Data driven é uma capacidade operacional. Toda empresa diz que toma decisões baseadas em dados, mas são poucas que conseguem responder de onde vêm os dados que estão usando, se eles são confiáveis e se as perguntas certas estão sendo feitas.
Isso é especialmente verdadeiro em operações de TI e telecom, onde os dados estão fragmentados em múltiplos sistemas: faturas de telecom no TEM, logs de dispositivos no MDM, contratos no ERP, chamados no sistema de suporte, registros de consumo nas operadoras. Cada sistema tem a sua visão e no final ninguém tem a visão completa.
É exatamente aí que o data lake entra, não como tecnologia por tecnologia, mas como a infraestrutura que torna a empresa genuinamente data driven: capaz de cruzar fontes de dados diferentes, identificar padrões que nenhum sistema isolado mostraria e tomar decisões com base em evidência.
Se você já entendeu o que é data lake e como estruturar a governança, este guia mostra o passo seguinte: como transformar o data lake em uma plataforma de dados que gera decisões reais de gestão em TI e telecom.
Por que a maioria das empresas não é data driven de verdade?
Data driven é o estado em que as decisões de negócio são tomadas com base em dados confiáveis, disponíveis no momento certo e interpretados pelas pessoas certas.
Esse estado parece simples na teoria, na prática, a maioria das empresas enfrenta três obstáculos que impedem de chegar lá.
Dados separados
O gestor de TI tem uma visão dos dispositivos, o financeiro tem uma visão das faturas de telecom, o RH tem uma visão das pessoas que usam esses dispositivos e no final, nenhum deles consegue cruzar essas visões porque os dados estão em sistemas diferentes, com formatos diferentes e sem uma integração entre eles.
Sem ter os dados integrados, a empresa toma decisões parciais, todas baseadas na visão de um sistema.
Dados que chegam tarde
Vamos desenhar um exemplo claro: a reunião de resultado acontece na segunda-feira, e os dados de consumo de telecom do mês anterior ficam disponíveis depois do fechamento da fatura, que chega semanas depois dessa reunião, o que significa que a decisão sobre o contrato com a operadora precisa ser tomada antes disso.
📉 Sua empresa só descobre o estouro da conta de telefone quando o boleto chega? Tomar decisão com dado retroativo é o mesmo que dirigir olhando pelo retrovisor.
Mude o jogo e antecipe-se aos gastos ocultos com as soluções da Enghouse Navita.
Dados que não são confiáveis
O financeiro apresenta um número, o gestor de TI apresenta outro e no final ninguém sabe qual está certo porque os dois vieram de fontes diferentes, com transformações diferentes e sem linhagem documentada.
Sem governança de dados que é exatamente o que cobrimos no artigo anterior desta série, a empresa gasta mais tempo discutindo de onde veio o número do que tomando decisões com base nele.
O data lake resolve os três obstáculos quando implementado com arquitetura e governança adequadas, mas a tecnologia sozinha não basta, a empresa precisa saber quais dados integrar, como estruturar os pipelines e quais perguntas quer responder.
🤯 Cansado de reuniões onde a TI apresenta uma planilha e o Financeiro apresenta outra? Se os dados não batem, sua governança está falhando.
Garanta dados 100% auditados e confiáveis para a sua operação com a Enghouse Navita.
Quais dados de TI e telecom pertencem ao data lake?
Empresas com operações de TI e telecom geram um volume expressivo de dados que, na maioria dos casos, ficam presos nos sistemas que os produziram. Centralizar esses dados no data lake é o que permite análises que nenhum sistema isolado consegue fazer.
Os principais conjuntos de dados de TI e telecom que pertencem ao data lake são:
Dados de telecom — TEM
As faturas mensais por linha, por operadora e por departamento com histórico de consumo de voz, dados e SMS. Os registros de contratos com datas de vencimento, valores e condições negociadas. Todo histórico de contestações e devoluções de cobranças indevidas.
Todos esses dados, quando centralizados e analisados ao longo do tempo, revelam padrões que nenhuma fatura mensal mostra: sazonalidade de consumo, desvios por departamento, oportunidades de renegociação e correlações entre perfil de uso e custo por linha.
Dados de dispositivos — MDM
Inventário de dispositivos com modelo, sistema operacional e versão de apps. Todos os logs de uso por dispositivo e por colaborador. Os históricos de alertas de conformidade, os registros de wipe remoto, onboarding e também os dados de localização e geofencing.
Cruzados com dados de RH e de telecom, esses dados respondem perguntas como: quais funções têm maior consumo de dados por dispositivo? Quais departamentos têm mais incidentes de conformidade? Qual é o custo total de mobilidade por colaborador?
📱 Quantos celulares corporativos estão gerando custos agora mesmo para colaboradores que já saíram da empresa?
Cruze dados de RH e MDM para eliminar o desperdício com a Enghouse Navita.
Dados operacionais — ERP e sistemas de gestão
Dados de contratos com clientes e fornecedores. Todo histórico de chamados e incidentes. Os dados de RH com estrutura organizacional e mudanças e também os dados financeiros com centros de custo e alocações.
A integração entre dados operacionais e dados de TI e telecom é onde as análises mais valiosas aparecem e um aumento de consumo de telecom em um departamento, cruzado com dados de contratação e expansão de equipe daquele departamento, tem uma explicação. O mesmo aumento sem essa correlação é um sinal de desperdício.
Sua empresa quer estruturar uma plataforma de dados para operações de TI e telecom? Fale com a Enghouse Navita.
Quero entender como centralizar dados de TI e telecom em uma arquitetura data driven.
Como construir pipelines de dados para operações de TI e telecom
Pipeline de dados é o conjunto de processos que move dados de uma fonte para um destino, aplicando transformações ao longo do caminho. Em um data lake, os pipelines são o que garantem que os dados chegam, são processados e ficam disponíveis para análise.
Para operações de TI e telecom, os pipelines precisam resolver três desafios específicos.
Integração de dados de múltiplas fontes com formatos diferentes
Faturas de telecom chegam em formato eletrônico da operadora. Os logs de MDM chegam via API. Dados do ERP chegam via banco de dados relacional. Cada fonte tem um formato, uma frequência de atualização e um esquema diferente.
O pipeline de integração de dados precisa normalizar essas fontes (converter para um formato comum, aplicar regras de qualidade e registrar a linhagem) antes que os dados entrem na curated zone do data lake.
Frequência de atualização adequada ao caso de uso
Definir a frequência certa para cada pipeline é o que garante que os dados estão disponíveis quando as decisões precisam ser tomadas, sem consumir recursos computacionais desnecessários com atualizações mais frequentes do que o necessário.
Monitoramento e alertas de falha
Quando um pipeline para de funcionar, os dados param de chegar, as análises continuam rodando em cima de dados antigos, e as decisões são tomadas com informação defasada.
Pipelines de dados para operações críticas precisam de monitoramento ativo com: alertas quando o dado não chegou no horário esperado, quando o volume está fora do padrão histórico ou quando a qualidade dos dados caiu abaixo do limite configurado.
Saiba mais sobre o que é data lake, como funciona e a diferença do data warehouse.
Casos de uso data driven em TI e telecom
Com os dados centralizados e os pipelines funcionando, o que muda na prática? Esses são os casos de uso mais comuns em empresas que usam data lake para operações de TI e telecom.
Benchmarking de contratos de telecom com dados próprios
Antes de qualquer renovação de contrato com operadora, a empresa tem acesso ao histórico completo de consumo por linha, por departamento e por período. Assim, sabe exatamente o que usa, o que paga e onde tem folga para negociar.
A operadora chega com uma proposta e a empresa responde com os dados corretos. Essa assimetria de informação, que normalmente favorece a operadora, se inverte.
Identificação de anomalias de consumo antes da fatura
Com pipeline de dados de consumo em tempo real, o data lake identifica desvios no consumo de dados ou voz antes que a fatura do mês feche. Por exemplo: em caso de um colaborador com consumo 300% acima da média, um departamento com súbito aumento de roaming ou até um dispositivo com consumo de dados em horário não comercial.
Cada anomalia identificada antes da fatura é uma oportunidade de agir.
Custo total de mobilidade por colaborador e por função
Cruzando dados de MDM, TEM e RH, o data lake calcula o custo total de mobilidade por colaborador: dispositivo, linha de dados, apps corporativos e suporte de TI. Esse número, segmentado por função e departamento, mostra onde o investimento em mobilidade gera retorno e onde está gerando custo sem resultado equivalente.
Previsão de vencimento de contratos e risco de renovação
Com histórico de contratos e dados de uso no data lake, os modelos analíticos identificam contratos próximos do vencimento com risco alto de não renovação, baseados em padrões de uso, histórico de contestações e comportamento dos clientes antes de cancelamentos anteriores.
Esse caso de uso conecta dados de TI e telecom com estratégia comercial e é onde o data lake começa a gerar valor que vai além da gestão operacional.
Quer entender como esses casos de uso se aplicam à operação de TI e telecom da sua empresa?
Fale com um especialista da Enghouse Navita sobre arquitetura de dados data driven
Como escolher a plataforma de dados certa para a sua operação
Plataforma de dados é o conjunto de ferramentas que viabiliza o data lake: armazenamento, processamento, orquestração de pipelines, governança e visualização. A escolha da plataforma certa depende do volume de dados, do perfil da equipe técnica e dos casos de uso prioritários.
As principais opções de mercado para cada camada são:
Armazenamento: Amazon S3, Azure Data Lake Storage Gen2 e Google Cloud Storage são as opções de cloud mais usadas. Para empresas com restrições de compliance que exigem dados on-premise, soluções como MinIO replicam a interface do S3 em infraestrutura própria.
Processamento: Apache Spark para processamento em larga escala, Apache Flink para streaming em tempo real e dbt para transformações analíticas são as ferramentas mais consolidadas.
Orquestração de pipelines: Apache Airflow é o padrão de mercado para orquestração de pipelines batch. Já para pipelines mais simples, ferramentas como Prefect e Dagster oferecem interfaces mais acessíveis.
Governança: Apache Atlas, AWS Glue Data Catalog e Azure Purview para catalogação. Great Expectations e Soda para qualidade de dados.
Visualização: Power BI, Tableau e Metabase para dashboards e relatórios analíticos que consomem os dados do data lake.
A escolha não precisa ser feita de uma vez, a abordagem mais comum é começar com uma cloud provider, usando os serviços gerenciados dela para todas as camadas, e adicionar ferramentas especializadas à medida que os casos de uso evoluem.
Saiba mais sobre como a análise preditiva usa dados bem estruturados no data lake para gerar modelos de previsão.
O TEM Navita Connect já faz o trabalho mais difícil: estrutura, organiza e audita os dados de telecom da sua empresa. Faturas por linha, consumo por departamento, histórico de contratos, registros de contestação.
O data lake é o que multiplica o valor desses dados, quando os dados de telecom do TEM chegam ao data lake junto com dados de dispositivos do MDM, dados de RH e dados operacionais do ERP, as perguntas que a empresa consegue responder mudam de patamar.
Antes do data lake: o gestor sabe quanto a empresa gasta com telecom por mês, depois do data lake: o gestor sabe qual departamento tem o maior custo por colaborador, em qual região o consumo cresceu acima do padrão, qual linha está ociosa há mais de 60 dias e qual contrato vence nos próximos 90 dias com risco de aumento de tarifa.
Essa é a diferença entre ter dados e ser data driven.
📊 Chega de planilhas infinitas e achismos na gestão de TI.
A Enghouse Navita garante que os dados gerados pelo TEM chegam ao data lake com a estrutura, a qualidade e a frequência certas para os casos de uso que a empresa quer suportar. O investimento em data lake começa com os dados que o TEM já produz.
Saiba mais sobre como o Business Intelligence transforma dados de TI e telecom em decisões de gestão.
Perguntas frequentes sobre data driven e data lake em TI e telecom
O que significa ser data driven?
Quais dados de TI e telecom pertencem ao data lake?
O que é pipeline de dados?
Como o data lake suporta a decisão de renovação de contratos de telecom?
Qual é a diferença entre plataforma de dados e data lake?
Se fez sentido pra você, fala com a gente.
Quero entender como a Enghouse Navita apoia uma operação data driven em TI e telecom
Continue lendo: 📌 Data lake: o que é, como funciona e diferença do data warehouse 📌 Governança de dados: como evitar o data swamp em 6 etapas 📌 Business Intelligence: guia completo 📌 Análise preditiva: o que é e como implementar