DTW CAP03 2024 BP BOAS PRATICAS PROJETOS DW E BI

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 estão trabalhando
com o desenvolvimento desse produto,

e, consequentemente, falando de dados,

como que todos esses insumos
estão sendo utilizados internamente.

Então, a base dessa visão 360
é construir uma plataforma

onde consigamos 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 visão ampla dentro
de grandes empresas e grandes projetos

acaba sendo muito difícil centralizarmos
num único grupo de pessoas.

Então descentralizamos
até um pouco mais essa estrutura

para conseguirmos controlar o negócio,

e às vezes, termos silos muito fechados,

termos essas estruturas individuais
funcionando em paralelo,

no meio de uma empresa que é
muito concentrada a mexer,

onde conseguimos que pequenas áreas,
ou pequenos grupos de pessoas,

consigam ali controlar toda essa visão 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 precisamos ter essa visão da empresa,

como todos 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 complexitude de informações.

Sensacional!

E eu comecei, Lucas, falando um pouco
do patrocinador do sponsor,

naquele que eu quero falar muito bem também

porque sabemos
que na gestão de um projeto,

e você já viveu vários contextos,
o patrocínio é superimportante.

Quando falamos de um projeto
de estruturação dos dados,

assim como um projeto de governança,

às vezes demoramos um pouquinho
para 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,

que toma um pouquinho de tempo,
mesmo que sejamos ágeis,

vai gerando uma certa
ansiedade na organização.

Então, mesmo com agilidade, ainda é
um projeto que precisa de 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 isso tem funcionado?

Existe um padrão ou varia
de uma empresa para outra.

É interessante pensarmos em quem?

Quem é o sponsor?

Porque principalmente
em algumas empresas pequenas,

um dos projetos quanto agora
é uma empresa um pouco menor,

onde o principal sponsor do projeto acaba
sendo, de fato, o CEO, o dono da empresa,

quem está precisando, de fato
insumos para a tomada de decisão.

Então acaba sendo algo
um pouco mais direcionado.

Mas quando pensamos em cenários,
em empresas maiores,

um patrocinador do projeto
normalmente seria aquela empresa

e não aquele grupo de pessoas,
aquela área ou aquele grupo de pessoas

que precisa tomar uma decisão,
responder a algum tipo de pergunta

e não necessariamente tem
todos esses assuntos prontos,

seja origem de dados onde não temos
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

é 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 vemos 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, temos
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 esse processo de empurrar
a tecnologia é muito mais desafiador.

É diferente de quando o negócio está
puxando ali 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 eu estou contratando um dev hoje.

Um profissional que vai
atuar mais tecnicamente

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
conseguimos fazer melhor.

Mas com certeza esse alinhamento
é muito interessante,

principalmente quando pensamos
na gestão moderna de dados,

que é um conceito, um framework
que surgiu recentemente,

está tentando trazer
algumas boas práticas,

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 utilizamos ferramentas,
por exemplo, low cost,

ferramentas visuais para conseguirmos
fazer a integração de dados,

ferramentas visuais para conseguirmos também
criar projetos de transformação de dados.

Quando cabe ferramentas de visualização,

quase todas são drag-and-drop,
onde vamos 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,

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 temos uma sinergia
muito grande com negócios,

onde precisamos 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 temos disponível

dentro de uma plataforma de dados.

Então, esse cenário onde
conseguimos utilizar ferramentas

para resolver problemas de negócio,
essa ponte acaba sendo o cenário ideal

onde conseguimos 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 vemos 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 temos 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 tínhamos
uma barreira muito grande.

Parece que o mundo transacional,

do transacional para o analítico,
trocávamos 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, temos
conseguido uma malha de dados,

temos conseguido essas evoluções
que trazem mais o negócio para o 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, é o que importa.

Estão, assim, 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 estamos mencionando de ferramentas,
de loucuras visuais e assim por diante,

que não temos código, que não estamos
falando de Python, Scala, Java, enfim,

essa parte mais técnica
mesmo da área de dados.

Nós temos isso também.

Só que, em alguns cenários,

nós não precisamos de muita
complexidade para resolver problemas.

Não precisamos utilizar as ferramentas
que estão super em alta no mercado

só porque estão em alta no mercado.

Podemos utilizar outras alternativas
que já vão resolver os nossos problemas

de determinada área da empresa,
ou às 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 é aquela questão,
precisamos identificar o cenário,

os requisitos que nós temos,
onde queremos chegar,

para conseguir ter essa escolha
também no ferramental.

Mas frisando essa escolha de ferramentas,

não descartamos ferramentas mais
complexas, mas técnicas de fato,

com código para resolução
de problemas mais complexos também.

Então elas caminham em paralelo
para cada situação.

Vamos 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.

Mas, de repente, é preciso
de uma latência mais baixinha,

o dado não entrar 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 Datas mais robustas,

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.