-
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 naufragavam.
-
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 DataOps,
hoje, em pouquíssimo tempo,
-
nós conseguimos entregar na mão
dos analistas, dos times de gestão,
-
informações consistentes
para a tomada de decisão.
-
Eu sou Tassiana, sou gestora
de dados e analytics na triggo.ai,
-
que é uma startup
de Inteligência Artificial,
-
professora e coordenadora
de MBA aqui na FIAP.
-
E eu estou aqui com nosso
querido Lucas Brandi,
-
sumidade quando o assunto é dados.
-
Ele vai contar um pouquinho
da carreira dele para nós,
-
contar como os dados
fazem parte hoje
-
do seu cotidiano né, 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 X-Team
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, o 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 de construção de engenharia,
uma entrega de valor lá na ponta,
-
com dashboards, com estatísticas,
-
e às vezes até 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 numa 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 do mercado
-
para uso de dados,
-
para se tornar uma empresa
data-driven, enfim.
-
Nesses cenários, nós precisamos
estar muito mais próximos
-
das áreas de negócio, de quem
conhece, domina de fato o produto,
-
para conseguir extrair
esses insumos do negócio,
-
para conseguir pensar, planejar como vamos
implementar esse projeto de Data Warehouse,
-
numa boa plataforma de dados
para agregar valor rápido,
-
como você mesma disse, para o negócio,
-
utilizando diversas outras ferramentas.
-
E dependendo do tipo de produto
que estamos trabalhando,
-
as origens dos nossos dados,
temos que pensar também,
-
quais ferramentas vamos utilizar ali.
-
Então, esse passo inicial,
entendermos se o produto já existe,
-
se a empresa já trabalha
com algum tipo de métrica,
-
quais são essas métricas,
como elas são calculadas
-
é a base de tudo, né, é onde começamos.
-
E caso seja uma empresa nova,
que já está nascendo na nuvem mesmo,
-
que já temos essa ideia de trabalhar
com analytics desde o início,
-
às vezes é um pouquinho mais fácil,
-
porque aí 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 das duas frentes,
-
não só o negócio, como também
a plataforma que estamos desenvolvendo.
-
Perfeito.
-
Quando falamos do mercado,
o cenário é complexo, né,
-
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, né...
-
O Lucas está bastante
adaptado a essa realidade.
-
É sempre muito consultivo, né?
-
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
e da necessidade do cliente.
-
Por falar em necessidade do cliente,
Lucas, falamos muito de visão 360.
-
Isso é um termo meio negócio, né?
-
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...
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 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, 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
escopos de negócio.
-
Ao invés de termos silos muito fechados,
-
termos essas estruturas individuais
-
funcionando em paralelo
dentro de uma empresa,
-
que é muito o conceito de data mash, né,
-
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.
-
Aí, tudo isso funcionando em paralelo,
-
quando precisarmos ter essa
visão da empresa como um todo,
-
vamos extraindo 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, né,
-
que o PMBOK fala muito também.
-
Sabemos que na gestão de um projeto,
-
e você já viveu vários contextos assim,
-
um patrocínio é superimportante, né?
-
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 num dashboard, né?
-
Concorda comigo?
-
É palpável, né?
-
Todo mundo acessa aquele relatório,
ele responde as perguntas.
-
Mas e essa esteira
de engenharia que vem antes,
-
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 a agilidade, ainda é
um projeto que precisa de patrocínio, né,
-
patrocínio forte ali.
-
Sem dúvida.
-
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 é o sponpor, né,
-
porque principalmente
em algumas empresas pequenas,
-
um dos projetos que eu atuo agora
é de uma empresa um pouco menor,
-
onde o sponsor do projeto acaba
sendo, de fato, o CEO, o dono da empresa,
-
quem está precisando, de fato,
de insumos para a tomada de decisão.
-
Então acaba sendo algo
um pouco mais direcionado.
-
Mas quando pensamos em empresas maiores,
-
um patrocinador do projeto normalmente
seria aquela empresa, aquele grupo de...
-
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 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, que vai investir ali,
-
não só o recurso financeiro,
mas também tempo, né,
-
para fazermos toda a organização
do projeto, para disponibilização...
-
E implementação desse
projeto completo de dados.
-
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.
-
E se não se conecta com valor
para a organização,
-
aquilo perde, perde em si.
-
Então esse processo de empurrar
a tecnologia é muito mais desafiador, né,
-
diferente de quando o negócio está
puxando ali e consegue entregar muito valor.
-
Como é 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 "shell",
aquela tela preta e tudo mais.
-
E eu tenho percebido
o mercado mudando, né?
-
Mesmo hoje, quando 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.
-
Você enxerga assim também,
esse alinhamento, negócio técnico...
-
Porque até parece que, na malha
de dados, conseguimos fazer melhor.
-
Com certeza.
-
Esse alinhamento é muito interessante,
-
principalmente quando pensamos
na stack moderna de dados,
-
que é um conceito, um framework
que surgiu recentemente,
-
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,
contribuir com uma plataforma de dados.
-
Então utilizamos ferramentas
como low-code ou no-code, por exemplo,
-
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 construindo ali a nossa visualização
-
sem precisar necessariamente de código.
-
Então, esse tipo de recurso permite
com que outros profissionais,
-
normalmente de negócios, também consigam
participar mais dentro de uma plataforma,
-
Então nós estamos 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,
-
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 Data Warehouse,
-
de BI, visualização, e assim por diante.
-
A ferramenta é sempre
um meio, né, TI é um meio.
-
Nunca um fim em si, né?
-
Até por isso vemos projetos muitas vezes
começando com estabelecimento de domínio.
-
Domínio é um assunto de negócio, né?
-
Qual é o meu domínio financeiro,
o meu domínio de pessoas.
-
Hoje temos falado muito em governança,
na identificação do owner,
-
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. É uma nova forma
de organizar o dado,
-
mas é o mesmo dado, é o mesmo assunto,
-
é o mesmo domínio de negócio,
e dores muito parecidas, né?
-
Então, no mesh, nós 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.
-
Que, no final das contas,
é o que importa, né?
-
Que é o que importa. Exatamente.
-
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 low-code,
-
ou visuais, né, 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.
-
Não necessariamente.
-
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 a necessidade
de um grande time de dados,
-
garantindo que outras pessoas
estejam contribuindo ali também,
-
colaborando com o projeto.
-
Então é aquela questão, né,
precisamos identificar o cenário,
-
os requisitos que nós temos,
onde queremos chegar,
-
para conseguir ter essa escolha
também do ferramental.
-
Mas...
-
Frisando essa escolha de ferramentas,
-
não descartamos ferramentas mais complexas,
mais técnicas de fato, com código,
-
para resolução de problemas
mais complexos também.
-
Então elas caminham em paralelo.
-
Para cada situação, vamos ter ali
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 Data Waresouse,
-
de KPIs para tomada de decisão,
-
mas, de repente, eu 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 Lakehouse, 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, né?
-
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
maior, uma latência menor.
-
Ainda cabe essa questão, né,
-
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 low-code,
o drag-and-drop, a a questão visual, né?
-
E existe preconceito.
-
Eu já ouvi de gestores em reuniões mesmo,
-
que eu estou ali,
apresentando uma proposta,
-
e eu percebo que eu falei alguma
coisa de low-code e ele torceu o nariz...
-
"Aqui todo mundo coda.
-
Temos codar.
-
Hand coding...".
-
Mas aí é um preconceito, né,
-
porque, de repente, como você falou,
-
em alguns casos você traz
alguma coisa mais low-code, 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.
-
É isso, né?
-
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, ?, dependendo
-
ou até mesmo a quantidade de pessoas
trabalhando juntas no mesmo pipeline.
-
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 aí 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 esse tipo
de infraestrutura com um projeto legado
-
utilizando dessas ferramentas, e 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.
-
E o contrário também é válido, né?
-
Vemos aí a onda do Kafka, que é
uma superferramenta de mensageria.
-
Quem gosta da coisa técnica, adora.
-
Ela é parruda, está na arquitetura
de grandes players, né,
-
LinkedIn, Uber e por aí vai.
-
Então o entusiasta técnico
que pôr Kafka em tudo, né?
-
Isso vale no contexto corporativo,
nas aulas também...
-
"Vamos desenhar uma arquitetura?".
-
Eu trago uma dor de negócio,
eu especifico ali o volume,
-
o aluno vem com Kafka na arquitetura.
-
Mas às vezes é uma dor
que o Excel resolveria, né?
-
E nada contra o Excel.
-
Se resolve, está ótimo.
-
Então eu acho que são os dois lados.
-
Existe o time do hand-code
e o time do low-code.
-
Na verdade, a visão arquitetural,
a visão estratégica,
-
madura, é superimportante,
-
Com certeza.
-
O nosso aluno precisa ir ganhando essa
maturidade para a tomada de decisão.
-
Muito bacana!
-
E falando, Lucas... Bom
esse papo, né, profundo.
-
Falando aí para o nosso aluno mesmo,
que está vivenciando esse mundo dos dados,
-
alguns já estão ali atuando,
-
você enxerga papéis claros
na construção de uma solução analítica?
-
O que eu posso ser, pensando
no que eu posso estudar e tudo mais?
-
Você, como engenheiro, interage
ali com outros profissionais.
-
Quais são esses papéis?
-
Nós temos 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,
-
mas temos muito mais
carreiras dentro de dados,
-
principalmente quando escalamos,
-
quando pensamos em grandes
empresas, grandes projetos.
-
Temos que levar muito em consideração
segurança de dados,
-
temos que levar
em consideração governança.
-
Dependendo, um 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 de transformação, especificamente,
-
têm mais facilidade de lidar com o negócio,
de extrair aqueles insumos de negócio
-
para conseguir implementar
um pipeline de transformação.
-
E não conseguimos classificar
tudo numa mesma caixinha.
-
O engenheiro de dados,
ou a engenheira de dados...
-
Vai conseguir fazer tudo, né,
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,
Data Warehouse, data lakes,
-
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.
-
Ele é meio híbrido ali, né?
-
De todas as profissões, essa é
que acaba sendo mais híbrida mesmo,
-
que demanda bastante
de conhecimento de negócio
-
e também conhecimento
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.
-
Em desenvolvimento de projetos de dados,
-
as diversas possíveis carreiras,
ou em empresas menores,
-
acabamos tendo aquele profissional de dados...
-
- Que acaba fazendo um pouco de tudo também.
- Também, é verdade.
-
Ele põe a mão de ponta a ponta.
-
E tudo bem, é a realidade da empresa,
e para o profissional até é bacana,
-
porque às vezes ele aprende mais
colocando a mão ali.
-
E aí que as ferramentas mais simples,
mais visuais, acabam auxiliando também,
-
porque mesmo que, por exemplo,
a minha especialidade não é visualização,
-
mas se eu tenho uma ferramenta
que me ajuda de forma gráfica
-
a construir um dashboard
de forma mais eficiente, ótimo,
-
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.
-
É o que importa.
-
Você tocou num ponto interessante,
-
como outras áreas têm vindo
para dados e se empoderado.
-
Temos trabalhado muito nesse processo
de data literacy, alfabetização em dados,
-
e vale muito alfabetizar
a empresa como um todo, né,
-
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 Data warehouse?
-
Eu percebo que, dependendo do cliente,
-
nós começamos o papo pela ponta
que está mais fácil, não é?
-
Eles querem ter a ferramenta,
e, ok, vamos 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 deveria...
-
Vamos falar do correto.
-
O mercado é muito híbrido.
-
Mas o que deveria vir primeiro?
-
A cultura ou a implementação
ali da solução?
-
Então, quando temos um tempo limitado
para conseguirmos implementar
-
um processo de dados
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.
-
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 se mostrar.
-
Quem quiser fomentar
essa cultura, esse mindset,
-
precisa se mostrar como alguém
que quer somar, alavancar, enfim,
-
e não alguém que veio
para dizer que está tudo errado,
-
que você está fazendo tudo errado...
-
"Vamos fazer agora dessa outra forma
que é superdiferente e funciona".
-
Até porque nada funciona, né?
-
Saindo dos livros e sendo encaixado
ali na realidade corporativa.
-
Precisamos adaptar tudo.
-
Então são aspectos mais complexos
que as questões técnicas, não é, Lucas?
-
Parece que até resolvemos
mais rápido o técnico.
-
Quando falamos de cultura,
de questões políticas,
-
elas são mais desafiadoras,
mas precisam ser consideradas.
-
Senão você faz uma superimplementação
e ninguém usa, enterra, morre ali.
-
Exatamente.
-
Muito bom!
-
Que papo bom, muitas coisas.
-
É o tipo do papo que temos
que ouvir algumas vezes
-
para poder extrair tudo
o que está sendo dito.
-
Não é só o norte, é superimportante.
-
Mas tem um último ponto que eu queria
te ouvir, aproveitar bem a sua experiência,
-
que é a questão da segurança dos dados.
-
Temos uma referência na Europa,
na lei europeia de proteção aos dados,
-
a LGPD já veio com alguns avanços,
estabelecendo alguns limites.
-
De novo, temos alguns desafios
que são culturais aqui no Brasil.
-
Como 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 para proteger, de fato,
-
as pessoas que têm os dados
compartilhados com outras empresas.
-
Então ela talvez tenha chegado até
um pouco tarde porque ela surgiu
-
porque encontramos problemas
de dados sendo vazados e tudo mais,
-
justamente porque algumas práticas
não estavam sendo utilizadas.
-
Disponibilizamos dados sensíveis
que já conseguimos 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 desenvolvidas para mitigarmos
e evitarmos esse tipo de situação.
-
Obviamente, o acesso ao dentro
e ao detalhe que nos dados de origem.
-
Se alguém invadir esses sistemas,
com certeza vamos 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 nós temos
até chegar num dado sensível,
-
Normalmente a ponta de visualização,
a ponta de consumo,
-
temos respostas ali para as nossas perguntas.
-
A gente não precisa necessariamente
do CPF do cliente ou do telefone.
-
Precisamos de números indicando
-
se determinada campanha
de marketing, por exemplo,
-
está funcionando da forma esperada ou não.
-
Então não precisamos 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 esses dados são anônimos,
não consegue vincular esse todo.
-
Essa informação a pessoas,
conseguimos trazer insumos
-
para utilizarmos de uma forma indevida
por outras pessoas.
-
Então eu acho que essas leis que surgiram,
como temos implementado isso agora,
-
já deveríamos estar
fazendo isso bem antes.
-
Agora, por ter virado de fato uma lei,
-
principalmente porque o cenário nacional
tem evoluído de uma forma interessante,
-
temos nos preocupado
cada vez mais com isso.
-
E tem até diversos memes na internet também
quando tem ali o vazamento de dados.
-
Daí começa-se a investir
um monte de dinheiro e tudo mais.
-
E não precisamos disso, porque se vazar,
vão ter muitas coisas envolvidas,
-
e ninguém quer que isso aconteça.
-
Então, além de proteger o cliente,
as empresas estão se protegendo também.
-
Consequentemente, temos
um cenário cada vez melhor
-
pensando em proteção de dados.
-
Ferramentas de governança estão
sendo cada vez mais utilizadas
-
para conseguirmos identificar
o que é um dado sensível, ou não,
-
para protegê-los
de uma forma mais eficiente.
-
Ferramentas para dar nível de acesso
de uma forma mais eficiente.
-
Os próprios dentro outros.
-
Hoje nós conseguimos 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 de protegê-lo,
-
de como estamos 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.
-
Eu quero te agradecer né?
-
Muito bom aprender com você, ouvir cases.
-
Eu sei que você traz o frescor
da 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
a 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.