nobug
    Glossário/Data Mesh
    Dados

    Data Mesh

    Paradigma de arquitetura de dados descentralizada onde cada domínio de negócio é dono dos seus dados.

    Data Mesh é um paradigma de arquitetura de dados proposto por Zhamak Dehghani que descentraliza a propriedade e responsabilidade sobre dados, distribuindo-os para os domínios de negócio que os geram — em vez de centralizá-los em um time único de dados. Os quatro princípios são: (1) Propriedade de dados por domínio (cada área é dona dos seus data products), (2) Dados como produto (com SLAs de qualidade, documentação e contratos), (3) Plataforma self-service de dados (infraestrutura centralizada para que domínios publiquem e consumam dados facilmente) e (4) Governança federada (políticas globais com autonomia local). O Data Mesh resolve problemas de escalabilidade organizacional que afetam data lakes e data warehouses centralizados: bottleneck no time de dados, falta de ownership e dados de baixa qualidade. É indicado para organizações grandes com múltiplos domínios de negócio e maturidade em engenharia. Ferramentas: Databricks Unity Catalog, Atlan, DataHub e OpenMetadata.

    Como funciona na prática

    Cada domínio, como vendas, logística ou financeiro, tem um time responsável por publicar seus dados como produtos: tabelas ou APIs documentadas, com dono nomeado, esquema estável e indicadores de qualidade e atualização. Um contrato de dados descreve o que o produto garante aos consumidores, e mudanças incompatíveis são versionadas. Um time de plataforma oferece a infraestrutura comum: armazenamento, pipelines, catálogo, controle de acesso e monitoramento, para que os domínios não reconstruam isso cada um a seu modo. Um comitê federado, com representantes dos domínios, define padrões globais, como identificadores de cliente, classificação de dados pessoais e regras de retenção, que a plataforma aplica de forma automatizada.

    Quando faz sentido

    Data Mesh faz sentido quando o time central de dados virou gargalo: a fila de pedidos de novos relatórios e integrações cresce, e o time não conhece bem o negócio de cada área para modelar os dados corretamente. Outros sinais são indicadores com o mesmo nome e valores diferentes entre áreas e falhas de qualidade descobertas pelo consumidor, sem que ninguém se sinta responsável. A abordagem exige domínios com engenheiros próprios ou capacidade de formá-los. Em empresas pequenas ou com poucas áreas de negócio, um data warehouse ou lakehouse central bem governado costuma resolver com menos custo organizacional.

    O que avaliar

    Antes de comprar ferramentas, avalie se a organização aceita a mudança de responsabilidade: as áreas de negócio precisam assumir a qualidade dos seus dados, com pessoas e orçamento para isso. Comece por um ou dois domínios com dono engajado e casos de uso concretos, em vez de tentar mudar tudo de uma vez. Defina como os produtos de dados serão descobertos e avaliados, o que normalmente exige um catálogo. Pergunte a quem propõe a solução como será a governança federada na prática e quem decide conflitos entre domínios. Uma armadilha comum é renomear o data lake atual como data mesh, sem mudar donos nem processos.

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