-
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.