Nos primórdios do Business Intelligence,
levávamos pelo menos aí um ano dentro
da construção de um Data Warehouse
para fazer, de fato, uma entrega de valor.
Ao longo desse tempo,
muitos projetos naufragaram.
Período longo demais
para manter o patrocínio da alta gestão.
Boas notícias!
Nós viramos esse jogo
com uma stack moderna de dados,
trazendo agilidade na gestão dos projetos,
usando ferramentas low cost,
indo para cloud,
trabalhando muito mais para Ops!
Hoje, em pouquíssimo tempo
nós conseguimos entregar
na mão dos analistas dos times de gestão
informações consistentes
para tomada de decisão.
Eu sou Taciana,
sou gestora de dados e analytics
na Tingui, que é uma startup
de inteligência artificial,
professora e coordenadora de MVP
aqui na FIAP.
E estou aqui com nosso querido
Lucas Brandi, sumidade.
Quando o assunto é dados, ele vai contar
um pouquinho da carreira dele para gente
contar como é que os dados fazem hoje
parte do seu cotidiano na Lucas.
E nós vamos bater um papo aqui
bem gostoso sobre boas práticas
justamente nesse contexto das informações.
Exatamente.
Bom, meu nome é Lucas Brandi,
eu sou engenheiro de dados.
Trabalho para uma empresa chamada Christian
como consultor para projetos internacionais,
principalmente no âmbito
de Data Warehouse e Data Lake.
Ambos os projetos são voltados
para organizarmos os dados
de uma forma eficiente para o uso
posterior, para ciência de dados,
para análises, desenvolvimento
de métricas e assim por diante.
Em poucas palavras,
trazer valor para o negócio.
Muito bacana, gente!
Lucas é um engenheiro incrível.
Vai dar dicas importantíssimas para vocês.
E para partirmos do início, Lucas,
sempre tem ali uma necessidade
de tomada de decisão,
uma necessidade de análise.
Toda organização tem.
Mas daí até chegar
a implementação de um projeto,
uma esteira, leade
de construção de engenharia,
uma entrega de valor lá
na ponta com dez boards com estatísticas,
e às vezes até evoluir,
evoluir para um Machine Learning, enfim,
como funciona esse trilho,
como nascem esses projetos,
e como vamos fazendo
toda essa construção?
Eu acho que nós temos diversas situações.
Em alguns casos, quando
começamos um projeto de dados,
pode ser que seja uma empresa
que também está começando.
Então avançamos com a maturidade de dados,
assim como a empresa está avançando também
com o desenvolvimento do produto.
Em outros cenários, já temos um produto
desenvolvido, uma empresa estabelecida,
mas que ainda não estava
utilizando das boas práticas,
não fazendo mercado para uso de dados,
para se tornar uma empresa
data-driven, enfim.
Nesse cenários, nós precisamos
estar muito mais próximos
das áreas de negócio de quem conhece,
de quem domina de fato o produto,
para conseguir extrair
esses insumos do negócio,
para conseguir pensar, planejar como
vamos implementar esse projeto
dentre outros, numa boa
plataforma de dados
para agregar valor rápido,
como você mesmo disse, para o negócio,
utilizando diversas outras ferramentas
e dependendo do tipo de produto
que a gente está trabalhando,
as origens dos nossos dados
que temos que pensar também,
quais ferramentas
podemos utilizar ali.
Então, esse passo inicial
de entendermos se o produto já existe,
se a empresa já trabalha
com algum tipo de métricas,
quais são essas métricas,
como elas são calculadas
e a base de tudo onde começamos
e se é caso seja uma empresa nova,
que já está nascendo na nuvem mesmo,
que já temos essa ideia de trabalhar
com analytics desde o início,
daí às vezes é um pouquinho mais fácil,
porque conseguimos trabalhar em conjunto
com o desenvolvimento do produto,
já trazendo essas métricas
e acompanhando as métricas
enquanto o produto
está sendo desenvolvido.
Então, é um crescimento meio
que paralelo nas duas frentes,
não só o negócio, como também
a plataforma que estamos desenvolvendo.
Perfeito o cenário.
Quando você fala do mercado,
ele é complexo,
então você tem ali uma estratégia
de negócio a ser pensada.
Depois tem um olhar arquitetural também.
As arquiteturas são híbridas.
Às vezes uma colcha de retalhos
é sempre muito mais para nós...
O Lucas está bastante adaptado a essa
realidade, sempre muito com o subjetivo.
Não existe uma receita de bolo.
Trabalhamos os conceitos
com os alunos, mas no mercado,
essa adaptabilidade e flexibilidade
são superimportantes,
essa leitura ali do contexto
da necessidade do cliente.
Por falar em necessidade do cliente, Lucas,
falamos muito de visão 360
É um termo meio negócio.
Eu quero uma visão 360 ali do meu cliente.
Você acha que um projeto nessa linha
que nós estamos comentando,
de um Data Warehouse,
de uma base analítica,
contribui para chegarmos nessa visão?
Com certeza.
Pensando numa estratégia para entendermos
como a empresa está funcionando,
essa visão 360 acaba sendo como
o que nós temos ao nosso redor.
Conseguíamos enxergar desde
as origens dos nossos dados
como estamos definindo o nosso produto,
como esse produto está sendo consumido,
como diferentes áreas
que estão trabalhando
com o desenvolvimento desse produto
e, consequentemente, falando de dados,
como que todos esses insumos
estão sendo utilizados internamente?
Então, essa visão 360
A base dela é construir uma plataforma
aonde a gente consiga servir
os nossos usuários internos com dados
para que eles possam responder
as próprias perguntas e entender
como é ter essa visão ampla de tudo
o que está acontecendo na empresa.
Em alguns casos,
essa essa visão ampla dentro de grandes
empresas e grandes projetos
acaba sendo muito difícil da gente
centralizar num único grupo de pessoas.
Então a gente descentraliza
até um pouco mais essa estrutura
para a gente
conseguir controlar o de negócio
e às vezes
a gente ter silos muito fechados,
a gente ter essas estruturas individuais
funcionando em paralelo,
dentro do meio de uma empresa
que é muito concentrada a mexer,
onde a gente consegue que pequenas áreas
ou pequenos grupos de pessoas
consigam ali controlar toda essa visão.
Ali, 360 de um escopo de trabalho
específico, por exemplo, só de finanças,
só de marketing, de aquisição
de novos usuários e assim por diante.
Daí tudo isso funcionando em paralelo,
quando a gente precisa
ter essa visão da empresa,
como toda a gente
vai extrair os dados de cada ponta
para conseguir entender o funcionamento
da plataforma como um todo.
Sensacional A ideia da malha de dados,
que é algo super recente e moderno,
apoia muito
essa completude de informações.
Sensacional!
E eu comecei Lucas, falando um pouco
do patrocinador do sponsor,
naquele que eu quero.
Fala muito também, porque a gente sabe
na gestão de um projeto
e você já já viveu vários contextos.
Assim que o patrocínio é super importante.
Quando a gente fala
de um projeto de estruturação dos dados,
assim como um projeto de governança,
a gente às vezes demora um pouquinho
pra entregar valor.
É muito mais fácil entregar valor.
Não deixe de concorda comigo?
Todo mundo é palpável,
todo mundo acessa aquele relatório,
ele responde às perguntas.
Mas é essa esteira de engenharia
que vem antes.
Esse tempo do tratamento dos dados.
Isso toma um pouquinho de tempo,
mesmo que sejamos ágeis
e vai gerando uma certa ansiedade
na organização.
Então, mesmo com agilidade,
ainda é um projeto
que precisa de
patrocínio, patrocínio forte.
Falando de dados, quem é o patrocinador?
Quais são as áreas?
Quem costuma ser esse sponsor?
Esse projeto costuma partir de quem?
Como é que isso tem funcionado?
Existe um padrão,
varia de uma empresa para outra.
É interessante a gente pensar em quem?
Quem é o sponsor, Porque principalmente
em algumas empresas pequenas,
um dos projetos quanto agora é uma empresa
um pouco menor, onde a gente,
o principal sponsor do projeto, acaba
sendo de fato o CEO, o dono da empresa
ali, quem tá precisando de fato de insumos
para tomada de decisão.
Então acaba sendo algo
um pouco mais direcionado.
Mas quando a gente pensa em cenários,
em empresas maiores,
um patrocinador do projeto
normalmente seria aquela empresa
e não aquele grupo de pessoas, aquele
aquela área ou aquele grupo de pessoas
que precisam tomar uma decisão, responder
algum tipo de pergunta
e não necessariamente
tem todos esses assuntos prontos,
seja origem de dados ali onde a gente não
tem mapeado dentro da nossa plataforma,
seja processos de transformação
que não foram implementados para calcular
determinadas métricas, indicadores ou
até mesmo desenvolvimento de dashboards.
Então, todo esse processo, essa esteira
inteira, desde a extração dos dados,
a manipulação desses dados,
o desenvolvimento das métricas e, por fim,
o consumo para tomada de decisão,
tudo isso parte da necessidade
de alguém ou de algum grupo de pessoas
ou de alguma área.
Então, normalmente essa área
que vai patrocinar e que vai investir
o nosso recurso financeiro,
Mas também tem como a gente
vai fazer toda organização do projeto
para disponibilização
desse IA e a implementação
desse projeto completo de dados são.
Normalmente a gente
vê esse tipo de cenário e faz sentido
dizer que na maioria das vezes
é uma dor de negócio.
E quando não se conecta o negócio
que está sendo desenvolvido, a gente tem
até dificuldade de vender internamente.
Então eu observo
muitos projetos de novo naufragando,
porque tem toda um aparato tecnológico,
mas os times de negócio
ainda não conseguiram enxergar
valor, não utilizam.
Isso não se conecta com valor
para a organização,
aquilo perde, perde em si.
Então é esse
processo de empurrar a tecnologia
é muito mais desafiador, é diferente
de quando o negócio está puxando ali
e consegue entregar muito valor.
Você vê como que essa sinergia?
Eu me lembro, nesse mercado,
de ter um preciosismo técnico
muito grande.
Quando você ia contratar, tinha que ser
aquele profissional que dominava o código,
aquela tela ali do chat
ou aquela tela preta e tudo mais.
E eu vou percebendo o mercado.
Tenho percebido o mercado mudando
mesmo quando hoje eu estou contratando
um dev, um profissional que vai atuar mais
tecnicamente,
ele precisa ter esse feeling de negócio,
essa conexão com o propósito
que ele está fazendo.
E você enxerga assim também
esse alinhamento, negócio técnico
que até parece que na malha de dados
a gente consegue fazer melhor.
Mas com certeza
esse alinhamento é muito interessante,
principalmente
quando a gente pensa na gestão moderna
de dados, que é um conceito, um framework
que a gente
que surgiu recentemente está
tentando trazer algumas boas práticas,
algumas algumas situações
que visam justamente
permitir que profissionais
não tão técnicos, não necessariamente
só engenheiros de dados,
possam trabalhar com desenvolvimento
e contribuir com uma plataforma de dados.
Então a gente utiliza ferramentas,
por exemplo, low cost, colocou
ferramentas visuais para a gente
conseguir fazer a integração de dados,
ferramentas visuais para a gente
conseguir também
criar projetos de transformação de dados.
Quando?
Quando cabe
ferramentas de visualização.
Quase todas são drag and drop,
onde a gente vai conceber,
construir na nossa visualização,
sem precisar necessariamente de código.
Então, esse tipo de recurso
permite com que outros profissionais,
normalmente de negócios,
também consigam participar.
Participar mais dentro de uma plataforma.
Então a gente está mudando
um pouco aquele paradigma de que
dados
uma área de dados seria uma área de TI.
Não necessariamente.
Eu penso em dados como uma área híbrida.
É uma área onde a gente tem uma sinergia
muito grande com negócios,
onde a gente precisa entender o que está
sendo realizado do lado de negócios,
do lado do nosso produto
e assim por diante.
E também que possa navegar no ferramental
que a gente tem disponível
dentro de uma plataforma de dados.
Então, esse cenário onde a gente
consegue utilizar de ferramentas
para resolver problemas de negócio,
essa ponte acaba sendo o cenário
ideal, onde a gente consegue escalar
projetos de dados de dentro
e outros de BI e visualização
e assim por diante.
A ferramenta é sempre um meio na teia,
um meio com fim em cima.
Até por isso
a gente vê projetos assim, muitas vezes
começando com estabelecimento de domínio.
Domínio é um assunto de negócio.
Quais são?
Meu domínio financeiro,
meu domínio de pessoas?
Hoje a gente tem governança, falado
muito na identificação do Almir,
quem é o dono do dado?
E geralmente esse dono do dado
é alguém de negócio
que entende bem da transação,
mas também do analítico,
porque até então
a gente tinha uma barreira muito grande.
Parece que o mundo transacional,
do transacional pro analítico,
a gente trocava de assunto e
não é uma nova forma de organizar o dado,
mas é o mesmo dado e o mesmo assunto,
o mesmo domínio de negócio e dores
muito parecidas.
Então, no México
a gente tem conseguido uma malha de dados,
a gente tem conseguido
essas evoluções que trazem mais o negócio
pro jogo.
Eu tenho observado isso,
ferramentas mais colaborativas também
que o time de negócio consegue entender
o que está acontecendo e colaborar.
E aí são projetos que você
gasta mais tempo discutindo o negócio
do que aplicando ali
a complexidade técnica.
No final das contas, o que importa,
que é o que importa exatamente?
Estão assim, São, são, são tendências
importantes.
Não importa se você é de negócio
ou se é uma pessoa mais técnica,
isso precisa estar no nosso radar.
Mas eu acho importante
ressaltar também que não necessariamente
o que a gente está mencionando
ali de ferramentas de loucura visuais
e assim por diante, que a gente não tem
código, que a gente não está
falando de Python, Scala e Java, enfim,
essa parte mais técnica mesmo
da área de dados, nós temos isso também.
Só que em alguns cenários
a gente não precisa de muita complexidade
para resolver problemas.
A gente não precisa utilizar
as ferramentas
que estão super em alta no mercado
só porque sim, estão em alta no mercado.
Não necessariamente
A gente pode utilizar outras alternativas
que já vão resolver os nossos problemas
de determinada área da empresa
ou as vezes até mesmo da empresa inteira,
com uma simplicidade maior,
facilidade maior, sem necessidade
de um grande time de dados,
garantindo que outras pessoas
estejam contribuindo
e também colaborando com o projeto.
Então, isso é aquela questão,
a gente precisa identificar o cenário,
os requisitos que nós temos,
onde a gente quer chegar
para conseguir ter essa escolha
também no ferramental. Mas
frisando nessa, essa,
essa escolha de ferramentas,
a gente não descarta
ferramentas mais complexas,
mas técnicas de fato, com código
para resolução de problemas
mais complexos também.
Então elas caminham em paralelo
para cada situação.
A gente vai ter um ferramental
mais específico, resolvendo um problema
de uma forma diferente.
Bom ponto, bom ponto.
Porque nós estamos falando
de um mundo de BI,
de um dentre outros,
e de que pede para tomadas de decisão.
Mais de repente é preciso de uma latência
mais baixinha,
o dado não entra tão estruturado.
A minha dor de negócio
está relacionada a uma fonte que é um log,
que é algo que exige
de repente um monitoramento.
E aí eu vou para o mundo de Big Data.
Talvez eu não esteja falando só do DW,
talvez seja um Data Lake,
que é um outro repositório analítico,
um data Lake House, que é alguma coisa
um pouco mais moderna.
De repente,
eu quero fazer uma implementação mais open
source por uma necessidade específica
ali do meu contexto.
As ferramentas open source,
muitas delas de big data
mais robustas, elas vêm com uma
necessidade de código maior.
Então tem
casos em que a implementação
vai ser um pouco mais complexa.
Geralmente projetos mais robustos,
um maior volume de dados,
uma complexidade técnica,
uma técnica maior, uma latência menor.
A gente ainda cabe nessa questão.
Cabe bastante ainda
a questão do desenvolvimento.
Eu acho que o importante é
não ter preconceito.
Eu brinco muito com os alunos.
Você vai de raiz ou vai de Nutella?
O Rails é o código lá e tudo mais.
E é o Nutella,
é o louco ou o drag and drop.
É a questão
visual, é a gente sem preconceito.
Eu já ouvi de gestores em reuniões mesmo
de dar,
que eu estou apresentando uma proposta
e eu percebo que eu falei
alguma coisa de louco ou de torcer o nariz
aqui, todo mundo coda,
a gente tem codar em cloud,
mas aí é um preconceito,
porque de repente, como você falou,
em alguns casos você traz alguma coisa
mais low cost, resolve,
você entrega o projeto muito mais rápido,
uma questão de custo.
Então quem está gerindo o projeto
precisa ter esse olhar mais agnóstico
de pensar qual é a melhor ferramenta,
a melhor estratégia para aquele cenário
específico.
E isso, muito desse preconceito
vem do uso indevido de algumas ferramentas
justamente nesse cenário.
Ah, esse projeto aqui
precisava de uma complexidade
um pouco maior,
porque a demanda de negócio chegava.
A necessidade de negócio
precisava de uma latência mais baixa
e o time dependendo
ou até mesmo quantidade de pessoas
trabalhando juntos no mesmo pipeline,
ele consegue.
Com algumas ferramentas visuais
a gente tem algumas limitações desse tipo,
às vezes não tem versionamento de código,
tem alguns problemas nessas ferramentas.
Elas não são perfeitas.
Elas são mais fáceis para a gente
começar a trabalhar,
mas não necessariamente
resolvem todos os problemas.
Só que daí a gente tenta utilizar
ainda essas ferramentas conforme o projeto
vai ganhando algum tipo de complexidade
que outras soluções fariam mais sentido?
Daí que acaba
entrando um pouco desse preconceito,
porque a gente vê muito infraestrutura
com o projeto legado,
utilizando dessas ferramentas
em que a gente já enxerga hoje, que não
são mais escaláveis.
Então quer dizer que eu não
vou mais utilizar esse tipo de ferramenta?
Não tem casos e casos,
a gente só precisa escolher corretamente
e entender a hora de mudar,
caso seja necessário na hora de escalar.
Exato. O contrário também é válido.
A gente vê aí a onda do caça,
que é uma super ferramenta de mensageria.
Quem gosta da coisa técnica adora.
Ela é parruda e tá na arquitetura
de grandes players, né?
LinkedIn ou Uber e por aí vai.
Então o entusiasta técnico que por cá fim.
Tudo isso vale no contexto corporativo.
Nas aulas também
vamos desenhar uma arquitetura.
Eu trago amador de negócio, eu especifico
ali o volume, o aluno vai colocar o foco
na arquitetura, mas às vezes
é uma dor que o Excel resolveria.
Não é nada contra a questão.
Se resolve, está ótimo.
Então acho que são os dois lados.
Existe o time do reino, Cloud
é o time do louco de
é na verdade a visão arquitetural.
A visão estratégica madura
é super super importante,
então certamente o nosso aluno precisa ir
ganhando essa essa maturidade
para tomada de decisão.
Muito bacana!
E falando Lucas, bom,
esse papo profundo falando aí
para o nosso aluno mesmo,
ele está vivenciando esse mundo dos dados,
alguns já estão ali atuando, você enxerga
papéis assim claros na construção
de uma solução analítica
aqui que eu posso ser,
mas pensando no que eu posso estudar
e tudo mais.
E você, como engenheiro, interage ali
com outros profissionais?
Quais são esses papéis?
A gente tem aquela
divisão básica de uma plataforma de dados.
A gente tem um time de engenharia
de dados, time de ciência, de dados
e de análise de dados.
Essa é a divisão tradicional, sim,
mas a gente tem muito mais carreiras
dentro de dados possíveis,
principalmente quando a gente escala,
quando a gente pensa em grandes empresas
e grandes projetos,
a gente tem que levar muito
em consideração.
Segurança de dados a gente tem que levar
em consideração governança.
Dependendo o engenheiro de dados
pode estar muito mais próximo,
por exemplo, do Kafka, de ferramentas
mais técnicas, mais tela preta
e outros engenheiros de dados
estão mais próximos.
A área de transformação, especificamente,
tem mais facilidade
de lidar com o negócio,
de extrair aqueles insumos de negócio
para conseguir implementar
um plano de transformação.
E a gente não consegue classificar tudo
dentro de uma mesma caixinha.
A engenheiro de
dados ou engenheiro de dados
vai conseguir fazer tudo,
realizar todos essas atividades,
dominar todas essas possíveis ferramentas.
Então está cada vez mais ficando segregado
ali algumas responsabilida antes.
Hoje a engenharia de dados
está muito mais próximo de plataforma,
onde a gente pensa em integração de dados,
onde a gente pensa em manutenção de
ferramentas como sistemas de mensageria,
de orquestração de dados,
dentre outros leaks.
Toda essa parte mais de infraestrutura.
E enquanto no processo de transformação
nós estamos usando lyrics engineers
que são.
O que é que é uma
uma carreira razoavelmente nova
e é especializado no que implementar
processos de transformação de dados
utilizando
insumos de negócio que foram coletados
e navegando
na plataforma que foi desenvolvida
pelo time Engenheiro de dados.
Ele é meio híbrido
ali, de todas as profissões,
essa é que acaba sendo mais híbrida
mesmo, que demanda
bastante de conhecimento de negócio
e conhecimento também das ferramentas
utilizadas para implementar as soluções
necessárias para o negócio.
E na outra ponta,
uma vez que a gente já tem esses processos
de transformação implementados e tudo
mais, nós temos times de análise,
times de ciência de dados,
times de governança, qualidade.
Podemos até mesmo ter outros times
de negócio, como marketing, por exemplo.
Trabalhando diretamente com dados
de dados,
acaba sendo quase que o coração ali também
dentro de de marketing, é o principal
insumo para a gente conseguir investir
melhor nossos recursos em campanhas,
aquisição de usuários,
fazer testes a, B, tudo baseado em dados.
Então são vários,
várias possibilidades que nós temos
dentro de uma plataforma
e o desenvolver de projetos de dados
de diversas possíveis
carreiras ou empresas menores.
A gente acaba tendo aquele
o profissional de dados que acaba
fazendo um pouco de tudo também,
a mão de ponta a ponta e tudo bem.
É a realidade da empresa.
E para o profissional
que é bacana, às vezes ele aprende mais
colocando a mão ali.
E é aí que as ferramentas mais simples
e mais visuais acabam auxiliando também,
porque mesmo que por exemplo,
a minha especialidade na visualização,
mas eu tenho uma ferramenta
que me ajuda de forma gráfica
a construir um dashboard
de forma mais eficiente,
porque eu não preciso
aprender de uma outra tecnologia do zero,
tudo mais.
Eu já consigo utilizar aquilo
para fazer o quê?
Responder perguntas de negócios
que no final das contas é o que importa.
O que importa?
Você tocou num ponto interessante
como outras áreas
têm vindo para dados e se empoderado.
A gente tem trabalhado muito
nesse processo de
alfabetização em dados
e vale muito alfabetizar a empresa
como um todo.
E todos precisam falar dados.
Então agora é algo que tem crescido
e que talvez até nos ajude muito mais
a alavancar a questão da cultura.
Como é que a gente pode, Lucas
fazer essa combinação?
O que é que vem primeiro?
A cultura, a cultura de dados,
a cultura data driven
ou botar lá um leitor?
Hoje eu percebo
que, dependendo do cliente,
a gente começa o papo pela ponta
que está mais fácil, não é?
Então, se eles querem ter
a ferramenta, é ok, vão por ali.
Outros já perceberam
que apesar de ter a ferramenta,
eles não conseguem garantir um bom uso.
As pessoas ainda seguem muito no filling
e aí voltam um pouquinho atrás
e começam a falar de cultura, mind set.
Você percebe o mercado assim, o que é,
o que deveria.
Vamos falar do correto.
O mercado é muito híbrido,
mas o que deveria vir primeiro?
A cultura, a implementação ali da solução.
Então, quando a gente
tem um tempo limitado para a gente
conseguir implementar um processo de dados
e uma plataforma de dados,
normalmente a gente não consegue preparar
todas as pessoas
antes de começar o projeto desse tipo.
Aí que entram muito,
muitas com muitos consultores
para conseguir implementar a parte
técnica, utilizando do que
do que a empresa ali já entende
que vai agregar valor para ela
a partir daquele ferramental.
Mas eu não colocaria o
a implementação técnica
na frente dessa questão cultural.
Acho que eu
acho que tem que caminhar em paralelo
enquanto a gente
está construindo essa plataforma,
a gente já tem que já tem que demonstrar o
por que essa plataforma é relevante,
como ela é relevante,
como que a gente vai utilizar,
como que a gente vai agregar valor,
por que é mais fácil trabalhar com esse
tipo de ferramenta, com essa plataforma
e tudo isso em paralelo,
acaba garantindo o sucesso do projeto.
Não adianta a gente gastar muito tempo
também fazendo um grande,
uma grande preparação, cursos,
treinamentos.
Ali a gente não está vendo aquela briga
ali, ela é nada prático
e ao mesmo tempo que nós já temos aqui
toda essa plataforma construída,
agora a gente vai desligar aqui
todo esse processo
que vocês já estavam fazendo
e a gente vai utilizar só essa.
Por quê o outro funcionava,
Alguém pode perguntar.
E de fato estava funcionando.
Estava da melhor forma?
Não necessariamente,
mas estava funcionando.
Então explicar e passar essa sensação
de que beleza estamos dando agora,
um passo que de fato
vai ser relevante para a gente
é fundamental,
porque quando a gente tem um sponsor
no projeto, pode ser que esse sponsor
já esteja comprado com a ideia de entender
o valor de fato que a gente vai agregar
com essa plataforma desde o início.
Mas beleza, temos uma pessoa
e todo o restante do time,
todo o restante da empresa
a gente pode ter mais dificuldade
em comprovar isso para os demais.
Então não adianta a gente
simplesmente entregar esse projeto
sem pensar na questão cultural
que caminha junto do projeto.
Sim, e aspectos políticos
que são tão desafiadores.
Então, às vezes o gestor não quer
que se fale de uma nova tecnologia,
de uma nova metodologia,
porque ele não quer soar retrógrado,
não quer gerar uma impressão
de que a gestão dele está atrasada.
E aí tem todo um cuidado,
porque nós estamos falando de pessoas
e elas estão ali, são respeitadas
porque estão dando o seu melhor.
É muito fácil você vir de fora com as suas
novas ideias.
Você não está ali no dia a dia
matando um leão por dia.
Então
a cultura vem junto com a questão política
também, de de se mostrar.
Quem quiser fomentar essa cultura,
esse mindset,
precisa se mostrar como alguém que quer
somar,
enfim, alavancar.
E não, não alguém que veio para dizer
está tudo errado, você está fazendo tudo
errado, Vamos fazer agora dessa
outra forma que é super diferente.
Funciona, até porque nada funciona, né?
Saindo dos livros e sendo encaixado ali
na realidade corporativa,
tudo a gente precisa ir adaptando,
então são aspectos mais complexos
do que as questões técnicas, não é? Lucas
Parece que o técnico a gente
até resolve mais rápido.
Quando a gente fala de cultura,
de questões políticas,
elas são mais desafiadoras,
mas precisam ser consideradas.
Se não você faz uma super implementação
e ninguém usa,
enterra, morre, morre ali.
Exatamente.
Muito bom!
Eu queria gente,
que papo bom, muitas coisas.
É o tipo do papo
que a gente tem que ouvir algumas vezes
para poder
extrair tudo o que está sendo dito.
Não é só o norte, é super importante.
Mas tem um último ponto
que eu queria te ouvir
aproveitar bem a sua experiência,
que é a questão da segurança dos dados.
A gente tem uma referência na Europa,
na lei,
na lei europeia de proteção aos dados,
a LGPD já veio com alguns avanços,
estabelecendo alguns limites.
De novo, a gente tem
alguns desafios que são culturais aqui
no Brasil.
Como é que
você vê a questão da segurança dos dados
num contexto analítico, onde muitas vezes
você vai de fato armazenar ali,
de forma agregada,
todas as suas informações gerenciais?
Quais cuidados com a maturidade brasileira
nesse momento em relação ao assunto?
Conforme a lei chegou,
ela chegou de fato para proteger ali
as pessoas que tem os dados ali
compartilhados com outras empresas.
Então
ela chegou talvez até um pouco tarde,
porque ela surgiu,
porque a gente encontrou problemas
de dados sendo vazados e tudo mais,
justamente porque algumas práticas ali
não necessariamente
estavam sendo utilizadas.
A gente disponibiliza dados sensíveis
que a gente já consegue enxergar
essa diferença de dados
sensíveis, não identificadores
de usuários,
telefones, endereço, enfim,
dados ali que podem ser utilizados
de forma indevida.
Tudo isso de forma muito acessível,
que seria fácil de alguém mal intencionado
conseguir extrair esses dados
e utilizar para outras finalidades.
Então, algumas etapas,
algumas camadas de proteção são
são desenvolvidas para a gente
mitigar e evitar esse tipo de situação.
Obviamente, o acesso ao dentro
e ao detalhe que nos dados de origem.
Se alguém invadir esses sistemas,
com certeza
a gente vai ter um grande problema.
Mas pensando
em todo o funil de transformação de dados,
todo esse processo que nós temos
dentro de uma plataforma
são várias camadas que a gente tem
até chegar num dado sensível.
Normalmente a ponta de visualização,
a ponta de consumo, onde a gente tem
respostas ali para as nossas perguntas.
A gente não precisa necessariamente
do CPF, do cliente ou do telefone.
Não necessariamente.
A gente precisa de números
indicando se determinada
campanha de marketing, por exemplo,
está funcionando da forma esperada ou não.
Então
a gente não precisa de muitos detalhes.
Então, os dados que ficam disponíveis
para amplo acesso,
seja interno ou dependendo
até mesmo como um produto
sendo exposto de alguma forma,
são dados agregados.
Como você disse,
métricas já calculadas, dados onde a gente
esses dados são anônimos,
A gente não consegue vincular esse todo.
Essa informação a pessoas, a gente
conseguir trazer insumos para a gente
utilizar de uma forma indevida
por outras pessoas.
Então
eu acho que essas leis que surgiram
como que a gente tem implementado isso
agora, já deveria,
a gente já deveria ter fazendo isso
bem antes e tudo mais agora,
por ter virado de fato uma lei,
principalmente, o cenário nacional
tem evoluído de uma forma interessante.
A gente tem se preocupado
cada vez mais com isso e tem até
diversos memes na internet também,
quando tem ali o vazamento de dados.
Daí começa a investir um monte de dinheiro
e tudo mais.
E a gente não precisa disso,
porque se vazar vai ter muitas multas,
vai ter muitas coisas envolvidas,
então ninguém quer que isso aconteça.
Então, além de proteger o cliente,
as empresas estão se protegendo também.
Consequentemente, a gente tem um cenário
cada vez melhor
pensando em proteção de dados.
Ferramentas de governança
estão sendo cada vez mais utilizadas
para a gente
conseguir identificar
o que é um dado sensível
ou não para a gente
protegê los de uma forma mais eficiente.
Ferramentas
para dar nível
de acesso de uma forma mais eficiente.
Os próprios dentro outros.
Hoje a gente
consegue dar acesso em nível de linha,
nível de coluna de uma mesma tabela,
o que acaba sendo muito mais prático
também para esse tipo de proteção.
Então, toda essa tecnologia está em favor
justamente da gente proteger ele.
Como que a gente está utilizando
esses dados?
Muito bacana.
E é um ganha ganha, como você diz,
todo mundo sai ganhando
com uma postura mais ética
e mais segura também.
Com certeza.
Muito bom Lucas, quero te agradecer né?
Muito bom aprender com você, ouvir cases.
Eu sei que você traz o frescor
à prática do mercado.
O Lucas, a professora,
a gente deu para vocês perceberem.
Além de estar aí no contexto corporativo,
ele também nos ensina aqui
e aí unir as duas coisas.
Ficou uma delícia.
Cruzei para os ouvidos, viu?
Foi um prazer.
Muito obrigado.
Eu que agradeço a participação, o convite.
Falar de um tema
que para mim é super importante
está presente
em todos os meus dias de trabalho,
então acaba sendo muito, muito,
muito interessante poder compartilhar
um pouquinho dessa experiência também
e também ouvir todos os seus pontos,
sua a sua experiência também é muito bom,
A gente sempre aprende um pouquinho
mais nesses papos, a gente cresce,
você também.
Você ficou conosco até agora, cresceu
e pôde perceber que nós
temos uma série de papéis,
muita tecnologia, várias ferramentas.
A nossa dica na Lucas é comece,
comece a oportunidade
é muito, muito um mercado muito aquecido.
Comece, vá mergulhando.
Com o tempo você vai ganhando maturidade,
visão arquitetural.
O céu é o limite. De fato,
nesse mercado de dados.
Nós somos suspeitos,
amamos tudo isso aqui.
Queremos que você venha
aqui para o nosso lado e.