A gestão eficaz de dados é um desafio para empresas de praticamente todos os setores. Mas poucos enfrentam tantas dificuldades quanto as organizações de serviços financeiros, onde fatores como tecnologia legada e regulações rigorosas contribuem para problemas como silos de dados, dificuldades de modernização e alto custo operacional na manutenção de pipelines de dados.
Felizmente, uma abordagem diferente de gestão de dados — o data mesh — oferece uma alternativa. Ao permitir que empresas de serviços financeiros migrem para um novo tipo de organização de dados, o data mesh ajuda a resolver alguns dos principais desafios de integração e acesso que afetam o setor há décadas.
O que é Data Mesh?
Data mesh não é uma tecnologia ou arquitetura específica, mas sim um paradigma organizacional e operacional criado para escalar o uso de dados em empresas complexas. Ele promove a posse de dados orientada a domínios de negócio, em que os times tratam seus dados como produtos, apoiados por uma infraestrutura de autoatendimento e princípios de governança federada.
Em um modelo de data mesh, qualquer time ou área da organização se torna responsável pela qualidade, encontrabilidade e acessibilidade dos produtos de dados que possui. O conceito surgiu há cerca de cinco anos como resposta aos gargalos e limitações criados por equipes centralizadas de engenharia de dados que atuavam como guardiãs do acesso à informação.
Historicamente, a maioria das empresas adotou um time centralizado de dados para gerenciar e disponibilizar informações corporativas. Esse modelo resultou em atrasos, silos e dificuldades de escala. O data mesh enfrenta esses problemas ao distribuir a responsabilidade e alinhar a gestão de dados aos domínios de negócio.
Desafios de gestão de dados no setor financeiro
Antes de explicar como o data mesh pode apoiar o setor de serviços financeiros, vale destacar alguns dos desafios históricos e estruturais que tradicionalmente afetam a gestão de dados nesse segmento:
- Dados em silos: É comum que áreas como crédito, subscrição, atendimento ao cliente e conformidade armazenem e gerenciem dados em sistemas distintos. Isso dificulta o acesso a informações que pertencem a outros departamentos.
- Tecnologia legada: Muitas instituições financeiras ainda dependem de mainframes, infraestrutura local e outras tecnologias antigas para armazenar e transformar dados. Isso complica o acesso às informações e eleva os custos de movimentação de dados entre sistemas.
- Acesso lento aos dados: Bancos, seguradoras e outras empresas do setor precisam tomar decisões rápidas, baseadas em dados. No entanto, isso se torna difícil quando não é possível localizar e acessar informações com agilidade, devido a silos, processos lentos de integração e equipes de dados sobrecarregadas, incapazes de atender às demandas com rapidez.
- Regulações rigorosas: Organizações financeiras estão sujeitas a muitas exigências de segurança e privacidade. Atender a esses requisitos é complexo e caro quando os dados estão dispersos em múltiplos sistemas e quando os pipelines incluem plataformas legadas sem controles modernos de segurança.
Em resumo, o setor financeiro sempre enfrentou desafios particularmente intensos na gestão e integração de dados. Esses problemas se agravaram com o aumento do volume de dados e com o papel cada vez mais crítico da informação na tomada de decisões de negócio.
Os benefícios do Data Mesh em serviços financeiros
Ao adotar um modelo organizacional baseado em data mesh, empresas de serviços financeiros conseguem enfrentar diversos desafios persistentes, como atrasos no acesso aos dados, desalinhamento entre dados e necessidades do negócio, governança inconsistente e altos custos para operar dados em escala.
Melhor alinhamento entre dados e necessidades da empresa
No data mesh, a posse e a responsabilidade pelos dados ficam com os domínios de negócio que os geram e utilizam. Assim, times de risco de crédito, conformidade, subscrição ou análise de investimentos assumem a responsabilidade de desenhar e manter produtos de dados alinhados às suas necessidades específicas.
Por exemplo, uma equipe de subscrição pode se concentrar em manter perfis de risco de clientes completos e de alta qualidade, enquanto uma mesa de operações prioriza acesso rápido a dados de mercado em tempo real. Esse modelo reduz a dependência de times centrais de dados e permite que as áreas de negócio respondam com mais agilidade a mudanças de prioridade ou de mercado.
Redução de atrasos no acesso e uso dos dados
O data mesh incentiva definições claras de produtos de dados e de responsabilidades, o que ajuda a reduzir gargalos causados por posse fragmentada da informação ou por equipes centrais sobrecarregadas.
Quando combinado com tecnologias modernas de dados — como plataformas nativas em nuvem, camadas de virtualização e ferramentas de orquestração — o data mesh facilita a conexão de dados distribuídos entre mainframes, bancos de dados locais e sistemas em nuvem.
Por exemplo, um banco pode ter dados de clientes espalhados entre sistemas centrais antigos e canais digitais mais recentes. Com o data mesh, um gerente de relacionamento não precisa saber onde os dados estão armazenados. Ele define quais insights precisa obter, e a plataforma de dados disponibiliza o produto de dados com os controles e regras de governança adequados.
Apoio a uma governança de dados consistente
O data mesh introduz um modelo de governança federada, com diretrizes e padrões claros para segurança, qualidade e acesso aos dados em produtos descentralizados.
Isso não elimina a necessidade de forte supervisão regulatória e de conformidade, mas permite que as organizações financeiras apliquem controles de forma sistemática e escalável. Requisitos de privacidade, como o GDPR ou regulações financeiras locais, podem ser incorporados às definições dos produtos de dados, garantindo que consumidores de dados em diferentes áreas acessem apenas o que lhes é permitido.
Por exemplo, um produto de dados utilizado pelo time de marketing pode excluir automaticamente informações pessoalmente identificáveis, com base em políticas definidas de forma central, mas aplicadas no nível do domínio.
Gestão de operações de dados em escala, com menor custo
Modelos tradicionais de gestão de dados em serviços financeiros costumam depender de grandes equipes centralizadas para atender às demandas de dados da organização, o que gera altos custos operacionais e entregas lentas.
Ao descentralizar responsabilidades e reforçar a posse clara dos dados, o data mesh reduz trabalho manual e esforços repetitivos de integração. Em vez de a equipe de engenharia de dados criar extratos personalizados para diferentes relatórios ou demandas regulatórias, cada domínio passa a gerenciar seus próprios produtos de dados aprovados, reduzindo esforço e tempo de espera.
Essa estrutura permite escalar as operações de dados conforme o negócio cresce, sem aumentar proporcionalmente o tamanho ou o custo das equipes de dados e analytics.
Pontos de atenção do Data Mesh em serviços financeiros
Apesar de oferecer um modelo atraente para enfrentar desafios históricos, a implementação do data mesh em serviços financeiros traz complexidades específicas.
As principais barreiras são culturais e operacionais. Instituições financeiras tradicionalmente operam com controles centralizados, processos rígidos e uma postura avessa a riscos. Migrar para um modelo em que os domínios de negócio são responsáveis por seus próprios produtos de dados exige mudanças profundas em processos, papéis e estruturas de decisão. O sucesso depende fortemente de capacitação interna, princípios claros de governança e apoio contínuo da organização para garantir autonomia com alinhamento aos padrões corporativos.
Outro desafio relevante é a integração com sistemas legados. Muitos bancos, seguradoras e gestores de ativos mantêm processos críticos em mainframes ou plataformas locais antigas. Conectar esses sistemas a produtos de dados gerenciados por domínios dentro de um data mesh exige conhecimento técnico especializado e planejamento cuidadoso para evitar impactos operacionais.
Por fim, a conformidade regulatória continua sendo complexa. Embora o modelo de governança federada do data mesh ajude a incorporar padrões de segurança e privacidade em cada domínio, a responsabilidade por definir e garantir esses controles permanece com a organização. Alcançar conformidade exige compreensão profunda tanto das exigências regulatórias quanto das capacidades do modelo de data mesh.
