nobug
    Glossário/Data Lakehouse (Plataforma de Dados)
    IA & Inovação

    Data Lakehouse (Plataforma de Dados)

    Arquitetura moderna que combina data lake e data warehouse para analytics, BI e IA em uma única plataforma.

    O Data Lakehouse combina vantagens do Data Lake (armazenamento flexível) com funcionalidades do Data Warehouse (consultas SQL, governança, ACID). Plataformas líderes incluem Databricks (Delta Lake), Apache Iceberg e soluções cloud-native (AWS Lake Formation, Azure Synapse). Suporta múltiplos workloads: BI, data science, streaming analytics e IA generativa. A NOBUG implementa arquiteturas de data lakehouse com Databricks e Spark para empresas que precisam escalar sua estratégia de dados.

    Como funciona na prática

    Os dados chegam de sistemas de origem, como ERP, CRM, aplicativos e sensores, e são gravados em armazenamento de objetos em formatos abertos de tabela. É comum organizá-los em camadas: uma com o dado bruto, como chegou; outra com o dado limpo e padronizado; e uma terceira com tabelas prontas para indicadores e relatórios. Motores de consulta SQL, ferramentas de BI e ambientes de ciência de dados leem as mesmas tabelas, sem cópias separadas. Um catálogo registra o que existe, quem é responsável e quem pode acessar. Rotinas agendadas ou fluxos contínuos mantêm as camadas atualizadas e com qualidade verificada.

    Quando faz sentido

    Faz sentido quando a empresa mantém um data warehouse para relatórios e, em paralelo, um repositório de arquivos para ciência de dados, com dados duplicados, números diferentes e custo dobrado. Também é indicado quando o volume ou a variedade de dados cresce, incluindo arquivos, eventos e dados semiestruturados, e quando há planos de usar machine learning e IA sobre os mesmos dados dos indicadores. Para empresas com poucas fontes e necessidades simples de relatório, um banco de dados analítico bem modelado ou um warehouse gerenciado pode resolver com menos complexidade. A escolha deve partir dos casos de uso, não da tecnologia.

    O que avaliar

    Avalie se a equipe tem competência em engenharia de dados para operar a plataforma, porque ela exige disciplina em modelagem, qualidade e governança. Verifique o formato de tabela adotado e a compatibilidade com as ferramentas que você usa ou pretende usar, para evitar dependência de um único fornecedor. Entenda o modelo de custo de armazenamento e processamento, e configure limites e alertas. Defina dono para cada conjunto de dados e regras de acesso, especialmente para dados pessoais. Comece por um caso de uso de valor claro, como um indicador hoje calculado manualmente, e só depois amplie para outras áreas.

    Este termo faz parte da área de IA & Inovação. Veja como a NOBUG trabalha com dados e analytics.