datablixt¶

a plataforma onde seus dados saem espalhados em sistemas diferentes e chegam governados, confiáveis e prontos para análise — sem depender de um time de engenharia de dados para cada nova integração.

em uma frase

datablixt é um construtor visual de pipelines de dados (estilo n8n) que entrega, na outra ponta, um lakehouse próprio, governado, com camadas bronze/silver/gold, catálogo navegável e controle de acesso — sem escrever código de infraestrutura.

o que é a datablixt?¶

a datablixt é uma plataforma de engenharia de dados visual. na prática, ela substitui três coisas que hoje normalmente vivem em ferramentas (e times) separados:

integração — conectores prontos para bancos de dados (PostgreSQL, SQL Server/Azure SQL, MySQL/MariaDB, Oracle, BigQuery, MongoDB), APIs REST, SaaS (Salesforce) e arquivos (CSV, JSON, Parquet) em buckets do próprio cliente.
transformação — um construtor de workflows visual, com nós que filtram, agregam, unem, validam e mapeiam dados, conectados como num fluxograma.
governança e consumo — todo dado tratado é gravado no lakehouse interno da datablixt, organizado em camadas bronze (bruto), silver (tratado) e gold (pronto para negócio), com linhagem completa, RBAC, mascaramento automático de PII e auditoria — e fica disponível num catálogo navegável e num editor SQL.

fontes (bancos, APIs, arquivos)
        ↓  workflow visual (arrastar e configurar nós)
        ↓  transformações (filtrar, agregar, unir, validar)
        ↓
lakehouse datablixt — bronze → silver → gold
        ↓
catálogo de dados + SQL editor  →  seu time de análise / BI

o nome certo para isso é plataforma de dados de ponta a ponta: da conexão com a fonte até o dado pronto para consumo, sem sair de um único produto.

quais dores do meu negócio eu resolvo com a datablixt?¶

se você reconhece pelo menos duas das situações abaixo, a datablixt resolve um problema real, hoje:

dor comum	o que acontece sem a datablixt	como a datablixt resolve
dados espalhados	cada sistema (ERP, CRM, banco transacional, planilhas) tem sua própria verdade, e ninguém confia 100% em nenhum relatório	todo dado passa a existir também no lakehouse governado, com uma única fonte de verdade por tabela
dependência de TI/dev	toda nova integração vira um ticket para o time de engenharia, que já está sobrecarregado	quem entende a regra de negócio monta o workflow visualmente, sem abrir uma issue de desenvolvimento
risco de exposição de dados sensíveis	CPF, e-mail e outros dados pessoais circulam sem controle entre planilhas e relatórios	mascaramento de PII automático e RBAC por camada, aplicados no momento da ingestão
falta de rastreabilidade	ninguém sabe de onde veio um número que apareceu num dashboard	linhagem ponta a ponta: de qual fonte, por qual transformação, até qual tabela
pipelines manuais e frágeis	alguém roda um script todo mês, torcendo para não quebrar	agendamento via cron, monitoramento de execuções em tempo real e alertas automáticos por e-mail em caso de falha
custo de montar isso do zero	Databricks, Fabric ou um Airflow caseiro exigem squad de engenharia de dados dedicado só para manter a esteira	a curva de setup é medida em dias, não em trimestres, e não exige contratar especialistas em Spark/Delta/Terraform

qual a curva de aprendizagem necessária para dominar a plataforma datablixt?¶

essa é, de propósito, a pergunta mais fácil de responder com honestidade: a curva é baixa, mas não é zero.

dia 1: qualquer pessoa que já usou uma ferramenta de automação visual (n8n, Zapier, Power Automate) entende o construtor de workflows em minutos — é arrastar um nó de fonte, conectar a um nó de transformação, conectar a um nó de gravação no lakehouse.
primeira semana: o time consegue publicar as primeiras integrações reais sozinho, sem abrir chamado técnico, incluindo agendamento e monitoramento básico.
primeiras semanas: configuração dos temas de governança — RBAC por workspace, regras de mascaramento de PII, políticas de retenção — normalmente feita uma vez pelo administrador da conta.

o que a datablixt não elimina: ainda é necessário entender minimamente o dado do seu negócio (o que é uma "linha de pedido", o que distingue "cliente ativo" de "cliente inadimplente") para configurar filtros e agregações com sentido. isso é conhecimento de negócio, não conhecimento técnico — e é exatamente o que a plataforma foi desenhada para não exigir em forma de código.

comparando: montar o equivalente com Databricks ou Microsoft Fabric "na unha" normalmente exige pessoas com domínio de Spark/PySpark, Delta Lake ou Lakehouse do Fabric, orquestração (Airflow ou Data Factory) e infraestrutura como código. isso é meses de curva de aprendizado técnico antes da primeira entrega. na datablixt, a primeira entrega acontece na primeira sessão de uso.

quais custos e benefícios eu consigo com a datablixt?¶

a comparação mais honesta não é "datablixt é mais barata que X" isoladamente — é o que você deixa de precisar contratar, montar e manter para ter o mesmo resultado.

dimensão	montar do zero (databricks / fabric / airflow próprio)	com a datablixt
tempo até a primeira integração em produção	semanas a meses (provisionar infra, aprender a stack, desenhar pipelines)	dias — construtor visual já pronto
perfil de equipe necessário	engenheiros de dados sênior (Spark, orquestração, IaC)	qualquer pessoa técnica ou analista de negócio treinado no builder
governança (linhagem, RBAC, PII, auditoria)	implementada e mantida manualmente, feature por feature	nativa da plataforma, já ligada por padrão
manutenção de infraestrutura	cluster, jobs, monitoramento, upgrades de versão	não existe — a plataforma é o produto final, não um kit de peças
vendor lock-in de formato de dado	variável (formatos proprietários em algumas stacks)	dados persistidos em formatos abertos, sem prender seu dado num formato fechado
custo total de propriedade	soma de licenças de cluster + squad de engenharia dedicado	uma assinatura, sem squad dedicado para manter a esteira

benefício direto: redução do tempo entre "temos um dado novo para integrar" e "esse dado está confiável e disponível para análise" — de semanas para horas, na maioria dos casos.

benefício indireto, mas igualmente relevante: o time de engenharia de dados (quando existe) deixa de ser gargalo para toda nova pergunta de negócio, porque quem faz a pergunta também consegue montar a integração.

sobre preço

a datablixt não publica uma tabela de preços genérica porque o dimensionamento depende do volume de dados e do número de workspaces da sua organização. fale com o time comercial para um plano compatível com sua operação.

com a datablixt, meu negócio alcança uma estratégia analítica orientada a dados?¶

resposta honesta: a datablixt é a fundação, não o destino final de uma estratégia data-driven.

o que ela entrega:

uma fonte única de verdade por domínio de dado, organizada em camadas (bronze/silver/gold) que refletem o nível de confiança e tratamento do dado.
confiança no dado — pré-requisito real de qualquer cultura orientada a dados, porque ninguém toma decisão em cima de um número em que não confia.
um catálogo navegável e um editor SQL para que qualquer pessoa autorizada explore os dados sem pedir export para ninguém.

o que ela não substitui:

uma ferramenta de BI/visualização (Power BI, Looker, Metabase, etc.) para montar dashboards executivos — a datablixt alimenta essas ferramentas com dados confiáveis, mas o "último metro" de visualização gerencial continua sendo escolha sua.
a maturidade organizacional de decidir com base em dado — isso é cultura, não é feature de software.

ou seja: se sua empresa já tem (ou está construindo) uma cultura de decisão orientada a dados, a datablixt remove o maior obstáculo técnico do caminho — a bagunça na origem dos dados. se sua empresa ainda não usa dado nenhum para decidir, a datablixt sozinha não resolve esse problema — mas torna a próxima etapa (adotar um BI de verdade, criar KPIs confiáveis) muito mais rápida de alcançar, porque a base já vai estar pronta.

a datablixt é viável para o meu negócio?¶

use esta seção para uma decisão informada — não é para convencer todo mundo, é para os casos certos decidirem rápido.

a datablixt é indicada para você se¶

você tem dados espalhados em múltiplos sistemas (ERPs, CRMs, bancos operacionais, planilhas, APIs de parceiros) e precisa consolidá-los num único lugar confiável.
seu time de dados é enxuto (ou inexistente) e você não quer contratar uma equipe de engenharia de dados só para manter integrações.
você precisa de governança e compliance (LGPD, controle de acesso, auditoria) sobre dados sensíveis e não tem isso hoje.
você quer reduzir a dependência de TI para publicar novas integrações e transformações de dados.
você está avaliando Databricks ou Microsoft Fabric, mas o custo e a complexidade de montar isso do zero parecem desproporcionais ao seu estágio atual.

a datablixt não é a escolha certa (ainda) se¶

seu caso de uso exige streaming em tempo real de altíssimo volume (milhões de eventos por segundo, latência de milissegundos) — isso pede uma arquitetura de streaming dedicada, não um pipeline agendado.
você precisa escrever dados tratados de volta em sistemas operacionais externos (reverse ETL) — a datablixt é, por decisão de arquitetura, uma plataforma de governança que centraliza dados no seu lakehouse interno, não uma ferramenta de replicação para sistemas de terceiros.
você não tem, hoje, nenhum consumo analítico planejado para os dados — sem alguém para usar o dado depois, nenhuma plataforma de dados entrega valor.

não tem certeza?

fale com o time comercial da datablixt com o cenário real do seu negócio — a resposta sincera de "não é para vocês agora" também é um resultado válido dessa conversa.

módulos da plataforma¶

módulo	o que faz
primeiros passos	do zero ao primeiro pipeline publicado
workflow	construtor visual de fluxos de dados (nós de fonte, transformação, controle e gravação)
pipeline	agendamento, branches de ambiente, monitoramento e alertas
lakehouse	armazenamento governado em camadas bronze/silver/gold
catálogo	navegação pelos dados, inspeção de schema e editor sql
governança	linhagem, rbac, mascaramento de pii e auditoria
agentes ia	assistentes com acesso ao contexto de dados da plataforma

comece agora¶

→ primeiros passos — visão geral do fluxo completo

→ quickstart — seu primeiro pipeline em poucos minutos

→ conceitos — o vocabulário da plataforma, explicado em uma página