Cultura de dados se constrói: reflexões do Data Analytics Community Brazil #7

No dia 17/07 a DP6 esteve presente no 7º encontro do Data Analytics & AI Community Brazil, promovido pelo Google Cloud. A agenda prometia um mergulho técnico: Engenharia de Dados, agentes de IA e catálogos de conhecimento. E entregou exatamente isso, mas o que realmente marcou o final da tarde não foi nenhuma feature nova, foi a sensação de já ter ouvido aquela história antes.

A tecnologia mudou de nome. O problema, não.

O gargalo nunca foi a ferramenta

Ao longo de seis apresentações diferentes (Data Agent Kit, Knowledge Catalog, o case da Bullla, o painel da Avenue) existia um fio condutor que ninguém precisou dizer em voz alta, porque os próprios dados o diziam: mais de 65% dos dados corporativos carecem de metadados, segundo a Forrester, o que os torna praticamente impossíveis de descobrir, confiar ou usar em qualquer iniciativa de IA. Isso não é uma limitação de modelo. É uma limitação de organização.

Os agentes de IA apresentados no evento são, tecnicamente, impressionantes: sistemas multiagentes que evoluíram de automações isoladas para orquestrações complexas, capazes de gerar pipelines, diagnosticar problemas e conversar com bases inteiras de dados em linguagem natural. Mas toda essa capacidade esbarra em algo bem mais simples do que parece: um agente só é tão bom quanto o contexto que ele recebe. E o contexto, no fim das contas, é a soma de decisões humanas: quem é “dono” de qual dado, que nome cada coluna deveria ter, o que é fonte confiável e o que não é.

Foi isso que Vanessa Hay chamou de "Teto de Contexto": o ponto em que, mesmo com o melhor modelo do mundo, o agente confunde fontes, mistura dados desatualizados com dados corretos, ou simplesmente perde o fio da tarefa porque ninguém organizou a informação que ele precisava enxergar. Não é um bug de IA. É um sintoma de cultura de dados ausente.

O case que provou o ponto, sem precisar de slide de tecnologia

A apresentação da fintech Bullla, foi a que melhor ilustrou essa tese, o case mais impressionante do evento em resultados de negócio foi, no fundo, também um case de mudança comportamental.

Antes de qualquer arquitetura de Data Mesh ou catálogo automatizado, a Bullla teve que resolver um problema muito mais básico: silos operacionais, decisões tomadas sem padrão, e uma cultura reativa que vivia apagando incêndio. A solução não começou em uma ferramenta. Começou na definição de quem são os Data Owners da empresa, na criação de uma linguagem comum entre times de negócio e engenharia, e na decisão de impor rigor na origem do dado..

Só depois desse trabalho de base é que a tecnologia (Knowledge Catalog, automação, IA em produção) pôde aparecer como resultado, e não como ponto de partida. A própria Bullla resume isso: o objetivo foi transformar a força de trabalho em pessoas que passam a ser donas dos próprios insights, e não apenas consumidoras passivas de relatórios prontos.

Não é coincidência que esse tenha sido um dos três cases brasileiros levados ao palco do Google Cloud Next '26, em Las Vegas. Ele prova o que a maioria das empresas ainda trata como discurso motivacional: cultura de dados não é um "nice to have" antes da IA, é pré-requisito.

O ponto cego mais comum do mercado

O painel com Victória Reis e Erica Orge, sobre a jornada de migração da Avenue, trouxe um contraponto importante para quem acha que esse processo é simples: mudar uma arquitetura de dados centralizada para um modelo distribuído (Hub & Spoke) esbarra quase sempre nos mesmos obstáculos: resistência de times, processos legados enraizados e ausência de padrões que já deveriam existir há anos.

É o ponto cego mais recorrente no mercado brasileiro: empresas investem pesado em plataforma, em modelo, em catálogo e tratam a adoção cultural como uma etapa de treinamento de meia hora no final do projeto. O resultado é previsível, a ferramenta fica subutilizada, os times voltam para as planilhas de sempre, e a "transformação digital" vira mais uma licença paga e pouco usada.

Cultura de dados não se compra, se constrói

Se existe um aprendizado central do Data Analytics & AI Community Brazil #7, é que o mercado brasileiro já não tem mais desculpa técnica. As ferramentas existem, são maduras, e a maioria delas está disponível hoje mesmo. O que separa um case de sucesso de uma empresa que ainda vive apagando incêndio não é o acesso à tecnologia, é ter enfrentado, antes de tudo, as perguntas difíceis: quem é dono de cada dado, que padrão a empresa vai seguir, e como transformar cada colaborador em alguém que entende e confia nos dados que usa.

É exatamente por isso que o papel de uma consultoria especializada se torna decisivo nesse momento. Implementar cultura de dados não é um projeto de TI que se contrata e se entrega pronto, é uma mudança de comportamento organizacional, que exige diagnóstico honesto dos silos existentes, desenho de governança sob medida para a realidade daquela empresa e um processo estruturado de capacitação, sustentado ao longo do tempo, e não resolvido em um workshop único.

A pergunta que cada empresa deveria estar se fazendo não é mais "qual tecnologia de IA eu devo adotar", mas sim:

Nossa cultura de dados está pronta para sustentar essa tecnologia?

Sua instituição quer transformar dados dispersos em uma base de conhecimento confiável para a IA?

A DP6 une inteligência analítica, governança e soluções avançadas de Inteligência Artificial para transformar a maturidade digital da sua instituição. Fale com nossos consultores.

‍