O que é infraestrutura de dados? Uma única visão, sem precisar de analista.

Durante a última década, a doutrina dominante foi clara: qualquer empresa que aspirasse a tomar decisões com base em dados deveria construir o chamado modern data stack. A arquitetura típica encadeia cinco camadas. A ingestão, com ferramentas como Fivetran ou Airbyte, replica as fontes para o warehouse. A camada de armazenamento, normalmente Snowflake, BigQuery ou Redshift, abriga o dado bruto. A transformação, gerida com dbt, produz as tabelas fato e dimensão. A camada semântica centraliza as definições de métricas. E, por fim, a camada de apresentação entrega os dashboards à diretoria.

Esse modelo funcionou para empresas com times de dados dedicados e orçamentos analíticos consistentes. O problema apareceu quando o restante do mercado tentou reproduzi-lo. Uma marca brasileira de e-commerce com R$ 60 milhões de faturamento raramente consegue sustentar um analytics engineer, um data engineer e um analista sênior com a senioridade necessária para manter a infraestrutura viva. O resultado foi previsível: pipelines quebrados, modelos sem documentação e dashboards que mostravam números diferentes a cada consulta.

A consolidação veio com as plataformas de Operating Intelligence. Em vez de obrigar o operador a montar cinco produtos, elas integram as cinco camadas em um único ambiente. Conectam as fontes, armazenam o dado modelado, mantêm a camada semântica viva e apresentam a próxima ação a executar. Onde antes havia uma orquestra de fornecedores e uma fatura mensal de cinco dígitos, agora existe um produto único e um custo previsível.

Esta página descreve os componentes do stack moderno, os critérios para escolher entre construir ou consolidar, e o guia de compra que os operadores brasileiros com faturamento abaixo de R$ 250 milhões aplicam hoje para evitar a dívida de infraestrutura que paralisou tantos times entre 2020 e 2024.

O COO e o responsável por revenue ops. Não escrevem SQL nem mantêm modelos dbt, mas dependem da infraestrutura para fechar o ciclo semanal. O critério de sucesso é muito concreto: o número que aparece no dashboard da segunda coincide com o fechamento contábil do mês e com a previsão do trimestre.

O analytics engineer e o engenheiro de dados. São as figuras que mantêm viva a camada de transformação, escrevem os modelos dbt, gerenciam permissões no warehouse e resolvem alertas de freshness. Em empresas com menos de 50 pessoas, esse papel costuma se combinar com o de analista. Acima de 200, desdobra-se em dois perfis separados.

O CFO e o time de planejamento. Consomem as saídas do warehouse para preparar o forecast rodado, a análise de variação orçamentária e o material trimestral do board. A exigência principal sobre a infraestrutura é a rastreabilidade: poder reconstruir, métrica por métrica, como cada número foi calculado desde a fonte original. Para essa disciplina, vale revisar o hub de business intelligence.

O fundador ou o CEO. Tem um único requisito sobre a infraestrutura: que a pergunta "quanto faturamos neste trimestre, por canal e por região?" seja respondida em menos de 30 segundos, sem abrir cinco ferramentas. Quando esse requisito não é atendido, a conversa interna sai da estratégia e migra para a qualidade do dado, e a velocidade de decisão cai.

Uma infraestrutura de dados moderna se desenha sobre cinco princípios. O primeiro é o de uma única fonte da verdade: uma métrica, uma definição, uma tabela de origem, sem exceções. O segundo é a rastreabilidade: qualquer número visível em um dashboard deve poder ser rastreado até o sistema fonte com dois cliques. O terceiro é a observabilidade: cada pipeline emite sinais de freshness e de qualidade que são monitorados como qualquer outro serviço crítico.

O quarto princípio é a separação entre armazenamento e computação, característica que fez Snowflake e BigQuery decolarem. Permite escalar a consulta de forma independente do volume guardado, o que evita os gargalos clássicos dos warehouses locais. O quinto é a governança: o catálogo de dados, a rastreabilidade de linhagem e as permissões por linha são requisitos não negociáveis quando o dado circula por mais de um departamento. No Brasil, a LGPD reforça esse ponto: titulares têm direito a saber quais dados pessoais estão armazenados e a solicitar exclusão.

Na prática, poucas organizações abaixo de R$ 250 milhões de receita constroem os cinco princípios internamente. O padrão habitual consiste em delegar as camadas de ingestão e armazenamento a fornecedores gerenciados, manter um repositório dbt para a transformação crítica e consolidar o resto em uma plataforma operacional. Essa combinação entrega 80 por cento da utilidade analítica com um décimo do custo total de propriedade.