WEBVTT

00:00:07.860 --> 00:00:10.682
Nos primórdios do Business Intelligence,

00:00:10.682 --> 00:00:15.597
levávamos pelo menos aí um ano dentro 
da construção de um Data Warehouse

00:00:15.597 --> 00:00:17.798
para fazer, de fato, uma entrega de valor.

00:00:18.685 --> 00:00:22.455
Ao longo desse tempo,
muitos projetos naufragavam.

00:00:22.455 --> 00:00:27.342
Período longo demais para manter 
o patrocínio da alta gestão.

00:00:28.495 --> 00:00:31.135
Boas notícias! Nós viramos esse jogo.

00:00:31.135 --> 00:00:35.989
Com uma stack moderna de dados,
trazendo agilidade na gestão dos projetos,

00:00:35.989 --> 00:00:39.454
usando ferramentas low cost,
indo para cloud,

00:00:39.454 --> 00:00:44.018
trabalhando muito mais DataOps,
hoje, em pouquíssimo tempo,

00:00:44.018 --> 00:00:49.449
nós conseguimos entregar na mão 
dos analistas, dos times de gestão,

00:00:49.449 --> 00:00:52.455
informações consistentes
para a tomada de decisão.

00:00:52.455 --> 00:00:56.258
Eu sou Tassiana, sou gestora 
de dados e analytics na triggo.ai,

00:00:56.258 --> 00:00:58.358
que é uma startup
de Inteligência Artificial,

00:00:58.358 --> 00:01:02.262
professora e coordenadora 
de MBA aqui na FIAP.

00:01:02.262 --> 00:01:05.249
E eu estou aqui com nosso 
querido Lucas Brandi,

00:01:05.249 --> 00:01:08.007
sumidade quando o assunto é dados.

00:01:08.007 --> 00:01:11.137
Ele vai contar um pouquinho 
da carreira dele para nós,

00:01:11.137 --> 00:01:15.012
contar como os dados 
fazem parte hoje

00:01:15.012 --> 00:01:17.692
do seu cotidiano né, Lucas?

00:01:17.692 --> 00:01:21.781
E nós vamos bater um papo aqui
bem gostoso sobre boas práticas,

00:01:21.781 --> 00:01:25.051
justamente nesse contexto das informações.

00:01:25.051 --> 00:01:25.822
Exatamente.

00:01:26.386 --> 00:01:29.589
Bom, meu nome é Lucas Brandi,
eu sou engenheiro de dados.

00:01:29.589 --> 00:01:34.048
Trabalho para uma empresa chamada X-Team 
como consultor para projetos internacionais,

00:01:34.048 --> 00:01:38.498
principalmente no âmbito 
de Data Warehouse e Data Lake.

00:01:38.498 --> 00:01:43.431
Ambos os projetos são voltados 
para organizarmos os dados

00:01:43.431 --> 00:01:47.659
de uma forma eficiente para o uso 
posterior, para ciência de dados,

00:01:47.659 --> 00:01:51.177
para análises, desenvolvimento 
de métricas e assim por diante.

00:01:51.177 --> 00:01:54.247
Em poucas palavras,
trazer valor para o negócio.

00:01:54.247 --> 00:01:55.012
Muito bacana.

00:01:55.012 --> 00:01:56.529
Gente, o Lucas é um engenheiro incrível.

00:01:56.529 --> 00:01:59.786
Vai dar dicas importantíssimas para vocês.

00:01:59.786 --> 00:02:02.199
E para partirmos do início, Lucas,

00:02:02.199 --> 00:02:06.311
sempre tem ali uma necessidade 
de tomada de decisão,

00:02:06.311 --> 00:02:08.061
uma necessidade de análise.

00:02:08.061 --> 00:02:09.829
Toda organização tem.

00:02:09.829 --> 00:02:13.599
Mas daí até chegar 
a implementação de um projeto,

00:02:13.599 --> 00:02:17.668
uma esteira de construção de engenharia,
uma entrega de valor lá na ponta,

00:02:17.668 --> 00:02:22.208
com dashboards, com estatísticas,

00:02:22.208 --> 00:02:25.711
e às vezes até evoluir 
para um Machine Learning, enfim,

00:02:25.711 --> 00:02:29.315
como funciona esse trilho,
como nascem esses projetos,

00:02:29.315 --> 00:02:32.656
e como vamos fazendo
toda essa construção?

00:02:33.428 --> 00:02:36.389
Eu acho que nós temos diversas situações.

00:02:36.389 --> 00:02:39.028
Em alguns casos, quando 
começamos um projeto de dados,

00:02:39.028 --> 00:02:42.128
pode ser que seja numa empresa
que também está começando.

00:02:42.128 --> 00:02:45.598
Então avançamos com a maturidade de dados,

00:02:45.598 --> 00:02:49.068
assim como a empresa está avançando também
com o desenvolvimento do produto.

00:02:49.068 --> 00:02:53.739
Em outros cenários, já temos um produto 
desenvolvido, uma empresa estabelecida,

00:02:53.739 --> 00:02:57.662
mas que ainda não estava
utilizando das boas práticas do mercado

00:02:57.662 --> 00:02:59.245
para uso de dados,

00:02:59.245 --> 00:03:02.582
para se tornar uma empresa
data-driven, enfim.

00:03:02.582 --> 00:03:07.286
Nesses cenários, nós precisamos 
estar muito mais próximos

00:03:07.286 --> 00:03:10.605
das áreas de negócio, de quem 
conhece, domina de fato o produto,

00:03:10.605 --> 00:03:13.993
para conseguir extrair 
esses insumos do negócio,

00:03:13.993 --> 00:03:19.714
para conseguir pensar, planejar como vamos 
implementar esse projeto de Data Warehouse,

00:03:19.714 --> 00:03:23.278
numa boa plataforma de dados
para agregar valor rápido,

00:03:23.278 --> 00:03:25.438
como você mesma disse, para o negócio,

00:03:25.438 --> 00:03:27.622
utilizando diversas outras ferramentas.

00:03:27.622 --> 00:03:30.695
E dependendo do tipo de produto
que estamos trabalhando,

00:03:30.695 --> 00:03:34.714
as origens dos nossos dados, 
temos que pensar também,

00:03:34.714 --> 00:03:37.049
quais ferramentas vamos utilizar ali.

00:03:37.049 --> 00:03:41.723
Então, esse passo inicial, 
entendermos se o produto já existe,

00:03:41.723 --> 00:03:45.489
se a empresa já trabalha 
com algum tipo de métrica,

00:03:45.489 --> 00:03:48.517
quais são essas métricas,
como elas são calculadas

00:03:48.517 --> 00:03:51.297
é a base de tudo, né, é onde começamos.

00:03:51.297 --> 00:03:56.202
E caso seja uma empresa nova,
que já está nascendo na nuvem mesmo,

00:03:56.202 --> 00:04:01.912
que já temos essa ideia de trabalhar 
com analytics desde o início,

00:04:01.912 --> 00:04:03.576
às vezes é um pouquinho mais fácil,

00:04:03.576 --> 00:04:07.480
porque aí conseguimos trabalhar em conjunto 
com o desenvolvimento do produto,

00:04:07.480 --> 00:04:10.015
já trazendo essas métricas
e acompanhando as métricas

00:04:10.015 --> 00:04:12.573
enquanto o produto
está sendo desenvolvido.

00:04:12.573 --> 00:04:16.155
Então, é um crescimento meio
que paralelo das duas frentes,

00:04:16.155 --> 00:04:19.605
não só o negócio, como também 
a plataforma que estamos desenvolvendo.

00:04:19.605 --> 00:04:20.452
Perfeito.

00:04:20.452 --> 00:04:24.331
Quando falamos do mercado,
o cenário é complexo, né,

00:04:24.331 --> 00:04:28.968
então você tem ali uma estratégia 
de negócio a ser pensada,

00:04:28.968 --> 00:04:31.504
depois tem um olhar arquitetural também.

00:04:31.504 --> 00:04:36.216
As arquiteturas são híbridas, 
às vezes uma colcha de retalhos.

00:04:36.216 --> 00:04:37.910
É sempre muito, né...

00:04:37.910 --> 00:04:40.235
O Lucas está bastante 
adaptado a essa realidade.

00:04:40.235 --> 00:04:42.715
É sempre muito consultivo, né?

00:04:42.715 --> 00:04:45.017
Não existe uma receita de bolo.

00:04:45.017 --> 00:04:48.254
Trabalhamos os conceitos
com os alunos, mas no mercado,

00:04:48.254 --> 00:04:52.091
essa adaptabilidade e flexibilidade
são superimportantes,

00:04:52.091 --> 00:04:57.096
essa leitura ali do contexto 
e da necessidade do cliente.

00:04:57.096 --> 00:05:01.433
Por falar em necessidade do cliente, 
Lucas, falamos muito de visão 360.

00:05:01.433 --> 00:05:03.147
Isso é um termo meio negócio, né?

00:05:03.147 --> 00:05:06.338
Eu quero uma visão 360 ali do meu cliente.

00:05:06.338 --> 00:05:09.545
Você acha que um projeto nessa linha
que nós estamos comentando,

00:05:09.545 --> 00:05:11.831
de um Data Warehouse, 
de uma base analítica,

00:05:11.831 --> 00:05:15.157
contribui para chegarmos nessa visão?

00:05:15.157 --> 00:05:16.115
Com certeza.

00:05:16.115 --> 00:05:21.127
Pensando numa estratégia para entendermos 
como a empresa está funcionando,

00:05:21.127 --> 00:05:25.758
essa visão 360 acaba sendo... 
O que nós temos ao nosso redor?

00:05:25.758 --> 00:05:30.929
Conseguíamos enxergar desde 
as origens dos nossos dados

00:05:30.929 --> 00:05:34.648
como estamos definindo o nosso produto,
como esse produto está sendo consumido,

00:05:34.648 --> 00:05:38.931
como diferentes áreas estão trabalhando
com o desenvolvimento desse produto,

00:05:38.931 --> 00:05:41.640
e, consequentemente, falando de dados,

00:05:41.640 --> 00:05:46.481
como todos esses insumos estão 
sendo utilizados internamente.

00:05:46.481 --> 00:05:50.540
Então, a base dessa visão 360 
é construir uma plataforma

00:05:50.540 --> 00:05:54.171
onde consigamos servir os nossos 
usuários internos com dados

00:05:54.171 --> 00:05:57.461
para que eles possam responder 
as próprias perguntas

00:05:57.461 --> 00:06:00.647
e entender, ter essa visão ampla,

00:06:00.647 --> 00:06:02.327
de tudo o que está 
acontecendo na empresa.

00:06:02.327 --> 00:06:05.331
Em alguns casos, essa visão ampla,

00:06:05.331 --> 00:06:09.001
dentro de grandes empresas 
e grandes projetos,

00:06:09.001 --> 00:06:12.271
acaba sendo muito difícil centralizarmos 
num único grupo de pessoas.

00:06:12.271 --> 00:06:16.275
Então descentralizamos
até um pouco mais essa estrutura

00:06:16.275 --> 00:06:19.853
para conseguirmos controlar 
escopos de negócio.

00:06:19.853 --> 00:06:22.881
Ao invés de termos silos muito fechados,

00:06:22.881 --> 00:06:26.468
termos essas estruturas individuais

00:06:26.468 --> 00:06:29.188
funcionando em paralelo 
dentro de uma empresa,

00:06:29.188 --> 00:06:30.838
que é muito o conceito de data mash, né,

00:06:30.838 --> 00:06:35.709
onde conseguimos que pequenas áreas,
ou pequenos grupos de pessoas,

00:06:35.709 --> 00:06:39.410
consigam ali controlar toda essa visão 360

00:06:39.410 --> 00:06:41.650
de um escopo de trabalho específico,

00:06:41.650 --> 00:06:44.368
por exemplo, só de finanças,
só de marketing,

00:06:44.368 --> 00:06:47.139
de aquisição de novos usuários, 
e assim por diante.

00:06:47.139 --> 00:06:48.952
Aí, tudo isso funcionando em paralelo,

00:06:48.952 --> 00:06:51.652
quando precisarmos ter essa 
visão da empresa como um todo,

00:06:51.652 --> 00:06:53.817
vamos extraindo os dados de cada ponta

00:06:53.817 --> 00:06:57.718
para conseguir entender o funcionamento
da plataforma como um todo.

00:06:57.718 --> 00:06:58.575
Sensacional.

00:06:58.575 --> 00:07:03.855
A ideia da malha de dados, que é 
algo super-recente e moderno,

00:07:03.855 --> 00:07:07.759
apoia muito essa 
completude de informações.

00:07:07.759 --> 00:07:08.846
Sensacional!

00:07:08.846 --> 00:07:13.997
E eu comecei, Lucas, falando um pouco
do patrocinador, do sponsor, né,

00:07:13.997 --> 00:07:16.336
que o PMBOK fala muito também.

00:07:16.336 --> 00:07:18.837
Sabemos que na gestão de um projeto,

00:07:18.837 --> 00:07:23.146
e você já viveu vários contextos assim,

00:07:23.146 --> 00:07:26.913
um patrocínio é superimportante, né?

00:07:26.913 --> 00:07:29.864
Quando falamos de um projeto 
de estruturação dos dados,

00:07:29.864 --> 00:07:32.828
assim como um projeto de governança,

00:07:32.828 --> 00:07:36.206
às vezes demoramos um pouquinho 
para entregar valor.

00:07:36.206 --> 00:07:39.432
É muito mais fácil entregar 
valor num dashboard, né?

00:07:39.432 --> 00:07:40.564
Concorda comigo?

00:07:40.564 --> 00:07:41.827
É palpável, né?

00:07:41.827 --> 00:07:45.132
Todo mundo acessa aquele relatório,
ele responde as perguntas.

00:07:45.132 --> 00:07:47.566
Mas e essa esteira 
de engenharia que vem antes,

00:07:47.566 --> 00:07:49.067
tempo do tratamento dos dados?

00:07:49.067 --> 00:07:52.070
Isso toma um pouquinho de tempo,
mesmo que sejamos ágeis,

00:07:52.070 --> 00:07:54.573
e vai gerando uma certa 
ansiedade na organização.

00:07:54.573 --> 00:08:00.052
Então, mesmo com a agilidade, ainda é 
um projeto que precisa de patrocínio, né,

00:08:00.052 --> 00:08:02.830
patrocínio forte ali.

00:08:02.830 --> 00:08:03.548
Sem dúvida.

00:08:03.548 --> 00:08:07.319
Falando de dados, quem é o patrocinador?

00:08:07.319 --> 00:08:08.353
Quais são as áreas?

00:08:08.353 --> 00:08:10.388
Quem costuma ser esse sponsor?

00:08:10.388 --> 00:08:13.262
Esse projeto costuma partir de quem?

00:08:13.262 --> 00:08:14.726
Como isso tem funcionado?

00:08:14.726 --> 00:08:17.781
Existe um padrão ou varia 
de uma empresa para outra?

00:08:17.781 --> 00:08:21.335
É interessante pensarmos 
em quem é o sponpor, né,

00:08:21.335 --> 00:08:23.955
porque principalmente
em algumas empresas pequenas,

00:08:23.955 --> 00:08:27.480
um dos projetos que eu atuo agora 
é de uma empresa um pouco menor,

00:08:27.480 --> 00:08:33.411
onde o sponsor do projeto acaba
sendo, de fato, o CEO, o dono da empresa,

00:08:33.411 --> 00:08:37.390
quem está precisando, de fato,
de insumos para a tomada de decisão.

00:08:37.390 --> 00:08:40.285
Então acaba sendo algo
um pouco mais direcionado.

00:08:40.285 --> 00:08:44.623
Mas quando pensamos em empresas maiores,

00:08:44.623 --> 00:08:49.138
um patrocinador do projeto normalmente 
seria aquela empresa, aquele grupo de...

00:08:50.468 --> 00:08:53.708
Aquela área ou aquele grupo de pessoas,

00:08:53.708 --> 00:08:58.036
que precisam tomar uma decisão, 
responder algum tipo de pergunta,

00:08:58.036 --> 00:09:01.172
e não necessariamente tem 
todos esses assuntos prontos,

00:09:01.172 --> 00:09:06.645
seja origem de dados onde não temos 
mapeado dentro da nossa plataforma,

00:09:06.645 --> 00:09:09.545
seja processos de transformação
que não foram implementados

00:09:09.545 --> 00:09:13.069
para calcular determinadas 
métricas, indicadores,

00:09:13.069 --> 00:09:14.919
ou até mesmo 
desenvolvimento de dashboards.

00:09:14.919 --> 00:09:19.758
Então, todo esse processo, essa esteira
inteira, desde a extração dos dados,

00:09:19.758 --> 00:09:22.738
a manipulação desses dados,
o desenvolvimento das métricas,

00:09:22.738 --> 00:09:26.142
e, por fim, o consumo 
para tomada de decisão,

00:09:26.142 --> 00:09:29.883
tudo isso parte da necessidade de alguém, 
ou de algum grupo de pessoas,

00:09:29.883 --> 00:09:32.103
ou de alguma área.

00:09:32.103 --> 00:09:35.564
Então, normalmente essa área 
que vai patrocinar, que vai investir ali,

00:09:35.564 --> 00:09:38.673
não só o recurso financeiro, 
mas também tempo, né,

00:09:38.673 --> 00:09:42.461
para fazermos toda a organização 
do projeto, para disponibilização...

00:09:43.801 --> 00:09:47.318
E implementação desse 
projeto completo de dados.

00:09:47.318 --> 00:09:49.825
Normalmente vemos esse tipo de cenário.

00:09:49.825 --> 00:09:54.335
E faz sentido dizer que, na maioria 
das vezes, é uma dor de negócio.

00:09:54.335 --> 00:09:58.348
E quando não se conecta o negócio
que está sendo desenvolvido,

00:09:58.348 --> 00:10:00.832
temos até dificuldade 
de vender internamente.

00:10:00.832 --> 00:10:05.170
Então eu observo muitos projetos 
de novo naufragando,

00:10:05.170 --> 00:10:07.880
porque tem toda um aparato tecnológico,

00:10:07.880 --> 00:10:11.743
mas os times de negócio ainda não 
conseguiram enxergar valor, não utilizam.

00:10:11.743 --> 00:10:14.746
E se não se conecta com valor
para a organização,

00:10:14.746 --> 00:10:17.949
aquilo perde, perde em si.

00:10:17.949 --> 00:10:22.515
Então esse processo de empurrar 
a tecnologia é muito mais desafiador, né,

00:10:22.515 --> 00:10:27.618
diferente de quando o negócio está 
puxando ali e consegue entregar muito valor.

00:10:28.433 --> 00:10:30.628
Como é essa sinergia?

00:10:30.628 --> 00:10:34.643
Eu me lembro, nesse mercado,

00:10:34.643 --> 00:10:37.936
de ter um preciosismo 
técnico muito grande.

00:10:37.936 --> 00:10:42.774
Quando você ia contratar, tinha que ser
aquele profissional que dominava o código,

00:10:42.774 --> 00:10:45.983
aquela tela ali do "shell",
aquela tela preta e tudo mais.

00:10:45.983 --> 00:10:50.216
E eu tenho percebido 
o mercado mudando, né?

00:10:50.216 --> 00:10:53.166
Mesmo hoje, quando eu estou 
contratando um dev.

00:10:53.166 --> 00:10:55.492
um profissional que vai 
atuar mais tecnicamente,

00:10:55.492 --> 00:10:58.892
ele precisa ter esse feeling de negócio,

00:10:58.892 --> 00:11:02.393
essa conexão com o propósito
que ele está fazendo.

00:11:02.393 --> 00:11:06.864
Você enxerga assim também,
esse alinhamento, negócio técnico...

00:11:06.864 --> 00:11:10.572
Porque até parece que, na malha 
de dados, conseguimos fazer melhor.

00:11:10.572 --> 00:11:11.469
Com certeza.

00:11:11.469 --> 00:11:12.942
Esse alinhamento é muito interessante,

00:11:12.942 --> 00:11:15.498
principalmente quando pensamos 
na stack moderna de dados,

00:11:15.498 --> 00:11:20.111
que é um conceito, um framework 
que surgiu recentemente,

00:11:20.111 --> 00:11:26.395
tentando trazer algumas boas práticas,
algumas situações que visam justamente

00:11:26.395 --> 00:11:29.439
permitir que profissionais não tão técnicos,

00:11:29.439 --> 00:11:31.189
não necessariamente
só engenheiros de dados,

00:11:31.189 --> 00:11:35.927
possam trabalhar com desenvolvimento,
contribuir com uma plataforma de dados.

00:11:35.927 --> 00:11:39.797
Então utilizamos ferramentas 
como low-code ou no-code, por exemplo,

00:11:39.797 --> 00:11:42.800
ferramentas visuais para conseguirmos 
fazer a integração de dados,

00:11:42.800 --> 00:11:45.032
ferramentas visuais 
para conseguirmos também

00:11:45.032 --> 00:11:48.858
criar projetos de transformação 
de dados, quando cabe...

00:11:50.633 --> 00:11:52.310
Ferramentas de visualização.

00:11:52.310 --> 00:11:58.034
Quase todas são drag-and-drop, onde 
vamos construindo ali a nossa visualização

00:11:58.034 --> 00:11:59.750
sem precisar necessariamente de código.

00:11:59.750 --> 00:12:04.856
Então, esse tipo de recurso permite 
com que outros profissionais,

00:12:04.856 --> 00:12:10.261
normalmente de negócios, também consigam 
participar mais dentro de uma plataforma,

00:12:10.261 --> 00:12:14.655
Então nós estamos mudando um pouco 
aquele paradigma de que dados,

00:12:14.655 --> 00:12:17.168
uma área de dados, seria uma área de TI.

00:12:17.168 --> 00:12:18.069
Não necessariamente.

00:12:18.069 --> 00:12:19.804
Eu penso em dados como uma área híbrida,

00:12:19.804 --> 00:12:23.574
uma área onde temos uma sinergia
muito grande com negócios,

00:12:23.574 --> 00:12:27.612
onde precisamos entender o que está
sendo realizado do lado de negócios,

00:12:27.612 --> 00:12:29.814
do lado do nosso produto,
e assim por diante,

00:12:29.814 --> 00:12:32.950
e também que possa navegar 
no ferramental que temos disponível

00:12:32.950 --> 00:12:34.986
dentro de uma plataforma de dados.

00:12:34.986 --> 00:12:39.790
Então, esse cenário onde
conseguimos utilizar ferramentas

00:12:39.790 --> 00:12:45.122
para resolver problemas de negócio,
essa ponte acaba sendo o cenário ideal

00:12:45.122 --> 00:12:49.806
onde conseguimos escalar
projetos de dados, de Data Warehouse,

00:12:49.806 --> 00:12:52.477
de BI, visualização, e assim por diante.

00:12:52.477 --> 00:12:55.752
A ferramenta é sempre 
um meio, né, TI é um meio.

00:12:55.752 --> 00:12:57.742
Nunca um fim em si, né?

00:12:57.742 --> 00:13:02.613
Até por isso vemos projetos muitas vezes
começando com estabelecimento de domínio.

00:13:02.613 --> 00:13:04.416
Domínio é um assunto de negócio, né?

00:13:04.416 --> 00:13:08.619
Qual é o meu domínio financeiro,
o meu domínio de pessoas.

00:13:08.619 --> 00:13:12.490
Hoje temos falado muito em governança, 
na identificação do owner,

00:13:12.490 --> 00:13:13.867
quem é o dono do dado.

00:13:13.867 --> 00:13:18.062
E geralmente esse dono 
do dado é alguém de negócio,

00:13:18.062 --> 00:13:21.398
que entende bem da transação,
mas também do analítico,

00:13:21.398 --> 00:13:24.301
porque até então tínhamos 
uma barreira muito grande.

00:13:24.301 --> 00:13:25.870
Parece que o mundo transacional...

00:13:25.870 --> 00:13:28.472
Do transacional para o analítico,
trocávamos de assunto.

00:13:28.472 --> 00:13:31.450
E não é. É uma nova forma 
de organizar o dado,

00:13:31.450 --> 00:13:33.310
mas é o mesmo dado, é o mesmo assunto,

00:13:33.310 --> 00:13:37.248
é o mesmo domínio de negócio, 
e dores muito parecidas, né?

00:13:37.248 --> 00:13:40.417
Então, no mesh, nós temos 
conseguido uma malha de dados,

00:13:40.417 --> 00:13:46.576
temos conseguido essas evoluções 
que trazem mais o negócio para o jogo.

00:13:46.576 --> 00:13:50.394
Eu tenho observado isso,
ferramentas mais colaborativas também,

00:13:50.394 --> 00:13:54.265
que o time de negócio consegue entender
o que está acontecendo e colaborar.

00:13:54.265 --> 00:13:58.006
E aí são projetos que você gasta 
mais tempo discutindo o negócio

00:13:58.006 --> 00:14:01.315
do que aplicando ali
a complexidade técnica.

00:14:01.315 --> 00:14:02.541
Que, no final das contas, 
é o que importa, né?

00:14:02.541 --> 00:14:03.541
Que é o que importa. Exatamente.

00:14:03.541 --> 00:14:05.776
Estão, assim, são tendências importantes.

00:14:05.776 --> 00:14:09.748
Não importa se você é de negócio
ou se é uma pessoa mais técnica,

00:14:09.748 --> 00:14:11.785
isso precisa estar no nosso radar.

00:14:11.785 --> 00:14:14.095
Mas eu acho importante ressaltar 
também que não necessariamente

00:14:14.095 --> 00:14:16.274
o que estamos mencionando 
de ferramentas low-code,

00:14:16.274 --> 00:14:19.445
ou visuais, né, e assim por diante,
que não temos código,

00:14:19.445 --> 00:14:23.761
que não estamos falando 
de Python, Scala, Java, enfim,

00:14:23.761 --> 00:14:27.617
essa parte mais técnica 
mesmo da área de dados.

00:14:27.617 --> 00:14:29.300
Nós temos isso também.

00:14:29.300 --> 00:14:30.530
Só que, em alguns cenários,

00:14:30.530 --> 00:14:35.145
nós não precisamos de muita 
complexidade para resolver problemas.

00:14:35.145 --> 00:14:40.005
Não precisamos utilizar as ferramentas
que estão super em alta no mercado

00:14:40.005 --> 00:14:42.084
só porque estão em alta no mercado.

00:14:42.084 --> 00:14:43.113
Não necessariamente.

00:14:43.113 --> 00:14:47.651
Podemos utilizar outras alternativas
que já vão resolver os nossos problemas

00:14:47.651 --> 00:14:51.764
de determinada área da empresa,
ou às vezes até mesmo da empresa inteira,

00:14:51.764 --> 00:14:54.153
com uma simplicidade maior,
facilidade maior,

00:14:54.153 --> 00:14:56.427
sem a necessidade 
de um grande time de dados,

00:14:56.427 --> 00:14:59.466
garantindo que outras pessoas 
estejam contribuindo ali também,

00:14:59.466 --> 00:15:01.334
colaborando com o projeto.

00:15:01.334 --> 00:15:06.670
Então é aquela questão, né,
precisamos identificar o cenário,

00:15:06.670 --> 00:15:09.440
os requisitos que nós temos,
onde queremos chegar,

00:15:09.440 --> 00:15:11.694
para conseguir ter essa escolha
também do ferramental.

00:15:11.694 --> 00:15:12.655
Mas...

00:15:15.268 --> 00:15:19.301
Frisando essa escolha de ferramentas,

00:15:19.301 --> 00:15:25.212
não descartamos ferramentas mais complexas, 
mais técnicas de fato, com código,

00:15:25.212 --> 00:15:27.734
para resolução de problemas 
mais complexos também.

00:15:27.734 --> 00:15:29.611
Então elas caminham em paralelo.

00:15:29.611 --> 00:15:33.409
Para cada situação, vamos ter ali 
um ferramental mais específico

00:15:33.409 --> 00:15:35.244
resolvendo um problema 
de uma forma diferente.

00:15:35.244 --> 00:15:36.784
Bom ponto, bom ponto.

00:15:36.784 --> 00:15:39.418
Porque nós estamos falando
de um mundo de BI, de um Data Waresouse,

00:15:39.418 --> 00:15:42.339
de KPIs para tomada de decisão,

00:15:42.339 --> 00:15:45.919
mas, de repente, eu preciso 
de uma latência mais baixinha,

00:15:45.919 --> 00:15:48.349
o dado não entrar tão estruturado.

00:15:48.349 --> 00:15:53.617
A minha dor de negócio está relacionada 
a uma fonte que é um log,

00:15:53.617 --> 00:15:57.187
que é algo que exige,
de repente, um monitoramento,

00:15:57.187 --> 00:15:59.556
e aí eu vou para o mundo de Big Data.

00:15:59.556 --> 00:16:01.792
Talvez eu não esteja falando só do DW,

00:16:01.792 --> 00:16:05.796
talvez seja um data lake,
que é um outro repositório analítico,

00:16:05.796 --> 00:16:09.700
um Data Lakehouse, que é alguma 
coisa um pouco mais moderna.

00:16:09.700 --> 00:16:14.177
De repente eu quero fazer 
uma implementação mais open source

00:16:14.177 --> 00:16:17.774
por uma necessidade específica
ali do meu contexto.

00:16:17.774 --> 00:16:22.631
As ferramentas open source,
muitas delas de Big Datas mais robustas,

00:16:22.631 --> 00:16:26.634
vêm com uma necessidade 
de código maior, né?

00:16:26.634 --> 00:16:31.288
Então tem casos em que a implementação
vai ser um pouco mais complexa.

00:16:31.288 --> 00:16:35.125
Geralmente projetos mais robustos,
um maior volume de dados,

00:16:35.125 --> 00:16:39.663
uma complexidade técnica
maior, uma latência menor.

00:16:39.663 --> 00:16:42.132
Ainda cabe essa questão, né,

00:16:42.132 --> 00:16:44.534
cabe bastante ainda
a questão do desenvolvimento.

00:16:44.534 --> 00:16:46.303
Eu acho que o importante 
é não ter preconceito.

00:16:46.303 --> 00:16:47.871
Eu brinco muito com os alunos:

00:16:47.871 --> 00:16:50.418
você vai de raiz ou vai de Nutella?

00:16:50.418 --> 00:16:52.988
O raiz é o código lá e tudo mais,

00:16:52.988 --> 00:16:58.069
e o Nutella é o low-code, 
o drag-and-drop, a a questão visual, né?

00:16:58.069 --> 00:16:59.683
E existe preconceito.

00:16:59.683 --> 00:17:03.036
Eu já ouvi de gestores em reuniões mesmo,

00:17:03.036 --> 00:17:06.189
que eu estou ali, 
apresentando uma proposta,

00:17:06.189 --> 00:17:09.559
e eu percebo que eu falei alguma 
coisa de low-code e ele torceu o nariz...

00:17:09.559 --> 00:17:11.106
"Aqui todo mundo coda.

00:17:11.106 --> 00:17:12.607
Temos codar.

00:17:12.607 --> 00:17:14.097
Hand coding...".

00:17:14.097 --> 00:17:16.036
Mas aí é um preconceito, né,

00:17:16.036 --> 00:17:17.767
porque, de repente, como você falou,

00:17:17.767 --> 00:17:21.771
em alguns casos você traz 
alguma coisa mais low-code, resolve,

00:17:21.771 --> 00:17:24.115
você entrega o projeto muito mais rápido.

00:17:24.115 --> 00:17:25.175
Uma questão de custo.

00:17:25.175 --> 00:17:30.313
Então, quem está gerindo o projeto
precisa ter esse olhar mais agnóstico

00:17:30.313 --> 00:17:33.208
de pensar qual é a melhor 
ferramenta, a melhor estratégia,

00:17:33.208 --> 00:17:35.949
para aquele cenário específico.

00:17:35.949 --> 00:17:37.301
É isso, né?

00:17:37.301 --> 00:17:39.374
Muito desse preconceito 
vem do uso indevido

00:17:39.374 --> 00:17:41.892
de algumas ferramentas 
justamente nesse cenário...

00:17:41.892 --> 00:17:45.911
"Ah, esse projeto aqui precisava 
de uma complexidade um pouco maior",

00:17:45.911 --> 00:17:49.216
porque a demanda de negócio chegava....

00:17:50.098 --> 00:17:55.305
A necessidade de negócio precisava 
de uma latência mais baixa, ?, dependendo

00:17:55.305 --> 00:17:59.219
ou até mesmo a quantidade de pessoas
trabalhando juntas no mesmo pipeline.

00:17:59.219 --> 00:18:02.712
Com algumas ferramentas visuais,
temos algumas limitações desse tipo.

00:18:02.712 --> 00:18:04.820
Às vezes não tem versionamento de código.

00:18:04.820 --> 00:18:07.150
Tem alguns problemas nessas ferramentas.

00:18:07.150 --> 00:18:08.018
Elas não são perfeitas.

00:18:08.018 --> 00:18:10.887
Elas são mais fáceis para
começarmos a trabalhar,

00:18:10.887 --> 00:18:14.227
mas não necessariamente
resolvem todos os problemas.

00:18:14.227 --> 00:18:17.167
Só que aí tentamos 
utilizar essas ferramentas

00:18:17.167 --> 00:18:20.239
conforme o projeto vai ganhando 
algum tipo de complexidade,

00:18:20.239 --> 00:18:22.987
que outras soluções fariam mais sentido.

00:18:22.987 --> 00:18:24.801
Daí que acaba entrando 
um pouco desse preconceito,

00:18:24.801 --> 00:18:28.277
porque vemos muito esse tipo 
de infraestrutura com um projeto legado

00:18:28.277 --> 00:18:33.053
utilizando dessas ferramentas, e que já 
enxergamos hoje que não são mais escaláveis.

00:18:33.053 --> 00:18:36.379
Então quer dizer que eu não vou mais 
utilizar esse tipo de ferramenta?

00:18:36.379 --> 00:18:39.181
Não, tem casos e casos.

00:18:39.181 --> 00:18:43.104
Só precisamos escolher corretamente 
e entender a hora de mudar,

00:18:43.104 --> 00:18:44.130
caso seja necessário.

00:18:44.130 --> 00:18:45.067
Na hora de escalar, exato.

00:18:45.067 --> 00:18:47.097
E o contrário também é válido, né?

00:18:47.097 --> 00:18:51.428
Vemos aí a onda do Kafka, que é 
uma superferramenta de mensageria.

00:18:51.428 --> 00:18:54.664
Quem gosta da coisa técnica, adora.

00:18:54.664 --> 00:18:58.568
Ela é parruda, está na arquitetura
de grandes players, né,

00:18:58.568 --> 00:19:01.604
LinkedIn, Uber e por aí vai.

00:19:01.604 --> 00:19:04.980
Então o entusiasta técnico 
que pôr Kafka em tudo, né?

00:19:04.980 --> 00:19:08.186
Isso vale no contexto corporativo,
nas aulas também...

00:19:08.186 --> 00:19:09.379
"Vamos desenhar uma arquitetura?".

00:19:09.379 --> 00:19:12.416
Eu trago uma dor de negócio, 
eu especifico ali o volume,

00:19:12.416 --> 00:19:14.096
o aluno vem com Kafka na arquitetura.

00:19:14.096 --> 00:19:16.776
Mas às vezes é uma dor 
que o Excel resolveria, né?

00:19:16.776 --> 00:19:17.650
E nada contra o Excel.

00:19:17.650 --> 00:19:19.830
Se resolve, está ótimo.

00:19:19.830 --> 00:19:22.692
Então eu acho que são os dois lados.

00:19:22.692 --> 00:19:27.300
Existe o time do hand-code 
e o time do low-code.

00:19:27.300 --> 00:19:32.310
Na verdade, a visão arquitetural, 
a visão estratégica,

00:19:32.310 --> 00:19:35.030
madura, é superimportante,

00:19:35.030 --> 00:19:36.370
Com certeza.

00:19:36.370 --> 00:19:42.378
O nosso aluno precisa ir ganhando essa 
maturidade para a tomada de decisão.

00:19:42.378 --> 00:19:43.046
Muito bacana!

00:19:43.046 --> 00:19:46.884
E falando, Lucas... Bom
esse papo, né, profundo.

00:19:46.884 --> 00:19:53.156
Falando aí para o nosso aluno mesmo,
que está vivenciando esse mundo dos dados,

00:19:53.156 --> 00:19:55.619
alguns já estão ali atuando,

00:19:55.619 --> 00:20:01.529
você enxerga papéis claros 
na construção de uma solução analítica?

00:20:01.529 --> 00:20:07.770
O que eu posso ser, pensando 
no que eu posso estudar e tudo mais?

00:20:07.770 --> 00:20:13.609
Você, como engenheiro, interage 
ali com outros profissionais.

00:20:13.609 --> 00:20:15.724
Quais são esses papéis?

00:20:15.724 --> 00:20:20.249
Nós temos aquela divisão básica 
de uma plataforma de dados.

00:20:20.249 --> 00:20:22.397
Temos um time de engenharia de dados,

00:20:22.397 --> 00:20:25.621
time de ciência de dados
e de análise de dados.

00:20:25.621 --> 00:20:27.960
Essa é a divisão tradicional,

00:20:27.960 --> 00:20:32.300
mas temos muito mais 
carreiras dentro de dados,

00:20:32.300 --> 00:20:33.783
principalmente quando escalamos,

00:20:33.783 --> 00:20:37.734
quando pensamos em grandes 
empresas, grandes projetos.

00:20:37.734 --> 00:20:41.550
Temos que levar muito em consideração 
segurança de dados,

00:20:41.550 --> 00:20:43.341
temos que levar 
em consideração governança.

00:20:45.241 --> 00:20:49.739
Dependendo, um engenheiro de dados,
pode estar muito mais próximo,

00:20:49.739 --> 00:20:54.951
por exemplo, do Kafka, de ferramentas
mais técnicas, mais tela preta,

00:20:54.951 --> 00:20:59.589
e outros engenheiros de dados estão mais 
próximos de transformação, especificamente,

00:20:59.589 --> 00:21:03.574
têm mais facilidade de lidar com o negócio, 
de extrair aqueles insumos de negócio

00:21:03.574 --> 00:21:06.696
para conseguir implementar 
um pipeline de transformação.

00:21:06.696 --> 00:21:09.832
E não conseguimos classificar 
tudo numa mesma caixinha.

00:21:09.832 --> 00:21:12.076
O engenheiro de dados, 
ou a engenheira de dados...

00:21:14.036 --> 00:21:19.108
Vai conseguir fazer tudo, né,
realizar todos essas atividades,

00:21:19.108 --> 00:21:21.210
dominar todas essas possíveis ferramentas.

00:21:21.210 --> 00:21:25.348
Então está cada vez mais ficando 
segregado algumas responsabilidades.

00:21:25.348 --> 00:21:29.218
Hoje, a engenharia de dados está 
muito mais próxima de plataforma,

00:21:29.218 --> 00:21:31.754
onde pensamos em integração de dados,

00:21:31.754 --> 00:21:36.325
onde pensamos em manutenção de ferramentas, 
como sistemas de mensageria,

00:21:36.325 --> 00:21:40.329
de orquestração de dados,
Data Warehouse, data lakes,

00:21:40.329 --> 00:21:42.431
toda essa parte mais de infraestrutura.

00:21:42.431 --> 00:21:47.637
E enquanto no processo de transformação
nós estamos usando lyrics engineers

00:21:47.637 --> 00:21:52.375
que é uma carreira razoavelmente nova

00:21:52.375 --> 00:21:57.878
e é especializada em implementar
processos de transformação de dados

00:21:57.878 --> 00:22:02.095
utilizando insumos de negócio 
que foram coletados

00:22:02.095 --> 00:22:05.022
e navegando na plataforma 
que foi desenvolvida

00:22:05.022 --> 00:22:06.822
pelo time de engenheiros de dados.

00:22:06.822 --> 00:22:08.197
Ele é meio híbrido ali, né?

00:22:08.197 --> 00:22:13.056
De todas as profissões, essa é
que acaba sendo mais híbrida mesmo,

00:22:13.056 --> 00:22:16.008
que demanda bastante 
de conhecimento de negócio

00:22:16.008 --> 00:22:19.532
e também conhecimento 
das ferramentas utilizadas

00:22:19.532 --> 00:22:22.972
para implementar as soluções 
necessárias para o negócio.

00:22:22.972 --> 00:22:26.729
E na outra ponta, uma vez 
que já temos esses processos

00:22:26.729 --> 00:22:28.589
de transformação implementados 
e tudo mais,

00:22:28.589 --> 00:22:32.501
nós temos times de análise, 
times de ciência de dados,

00:22:32.501 --> 00:22:35.151
times de governança, qualidade.

00:22:35.151 --> 00:22:38.013
Podemos até mesmo ter outros times
de negócio, como marketing, por exemplo,

00:22:38.013 --> 00:22:40.547
trabalhando diretamente com dados

00:22:40.547 --> 00:22:44.637
Dados acaba sendo quase que o coração
dentro de marketing também.

00:22:44.637 --> 00:22:47.389
É o principal insumo 
para conseguirmos investir melhor

00:22:47.389 --> 00:22:50.399
os nossos recursos em campanhas,
aquisição de usuários,

00:22:50.399 --> 00:22:53.178
fazer testes A/B, tudo baseado em dados.

00:22:53.178 --> 00:22:58.289
Então são várias possibilidades 
que nós temos dentro de uma plataforma.

00:22:58.289 --> 00:23:01.060
Em desenvolvimento de projetos de dados,

00:23:01.060 --> 00:23:03.078
as diversas possíveis carreiras,
ou em empresas menores,

00:23:03.078 --> 00:23:05.182
acabamos tendo aquele 
profissional de dados...

00:23:05.182 --> 00:23:08.012
- Que acaba fazendo um pouco de tudo também.
- Também, é verdade.

00:23:08.012 --> 00:23:09.896
Ele põe a mão de ponta a ponta.

00:23:09.896 --> 00:23:13.575
E tudo bem, é a realidade da empresa,
e para o profissional até é bacana,

00:23:13.575 --> 00:23:17.298
porque às vezes ele aprende mais
colocando a mão ali.

00:23:17.298 --> 00:23:21.168
E aí que as ferramentas mais simples,
mais visuais, acabam auxiliando também,

00:23:21.168 --> 00:23:24.667
porque mesmo que, por exemplo,
a minha especialidade não é visualização,

00:23:24.667 --> 00:23:28.304
mas se eu tenho uma ferramenta
que me ajuda de forma gráfica

00:23:28.304 --> 00:23:31.256
a construir um dashboard
de forma mais eficiente, ótimo,

00:23:31.256 --> 00:23:35.756
porque eu não preciso aprender 
uma outra tecnologia do zero e tudo mais.

00:23:35.756 --> 00:23:38.280
Eu já consigo utilizar aquilo
para fazer o quê?

00:23:38.280 --> 00:23:41.050
Responder perguntas de negócios,
que, no final das contas, é o que importa.

00:23:41.050 --> 00:23:41.826
É o que importa.

00:23:41.826 --> 00:23:44.108
Você tocou num ponto interessante,

00:23:44.108 --> 00:23:49.758
como outras áreas têm vindo 
para dados e se empoderado.

00:23:49.758 --> 00:23:55.197
Temos trabalhado muito nesse processo 
de data literacy, alfabetização em dados,

00:23:55.197 --> 00:23:58.667
e vale muito alfabetizar 
a empresa como um todo, né,

00:23:58.667 --> 00:24:00.576
todos precisam falar dados.

00:24:00.576 --> 00:24:04.173
Então agora é algo que tem crescido

00:24:04.173 --> 00:24:08.577
e que talvez até nos ajude muito mais
a alavancar a questão da cultura.

00:24:08.577 --> 00:24:12.134
Como nós podemos, Lucas,
fazer essa combinação?

00:24:12.134 --> 00:24:14.316
O que vem primeiro?

00:24:14.316 --> 00:24:17.986
A cultura, a cultura de dados,
a cultura data-driven,

00:24:17.986 --> 00:24:21.764
ou colocar lá um Data warehouse?

00:24:21.764 --> 00:24:23.992
Eu percebo que, dependendo do cliente,

00:24:23.992 --> 00:24:28.463
nós começamos o papo pela ponta
que está mais fácil, não é?

00:24:28.463 --> 00:24:31.033
Eles querem ter a ferramenta, 
e, ok, vamos por ali.

00:24:31.033 --> 00:24:34.236
Outros já perceberam que, 
apesar de ter a ferramenta,

00:24:34.236 --> 00:24:36.138
eles não conseguem garantir um bom uso.

00:24:36.138 --> 00:24:40.109
As pessoas ainda seguem muito no felling,
e aí voltam um pouquinho atrás

00:24:40.109 --> 00:24:43.645
e começam a falar de cultura, mindset.

00:24:43.645 --> 00:24:45.562
Você percebe o mercado assim?

00:24:45.562 --> 00:24:47.127
O que deveria...

00:24:47.127 --> 00:24:49.017
Vamos falar do correto.

00:24:49.017 --> 00:24:50.217
O mercado é muito híbrido.

00:24:50.217 --> 00:24:52.195
Mas o que deveria vir primeiro?

00:24:52.195 --> 00:24:55.891
A cultura ou a implementação 
ali da solução?

00:24:55.891 --> 00:25:00.912
Então, quando temos um tempo limitado 
para conseguirmos implementar

00:25:00.912 --> 00:25:03.575
um processo de dados
uma plataforma de dados,

00:25:03.575 --> 00:25:07.048
normalmente não conseguimos 
preparar todas as pessoas

00:25:07.048 --> 00:25:09.755
antes de começarmos um projeto desse tipo.

00:25:09.755 --> 00:25:14.544
Aí que entram muitos consultores 
para conseguir implementar a parte técnica

00:25:14.544 --> 00:25:20.849
utilizando do que a empresa já entende ali

00:25:20.849 --> 00:25:25.520
que vai agregar valor para ela
a partir daquele ferramental.

00:25:25.520 --> 00:25:32.027
Mas eu não colocaria a implementação 
técnica na frente dessa questão cultural.

00:25:32.027 --> 00:25:34.529
Eu acho que tem que caminhar em paralelo.

00:25:34.529 --> 00:25:38.533
Enquanto estamos construindo 
essa plataforma,

00:25:38.533 --> 00:25:42.504
já temos que demonstrar o porque 
essa plataforma é relevante,

00:25:42.504 --> 00:25:43.839
como ela é relevante,

00:25:43.839 --> 00:25:46.074
como que vamos utilizar,
como vamos agregar valor,

00:25:46.074 --> 00:25:50.846
porque é mais fácil trabalhar com esse
tipo de ferramenta, com essa plataforma.

00:25:50.846 --> 00:25:56.018
E tudo isso, em paralelo, acaba 
garantindo o sucesso do projeto.

00:25:56.018 --> 00:26:01.383
Não adianta gastarmos muito tempo fazendo 
uma grande preparação, cursos, treinamentos,

00:26:01.383 --> 00:26:03.336
e não estamos vendo a métrica ali.

00:26:03.336 --> 00:26:04.894
- Muita teoria, né...
- Exato.

00:26:04.894 --> 00:26:05.894
E nada prático.

00:26:05.894 --> 00:26:09.264
E ao mesmo tempo que... "Nossa, nós já temos 
aqui toda essa plataforma construída.

00:26:09.264 --> 00:26:11.233
Agora nós vamos desligar aqui todo esse 
processo que vocês já estavam fazendo

00:26:11.233 --> 00:26:14.106
e vamos utilizar só essa".

00:26:14.106 --> 00:26:17.005
"Por quê? O outro funcionava",
alguém pode perguntar.

00:26:17.005 --> 00:26:18.440
E, de fato, estava funcionando.

00:26:18.440 --> 00:26:19.875
Estava da melhor forma?

00:26:19.875 --> 00:26:22.277
Não necessariamente,
mas estava funcionando.

00:26:22.277 --> 00:26:27.916
Então, explicar e passar essa sensação
de que, beleza, estamos dando agora

00:26:27.916 --> 00:26:31.792
um passo que, de fato, vai ser 
relevante para nós, é fundamental.

00:26:31.792 --> 00:26:35.727
Porque quando temos um sponsor no projeto,

00:26:35.727 --> 00:26:38.581
pode ser que esse sponsor já 
tenha comprado a ideia,

00:26:38.581 --> 00:26:43.865
já entenda o valor, de fato, que vamos 
agregar com essa plataforma desde o início.

00:26:43.865 --> 00:26:46.034
Mas, beleza, temos uma pessoa,

00:26:46.034 --> 00:26:49.171
e todo o restante do time,
todo o restante da empresa

00:26:49.171 --> 00:26:55.177
podemos ter mais dificuldade
em comprovar isso para eles.

00:26:55.177 --> 00:26:57.879
Então não adianta simplesmente 
entregarmos esse projeto

00:26:57.879 --> 00:27:02.417
sem pensar na questão cultural
que caminha junto ao projeto.

00:27:02.417 --> 00:27:06.245
Sim, e aspectos políticos
que são tão desafiadores, né?

00:27:06.245 --> 00:27:11.192
Às vezes o gestor não quer
que se fale de uma nova tecnologia,

00:27:11.192 --> 00:27:15.363
de uma nova metodologia, porque 
ele não quer soar retrógrado,

00:27:15.363 --> 00:27:20.001
não quer gerar uma impressão
que a gestão dele está atrasada.

00:27:20.001 --> 00:27:23.438
E aí tem todo um cuidado, porque 
nós estamos falando de pessoas,

00:27:23.438 --> 00:27:29.377
e elas precisam ser respeitadas 
porque estão dando o seu melhor.

00:27:29.377 --> 00:27:34.949
É muito fácil você vir de fora 
com as suas novas ideias.

00:27:34.949 --> 00:27:40.220
Você não está ali no dia a dia,
matando um leão por dia.

00:27:40.220 --> 00:27:45.822
Então, a cultura vem junto 
com a questão política também,

00:27:45.822 --> 00:27:47.595
de se mostrar...

00:27:47.595 --> 00:27:50.198
Quem quiser fomentar 
essa cultura, esse mindset,

00:27:50.198 --> 00:27:55.837
precisa se mostrar como alguém 
que quer somar, alavancar, enfim,

00:27:55.837 --> 00:27:59.288
e não alguém que veio 
para dizer que está tudo errado,

00:27:59.288 --> 00:28:00.570
que você está fazendo tudo errado,

00:28:00.570 --> 00:28:05.830
vamos fazer agora dessa outra forma 
que é superdiferente e funciona.

00:28:05.830 --> 00:28:10.303
Até porque nada funciona saindo dos livros

00:28:10.303 --> 00:28:12.987
e sendo encaixado 
na realidade corporativa ali.

00:28:12.987 --> 00:28:14.839
Precisamos adaptar tudo.

00:28:14.839 --> 00:28:20.361
Então são aspectos mais complexos
que as questões técnicas, não é, Lucas?

00:28:20.361 --> 00:28:23.364
Parece que até resolvemos 
mais rápido o técnico.

00:28:23.364 --> 00:28:25.900
Quando falamos de cultura,
de questões políticas,

00:28:25.900 --> 00:28:29.070
elas são mais desafiadoras,
mas precisam ser consideradas,

00:28:29.070 --> 00:28:31.313
senão você faz uma superimplementação

00:28:31.313 --> 00:28:35.743
e ninguém usa, né, enterra,ela morre ali.

00:28:35.743 --> 00:28:36.608
Exatamente.

00:28:36.608 --> 00:28:37.287
Muito bom!

00:28:37.287 --> 00:28:39.457
Gente, que papo bom!

00:28:39.457 --> 00:28:40.915
São muitas coisas.

00:28:40.915 --> 00:28:43.166
É o tipo do papo que temos 
que ouvir algumas vezes

00:28:43.166 --> 00:28:45.486
para poder extrair tudo 
o que está sendo dito.

00:28:45.486 --> 00:28:47.689
São nortes superimportantes.

00:28:47.689 --> 00:28:52.927
Mas tem um último ponto que eu queria 
te ouvir, aproveitar bem a sua experiência,

00:28:52.927 --> 00:28:55.563
que é a questão da segurança dos dados.

00:28:55.563 --> 00:28:59.417
Temos uma referência na Europa,

00:28:59.417 --> 00:29:03.547
na lei europeia de proteção aos dados.

00:29:03.547 --> 00:29:09.877
A LGPD já veio com alguns avanços,
estabelecendo alguns limites.

00:29:09.877 --> 00:29:15.005
De novo, temos alguns desafios 
que são culturais aqui no Brasil.

00:29:16.117 --> 00:29:20.450
Como você vê a questão da segurança 
dos dados, num contexto analítico,

00:29:20.450 --> 00:29:25.245
onde muitas vezes você vai, de fato, 
armazenar ali, de forma agregada,

00:29:25.245 --> 00:29:29.063
todas as suas informações gerenciais?

00:29:29.063 --> 00:29:34.466
Quais cuidados, qual a maturidade brasileira
nesse momento em relação ao assunto?

00:29:34.466 --> 00:29:39.607
Conforme a lei chegou, ela 
chegou para proteger, de fato,

00:29:39.607 --> 00:29:43.444
as pessoas que têm os dados
compartilhados com outras empresas.

00:29:45.279 --> 00:29:49.552
Então ela talvez tenha chegado até 
um pouco tarde porque ela surgiu

00:29:49.552 --> 00:29:53.049
porque encontramos problemas 
de dados sendo vazados e tudo mais,

00:29:53.049 --> 00:29:57.358
justamente porque algumas práticas
não estavam sendo utilizadas.

00:29:57.358 --> 00:30:01.763
Disponibilizamos dados sensíveis,
que já conseguimos enxergar hoje

00:30:01.763 --> 00:30:04.224
essa diferença de dados sensíveis ou não,

00:30:04.224 --> 00:30:07.315
identificadores de usuários...

00:30:08.955 --> 00:30:10.905
Telefones, endereço, enfim,

00:30:10.905 --> 00:30:14.408
dados ali que podem ser 
utilizados de forma indevida.

00:30:14.408 --> 00:30:19.080
Tudo isso de forma muito acessível,
que seria fácil de alguém mal intencionado

00:30:19.080 --> 00:30:22.884
conseguir extrair esses dados
e utilizar para outras finalidades.

00:30:22.884 --> 00:30:27.455
Então, algumas etapas,
algumas camadas de proteção,

00:30:27.455 --> 00:30:33.127
são desenvolvidas para mitigarmos, 
evitarmos esse tipo de situação.

00:30:33.127 --> 00:30:37.865
Obviamente, o acesso ao Data Warehouse,
ao data lake, aos dados de origem,

00:30:37.865 --> 00:30:40.474
se alguém invadir esses sistemas,
com certeza vamos ter um grande problema.

00:30:40.474 --> 00:30:45.006
Mas pensando em todo o funil 
de transformação de dados,

00:30:45.006 --> 00:30:47.675
todo esse processo que nós temos
dentro de uma plataforma,

00:30:47.675 --> 00:30:52.747
são várias camadas que nós temos
até chegar num dado sensível,

00:30:52.747 --> 00:30:56.739
Normalmente a ponta de visualização,
a ponta de consumo,

00:30:56.739 --> 00:31:00.788
onde temos respostas ali 
para as nossas perguntas.

00:31:00.788 --> 00:31:05.893
não precisa necessariamente
do CPF do cliente ou do telefone.

00:31:05.893 --> 00:31:08.096
Precisamos de números indicando

00:31:08.096 --> 00:31:10.396
se determinada campanha 
de marketing, por exemplo,

00:31:10.396 --> 00:31:13.034
está funcionando da forma esperada ou não.

00:31:13.034 --> 00:31:14.935
Então não precisamos de muitos detalhes.

00:31:14.935 --> 00:31:19.907
Os dados que ficam 
disponíveis para amplo acesso,

00:31:19.907 --> 00:31:24.396
seja interno ou dependendo até mesmo como 
um produto sendo exposto de alguma forma,

00:31:24.396 --> 00:31:28.638
são dados agregados, como 
você disse, métricas já calculadas,

00:31:28.638 --> 00:31:29.977
dados onde nós...

00:31:31.110 --> 00:31:32.506
Esses dados são anônimos.

00:31:32.506 --> 00:31:38.220
Não conseguimos vincular toda 
essa informação a pessoas,

00:31:38.220 --> 00:31:40.818
não conseguimos trazer insumos

00:31:40.818 --> 00:31:45.293
para ser utilizado de forma 
indevida por outras pessoas.

00:31:46.172 --> 00:31:51.802
Então eu acho que essas leis que surgiram,
como temos implementado isso agora,

00:31:51.802 --> 00:31:54.908
já deveríamos estar 
fazendo isso bem antes.

00:31:54.908 --> 00:31:58.179
Agora, por ter virado, de fato, uma lei,

00:31:58.179 --> 00:32:02.254
principalmente o cenário nacional
tem evoluído de uma forma interessante,

00:32:02.254 --> 00:32:04.644
temos nos preocupado
cada vez mais com isso.

00:32:04.644 --> 00:32:07.197
E tem até diversos memes 
na internet também.

00:32:07.197 --> 00:32:10.057
Quando tem ali o vazamento de dados,

00:32:10.057 --> 00:32:12.660
daí começa-se a investir 
muito dinheiro e tudo mais.

00:32:12.660 --> 00:32:15.489
E não precisamos disso, porque 
se vazar, vão ter muitas multas,

00:32:15.489 --> 00:32:18.933
vão ter muitas coisas envolvidas,
então ninguém quer que isso aconteça.

00:32:18.933 --> 00:32:22.703
Então, além de proteger o cliente,
as empresas estão se protegendo também.

00:32:22.703 --> 00:32:26.054
Consequentemente, temos 
um cenário cada vez melhor

00:32:26.054 --> 00:32:28.742
pensando em proteção de dados.

00:32:28.742 --> 00:32:32.093
Ferramentas de governança estão 
sendo cada vez mais utilizadas

00:32:32.093 --> 00:32:34.315
para conseguirmos identificar
o que é um dado sensível ou não,

00:32:34.315 --> 00:32:37.622
para protegê-los 
de uma forma mais eficiente.

00:32:37.622 --> 00:32:44.024
Ferramentas para dar nível de acesso 
de uma forma mais eficiente.

00:32:44.024 --> 00:32:45.523
Os próprios Data Warehouses.

00:32:45.523 --> 00:32:47.880
Hoje nós conseguimos dar
acesso em nível de linha,

00:32:47.880 --> 00:32:49.930
nível de coluna de uma mesma tabela,

00:32:49.930 --> 00:32:53.601
o que acaba sendo muito mais prático
também para esse tipo de proteção.

00:32:53.601 --> 00:32:57.938
Então toda essa tecnologia está 
em favor justamente de proteger,

00:32:57.938 --> 00:32:59.786
de como estamos utilizando esses dados.

00:32:59.786 --> 00:33:00.741
Muito bacana.

00:33:00.741 --> 00:33:02.886
E é um ganha ganha, né, como você diz.

00:33:02.886 --> 00:33:08.839
Todo mundo sai ganhando com uma postura 
mais ética e mais segura também.

00:33:08.839 --> 00:33:09.663
Com certeza.

00:33:09.663 --> 00:33:10.900
Muito bom, Lucas.

00:33:10.900 --> 00:33:13.343
Eu quero te agradecer né?

00:33:13.343 --> 00:33:16.657
Muito bom aprender 
com você, te ouvir, ouvir cases.

00:33:16.657 --> 00:33:20.658
Eu sei que você traz o frescor,
a prática do mercado.

00:33:21.253 --> 00:33:22.515
O Lucas é professor.

00:33:22.515 --> 00:33:24.713
Eu acho que deu para vocês perceberem, né?

00:33:24.713 --> 00:33:30.485
Além de estar aí no contexto corporativo,
ele também nos ensina aqui.

00:33:30.485 --> 00:33:34.938
E unir as duas coisas, fica 
uma delícia para os ouvidos, viu?

00:33:34.938 --> 00:33:36.210
Foi um prazer.

00:33:36.210 --> 00:33:36.777
Muito obrigado.

00:33:36.777 --> 00:33:39.179
Eu que agradeço a participação, o convite.

00:33:39.179 --> 00:33:41.515
Falar do intermake
para mim é super importante

00:33:41.515 --> 00:33:44.451
Está presente em todos 
os meus dias do trabalho,

00:33:44.451 --> 00:33:48.535
então acaba sendo muito interessante 
poder compartilhar um pouquinho

00:33:48.535 --> 00:33:52.277
dessa experiência também, e também 
ouvir todos os seus pontos, né?

00:33:52.277 --> 00:33:55.086
A sua experiência também é muito boa.

00:33:55.086 --> 00:33:57.217
Sempre aprende um pouquinho 
mais nesses papos.

00:33:57.217 --> 00:33:58.396
Nós crescemos.

00:33:58.396 --> 00:34:01.346
E você também, que ficou 
conosco até agora, cresceu,

00:34:01.346 --> 00:34:05.459
e pôde perceber que nós 
temos uma série de papéis,

00:34:05.459 --> 00:34:09.409
muita tecnologia, várias ferramentas.

00:34:09.409 --> 00:34:12.187
A nossa dica, né, Lucas, é: comece.

00:34:12.187 --> 00:34:13.647
Tem muita oportunidade.

00:34:13.647 --> 00:34:17.017
Muita, muita, um mercado muito aquecido.

00:34:17.017 --> 00:34:18.519
Comece, vá mergulhando.

00:34:18.519 --> 00:34:22.055
Com o tempo você vai ganhando 
maturidade, visão arquitetural.

00:34:22.055 --> 00:34:24.625
O céu é o limite, de fato,
nesse mercado de dados.

00:34:24.625 --> 00:34:27.060
Nós somos suspeitos,
amamos tudo isso aqui.

00:34:27.060 --> 00:34:29.815
Queremos que você venha
aqui para o nosso lado também.