Stack
A ferramenta é consequência da arquitetura. Nunca a premissa.
"Somos agnósticos de ferramenta" é fácil de dizer e difícil de provar. Abaixo estão as 44 tecnologias que já rodaram em produção em projetos nossos, agrupadas pela camada que resolvem. Cada uma vem com a frase de como a usamos — a marca diz o quê, a frase diz o como.
Nuvem e plataforma
Onde o ambiente roda. A escolha segue o que a empresa já tem e o custo total, não a preferência de quem implementa.
AWS
Ambientes de dados e aplicações: S3, Glue, Athena, Redshift e computação sob demanda.
Google Cloud
Analytics e cargas de machine learning quando o ecossistema do cliente já é Google.
Azure
Integração com o stack Microsoft: identidade, Power BI e Copilot corporativo.
Databricks
Engenharia de dados e ML em escala sobre lakehouse, com Delta e Unity Catalog.
Ver a página →Kubernetes
Orquestração de serviços e agentes que precisam escalar sem babá.
Armazenamento e consulta
A fundação. Decidimos o formato antes da ferramenta: nem todo problema pede lakehouse, e nem todo relatório pede warehouse.
Data lake
Camada bruta para dado que ainda não tem esquema fechado nem dono definido.
Lakehouse
Quando a empresa precisa de governança de warehouse com flexibilidade de lake.
Data warehouse
Camada modelada para consumo de BI, com definição de métrica versionada.
Amazon S3
Armazenamento base do lake, com política de ciclo de vida e retenção.
Amazon Redshift
Warehouse analítico para volumes que já não cabem em consulta direta.
Amazon Athena
Consulta SQL sobre o lake sem mover dado nem manter cluster ligado.
Trino
Consulta federada entre fontes distintas sem centralizar tudo antes.
AWS Glue
Catálogo e jobs de transformação gerenciados dentro do ecossistema AWS.
NoSQL
Documento e chave-valor quando o acesso é por chave e o esquema muda com frequência.
Ingestão e transformação
Como o dado se move e vira confiável. Pipeline sem teste e sem observabilidade é dívida, não entrega.
Apache Airflow
Orquestração de rotinas com dependência explícita, retry e alerta de falha.
Ver a página →dbt
Transformação versionada em SQL, com teste de qualidade e documentação geradas junto.
Ver a página →Airbyte
Ingestão de fontes de terceiros sem escrever conector do zero.
PySpark
Processamento distribuído para volume que não cabe em uma máquina.
SQL
A linguagem que atravessa tudo: modelagem, análise e validação.
Python
Pipelines, modelos, agentes e automação. É a cola do stack.
ETL e ELT
Escolhido pelo caso: transformar antes quando há regra pesada, depois quando há volume.
BI, análise e ciência
Onde o dado vira decisão. Dashboard bonito com métrica indefinida é o jeito mais caro de errar em grupo.
Power BI
Modelo semântico e relatórios com métrica definida uma vez e reusada.
Ver a página →Tableau
Exploração visual para times de análise que já vivem na ferramenta.
Metabase
Autoatendimento de consulta para times que não escrevem SQL.
Ver a página →Apache Superset
BI aberto quando o requisito é não depender de licença por usuário.
SAS Guide
Manutenção e migração de rotinas analíticas legadas sem perder histórico.
Estatística aplicada
Desenho de experimento, teste de hipótese e leitura honesta de resultado.
IA, agentes e machine learning
A camada que mais promete e mais falha. Entra com experimentação controlada, medida e teto de custo.
LLM
Modelos de linguagem ancorados na base de conhecimento da empresa, com fonte citada.
Ver a página →LangChain
Composição de cadeias de recuperação e ferramentas em produtos de IA.
Ver a página →LangGraph
Agentes com estado e fluxo explícito, quando a tarefa tem etapas e volta atrás.
Ver a página →CrewAI
Times de agentes com papéis definidos para tarefas que se dividem naturalmente.
Agno
Agentes leves e rápidos onde latência e custo por chamada são o gargalo.
Machine learning
Predição, recomendação, priorização e classificação sobre dado próprio.
Redes neurais
Quando o padrão não é linear e há volume que justifique o custo de treino.
TensorFlow
Treino e serviço de modelos profundos em cenários de visão e série temporal.
Microsoft Copilot
Ganho de produtividade individual dentro das ferramentas que o time já usa.
Copilot Studio
Agentes corporativos integrados à identidade e aos dados do tenant Microsoft.
Automação e integração
O trabalho repetitivo que consome time sênior. Automatizamos depois de mapear, nunca antes.
n8n
Automação de fluxo entre sistemas com lógica visível e versionável.
Ver a página →Power Automate
Automação dentro do ecossistema Microsoft, com governança do tenant.
Ver a página →RPA
Último recurso: quando o sistema legado não tem API e não vai ter.
Catálogo, governança e segurança
O que impede a fundação de virar pântano no segundo ano. Nada disso é burocracia: é o que torna o dado utilizável por quem não o criou.
OpenMetadata
Catálogo, linhagem e dono declarado para cada ativo de dado.
Controle de acesso
Permissão por papel e por camada, com trilha de auditoria.
Qualidade de dado
Testes automáticos no pipeline que quebram a rotina antes de contaminar o relatório.
Blockchain
Registro imutável quando a exigência é prova de integridade entre partes que não confiam entre si.
Não está na lista? Isso não é um impedimento, é uma conversa. A regra aqui é simples: nada entra nesta página sem ter rodado em produção em algum projeto nosso.
Primeiro passo
Comece pelo diagnóstico.
Antes de propor arquitetura ou produto, a gente olha o cenário real: que dado existe, como o trabalho acontece hoje e onde está o custo. Sem isso, qualquer recomendação é chute bem-vestido.