Modelo central de dados não escala. Backlog vira gargalo permanente. Toda área pede, time central prioriza, fila cresce, ninguém entrega no tempo do negócio. Dataset sem dono é dataset cuja qualidade degrada silenciosamente porque nenhum incentivo mantém padrão quando não há accountability. O consumidor descobre o problema pela decisão errada que o dado alimentou, não pelo alerta do produtor.
Subcapability 05 de 05 · Data & Analytics
Data Products
DATSIS e Data Contracts que transformam dataset sem dono em produto com SLA, consumidor e accountability explícita, eliminando o gargalo central que nenhum backlog consegue absorver.
O que está em jogo
O time de dados tem backlog de seis semanas. Toda nova análise começa com um ticket, uma priorização e uma espera. Enquanto isso, o dado que já existe sem dono se degrada em silêncio porque o único time que poderia mantê-lo está ocupado atendendo a fila de pedidos.
O que é, na prática
Como atuamos
Data product com DATSIS como critério de certificação
Estruturamos cada dataset crítico como data product com os seis atributos DATSIS verificáveis: descobrível via catálogo, com ponto de acesso estável, com qualidade garantida por contrato, autodocumentado, interoperável com outros produtos e com controle de acesso explícito. Produto que não atende o critério não recebe certificação.
Data Contracts entre produtor e consumidor
Formalizamos o acordo entre quem produz e quem consome o dado com schema documentado, SLA de qualidade e latência, e processo de notificação antes de qualquer breaking change. Contrato torna mudança de schema previsível em vez de surpresa que quebra consumidor de madrugada.
Plataforma de self-serve para domínios
Fornecemos a infraestrutura que domínios precisam para publicar e operar seus próprios data products sem depender do time central: storage, orquestração, monitoramento e catálogo acessíveis como self-service. Domínio mantém autonomia. Padrão é compartilhado.
Data marketplace interno com descoberta governada
Implantamos catálogo de data products que torna o portfólio de dados descobrível por qualquer time da empresa, com evidência de qualidade, owner identificado, contrato acessível e processo de acesso governado. Consumidor encontra o dado certo sem depender de conhecimento tribal.
NPS interno como indicador de adoção
Medimos a percepção dos consumidores internos sobre qualidade, confiabilidade e facilidade de acesso de cada data product. NPS baixo identifica produto que foi publicado mas não atende à necessidade real. Dataset com interface sem consumidor ativo é custo de armazenamento.
Ganhos mensuráveis
O que muda no resultado quando essa subcapacidade amadurece.
Número de data products certificados e com consumidores ativos
Data products com certificação DATSIS e consumidores ativos documentados provam que o modelo de dado como produto está gerando adoção real. Dataset publicado sem consumidor é custo de armazenamento com interface.
Lead time de novo data product da solicitação à publicação governada
Com plataforma de self-serve e processo documentado, domínio publica novo data product sem depender do time central. Tempo que levava semanas de backlog reduz para dias de trabalho autônomo do domínio.
NPS interno de consumidores de data products por domínio
NPS mede se o produto está sendo adotado com satisfação ou apenas tolerado como alternativa sem opção melhor. Domínio com NPS baixo tem sinal claro de que o data product precisa evoluir antes de ser certificado como confiável.
Percentual de requests de dado atendidos pelo catálogo sem ticket para time central
Quando consumidor encontra o dado que precisa no catálogo sem abrir ticket para o time central, o modelo de data products está funcionando. Esse percentual é o indicador de que o backlog do time central está sendo transferido para autonomia de domínio.
Perguntas frequentes
O que diferencia data product de um dataset convencional?
Dataset convencional é dado armazenado com alguma estrutura. Data product é dado tratado como produto de software: tem owner com responsabilidade formal, SLA de qualidade e latência, documentação que o consumidor lê sem precisar perguntar ao produtor, ponto de acesso estável e contrato que governa o que muda e como o consumidor é notificado. A diferença prática é accountability: quando o data product falha, há um responsável identificado com processo de resolução.
O que é um Data Contract e como ele protege o consumidor?
Data Contract é o acordo formal entre produtor e consumidor que especifica schema, tipos de campo, qualidade mínima por dimensão, latência máxima e processo de notificação antes de qualquer breaking change. Quando o produtor muda o schema sem aviso, o consumidor descobre pelo erro no pipeline. Com o contrato, o produtor comunica a mudança com antecedência suficiente para o consumidor se adaptar sem incidente.
O que são os princípios DATSIS?
DATSIS é um acrônimo que define as seis propriedades de um data product de qualidade. Discoverable: consumidor encontra o dado via catálogo sem depender de conhecimento tribal. Addressable: ponto de acesso estável que não muda sem aviso. Trustworthy: qualidade verificável com SLA documentado. Self-describing: documentação completa acessível sem precisar perguntar ao produtor. Interoperable: compatível com outros data products. Secure: controle de acesso explícito com regras de quem pode acessar o quê.
Como priorizar quais datasets transformar em data products primeiro?
Prioridade segue dois critérios simultâneos: impacto da decisão que o dado alimenta e número de times que dependem desse dado. Dado que alimenta decisão de receita e é consumido por três ou mais times tem prioridade máxima. Começar com esses casos cria evidência de valor do modelo de data products antes de expandir para o portfólio completo.
Empresa sem Data Mesh pode ter data products?
Sim. Data products são um modelo de gestão de dado, não uma arquitetura específica. A organização pode começar a tratar datasets críticos como produtos, com owner, SLA e documentação, sem reorganizar toda a arquitetura de dados em Data Mesh. O modelo de ownership e de contrato entre produtor e consumidor funciona em qualquer arquitetura que tenha governança ativa. Data Mesh escala esse modelo para toda a organização.
Outras subcapabilities desta capability
Data Architecture & Governance
Data Management Body of Knowledge e Data Mesh que estruturam dado como ativo com owner formal, lineage rastreável e governança federada que escala sem gargalo central e habilita IA em produção.
Data Engineering & Pipelines
Stack Apache com orquestração, observabilidade e idempotência que elimina o pipeline artesanal sem monitoramento e garante que dashboard executivo nunca mostre número errado com aparência de correto.
Analytics & Business Intelligence
Analytics com semantic layer, self-service governado e KPIs conectados ao resultado que substituem intuição cara por decisão baseada em evidência e eliminam o debate sobre origem do número.
Data Quality & Master Data
Seis dimensões de qualidade de dado e MDM Hub Architecture que eliminam as três versões do mesmo cliente e transformam dado de fonte de debate em base de decisão verificável.
Quer clareza sobre onde investir primeiro?
Diagnóstico completo de capacidades de tecnologia com roadmap de evolução conectado ao resultado financeiro.