-
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.
-
Ainda não cabemos 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 raiz é o código lá e tudo mais,
-
e o Nutella, é o louco,
ou o drag and drop.
-
É a questão visual, somos nós sem preconceito.
-
Eu já ouvi de gestores em reuniões
em que eu estou apresentando uma proposta,
-
e eu percebo que eu falei
alguma coisa de louco ou de torcer o nariz:
-
todo mundo coda.
Temos 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 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, consegue.
-
Com algumas ferramentas visuais,
temos 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
começarmos a trabalhar,
-
mas não necessariamente
resolvem todos os problemas.
-
Só que ainda tentamos
utilizar 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 vemos muito infraestrutura
com o projeto legado,
-
utilizando dessas ferramentas em que já
enxergamos hoje que não são mais escaláveis.
-
Então quer dizer que eu não vou mais
utilizar esse tipo de ferramenta?
-
Não, tem casos e casos.
-
Só precisamos escolher corretamente
e entender a hora de mudar,
-
caso seja necessário, na hora de escalar.
-
Exato. O contrário também é válido.
-
Vemos aí a onda do caça, que é
uma superferramenta de mensageria.
-
Quem gosta da coisa técnica, adora.
-
Ela é parruda e está na arquitetura
de grandes players, né?
-
LinkedIn, 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 eu 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 superimportante,
-
então certamente o nosso aluno precisa
ir ganhando essa essa maturidade
-
para a tomada de decisão.
-
Muito bacana!
-
E falando, Lucas, bom,
esse papo profundo,
-
falando aí para o nosso aluno mesmo,
que 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?
-
Nós tem aquela divisão básica
de uma plataforma de dados.
-
Temos um time de engenharia de dados,
-
time de ciência de dados
e de análise de dados.
-
Essa é a divisão tradicional, sim,
mas temos muito mais carreiras
-
dentro de dados possíveis,
-
quando pensamos em grandes
empresas e grandes projetos.
-
Temos que levar muito
em consideração segurança de dados,
-
temos 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 não conseguimos 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
algumas responsabilidades.
-
Hoje a engenharia de dados está
muito mais próxima de plataforma,
-
onde pensamos em integração de dados,
-
onde pensamos 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 é uma carreira razoavelmente nova
-
e é especializada em implementar
processos de transformação de dados
-
utilizando insumos de negócio
que foram coletados
-
e navegando na plataforma
que foi desenvolvida
-
pelo time de engenheiros de dados.
-
Ela é meio híbrida ali.
-
De todas as profissões, essa é
que acaba sendo mais híbrida mesmo,
-
que demanda bastante
de conhecimento de negócio
-
e também das ferramentas utilizadas
-
para implementar as soluções
necessárias para o negócio.
-
E na outra ponta, uma vez
que já temos 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
-
Dados acaba sendo quase que o coração
dentro de marketing também.
-
É o principal insumo
para conseguirmos investir melhor
-
os nossos recursos em campanhas,
aquisição de usuários,
-
fazer testes A/B, tudo baseado em dados.
-
Então são várias possibilidades
que nós temos dentro de uma plataforma
-
e o desenvolver de projetos de dados
-
de diversas possíveis carreiras
ou empresas menores.
-
Acabamos tendo aquele 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
uma outra tecnologia do zero e 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.
-
Temos 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 nós podemos, Lucas,
fazer essa combinação?
-
O que vem primeiro?
-
A cultura, a cultura de dados,
a cultura data-driven,
-
ou colocar lá um leitor?
-
Hoje eu percebo que,
dependendo do cliente,
-
nós começamos o papo pela ponta
que está mais fácil, não é?
-
Então, se eles querem ter
a ferramenta, 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 felling,
e aí voltam um pouquinho atrás
-
e começam a falar de cultura mindset.
-
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 temos um tempo limitado
para conseguirmos implementar
-
um processo de dados
e uma plataforma de dados,
-
normalmente não conseguimos
preparar todas as pessoas
-
antes de começarmos um projeto desse tipo.
-
Aí que entram muitos consultores
para conseguir implementar a parte técnica
-
utilizando do que a empresa já entende ali
-
que vai agregar valor para ela
a partir daquele ferramental.
-
Mas eu não colocaria a implementação
técnica na frente dessa questão cultural.
-
Eu acho que tem que caminhar em paralelo
-
enquanto estamos construindo
essa plataforma,
-
Já temos que demonstrar o porque
essa plataforma é relevante,
-
como ela é relevante,
-
como que vamos utilizar,
como vamos agregar valor,
-
porque é mais fácil trabalhar com esse
tipo de ferramenta, com essa plataforma.
-
E tudo isso em paralelo, acaba
garantindo o sucesso do projeto.
-
Também não adianta gastarmos muito tempo
-
fazendo uma grande preparação,
cursos, treinamentos.
-
Não estamos vendo aquela briga
ali, ela é nada prático,
-
e ao mesmo tempo que nós já temos
aqui toda essa plataforma construída,
-
agora nós vamos desligar aqui todo esse
processo que vocês já estavam fazendo
-
e vamos 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 nós, é fundamental.
-
Porque quando temos um sponsor no projeto,
-
pode ser que esse sponsor já esteja
comprado com a ideia de entender
-
o valor de fato que vamos agregar
com essa plataforma desde o início.
-
Mas, beleza, temos uma pessoa
-
e todo o restante do time,
todo o restante da empresa
-
podemos ter mais dificuldade
em comprovar isso para os demais.
-
Então não adianta simplesmente
entregarmos 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
que a gestão dele está atrasada.
-
E aí tem todo um cuidado, porque
nós estamos falando de pessoas,
-
e elas 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.