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.