Produto · Data Quality Intelligence
Os teus dados mentem-te. O DataVault descobre onde.
Transforma os teus dados no teu ativo mais fiável.
Ligas as tuas fontes em minutos, read-only — warehouses, bases operacionais, SaaS, ficheiros, documentos e streaming (Kafka e Pub/Sub, ainda por instalar no SaaS). O DataVault faz profiling, monitoriza sem configuração, lê as queixas no Jira e no Slack, propõe a correção em SQL e PySpark como Pull Request, e diz aos teus agentes de IA se podem confiar em cada dataset.
Ver a apresentaçãoDataVault
erp_demo · scan #1282/100
Score de qualidade
Agente IA · Recomendação
Fundir 214 duplicados fuzzy em clientes (confiança 0,94).
CREATE TABLE customers_clean AS SELECT DISTINCT ON (email) …
O problema
Quatro problemas que não vês. Até custarem dinheiro.
Verificar qualidade à mão não escala. Estes quatro padrões repetem-se em quase todas as empresas com dados em mais do que um sítio.
Proliferação multi-cloud
Três a cinco plataformas de dados por empresa. Nenhuma visão unificada de qualidade. Verificações manuais, plataforma a plataforma.
Duplicados e inconsistências
Métricas infladas, modelos de ML corrompidos, storage desperdiçado. Fuzzy matching à mão é impraticável.
Schema drift silencioso
Colunas novas, tipos alterados, picos de nulls partem pipelines sem aviso. PII exposta descoberta tarde demais.
Modelos de ML a degradar
Garbage in, garbage out. Encontrar a causa raiz à mão é lento, caro — e chega sempre depois do estrago.
50%
do tempo dos trabalhadores do conhecimento vai para procurar dados, corrigir erros e confirmar números em que não confiam.
Estimativa de Thomas C. Redman, Harvard Business Review (2016)
Como funciona
Descobre. Valida. Otimiza.
Não é monitorização passiva. O DataVault encontra os problemas — e propõe a correção.
Descobre
Auto-descoberta e profiling automático de todas as tabelas conectadas. Sem configuração coluna a coluna.
- Métricas por coluna: contagens, nulls, distintos, min/máx/média/desvio
- Cardinalidade e amostras anonimizáveis
- Histórico por tabela: série temporal de qualidade, scan a scan
Valida
Motor de regras, duplicados e drift a correr em cada scan. Tudo converge num score comparável.
- 6 tipos de regra: not null, unicidade, padrão, intervalo, atualidade, contagem mínima
- Duplicados exatos (hash) e fuzzy (ML), em clusters com nível de confiança
- Drift de schema e de estatísticas face ao scan anterior
- Score 0–100 por dataset, em 5 dimensões: completude, unicidade, validade, atualidade, consistência
Otimiza
O Agente de IA analisa schema, problemas e padrões de uso — e devolve correções concretas, não conselhos vagos.
- Recomendações com SQL gerado, pronto a rever e aplicar
- Estimativa de poupança em € e % — storage, compute, horas
- Análise de risco por alteração: safe ou breaking
- Relatórios por persona: técnico, custo-benefício, digest executivo
Fluxo
Do zero ao primeiro relatório em três passos.
01
Liga
Acesso read-only com métodos oficiais dos vendors. Credenciais cifradas antes de tocarem no disco. Menos de 15 minutos até ao primeiro scan.
02
Analisa
Scans manuais ou agendados — diário, semanal ou mensal. Profiling, regras, duplicados e drift em cada execução. Alertas por severidade.
03
Otimiza
Sugestões acionáveis com SQL e impacto estimado. Relatórios por persona. Resolves, o score sobe — e o histórico prova.
Para quem
Uma plataforma, três leituras.
Cada stakeholder vê o que lhe interessa. Ninguém perde tempo a traduzir dashboards.
Pipelines eficientes, menos verificação manual
Engenheiro de Dados
- Score por tabela e issue browser com drill-down
- Clusters de duplicados: rever, fundir ou ignorar
- Alertas de drift de schema e estatísticas
- Relatórios de refatoração com SQL gerado
O que deixas de verificar à mão: nulls, duplicados, regras e drift, em cada scan.
Custo-benefício e eficiência operacional
Gestor de Dados / Produto
- Tendência de score, issues abertos vs resolvidos
- Horas poupadas estimadas
- Custo de má qualidade por dataset
- Adoção das recomendações
Meta: priorizar com números, não com opiniões
Risco visível, eficiência financeira
Executivo (CFO/CTO)
- Impacto financeiro total estimado, em euros
- Custo estimado de storage e compute por dataset, com o desperdício à vista
- Digest de incidentes críticos: severidade e exposição
- Ação recomendada para cada incidente
Meta: risco visível, ROI mensurável
Por indústria
O DataVault a falar a língua do teu setor.
Prova real
Ligámos a uma fonte pública. Sem preparar nada.
O arquivo aberto da OpenAQ — medições de qualidade do ar de sensores reais, num bucket S3 público — ligado em modo anónimo, sem conta e sem credenciais. O DataVault descobriu os ficheiros, correu o scan e devolveu o veredicto em meio minuto.
A mesma fonte está na galeria de fontes públicas da app — liga-a na tua conta gratuita e vê o mesmo resultado.
Experimentar com esta fonte30
ficheiros descobertos como datasets
32 s
duração do scan completo
30
problemas encontrados e explicados
O que apareceu — sujidade genuína de sensores no mundo real:
- —Valores-sentinela (-999) misturados com medições válidas
- —Concentrações negativas de poluentes — fisicamente impossíveis
- —Ficheiros diários com buracos e colunas inconsistentes
O que faz hoje
O ciclo completo: detetar, explicar, corrigir, provar.
Ligas em minutos, read-only por construção
29 tipos de fonte — warehouses, bases operacionais, SaaS, ficheiros, object storage, streaming, documentos e chat — sempre por métodos oficiais dos fornecedores, 22 deles já disponíveis no SaaS. Credenciais cifradas, cliente HTTP só de leitura e proteção anti-SSRF: não há caminho para o DataVault escrever na tua fonte.
Começa sem dados próprios
«Explorar com dados de demonstração» cria um workspace de ERP, loja online, neobanco ou hospital anonimizado com problemas plantados e a história por trás. Ou ligas em 1 clique a fontes públicas verificadas (Ensembl, OpenAQ, NOAA) — e a checklist de primeiro valor guia-te até ao primeiro scan, em PT, EN ou ES.
Profiling profundo com tipos semânticos
Quantis, histogramas, correlações e alertas de perfil calculados por pushdown nas bases SQL e sobre a amostra nas restantes fontes, com amostras limitadas. Cada coluna é classificada automaticamente — email, NIF, IBAN, telefone, código postal — e as máscaras de formato aparecem sem configurares nada.
Tabelas gigantes sem custo gigante
Profiling incremental por dataset: o re-scan lê só a janela temporal nova e faz merge estatístico (HLL para distintos), com perfil completo periódico.
Streaming como dataset
Os conectores do Kafka e do Google Pub/Sub estão feitos, com os drivers ainda por instalar no SaaS. Com eles instalados, os tópicos aparecem no catálogo com perfil por amostra, Schema Registry opcional e painel em tempo real. Idade máxima do evento, conformidade com o schema, campos obrigatórios e % de mensagens malformadas são regras de 1.ª classe.
Documentos para RAG, com gate à entrada
Confluence, GCS e S3 tratados como corpus: duplicados, idioma, PII, texto corrompido e ficheiros que ninguém atualiza há anos, com score e issues como qualquer dataset. Os conectores do SharePoint e do Google Drive estão feitos, com os drivers ainda por instalar no SaaS. Antes de indexar, o gate pré-ingestão (API batch e middleware LangChain/LlamaIndex) barra o que não deve entrar.
Monitores automáticos, zero configuração
Cada tabela da conexão, até 500 por conexão, ganha por omissão um monitor de frescura que aprende a cadência, um de volume e um de schema. As mudanças de schema chegam com diff, renomeações sugeridas, impacto a jusante e timeline por dataset.
Anomalias sem regras, com sazonalidade
Volume, nulos e cardinalidade comparados com o histórico (mediana+MAD) e com o mesmo dia da semana, para a segunda-feira não parecer um incidente. O cartão de explicação mostra a faixa normal e o segmento que causou o desvio; um feedback de falso positivo silencia a métrica.
Duplicados, drift e camadas medallion
Duplicados exatos e aproximados em clusters, com ações por cluster e visualização em constelação. Picos de nulos e quedas de linhas entre scans, e camadas Bronze, Silver e Gold detetadas pelo nome — a correção adapta-se: quarentena na Bronze, limpeza na Silver, contrato na Gold.
Trust score e prontidão para IA por caso de uso
Cada dataset tem um score de confiança explicável (A–E) com componentes e bloqueadores, e um perfil de prontidão para RAG, treino, agente ou BI com bloqueadores duros — PII no RAG, drift no treino. Radar comparável entre datasets e deteção de rótulos suspeitos em datasets de treino.
Motor de regras com validação portuguesa
not-null, unicidade, padrão, gama, frescura e volume mínimo verificados em cada scan. Mais dígito de controlo de NIF e IBAN e listas de referência — países ISO, moedas, códigos postais PT — para a regra «este campo é válido» não ser um regex à mão.
Regras que nascem sozinhas — sem IA
O gerador determinístico propõe regras com thresholds calculados do teu perfil; ao resolveres um issue, o DataVault sugere a regra que o teria apanhado («nunca mais»); uma queixa no Jira vira proposta de regra. Nada entra sem aceitares, e packs por indústria — ecommerce, financeiro, SaaS, saúde PT — aplicam-se num clique.
Importa os testes que já tens
dbt tests, Great Expectations, SodaCL e ODCS entram com um upload, com preview, dedupe e skips declarados. Exportas de volta tests dbt e model contracts gerados do que observamos. Zero migração, zero lock-in.
Contratos ODCS que o producer aceita
Contrato ODCS v3.1 gerado do observado — métricas, dimensões, SLA — e formato ODCS v3.1 validado com o datacontract-cli no nosso CI de interoperabilidade. Envias um link ao dono do sistema fonte: comenta e aceita secção a secção sem conta, e o aceite passa a contrato ativo, com versões numeradas e diff.
Gate de CI, data-diff e reconciliação
O verdict pass/warn/fail chumba o pipeline quando os dados chumbam — via script, API ou `datavault gate` no SDK. Data-diff determinístico entre dev e prod ou origem e destino, e reconciliação de contagens entre dois datasets de conectores diferentes sem queries à fonte.
Sinais do Jira e do Slack
O DataVault lê tickets e canais escolhidos (opt-in, autores anonimizados) e transforma «a coluna vem sempre nula» num issue ligado ao dataset certo — errado, desatualizado, duplicado, em falta. O conhecimento tribal vira fila de trabalho. O conector do Teams está feito, com o driver ainda por instalar no SaaS.
Varredura de notebooks, jobs e DDL
No Databricks e Snowflake, os ativos de engenharia também são inspecionados: SELECT * em produção, jobs sem retry, timeout ou alerta, notebooks órfãos. Issues agregados por prática, para corrigires o hábito e não só o sintoma.
Diagnóstico de causa-raiz com evidência
Um clique e o agente cruza perfis, drift, linhagem, sinais humanos citados e runs do orquestrador — «o job dbt X falhou 20 minutos antes» — para explicar a causa provável, com passos de verificação. Funciona offline, sem chave de IA.
Correção em SQL e PySpark, com aprovação
Cada sugestão traz diagnóstico safe e correção breaking — ALTER TABLE, CHECK, dedup — em SQL e no PySpark equivalente, por camada. Ciclo proposto → aceite → aplicado → verificado: o scan seguinte confirma se resolveu, e exportas tudo em remediation.sql. Nunca escrevemos nas tuas fontes.
Correção como Pull Request
A sugestão aceite abre um PR no GitHub ou um MR no GitLab do teu repositório e o DataVault acompanha o estado do PR — aberto, fechado ou merged — e marca a sugestão como aplicada quando entra. A correção entra no fluxo de revisão que a tua equipa já usa.
Fila de trabalho e incidentes
Issues com dono, prazo, snooze e histórico, num board kanban com arrastar e largar. Problemas a montante e a jusante agrupam-se num só incidente, e um clique cria o ticket no Jira ou no Linear.
Alertas, piquete e horas de silêncio
Slack, Teams, email e webhooks com severidade mínima por canal e digest semanal ligado por omissão. Políticas de escalonamento por severidade, rotações de piquete por domínio e quiet hours por utilizador — o alerta certo chega à pessoa certa, e não às 3 da manhã.
Linhagem até à coluna, com o dbt dentro
Chaves estrangeiras, SQL das views e arestas declaradas dão linhagem automática ao nível da coluna. O manifest do dbt entra no grafo com exposures como consumidores e gap de testes como sugestões; a mesma métrica com fórmulas diferentes gera um issue de metric drift, e o dbt Cloud a dizer «fresh» quando os dados dizem outra coisa também.
Domínios com SLA declarado e SLOs medidos
Agrupas datasets por domínio com equipa responsável e scorecard próprio. O SLA declarado alimenta o SLO: cumprimento de frescura e latência ao longo do tempo, por dataset e domínio, exportável em CSV — e, se quiseres, um badge e uma página pública de qualidade por dataset.
Uso real e custo ao lado da qualidade
Query logs do BigQuery, Snowflake e Databricks classificam as tabelas em hot, active, cold ou dead — 90 dias sem queries gera um aviso de descomissionamento. O custo de compute por dataset e os picos de custo aparecem ao lado do score: quanto do que pagas corre sobre dados errados.
Pergunta ao DataVault
Um chat com acesso read-only ao teu catálogo, as mesmas tools do servidor MCP e guardas de custo: «que datasets têm PII?», «porque caiu o score das encomendas?». Quando propõe uma ação — criar uma regra, abrir um issue — só a executa com a tua aprovação.
Relatórios e dashboards por persona
Relatórios para engenheiro, gestor e executivo com SQL, PySpark e gráficos, exportáveis em PDF ou HTML e partilháveis por link com expiração para quem não tem conta. Agendamento diário, semanal ou mensal com entrega por email, Slack ou Teams; dashboards por persona, calendário de qualidade, treemap do catálogo e modo TV para a sala de controlo.
Memória que se acumula
README de cada dataset gerado pela IA, editado e aprovado antes de publicar. Relatórios e diagnósticos entram numa base de conhecimento com pesquisa semântica e grafo fontes↔dados↔saber, que os prompts e o assistente citam — o teu feedback (útil / não útil) alimenta o golden set.
Encaixa no stack que já tens
Servidor MCP para agentes, SDK Python com CLI, provider Terraform, provider Airflow, tokens de API e configuração do workspace em YAML. Emite e consome OpenLineage, publica verdicts no OpenMetadata e no DataHub, e o webhook do dbt Cloud dispara o scan quando o job acaba.
IA na tua conta, à tua maneira
Chave Anthropic própria, Claude na tua conta AWS (Bedrock) ou GCP (Vertex), política de modelos por workspace com modo «IA desligada». Router por tipo de tarefa com amostras anonimizadas (NIF, NISS, IBAN, telefone) antes de qualquer fornecedor económico, e golden set com juiz fail-closed antes de trocar de modelo.
Privacidade e AI Act
Classificação de sensibilidade por coluna com curadoria manual, mapa transversal de PII do workspace e política de dados por camada — PII na gold, owner obrigatório em confidencial — verificada em cada scan e em CI. Rótulo art. 50.º em todo o output de IA e dossiê do art. 10.º alínea a alínea, pronto para o Anexo IV.
Segurança de equipa, RGPD incluído
Papéis admin, member e viewer, convites, SSO OIDC (Google, Entra ID, Keycloak) na instância dedicada e organizações com vários workspaces e pesquisa federada no catálogo. Audit log de administração exportável, rotação de chaves de cifra, rate limiting na API, e o admin exporta ou apaga o workspace sozinho — sem ticket de suporte.
Conectores
Liga-se ao que já tens.
Warehouses, bases de dados operacionais, ficheiros, aplicações de negócio, documentos, streaming e chat: 29 tipos de fonte, 22 já disponíveis no SaaS. Sempre read-only, sempre por métodos oficiais.
Porquê diferente
Deteta — e propõe a correção.
As suites enterprise corrigem com um projeto e credenciais de escrita. O open-source é grátis até contares as horas de engenharia. O DataVault encontra o problema e propõe a correção, sem escrever nas tuas fontes — e cada afirmação sobre os outros cita a fonte.
| Dimensão | Enterprise (Collibra, Informatica) | Open-source DIY (Great Expectations, Soda) | Observabilidade cloud (Monte Carlo, Sifflet) | DataVault |
|---|---|---|---|---|
| Prova antes de comprar | Demonstração e prova de conceito acompanhadas pelo fornecedor ou por um integrador[1][2] | Instalas e experimentas já: GX Core e Soda Core são open-source[3][4] | Demonstração ou trial pedidos por formulário à equipa comercial[5] | Conta gratuita em self-service, sem cartão nem chamada comercial, e prova pública com dados abertos: 30 ficheiros analisados em 32 s |
| Time-to-value | Projeto com integrador e serviços de implementação; o Collibra DQ instala-se no ambiente do cliente[1][2] | Primeiro check em horas; cobertura e investigação são trabalho contínuo de engenharia | Monitores por metadados depois de ligar o warehouse, sem query às tabelas (Monte Carlo), em SaaS ou com um coletor no teu ambiente; a Metaplane documenta exceções em Postgres, MySQL e SQL Server[6][7][8] | Primeiro scan em menos de 15 minutos; monitores por metadados em todos os datasets da conexão desde o primeiro scan, até 500 por conexão |
| Correção | Limpeza, standardização e MDM que escrevem nos teus sistemas (Informatica IDMC) — exige credenciais de escrita e projeto[2] | Testes falham. Alguém investiga e corrige à mão | Deteta, alerta e ajuda a investigar; a correção fica com a equipa[5][7] | Propõe a correção em SQL/PySpark ou como Pull Request, com poupança em € e risco — read-only por contrato Evidência |
| Correção onde o código vive | Workflows dentro da plataforma[1][2] | Tu escreves o PR | Alerta com link para a plataforma; o PR fica com a equipa[5] | A correção aceite abre um Pull Request no GitHub ou GitLab, acompanha o estado do PR e o scan seguinte confirma que resolveu Evidência |
| Testes que já tens | Regras nativas da suite; importação de dbt, Great Expectations ou Soda não anunciada[1][2] | São os teus testes — e a tua manutenção | Monitores em YAML próprio ou no meta do dbt; o Monte Carlo gera monitores a partir dos testes dbt, singulares incluídos, e a Sifflet abre incidentes quando um teste dbt falha; devolução como testes dbt e importação de Great Expectations ou Soda não anunciadas[9][10][11][12][13] | Importa testes dbt, singulares incluídos, suites Great Expectations e SodaCL e devolve dbt, SodaCL e GX; o relationships vira uma regra de integridade referencial; o que não converte (macros e Jinja além de ref, source e config), ou não volta igual na exportação para SodaCL e GX, fica declarado, não se perde em silêncio |
| Checks à medida | Informatica: rule specifications com elementos gráficos ou expressões IF-THEN-ELSE; Collibra: regras SQL à medida, com joins e agregações, escritas à mão ou sugeridas por IA — só em jobs pushdown[14][15][16] | SQL e Python sem limites: testes singulares e macros (dbt), expectations próprias em Python ou SQL (Great Expectations), checks SQL (Soda)[17][18][19][20] | Monitores por metadados; o Monte Carlo aceita monitores SQL à medida, com limiares manuais ou aprendidos[6][21] | 16 tipos de regra (nulos, unicidade, padrões, intervalos, frescura, volume, validade de NIF/IBAN e listas de referência, exatidão contra fontes autoritativas (opt-in), streams (Kafka e Pub/Sub, ainda por instalar no SaaS), condições entre colunas, SQL à medida e integridade referencial entre datasets), packs por indústria e sugestões a partir do perfil e do histórico de aceitação; o SQL à medida é um só SELECT só de leitura, validado antes de correr na fonte (só fontes SQL); sem checks em Python à medida |
| Sinais do trabalho e regras novas | Workflows de stewardship: o issue entra à mão e as regras são escritas por stewards[1] | A queixa chega por ticket; tu escreves e manténs cada teste | Abrem tickets no Jira ou no ServiceNow e aprendem monitores; não leem as queixas das equipas[5] | Lê Jira, Confluence e Slack e converte queixas em issues ligadas ao dataset certo; propõe regras a partir do perfil, do issue resolvido e dessas queixas — só entram quando as aceitas. O conector do Teams está feito, com o driver ainda por instalar no SaaS Evidência |
| Memória do que já aconteceu | Glossário e stewardship manual[1] | — | Histórico de incidentes por tabela[5] | Base de conhecimento com relatórios e diagnósticos, pesquisa semântica e grafo fontes↔dados↔saber; o assistente e os diagnósticos citam-na |
| Governação e stewardship | Catálogo e glossário de negócio são o sistema de registo da suite; na Collibra, os scores de qualidade aparecem no próprio marketplace de dados[22] | Fora do âmbito: os testes vivem no teu repositório e ligá-los ao catálogo fica contigo | O foco é detetar e investigar incidentes; governação e stewardship formais não são o produto[5][7] | Glossário de negócio ligado a colunas, dono e steward por dataset, tags e dicionário de dados exportável; publica veredictos no teu OpenMetadata ou DataHub e lê de lá donos, domínios e tags |
| Visão multi-fonte | Suite ampla, licenciada por módulo[1][2] | Um repositório de testes por fonte | Forte em warehouses; fontes SaaS operacionais limitadas[5][7] | Warehouses, BDs operacionais e SaaS numa só visão Evidência |
| Integração com processos (SAP, Salesforce) | Qualidade dentro do processo, com escrita: o SAP MDG valida as alterações aos dados mestre contra regras de negócio antes de as ativar; a Informatica limpa, standardiza e valida com agentes e leva a qualidade de dados às aplicações (Informatica Headless). A Collibra liga-se ao S/4HANA pelo Edge, para o catálogo[23][24][25] | Os testes correm no teu pipeline, sobre dados já gravados; chamá-los a partir do SAP ou do Salesforce é integração que escreves e manténs | O Monte Carlo liga-se ao Salesforce CRM e ao SAP HANA e monitoriza os dados já gravados (frescura, volume, schema, regras SQL); validação no ponto de entrada não anunciada[26][27] | Lê o SAP S/4HANA e o SAP Gateway por OData, o Salesforce, o Dynamics 365 e as bases dos ERP em SQL Server (Primavera, PHC, Sage). Valida os registos no ponto de entrada: o integrador chama por API as regras do dataset antes de os escrever e recebe o veredito de cada registo, sem que o DataVault guarde nada. Nunca escreve no ERP nem no CRM: a correção sai em SQL/PySpark ou PR |
| Confiança para agentes de IA | Governança de catálogo e de IA; veredito de prontidão por caso de uso não anunciado[1][28] | — | Monitorizam dados e pipelines; veredito sobre o dataset antes de o agente o consumir não anunciado[5][7] | Trust score explicável e prontidão por finalidade (RAG, treino, agente, BI), gate pré-ingestão para RAG e servidor MCP para o agente perguntar antes de usar Evidência |
| Onde corre o trabalho — e o que sai do teu perímetro | SaaS do fornecedor ou instalação no ambiente do cliente (o Collibra DQ instala-se lá): instalado, o processamento fica na tua infraestrutura[1][28] | Corre no teu pipeline, sobre o teu warehouse ou o teu Spark: nada sai — a operação e a escala são tuas | Leem metadados e query logs do warehouse, em SaaS ou com o coletor no teu ambiente (Monte Carlo)[7] | Nas fontes SQL, o perfil corre na própria fonte e só voltam agregados e poucos exemplos por coluna; regras de linha e duplicados usam uma amostra de até 5 000 linhas por tabela, processada na UE. Guardamos resultados e exemplos limitados, nunca a tabela. Com IA ativa, os exemplos seguem a política de IA do workspace |
| IA na tua conta | IA integrada na plataforma do fornecedor; chave própria ou modelo na tua conta cloud não anunciados[1][2] | — | IA integrada na plataforma do fornecedor; modelo na tua conta cloud não anunciado[5][7] | Chave própria, Claude na tua conta AWS ou GCP, política de modelos por workspace com modo «IA desligada» e amostras anonimizadas antes de qualquer fornecedor económico |
| Conformidade do AI Act | Governança de IA como módulo da suite (Collibra: ISO 42001)[28] | — | Rotulagem do art. 50.º e dossiê do art. 10.º não anunciados[5][29] | Rotulagem art. 50.º em todo o output de IA + dossiê do art. 10.º exportável |
| Segurança, residência e certificações | Informatica: ISO 27001 (BSI) e SOC 2 Type II; Collibra: SOC 2 e ISO 27001/42001, com trust center público. SaaS ou instalação no ambiente do cliente[1][2][28] | Corre no teu perímetro: a segurança e a certificação são as da tua infraestrutura | Monte Carlo e Sifflet: SOC 2 Type II e ISO 27001; Monte Carlo em SaaS ou híbrido, com o coletor no teu ambiente[5][7][29] | SaaS alojado na UE (Google Cloud europe-west1), só de leitura imposto no código e IA opcional com a tua chave ou na tua conta AWS ou GCP (Bedrock ou Vertex), com amostras anonimizáveis antes do modelo. IP de saída fixo (Cloud NAT) para a allow-list da tua firewall: preparado, ainda por ativar em produção. SOC 2 Type I em programa, ISO 27001 a seguir — sem selos que não temos: não os afirmamos e respondemos com a evidência técnica de cada controlo |
| Identidade e administração | SSO e controlo de acessos por papéis, incluídos na suite[1][2] | O open-source não tem utilizadores; SSO e papéis vêm com os planos cloud pagos (ex.: Soda Team)[4] | SSO e papéis nos planos de gama alta[5] | SSO por OIDC com o teu IdP (Entra ID, Google Workspace, Keycloak…), MFA por TOTP obrigatória para administradores de organização e exigível a todo o workspace, papéis por workspace, equipas, registo de auditoria exportável em CSV e acesso do suporte só com o teu consentimento, em leitura e por 72 h no máximo; ainda sem SCIM |
| Suporte e SLA | Níveis de suporte e de disponibilidade no contrato — Informatica IDMC: 99,5% com créditos de serviço; Collibra: página de estado pública[1][2][30] | Comunidade no open-source; suporte com SLA só nos planos pagos[3][4] | Suporte e SLA por plano, no contrato anual[5] | Ainda sem SLA contratual de disponibilidade nem de suporte: só entra no contrato depois de um trimestre de disponibilidade medida e de uma política de suporte por severidade, ainda em definição. Hoje: backups diários com PITR de 7 dias e modo offline se a IA falhar |
| Saída de dados | Extração dos dados no fim do contrato, nos termos do serviço[1][2] | Os testes e os resultados já são teus, em código e no teu warehouse | Exportação de dados só nos planos Scale e Enterprise (Monte Carlo)[31] | Exportação dos dados do workspace em self-service (RGPD) e da configuração como código (datavault.yaml) |
| Custo real | Preço público no UK G-Cloud: Collibra DQ £122.919 por licença/ano; Informatica IDMC £74.999/ano, mais implementação[1][2] | Licença 0; Soda Team 750 $/mês, mais compute no warehouse e horas de engenharia[4] | Contratos anuais ou por tabela monitorizada (Metaplane, com 10 tabelas grátis); Sifflet ≈48 k$/ano no preço publicado[5][32] | Plano gratuito; pagos desde 490 €/mês, sem projeto de implementação Evidência |
Fontes
Páginas públicas dos fornecedores que sustentam as colunas dos concorrentes. Os números na tabela apontam para aqui; a coluna DataVault liga às respostas para RFP e à página de segurança.
- 1.UK G-Cloud — Collibra Data Quality (serviço 136629392504870) · applytosupply.digitalmarketplace.service.gov.uk ·
- 2.UK G-Cloud — Informatica IDMC (serviço 727452156234281) · applytosupply.digitalmarketplace.service.gov.uk ·
- 3.Great Expectations — planos e preços · greatexpectations.io ·
- 4.Soda — planos e preços · soda.io ·
- 5.Sifflet — planos e preços · siffletdata.com ·
- 6.Monte Carlo — documentação: visão geral dos monitores · docs.getmontecarlo.com ·
- 7.Monte Carlo — documentação: segurança e conformidade · docs.getmontecarlo.com ·
- 8.Metaplane — documentação: tipos de monitor · docs.metaplane.dev ·
- 9.Monte Carlo — documentação: Monitors as Code (montecarlo.yml e meta do schema.yml do dbt) · docs.getmontecarlo.com ·
- 10.Monte Carlo — documentação: gerar monitores a partir dos testes dbt · docs.getmontecarlo.com ·
- 11.Sifflet — documentação: Monitors as Code (workspaces e monitores em YAML) · docs.siffletdata.com ·
- 12.Sifflet — documentação: incidentes a partir de monitores ou de testes dbt · docs.siffletdata.com ·
- 13.Metaplane — documentação: Monitors as Code (no meta dos modelos dbt) · docs.metaplane.dev ·
- 14.Informatica — documentação: modos da rule specification · docs.informatica.com ·
- 15.Collibra — documentação: rule workbench (regras SQL à medida) · productresources.collibra.com ·
- 16.Collibra — documentação: tipos de regra SQL suportados · productresources.collibra.com ·
- 17.dbt — documentação: data tests (singulares e genéricos) · docs.getdbt.com ·
- 18.Great Expectations — documentação: definir uma classe de Expectation própria · docs.greatexpectations.io ·
- 19.Great Expectations — documentação: Expectation à medida em SQL · docs.greatexpectations.io ·
- 20.Soda — documentação: checks definidos pelo utilizador (SodaCL) · docs.soda.io ·
- 21.Monte Carlo — documentação: monitores Custom SQL · docs.getmontecarlo.com ·
- 22.Collibra — Data Quality & Observability · collibra.com ·
- 23.SAP — Master Data Governance · sap.com ·
- 24.Informatica — Data Quality & Observability · informatica.com ·
- 25.Collibra Marketplace — driver para a integração com o S/4HANA · marketplace.collibra.com ·
- 26.Monte Carlo — documentação: integração Salesforce CRM · docs.getmontecarlo.com ·
- 27.Monte Carlo — documentação: integração SAP HANA · docs.getmontecarlo.com ·
- 28.Collibra — Trust Center · collibra.com ·
- 29.Monte Carlo — Trust Center · trust.montecarlo.ai ·
- 30.Collibra — página de estado · status.collibra.com ·
- 31.Monte Carlo — documentação: exportação de dados · docs.getmontecarlo.com ·
- 32.Metaplane — planos e preços · metaplane.dev ·
Segurança
Os teus dados ficam onde estão.
Acesso read-only
O DataVault nunca escreve, move nem altera dados nas tuas fontes. Lê, analisa, reporta.
Métodos oficiais dos vendors
Drivers e APIs oficiais de cada plataforma. Sem scraping, sem atalhos.
Credenciais cifradas
Cifradas com Fernet antes de serem persistidas. Nunca aparecem em logs.
Amostras controladas
Nas fontes SQL, o perfil corre na própria fonte. As regras de linha e os duplicados usam no máximo 5 000 linhas por tabela, processadas na UE — a tabela nunca é copiada. As amostras usadas pela IA são limitadas e anonimizáveis.
Preços
Preços simples. Sem projeto de implementação.
Gratuito
0 €/mês
Para ligar uma fonte e ver o motor a trabalhar.
- Fontes de dados
- 1
- Datasets
- 25
- Scans por mês
- 30
- Relatórios IA por mês
- 5
- Histórico de medições
- 30 dias
- Motor de qualidade completo + sugestões IA de amostra
- Sem cartão
Team
490 €/mês
Para a equipa de dados pôr a qualidade em produção.
- Fontes de dados
- 5
- Datasets
- 500
- Scans por mês
- Sem limite
- Relatórios IA por mês
- 200
- Histórico de medições
- 1 ano
Tudo do Gratuito, mais:
- Tokens de API
- Webhooks de alertas
- Análise de documentos para RAG
- Relatórios agendados por email
- Dados sintéticos a partir do perfil
- Correspondência de entidades entre datasets
- Glossário de negócio ligado às colunas
- Ensaio só-leitura da correção antes de a aceitar
- Utilizadores ilimitados
- Contratos ODCS + gate de CI
Business
1190 €/mês
Para quem responde por conformidade, custo e remediação.
- Fontes de dados
- 15
- Datasets
- 2000
- Scans por mês
- Sem limite
- Relatórios IA por mês
- 1000
- Histórico de medições
- 2 anos
Tudo do Team, mais:
- Dossiê de conformidade do AI Act
- Telemetria de custo das plataformas
- Remediação como Pull Request (GitHub/GitLab)
- Chave Anthropic própria (BYOK)
- Escolha de modelos de IA por tarefa
- Profiling profundo por omissão (correlações e co-nulidade)
- Teto de IA 4× o do Team
Enterprise
Sob consulta
Para volumes e requisitos de procurement à medida.
Volumes à medida: sem tetos de fontes, datasets, scans ou IA
Tudo do Business, mais:
- Claude na conta cloud da organização (Amazon Bedrock ou Google Vertex AI)
- Onboarding assistido
Sob pedido, em programa
- Instância dedicada, gerida pela Praxis
- DPA com termos negociados (o modelo já existe)
- SLA de disponibilidade contratual
Preços de lançamento, por mês e por workspace, sem IVA, com faturação anual; na faturação mensal acrescem 20%. O Team e o Business ativam-se na app, com cartão e fatura com o NIF/VAT ID da empresa; o Enterprise contrata-se connosco. A zona entre o open-source DIY e as suites enterprise — com os preços públicos citados na comparação acima — é onde vivemos, de propósito.
Ver tudo o que cada plano incluiVê o DataVault a trabalhar nos teus dados.
Demonstração de 30 minutos, com os teus dados ou com o nosso ERP de demonstração. Sais a saber o que ele encontraria na tua conta.