde pensamos em manutenção de ferramentas 
como sistemas de mensageria,

374
00:21:36,325 --> 00:21:40,263
de orquestração de dados,
dentre outros leaks.

375
00:21:40,329 --> 00:21:42,431
Toda essa parte mais de infraestrutura.

376
00:21:42,431 --> 00:21:47,570
E enquanto no processo de transformação
nós estamos usando lyrics engineers

377
00:21:47,637 --> 00:21:48,137
que é uma carreira razoavelmente nova

378
00:21:52,375 --> 00:21:56,012
e é especializada em implementar
processos de transformação de dados

379
00:21:56,078 --> 00:21:59,882
utilizando insumos de negócio 
que foram coletados

380
00:22:03,185 --> 00:22:05,822
e navegando na plataforma 
que foi desenvolvida

381
00:22:05,822 --> 00:22:06,822
pelo time de engenheiros de dados.

382
00:22:06,822 --> 00:22:10,826
Ela é meio híbrida ali.

383
00:22:10,926 --> 00:22:13,896
De todas as profissões, essa é
que acaba sendo mais híbrida mesmo,

384
00:22:13,896 --> 00:22:18,968
que demanda bastante 
de conhecimento de negócio

385
00:22:18,968 --> 00:22:21,972
e também das ferramentas utilizadas

386
00:22:21,972 --> 00:22:22,972
para implementar as soluções 
necessárias para o negócio.

387
00:22:22,972 --> 00:22:25,809
E na outra ponta, uma vez 
que já temos esses processos

388
00:22:25,809 --> 00:22:26,809
de transformação implementados 
e tudo mais,

389
00:22:26,809 --> 00:22:30,713
nós temos times de análise, times de ciência 
de dados, times de governança, qualidade.

390
00:22:35,151 --> 00:22:38,053
Podemos até mesmo ter outros times
de negócio, como marketing, por exemplo,

391
00:22:38,053 --> 00:22:40,689
trabalhando diretamente com dados

392
00:22:40,756 --> 00:22:43,025
Dados acaba sendo quase que o coração
dentro de marketing também.

393
00:22:43,025 --> 00:22:46,729
É o principal insumo 
para conseguirmos investir melhor

394
00:22:46,729 --> 00:22:50,299
os nossos recursos em campanhas,
aquisição de usuários,

395
00:22:50,399 --> 00:22:53,602
fazer testes A/B, tudo baseado em dados.

396
00:22:53,702 --> 00:22:57,039
Então são várias possibilidades 
que nós temos dentro de uma plataforma

397
00:22:57,039 --> 00:23:00,042
e o desenvolver de projetos de dados

398
00:23:01,060 --> 00:23:02,060
de diversas possíveis carreiras 
ou empresas menores.

399
00:23:03,078 --> 00:23:06,182
Acabamos tendo aquele profissional de dados 
que acaba fazendo um pouco de tudo também,

400
00:23:06,182 --> 00:23:10,786
a mão de ponta a ponta e tudo bem.

401
00:23:10,786 --> 00:23:12,655
É a realidade da empresa.
E para o profissional

402
00:23:12,655 --> 00:23:17,059
que é bacana, às vezes ele aprende mais
colocando a mão ali.

403
00:23:17,159 --> 00:23:21,130
E é aí que as ferramentas mais simples
e mais visuais acabam auxiliando também,

404
00:23:21,297 --> 00:23:24,466
porque mesmo que, por exemplo,
a minha especialidade na visualização,

405
00:23:24,667 --> 00:23:28,237
mas eu tenho uma ferramenta
que me ajuda de forma gráfica

406
00:23:28,304 --> 00:23:31,540
a construir um dashboard
de forma mais eficiente,

407
00:23:32,942 --> 00:23:35,711
porque eu não preciso aprender 
uma outra tecnologia do zero e tudo mais.

408
00:23:35,711 --> 00:23:38,280
Eu já consigo utilizar aquilo
para fazer o quê?

409
00:23:38,280 --> 00:23:41,050
Responder perguntas de negócios,
que, no final das contas, é o que importa.

410
00:23:41,050 --> 00:23:41,917
O que importa?

411
00:23:41,917 --> 00:23:45,688
Você tocou num ponto interessante,

412
00:23:45,688 --> 00:23:49,692
como outras áreas têm vindo 
para dados e se empoderado.

413
00:23:49,758 --> 00:23:52,761
Temos trabalhado muito nesse 
processo de alfabetização em dados,

414
00:23:55,197 --> 00:23:58,567
e vale muito alfabetizar 
a empresa como um todo.

415
00:23:58,667 --> 00:24:00,769
E todos precisam falar dados.

416
00:24:00,769 --> 00:24:04,073
Então agora é algo que tem crescido

417
00:24:04,173 --> 00:24:08,510
e que talvez até nos ajude muito mais
a alavancar a questão da cultura.

418
00:24:08,577 --> 00:24:11,914
Como nós podemos, Lucas,
fazer essa combinação?

419
00:24:12,014 --> 00:24:14,316
O que vem primeiro?

420
00:24:14,316 --> 00:24:17,920
A cultura, a cultura de dados,
a cultura data-driven,

421
00:24:17,986 --> 00:24:20,889
ou colocar lá um leitor?

422
00:24:20,889 --> 00:24:23,992
Hoje eu percebo que, 
dependendo do cliente,

423
00:24:23,992 --> 00:24:27,796
nós começamos o papo pela ponta
que está mais fácil, não é?

424
00:24:27,963 --> 00:24:31,033
Então, se eles querem ter
a ferramenta, ok, vão por ali.

425
00:24:31,033 --> 00:24:34,036
Outros já perceberam que, 
apesar de ter a ferramenta,

426
00:24:34,236 --> 00:24:36,138
eles não conseguem garantir um bom uso.

427
00:24:36,138 --> 00:24:40,109
As pessoas ainda seguem muito no felling,
e aí voltam um pouquinho atrás

428
00:24:40,109 --> 00:24:43,579
e começam a falar de cultura mindset.

429
00:24:43,645 --> 00:24:46,882
Você percebe o mercado assim: 
o que é, o que deveria.

430
00:24:47,082 --> 00:24:49,017
Vamos falar do correto.

431
00:24:49,017 --> 00:24:51,987
O mercado é muito híbrido,
mas o que deveria vir primeiro?

432
00:24:51,987 --> 00:24:55,791
A cultura, a implementação ali da solução.

433
00:24:55,891 --> 00:25:00,062
Então, quando temos um tempo limitado 
para conseguirmos implementar

434
00:25:00,062 --> 00:25:03,899
um processo de dados
e uma plataforma de dados,

435
00:25:03,999 --> 00:25:06,468
normalmente não conseguimos 
preparar todas as pessoas

436
00:25:06,468 --> 00:25:09,771
antes de começarmos um projeto desse tipo.

437
00:25:09,872 --> 00:25:12,374
Aí que entram muitos consultores 
para conseguir implementar a parte técnica

438
00:25:12,374 --> 00:25:17,479
utilizando do que a empresa já entende ali

439
00:25:20,849 --> 00:25:25,454
que vai agregar valor para ela
a partir daquele ferramental.

440
00:25:25,520 --> 00:25:28,857
Mas eu não colocaria a implementação 
técnica na frente dessa questão cultural.

441
00:25:32,027 --> 00:25:34,529
Eu acho que tem que caminhar em paralelo

442
00:25:34,529 --> 00:25:38,467
enquanto estamos construindo 
essa plataforma,

443
00:25:38,533 --> 00:25:42,437
Já temos que demonstrar o porque 
essa plataforma é relevante,

444
00:25:42,504 --> 00:25:43,839
como ela é relevante,

445
00:25:43,839 --> 00:25:46,074
como que vamos utilizar,
como vamos agregar valor,

446
00:25:46,074 --> 00:25:50,846
porque é mais fácil trabalhar com esse
tipo de ferramenta, com essa plataforma.

447
00:25:50,946 --> 00:25:55,951
E tudo isso em paralelo, acaba 
garantindo o sucesso do projeto.

448
00:25:56,018 --> 00:25:58,420
Também não adianta gastarmos muito tempo

449
00:25:58,420 --> 00:26:01,323
fazendo uma grande preparação, 
cursos, treinamentos.

450
00:26:01,323 --> 00:26:05,827
Não estamos vendo aquela briga
ali, ela é nada prático,

451
00:26:05,894 --> 00:26:09,264
e ao mesmo tempo que nós já temos 
aqui toda essa plataforma construída,

452
00:26:09,264 --> 00:26:11,233
agora nós vamos desligar aqui todo esse 
processo que vocês já estavam fazendo

453
00:26:11,233 --> 00:26:14,102
e vamos utilizar só essa.

454
00:26:14,102 --> 00:26:17,005
Por quê o outro funcionava,
Alguém pode perguntar.

455
00:26:17,005 --> 00:26:18,440
E, de fato, estava funcionando.

456
00:26:18,440 --> 00:26:19,875
Estava da melhor forma?

457
00:26:19,875 --> 00:26:22,277
Não necessariamente,
mas estava funcionando.

458
00:26:22,277 --> 00:26:27,916
Então explicar e passar essa sensação
de que, beleza, estamos dando agora

459
00:26:27,916 --> 00:26:30,919
um passo que, de fato, vai ser 
relevante para nós, é fundamental.

460
00:26:30,952 --> 00:26:35,290
Porque quando temos um sponsor no projeto,

461
00:26:35,357 --> 00:26:39,194
pode ser que esse sponsor já esteja 
comprado com a ideia de entender

462
00:26:39,361 --> 00:26:43,765
o valor de fato que vamos agregar
com essa plataforma desde o início.

463
00:26:43,865 --> 00:26:46,034
Mas, beleza, temos uma pessoa

464
00:26:46,034 --> 00:26:49,037
e todo o restante do time,
todo o restante da empresa

465
00:26:49,171 --> 00:26:52,807
podemos ter mais dificuldade
em comprovar isso para os demais.

466
00:26:55,177 --> 00:26:57,879
Então não adianta simplesmente 
entregarmos esse projeto

467
00:26:57,879 --> 00:27:02,317
sem pensar na questão cultural
que caminha junto do projeto.

468
00:27:02,417 --> 00:27:06,187
Sim, e aspectos políticos
que são tão desafiadores.

469
00:27:06,187 --> 00:27:11,192
Então, às vezes o gestor não quer
que se fale de uma nova tecnologia,

470
00:27:11,192 --> 00:27:15,263
de uma nova metodologia, porque 
ele não quer soar retrógrado,

471
00:27:15,363 --> 00:27:19,935
não quer gerar uma impressão
que a gestão dele está atrasada.

472
00:27:20,001 --> 00:27:23,438
E aí tem todo um cuidado, porque 
nós estamos falando de pessoas,

473
00:27:23,438 --> 00:27:29,311
e elas são respeitadas porque 
estão dando o seu melhor.

474
00:27:29,377 --> 00:27:33,081
É muito fácil você vir de fora 
com as suas novas ideias.

475
00:27:34,949 --> 00:27:37,886
Você não está ali no dia a dia
matando um leão por dia.

476
00:27:41,990 --> 00:27:47,529
Então, a cultura vem junto com a questão 
política também, de se mostrar.

477
00:27:47,595 --> 00:27:50,198
Quem quiser fomentar 
essa cultura, esse mindset,

478
00:27:50,198 --> 00:27:54,335
precisa se mostrar como alguém 
que quer somar, alavancar, enfim,

479
00:27:55,837 --> 00:28:00,008
e não alguém que veio 
para dizer que está tudo errado,

480
00:28:00,008 --> 00:28:04,480
que você está fazendo tudo errado...

481
00:28:04,480 --> 00:28:05,480
"Vamos fazer agora dessa outra forma 
que é superdiferente e funciona".

482
00:28:05,480 --> 00:28:08,716
Até porque nada funciona, né?

483
00:28:08,783 --> 00:28:12,887
Saindo dos livros e sendo encaixado 
ali na realidade corporativa.

484
00:28:12,987 --> 00:28:18,159
Precisamos adaptar tudo.

485
00:28:18,159 --> 00:28:20,361
Então são aspectos mais complexos
que as questões técnicas, não é, Lucas?

486
00:28:20,361 --> 00:28:23,364
Parece que até resolvemos 
mais rápido o técnico.

487
00:28:23,398 --> 00:28:25,900
Quando falamos de cultura,
de questões políticas,

488
00:28:25,900 --> 00:28:28,903
elas são mais desafiadoras,
mas precisam ser consideradas.

489
00:28:29,070 --> 00:28:33,107
Senão você faz uma superimplementação 
e ninguém usa, enterra, morre ali.

490
00:28:35,743 --> 00:28:36,878
Exatamente.

491
00:28:36,878 --> 00:28:37,612
Muito bom!

492
00:28:37,612 --> 00:28:40,915
Que papo bom, muitas coisas.

493
00:28:40,915 --> 00:28:41,716
É o tipo do papo que temos 
que ouvir algumas vezes

494
00:28:41,716 --> 00:28:43,885
para poder extrair tudo 
o que está sendo dito.

495
00:28:45,486 --> 00:28:47,689
Não é só o norte, é superimportante.

496
00:28:47,689 --> 00:28:50,391
Mas tem um último ponto que eu queria 
te ouvir, aproveitar bem a sua experiência,

497
00:28:52,927 --> 00:28:55,563
que é a questão da segurança dos dados.

498
00:28:55,563 --> 00:28:59,267
Temos uma referência na Europa,
na lei europeia de proteção aos dados,

499
00:29:03,605 --> 00:29:09,877
a LGPD já veio com alguns avanços,
estabelecendo alguns limites.

500
00:29:09,944 --> 00:29:14,315
De novo, temos alguns desafios 
que são culturais aqui no Brasil.

501
00:29:16,117 --> 00:29:19,120
Como você vê a questão da segurança 
dos dados, num contexto analítico,

502
00:29:19,120 --> 00:29:23,725
onde muitas vezes você vai, de fato, 
armazenar ali, de forma agregada,

503
00:29:23,825 --> 00:29:28,997
todas as suas informações gerenciais?

504
00:29:29,063 --> 00:29:34,635
Quais cuidados com a maturidade brasileira
nesse momento em relação ao assunto?

505
00:29:34,702 --> 00:29:39,507
Conforme a lei chegou, ela 
chegou para proteger, de fato,

506
00:29:39,607 --> 00:29:43,444
as pessoas que têm os dados
compartilhados com outras empresas.

507
00:29:45,279 --> 00:29:48,282
Então ela talvez tenha chegado até 
um pouco tarde porque ela surgiu

508
00:29:48,282 --> 00:29:49,550
porque encontramos problemas 
de dados sendo vazados e tudo mais,

509
00:29:49,550 --> 00:29:53,388
justamente porque algumas práticas
não estavam sendo utilizadas.

510
00:29:57,358 --> 00:30:01,763
Disponibilizamos dados sensíveis
que já conseguimos enxergar

511
00:30:01,763 --> 00:30:06,434
essa diferença de dados sensíveis, 
não identificadores de usuários,

512
00:30:09,070 --> 00:30:10,905
telefones, endereço, enfim,

513
00:30:10,905 --> 00:30:14,342
dados ali que podem ser 
utilizados de forma indevida.

514
00:30:14,408 --> 00:30:19,080
Tudo isso de forma muito acessível,
que seria fácil de alguém mal intencionado

515
00:30:19,080 --> 00:30:22,817
conseguir extrair esses dados
e utilizar para outras finalidades.

516
00:30:22,884 --> 00:30:27,388
Então, algumas etapas,
algumas camadas de proteção,

517
00:30:27,455 --> 00:30:30,458
são desenvolvidas para mitigarmos 
e evitarmos esse tipo de situação.

518
00:30:33,127 --> 00:30:37,632
Obviamente, o acesso ao dentro
e ao detalhe que nos dados de origem.

519
00:30:37,865 --> 00:30:39,600
Se alguém invadir esses sistemas,
com certeza vamos ter um grande problema.

520
00:30:40,935 --> 00:30:45,006
Mas pensando em todo o funil 
de transformação de dados,

521
00:30:45,006 --> 00:30:47,675
todo esse processo que nós temos
dentro de uma plataforma,

522
00:30:47,675 --> 00:30:52,480
são várias camadas que nós temos
até chegar num dado sensível,

523
00:30:52,747 --> 00:30:58,119
Normalmente a ponta de visualização,
a ponta de consumo,

524
00:30:58,185 --> 00:31:00,788
temos respostas ali para as nossas perguntas.

525
00:31:00,788 --> 00:31:05,126
A gente não precisa necessariamente
do CPF do cliente ou do telefone.

526
00:31:05,893 --> 00:31:08,096
Precisamos de números indicando

527
00:31:08,096 --> 00:31:09,096
se determinada campanha 
de marketing, por exemplo,

528
00:31:09,096 --> 00:31:12,967
está funcionando da forma esperada ou não.

529
00:31:13,034 --> 00:31:14,935
Então não precisamos de muitos detalhes.

530
00:31:14,935 --> 00:31:19,840
Então, os dados que ficam 
disponíveis para amplo acesso,

531
00:31:19,907 --> 00:31:22,510
seja interno ou dependendo
até mesmo como um produto

532
00:31:22,510 --> 00:31:25,613
sendo exposto de alguma forma,
são dados agregados.

533
00:31:25,613 --> 00:31:31,018
Como você disse, métricas já calculadas.

534
00:31:31,118 --> 00:31:35,890
Dados onde esses dados são anônimos,
não consegue vincular esse todo.

535
00:31:35,890 --> 00:31:41,128
Essa informação a pessoas, 
conseguimos trazer insumos

536
00:31:41,128 --> 00:31:46,133
para utilizarmos de uma forma indevida
por outras pessoas.

537
00:31:47,902 --> 00:31:51,372
Então eu acho que essas leis que surgiram,
como temos implementado isso agora,

538
00:31:51,372 --> 00:31:54,108
já deveríamos estar 
fazendo isso bem antes.

539
00:31:54,108 --> 00:31:58,079
Agora, por ter virado de fato uma lei,

540
00:31:58,179 --> 00:32:02,216
principalmente porque o cenário nacional
tem evoluído de uma forma interessante,

541
00:32:02,216 --> 00:32:05,453
temos nos preocupado
cada vez mais com isso.

542
00:32:05,553 --> 00:32:10,057
E tem até diversos memes na internet também
quando tem ali o vazamento de dados.

543
00:32:10,057 --> 00:32:12,660
Daí começa-se a investir 
um monte de dinheiro e tudo mais.

544
00:32:12,660 --> 00:32:15,529
E não precisamos disso, porque se vazar,
vão ter muitas coisas envolvidas,

545
00:32:15,529 --> 00:32:18,699
e ninguém quer que isso aconteça.

546
00:32:18,933 --> 00:32:22,636
Então, além de proteger o cliente,
as empresas estão se protegendo também.

547
00:32:22,703 --> 00:32:25,439
Consequentemente, temos 
um cenário cada vez melhor

548
00:32:25,439 --> 00:32:28,642
pensando em proteção de dados.

549
00:32:28,742 --> 00:32:30,611
Ferramentas de governança estão 
sendo cada vez mais utilizadas

550
00:32:32,413 --> 00:32:34,315
para conseguirmos identificar
o que é um dado sensível, ou não,

551
00:32:34,315 --> 00:32:38,185
para protegê-los 
de uma forma mais eficiente.

552
00:32:40,888 --> 00:32:44,124
Ferramentas para dar nível de acesso 
de uma forma mais eficiente.

553
00:32:44,124 --> 00:32:45,593
Os próprios dentro outros.

554
00:32:45,993 --> 00:32:48,930
Hoje nós conseguimos dar
acesso em nível de linha,

555
00:32:48,930 --> 00:32:49,930
nível de coluna de uma mesma tabela,

556
00:32:49,930 --> 00:32:53,534
o que acaba sendo muito mais prático
também para esse tipo de proteção.

557
00:32:53,601 --> 00:32:57,871
Então, toda essa tecnologia está 
em favor justamente de protegê-lo,

558
00:32:57,938 --> 00:33:00,074
de como estamos utilizando esses dados.

559
00:33:00,074 --> 00:33:00,741
Muito bacana.

560
00:33:00,741 --> 00:33:04,478
E é um ganha ganha, como você diz.

561
00:33:04,545 --> 00:33:08,716
Todo mundo sai ganhando com uma postura 
mais ética e mais segura também.

562
00:33:08,949 --> 00:33:09,616
Com certeza.

563
00:33:09,616 --> 00:33:12,220
Muito bom, Lucas.

564
00:33:12,220 --> 00:33:13,220
Eu quero te agradecer né?

565
00:33:13,220 --> 00:33:16,490
Muito bom aprender com você, ouvir cases.

566
00:33:16,657 --> 00:33:21,428
Eu sei que você traz o frescor
da prática do mercado.

567
00:33:21,495 --> 00:33:24,498
O Lucas, a professora,
a gente deu para vocês perceberem.

568
00:33:24,665 --> 00:33:27,835
Além de estar aí no contexto corporativo,

569
00:33:27,935 --> 00:33:32,539
ele também nos ensina aqui
a unir as duas coisas.

570
00:33:32,539 --> 00:33:34,908
Ficou uma delícia.
Cruzei para os ouvidos, viu?

571
00:33:34,908 --> 00:33:36,210
Foi um prazer.

572
00:33:36,210 --> 00:33:36,777
Muito obrigado.

573
00:33:36,777 --> 00:33:39,179
Eu que agradeço a participação, o convite.

574
00:33:39,179 --> 00:33:41,515
Falar de um tema
que para mim é super importante

575
00:33:41,515 --> 00:33:44,451
está presente
em todos os meus dias de trabalho,

576
00:33:44,451 --> 00:33:48,155
então acaba sendo muito, muito,
muito interessante poder compartilhar

577
00:33:48,155 --> 00:33:52,826
um pouquinho dessa experiência também
e também ouvir todos os seus pontos,

578
00:33:52,926 --> 00:33:55,996
sua a sua experiência também é muito bom,
A gente sempre aprende um pouquinho

579
00:33:55,996 --> 00:33:59,133
mais nesses papos, a gente cresce,
você também.

580
00:33:59,166 --> 00:34:03,036
Você ficou conosco até agora, cresceu
e pôde perceber que nós

581
00:34:03,036 --> 00:34:09,409
temos uma série de papéis,
muita tecnologia, várias ferramentas.

582
00:34:09,409 --> 00:34:13,380
A nossa dica na Lucas é comece,
comece a oportunidade

583
00:34:13,380 --> 00:34:16,917
é muito, muito um mercado muito aquecido.

584
00:34:17,017 --> 00:34:18,519
Comece, vá mergulhando.

585
00:34:18,519 --> 00:34:21,955
Com o tempo você vai ganhando maturidade,
visão arquitetural.

586
00:34:22,055 --> 00:34:24,625
O céu é o limite. De fato,
nesse mercado de dados.

587
00:34:24,625 --> 00:34:27,060
Nós somos suspeitos,
amamos tudo isso aqui.

588
00:34:27,060 --> 00:34:30,097
Queremos que você venha
aqui para o nosso lado e.