01 Engenharia de dados
O negócio descobre a falha antes da equipa de dados
Dados parados, duplicados ou inválidos não partem nenhum job. Aparecem no fecho do mês, num relatório à direção ou numa fatura que não sai.
Num ecrã maior, a apresentação abre em modo de slides.
Descarregar em PDFApresentação do produto · outubro de 2026
DataVault.
Qualidade de dados, RGPD e custo dos dados numa só camada: lida na fonte, só de leitura e com o cálculo de cada número à vista.
Para a equipa de dados, para o DPO e para quem paga a fatura da cloud.
Praxis · outubro de 2026
1 · O problema
As decisões e a IA já correm sobre os dados. A confiança neles não acompanhou.
67%
não confiam totalmente nos dados que usam para decidir (eram 55% em 2023)
Precisely e Drexel LeBow, set. 2024 · 565+ profissionais · estudo de fornecedor
64%
apontam a qualidade dos dados como o maior desafio de integridade (eram 50% em 2023)
71%
temem que resultados errados ou alucinados cheguem a quem decide
dbt Labs, State of Analytics Engineering, abr. 2026 · 363 profissionais · estudo de fornecedor
60%
dos projetos de IA sem dados prontos para IA serão abandonados até ao fim de 2026, segundo a previsão da Gartner
1 · O problema
Três custos que não aparecem em nenhum orçamento
02 RGPD e IA
A exatidão dos dados pessoais é uma obrigação legal
O RGPD pede dados exatos e atualizados, resposta aos titulares num mês e notificação de violações em 72 horas. Violar os princípios dá coimas até 20 M€ ou 4% do volume de negócios mundial. O Regulamento da IA junta exigências sobre os dados de treino a partir de dezembro de 2027.
RGPD, arts. 5.º, 12.º, 33.º e 83.º; Regulamento da IA, arts. 10.º e 113.º
03 FinOps de dados
A fatura dos dados cresce sem dono
Tabelas que ninguém lê continuam a ser carregadas. Uma query mal escrita multiplica o custo do dia e só se vê na fatura do mês. Paga-se compute para processar dados que falham a medição.
1 · Engenharia de dados
Os dados falham em silêncio: os jobs ficam verdes e os números ficam errados
Anatomia de um incidente de dados Exemplo ilustrativo · dados sintéticos
- Sexta, 18hO conector do marketplace deixa de sincronizar. Nenhum job falha: só deixam de chegar linhas.
- Fim de semanaAs encomendas do marketplace não entram no data warehouse. O dashboard de vendas mostra uma quebra que não existiu.
- Segunda, 10hO fecho semanal não bate. Começa a investigação: que tabela, desde quando e quem mais usa estes dados?
- TerçaEncontrada a origem, falta saber que relatórios e modelos já consumiram os dados errados.
Seis formas de falhar sem erro
Frescura
a tabela deixou de receber dados
Volume
chegou metade das linhas
Schema
uma coluna mudou de tipo ou de nome
Duplicados
um retry gravou a mesma encomenda duas vezes
Validade
NIF com 8 dígitos, IBAN com o dígito de controlo errado
Integridade
pedidos sem cliente depois de um apagamento sem cascata
1 · Quanto custa
O custo de não saber conta-se com os teus números
| Pilar | O que contar | Como estimar | O que o DataVault mede |
|---|---|---|---|
| Engenharia de dados | Incidentes de dados por mês, horas de investigação e dias até à deteção | Incidentes × horas × custo por hora, mais dias até à deteção × valor em risco por dia (faturas por emitir, por exemplo) | Histórico de problemas e incidentes com datas, e impacto estimado em euros por problema, rotulado como heurística |
| RGPD | Pedidos de titulares por mês e datasets com dados pessoais sem dono ou sem regras | Pedidos × horas por pedido; exposição máxima de 20 M€ ou 4% do volume de negócios mundial | Mapa de dados pessoais com a cobertura de regras de cada coluna |
| FinOps de dados | Tabelas sem leitura há 90 dias, compute gasto em dados que falham a medição e picos diários | Custo mensal dessas tabelas, mais o compute atribuído aos datasets com problemas abertos | Custo lido das vistas de sistema da plataforma, por dia (por dataset no BigQuery, por conta na Snowflake e no Databricks), picos de custo e uso real por tabela |
1 · RGPD e IA
O que a lei pede aos dados, e que só se prova com medições
| Obrigação | O que pede | Prazo ou limite | O que exige dos dados |
|---|---|---|---|
| Exatidão · RGPD, art. 5.º, n.º 1, al. d) | Dados pessoais exatos e atualizados; os inexatos apagados ou retificados sem demora | Coima até 20 M€ ou 4% do volume de negócios mundial (art. 83.º, n.º 5) | Saber que dados pessoais estão errados, onde e desde quando |
| Direitos dos titulares · art. 12.º, n.º 3 | Responder a pedidos de acesso, retificação ou apagamento | Um mês, prorrogável por mais dois | Saber em que sistemas estão os dados de cada pessoa |
| Violação de dados · art. 33.º, n.º 1 | Notificar a autoridade de controlo, em Portugal a CNPD | 72 horas, quando possível | Saber que dados e que titulares foram afetados |
| Avaliação de impacto · art. 35.º | Avaliar antes de um tratamento de risco elevado | Antes de começar o tratamento | Inventário das categorias de dados e dos fluxos |
| Dados para IA de alto risco · Regulamento da IA, art. 10.º, n.º 3 | Dados de treino, validação e teste relevantes, representativos e, tanto quanto possível, sem erros e completos | A partir de 2 de dezembro de 2027 (anexo III) | Medir erros e completude dos conjuntos de dados |
1 · Casos reais em Portugal
A CNPD já aplicou coimas de milhões por falhas na gestão de dados pessoais
4,3 M€
Instituto Nacional de Estatística
dezembro de 2022
Censos 2021. Cinco contraordenações: dados de saúde e de religião tratados sem base de licitude clara, informação insuficiente aos respondentes, subcontratante nos EUA escolhido sem a diligência devida, transferências internacionais sem medidas complementares e nenhuma avaliação de impacto.
Estado O INE anunciou que ia impugnar a decisão em tribunal.
1,25 M€
Câmara Municipal de Lisboa
janeiro de 2022
Dados de promotores de manifestações enviados a embaixadas e ao Ministério dos Negócios Estrangeiros: 225 contraordenações.
Estado Os tribunais confirmaram a infração. Com parte das contraordenações prescritas, o montante desceu para 738 mil € no Tribunal Central Administrativo Sul (agosto de 2025), numa decisão ainda passível de recurso.
400 mil €
Centro Hospitalar Barreiro-Montijo
2018
A primeira coima do RGPD em Portugal: 985 contas com perfil de médico para 296 médicos e acesso indevido a processos clínicos.
Estado Passou a coima única de 380 mil €. Em julho de 2020, a CNPD aceitou dispensá-la, invocando a pandemia e as contas do hospital.
1 · Casos reais em Portugal
As coimas sobem e descem com os meios da CNPD. As violações notificadas continuam a subir.
- 152020
- 602021
- 712022
- 902023
- 232024
- 22025
472
processos de violação de dados em 2025, mais 42% do que em 2024 (357 em entidades privadas, 115 em públicas)
88
processos de contraordenação abertos em 2025, que «poderiam ter originado a aplicação de 90 coimas, em vez de 2»
1 · FinOps de dados
A fatura dos dados cresce sem dono e sem ligação à qualidade
84%
dizem que gerir o gasto em cloud é hoje o maior desafio da cloud para as organizações
Flexera, State of the Cloud 2025 · 750+ profissionais · estudo de fornecedor
- Tabelas que ninguém lê continuam a ser carregadas, guardadas e monitorizadas.
- Uma query mal escrita multiplica o custo do dia e só se vê na fatura do mês.
- Paga-se compute para processar dados que falham a medição.
- O custo da IA cresce sem teto e sem repartição por equipa.
1 · O problema
Onde vive hoje a verdade sobre os teus dados?
Hoje
- Em testes e scripts espalhados por equipas e repositórios
- Na memória de quem conhece as tabelas
- Num registo de tratamentos em folha de cálculo, revisto uma vez por ano
- Na fatura da cloud, no fim do mês
- Em dashboards que ninguém liga à origem dos dados
Com o DataVault
- Em regras e contratos versionados, que correm em cada scanExiste hoje
- Num catálogo com dono, domínio, sensibilidade e uso por datasetExiste hoje
- Num mapa de dados pessoais atualizado a cada scanExiste hoje
- No custo diário lido das vistas de sistema do BigQuery, do Snowflake e do DatabricksExiste hoje
- Em incidentes com linhagem, dono e prazoExiste hoje
1 · Porquê agora
Porquê agora
- 2025As violações de dados notificadas à CNPD sobem 42%, para 472 processos.CNPD, Relatório de Atividades 2025
- set. 2025A CNPD propõe à Assembleia da República um regime de contraordenações mais rápido, para travar prescrições.CNPD, Relatório de Atividades 2025, p. 12
- 2026Previsão da Gartner: as organizações abandonam 60% dos projetos de IA sem dados prontos para IA.Gartner, 26/02/2025
- 2 ago. 2026O Regulamento da IA passa a aplicar-se em geral (art. 113.º).AI Act Service Desk, art. 113.º
- 2 dez. 2027Obrigações de alto risco do anexo III, incluindo a qualidade dos dados de treino, validação e teste (art. 10.º).AI Act Service Desk, arts. 10.º e 113.º
- 2 ago. 2028Obrigações de alto risco do anexo I, os produtos regulados.AI Act Service Desk, art. 113.º
2 · A tese
Uma camada de confiança sobre os dados que já tens, sem os copiar
As tuas fontes ficam onde estão
- Bases de dados
- Data warehouses
- Ficheiros e object storage
- Aplicações de negócio: SAP, Salesforce, Dynamics 365
- Documentos
- Streaming
→
DataVault · só de leitura
- Descobrir
- Validar
- Monitorizar
- Explicar
- Provar
- Agregados calculados na fonte
- Amostras limitadas e com retenção
- Propõe correções, nunca escreve nas fontes
- Cada número diz como foi calculado
→
Engenharia de dados
incidentes com linhagem, SLOs, regras como código
DPO e jurídico
mapa de dados pessoais, sensibilidade, evidência
FinOps e direção
custo e qualidade lado a lado, uso real, relatórios por perfil
Onde a equipa já trabalhaSlackTeamsJiraPower BIEmailWebhooksAPIMCP
2 · A tese
Do dado ligado ao dado provado, e de volta ao início
- 01Ligarcredenciais só de leitura
- 02Descobrirperfil, dados pessoais, uso
- 03Regraspropostas pelo perfil, aceites por pessoas
- 04Monitorizarfrescura, volume, schema, anomalias, custo
- 05Incidentelinhagem, impacto, dono, prazo
- 06CorrigirSQL ou pull request, ensaiado antes
- 07Provarrelatórios, evidência, auditoria
↺ O que se aprende volta às regras: limiares, falsos positivos marcados e regras sugeridas a partir dos problemas resolvidos.
Cada passo fica registado: quem decidiu, quando e com que evidência.
2 · A tese
Cada dataset leva consigo o seu registo de confiança
Dono e domínio
quem responde e a que área pertence
Existe hojeSensibilidade por coluna
pública, interna, confidencial ou dados pessoais, com autor e data
Existe hojeRegras e contrato
regras ativas e contrato ODCS versionado
Existe hojeScore e SLO
cinco dimensões, tendência e objetivo de serviço
Existe hojeUso real
queries por dia: quente, ativa, fria ou sem uso
Existe hojeCusto
compute atribuído, quando a plataforma o reporta
Existe hojeIncidentes e linhagem
o que falhou, a montante e a jusante
Existe hojeAuditoria
cada mudança, gravada na mesma transação
Existe hoje3 · O ciclo · passo 1 de 7
Ligar
Entrada
Uma credencial só de leitura de uma base de dados, de um warehouse, de ficheiros ou de uma aplicação.
O que o DataVault faz
Testa a ligação, descobre schemas e tabelas e importa os metadados. A credencial é cifrada antes de ser gravada e o endereço é validado contra SSRF antes do primeiro pedido.
Existe hojeQuem decide
O administrador do workspace escolhe a fonte, o âmbito e a frequência dos scans.
Governação e prova
Só leitura imposto no código: o cliente HTTP recusa escritas antes de sair e as sessões Postgres abrem em modo só de leitura. Nos testes, servidores reais de SQL Server, Oracle e MongoDB recusaram escritas.
Existe hojeSaída
Catálogo de datasets com schema, agendamento e credencial cifrada.
Existe hojeLiga-se a
PostgreSQLSQL ServerOracleBigQuerySnowflakeDatabricksS3SAPSalesforceDynamics 365
Passa ao passo seguinte
A lista de datasets e colunas segue para o perfil.
Valor
Sem credenciais de escrita, sem software instalado nas fontes e sem copiar tabelas.
Existe hoje3 · O ciclo · passo 2 de 7
Descobrir
Entrada
Os datasets ligados.
O que o DataVault faz
Perfil por coluna com agregados calculados na fonte: nulos, distintos, padrões e distribuições. Reconhece NIF, IBAN, email e código postal, monta o mapa de dados pessoais, classifica a sensibilidade em quatro níveis e estima o risco de reidentificação (k-anonimato). Nas plataformas com telemetria, mede o uso real de cada tabela.
Existe hojeQuem decide
O DPO confirma ou corrige a sensibilidade de cada coluna. O scan nunca sobrepõe uma decisão manual.
Governação e prova
Cada número diz se é exato, estimado ou por amostra, com intervalo de confiança a 95%. Cada mudança de classificação fica registada com autor e data.
Existe hojeSaída
Perfil, score por dimensão, mapa de dados pessoais, sensibilidade por coluna e uso.
Existe hojeLiga-se a
Tipos semânticosMapa de PIIk-anonimatoBigQuerySnowflake
Passa ao passo seguinte
O perfil alimenta as regras sugeridas.
Valor
O DPO vê onde estão os dados pessoais a partir das próprias fontes, sem depender de um inventário manual.
Existe hoje3 · O ciclo · passo 3 de 7
Regras e contratos
Entrada
O perfil, as sugestões e os testes que a equipa já tem.
O que o DataVault faz
Dezasseis tipos de regra: formatos com dígito de controlo (NIF, IBAN, cartões), unicidade, intervalos, listas de referência, integridade referencial, frescura, volume e SQL próprio só de leitura. Exatidão contra fontes externas, por opção: VIES, GeoAPI.pt, planos de numeração e registos MX. Importa testes dbt, Great Expectations, SodaCL e contratos ODCS.
Existe hojeQuem decide
O perfil e a IA propõem; uma pessoa aceita cada regra.
Governação e prova
O SQL do cliente passa por uma guarda: um único SELECT, numa transação sempre revertida. A configuração também vive como código, num datavault.yaml versionado.
Existe hojeSaída
Regras ativas por dataset e contrato versionado; exportação para dbt, com SodaCL e Great Expectations por ativar.
ParcialLiga-se a
dbtGreat ExpectationsSodaCLODCSVIESGeoAPI.pt
Passa ao passo seguinte
As regras aceites correm em cada scan e alimentam os monitores.
Valor
As regras deixam de viver em scripts de uma só pessoa.
Existe hoje3 · O ciclo · passo 4 de 7
Monitorizar
Entrada
Regras, histórico de perfis e telemetria de custo e de uso.
O que o DataVault faz
Monitores automáticos de frescura, volume e schema, até 500 por conexão em cada scan. Anomalias com z-score modificado e controlo de falsos positivos (Benjamini-Hochberg), drift de distribuição, SLO por dataset e picos de custo diário, com as queries mais caras do dia no BigQuery.
Existe hojeQuem decide
O dono do dataset define o SLO e a severidade. Um falso positivo marcado como «ignorado» silencia a série.
Governação e prova
Métodos publicados e testados contra o código. Nenhum número de qualidade, de anomalia ou de custo vem de um LLM.
Existe hojeSaída
Alertas na app, por email, no Slack, no Teams e por webhook, com escalamento de piquete.
Existe hojeLiga-se a
SlackTeamsEmailWebhooks assinados
Passa ao passo seguinte
Um alerta abre ou atualiza um problema, que pode juntar-se a um incidente.
Valor
A falha chega primeiro à equipa de dados, e não ao fecho do mês.
Existe hoje3 · O ciclo · passo 5 de 7
Incidentes e causa raiz
Entrada
Um alerta ou um problema aberto.
O que o DataVault faz
Agrupa problemas em incidentes pela linhagem (chaves estrangeiras, SQL das vistas, manifest dbt, OpenLineage) e mostra o impacto a jusante. A IA propõe a causa provável a partir de metadados e de amostras limitadas. Prazos de resposta por severidade, com escalamento.
Existe hojeQuem decide
O responsável do domínio aceita, atribui e fecha o incidente.
Governação e prova
Trilho de auditoria gravado na mesma transação da mudança e exportável para o SIEM: Splunk, Sentinel ou Google SecOps.
Existe hojeSaída
Incidente com linhagem, impacto, dono, prazo e histórico, e ticket no Jira, Linear, ServiceNow, Azure DevOps, GitHub ou GitLab.
Existe hojeLiga-se a
JiraLinearServiceNowAzure DevOpsGitHubGitLabOpenLineage
Passa ao passo seguinte
A causa provável e o impacto seguem para a proposta de correção.
Valor
Saber que relatórios e modelos foram afetados antes de alguém perguntar.
Existe hoje3 · O ciclo · passo 6 de 7
Corrigir
Entrada
Um incidente com causa provável.
O que o DataVault faz
Propõe a correção em SQL, no dialeto da fonte, ou em PySpark, e ensaia-a numa amostra antes de a aceitar. A partir do plano Business, a correção aprovada abre um pull request no GitHub ou no GitLab do cliente. Normalização e deduplicação também saem como propostas.
Existe hojeQuem decide
Uma pessoa aprova e o cliente aplica pelo seu próprio CI. O DataVault nunca escreve nas fontes.
Governação e prova
Fluxo proposta, aceite, aplicada e verificada: o scan seguinte confirma se o problema desapareceu.
Existe hojeSaída
Pull request ou SQL aprovado, ligado ao dataset e ao ticket.
Existe hojeLiga-se a
GitHubGitLabSQLPySparkdbt
Passa ao passo seguinte
A verificação do scan seguinte fecha o ciclo e fica no histórico.
Valor
A correção é revista e versionada como qualquer outro código.
Existe hoje3 · O ciclo · passo 7 de 7
Provar
Entrada
O histórico de scans, incidentes e decisões.
O que o DataVault faz
Relatórios por perfil (engenharia, gestão, direção) com impacto estimado em euros, em PDF e agendados; painel do CDO com metas e semáforos; dossiê do art. 10.º do Regulamento da IA (Business); feeds para o Power BI; exportação da auditoria; badge público por produto de dados.
Existe hojeQuem decide
A direção lê; o DPO e a auditoria interna usam a evidência.
Governação e prova
O impacto em euros é uma heurística declarada, que tende a subestimar. Cada número diz como foi calculado.
Existe hojeSaída
Relatórios, dossiês e exportações com data e fonte.
Existe hojeLiga-se a
Power BITableauLookerPDFCSV
Passa ao passo seguinte
O que se aprende volta às regras e aos limiares do passo 3.
Valor
Responder a um auditor ou à CNPD com histórico, e não com uma reconstrução à pressa.
Existe hoje3 · Uma história de ponta a ponta
Segunda-feira na loja online: do conector parado ao relatório da semana
Demonstração com o pack «Loja online» do DataVault: dados sintéticos de uma loja portuguesa, com oito problemas plantados. Exemplo ilustrativo · dados sintéticos
- 01LigarA base de encomendas liga-se só de leitura. O primeiro scan perfila clientes, produtos, encomendas e linhas de encomenda em segundos.
- 02DescobrirO perfil marca sete colunas com dados pessoais (nome, email, NIF e morada) e a regra de formato acusa 4% de emails inválidos.
- 03RegrasO pack de e-commerce instala regras para o email, o país ISO, o código postal, a unicidade das encomendas e a frescura. O perfil propõe mais regras, que uma pessoa aceita ou recusa.
- 04MonitorizarA regra de frescura falha: a encomenda mais recente tem 72 horas, para um limite de 24. O conector do marketplace parou na sexta.
- 05IncidenteA linhagem junta os problemas relacionados em incidentes, cada um com a origem, a severidade e os datasets afetados.
- 06CorrigirPara os 14 order_id repetidos, o DataVault propõe o SQL de diagnóstico e o de correção, também em PySpark. A correção vem marcada para correr só depois de validado o diagnóstico.
- 07ProvarO relatório executivo resume o risco para o negócio, a exposição financeira estimada, a tendência e os incidentes críticos, com a ação recomendada.
4 · Por dentro
O que a equipa vê
4 · Por dentro
Arquitetura de referência
Pessoas e ferramentas
App webSlack e TeamsPower BI, Tableau e LookerAgentes de IA por MCPAPI pública versionada
DataVault · Google Cloud, europe-west1
APIWorkers assíncronos para scans e relatórios, com filas e DLQPostgres com os metadados, nunca as tabelasFachada de IA com router por tarefaServidor MCP com 21 ferramentas só de leitura
As tuas fontes
Ligações só de leitura pelos métodos oficiais de cada fornecedor
Das fontes saem agregados, até 20 valores de exemplo por coluna e, para as regras de linha, uma amostra de até 5 000 linhas por tabela.
- SaaS partilhado na UE (europe-west1)Existe hoje
- Instância dedicada por cliente, com IP de saída próprio e CMEK opcionalPor ativar
- Execução no perímetro do clienteVisão
4 · Por dentro · IA
IA com regras: onde entra, onde não entra e quem decide
Onde a IA entra
- Sugestões de regras, causa provável de incidentes e relatórios por perfilExiste hoje
- Assistente em linguagem natural sobre o catálogo e os problemasExiste hoje
- Glossário e documentação de datasets, sempre para aprovação humanaExiste hoje
Onde não entra
- Nenhum número de qualidade, de anomalia ou de custo vem de um LLM: os métodos são determinísticos e publicadosExiste hoje
- Propor nunca executa: cada ação pede aprovação humana e fica auditadaExiste hoje
Controlos do cliente
- IA desligada em qualquer plano, com relatórios em modo offlineExiste hoje
- Amostras em bruto ou sintéticas, à escolha do workspaceExiste hoje
- Chave Anthropic própria (Business) ou Claude no Amazon Bedrock ou no Vertex AI, em regiões europeias (Enterprise)Existe hoje
Guardas
- Teto diário de custo de IA e quota mensal de tokens por planoExiste hoje
- Router por tarefa: por omissão, só a Anthropic recebe dados de clientesExiste hoje
- Guarda de saída que mascara segredos, emails, IBAN, cartões e NIF antes de gravar (ainda não cobre o assistente em stream)Parcial
- Defesa contra injeção indireta de instruções, com testes adversariais no CIExiste hoje
- Marcação do conteúdo gerado por IA, como pede o art. 50.º do Regulamento da IAExiste hoje
Por ativar Por omissão, amostras limitadas seguem para a Anthropic, nos EUA, ao abrigo de cláusulas contratuais-tipo. O anonimizador (Presidio) está feito, mas ainda não está na imagem de produção.
4 · Por dentro · RGPD
RGPD: do inventário manual ao mapa que se atualiza a cada scan
Saber onde estão os dados pessoais
- Mapa de dados pessoais: que datasets guardam que tipos de dados, como foram detetados e se têm regras ativasExiste hoje
- Sensibilidade por coluna em quatro níveis, com herança pela linhagem (sugerida) e curadoria com autor e dataExiste hoje
- Risco de reidentificação por quase-identificadores (k-anonimato); os exemplos enviados à IA saem generalizadosExiste hoje
Mantê-los exatos
- Dígitos de controlo de NIF, IBAN e cartões, e listas de referênciaExiste hoje
- Exatidão contra VIES, GeoAPI.pt, planos de numeração e registos MX, por opçãoExiste hoje
- Auditoria de exatidão por amostragem humana, com intervalo de confiançaExiste hoje
Responder e provar
- Registo de pedidos de titulares com o prazo legal de cada jurisdição: UE, Reino Unido, Suíça, Brasil, Califórnia e AngolaPor ativar
- Procurar e apagar o valor de um titular nas amostras guardadas pelo DataVaultPor ativar
- Retenção das amostras configurável por workspace e trilho de auditoria exportável para SIEMExiste hoje
- Varredura de credenciais esquecidas em código e notebooksExiste hoje
Os casos da CNPD, em perguntas que os dados respondem
- Onde estão os dados de saúde, de religião ou financeiros?
- Mapa de dados pessoais e sensibilidade por coluna. Existe hoje
- Quem tem acesso, e bate com quem devia ter?
- Uma regra de integridade referencial entre o diretório de contas e o registo de pessoal. Existe hoje
- Para onde vão os dados?
- Linhagem entre as fontes ligadas. Envios por email ou para terceiros ficam fora. Parcial
4 · Por dentro · FinOps
FinOps de dados: o custo lido da própria plataforma e cruzado com a qualidade
Custo e qualidade lado a lado (Business)
- Telemetria nativa: BigQuery (INFORMATION_SCHEMA.JOBS), Snowflake (WAREHOUSE_METERING_HISTORY) e Databricks (system.billing.usage)Existe hoje
- Quanto do compute do mês correu sobre dados que falham a mediçãoExiste hoje
- Custo por tabela no BigQuery; na Snowflake e no Databricks o custo é da conta, e a repartição aparece rotulada como atribuição. Sem telemetria, não aparece número nenhumExiste hoje
Picos de custo
- Um pico diário abre um problema e alerta nos canais; no BigQuery, com as 5 queries mais caras do dia e os literais mascaradosExiste hoje
- Critério publicado: z ≥ 3, mais 50% e mais 1 USD sobre a mediana, com 7 dias de históricoExiste hoje
Uso real
- Tabelas quentes (20 ou mais queries por dia), ativas, frias e sem uso (0 queries em 90 dias, só com telemetria que cubra pelo menos 80 dias)Existe hoje
- As tabelas sem uso ficam candidatas a descomissionamentoExiste hoje
- Scans guiados pelo uso: as quentes em profundidade a cada scan, as sem uso só no perfil mensal, por opção e com aprovação do stewardExiste hoje
O custo do próprio DataVault
- Teto de bytes antes de ler no BigQueryExiste hoje
- Custo de IA por relatório, por tarefa e por fornecedor; relatórios agendados pela API de lotes a metade do preçoExiste hoje
- Chargeback do uso por workspace, domínio e equipa, com CSV mensal e feed para o Power BIExiste hoje
Parcial A telemetria de custo está feita e testada, mas ainda não foi provada numa conta real de BigQuery, Snowflake ou Databricks. Mede o custo de compute, e não a eficiência do formato dos dados.
4 · Por dentro · Segurança
Segurança: só leitura imposto no código, e as lacunas ditas por escrito
Acesso às fontes
- Só leitura no código, testado contra servidores reaisExiste hoje
- Métodos oficiais de cada fornecedor e credenciais cifradas (Fernet) com rotação de chaveExiste hoje
- Anti-SSRF com DNS fixado, também nos webhooks e nos ticketsExiste hoje
Isolamento e identidade
- Um teste percorre todas as rotas da API à procura de fugas entre clientesExiste hoje
- SSO por OIDC e SAML 2.0 em todos os planos; MFA obrigatória para administradores da organizaçãoExiste hoje
- Lista de IPs permitidos por organização, também para tokens de APIExiste hoje
Rasto e controlo
- Auditoria gravada na mesma transação da mudança, com exportação para SIEMExiste hoje
- Acesso de suporte da Praxis só com consentimento, só de leitura e por 72 horas no máximoExiste hoje
- Exportação dos dados do workspace e apagamento em cascata com certificado assinadoExiste hoje
4 · Por dentro · Ecossistema
Ecossistema: 29 tipos de fonte e as ferramentas onde a equipa já trabalha
Bases de dados 6
PostgreSQLMySQL e MariaDBSQL Server, Azure SQL e SynapseOracleMongoDBSQLite
Warehouses 4
BigQuerySnowflakeDatabricksMicrosoft Fabric*
Ficheiros e object storage 6
CSVGoogle Sheets*Google Cloud StorageAmazon S3Azure Blob e ADLS Gen2SFTP
Aplicações de negócio 5
SalesforceSAP S/4HANA e SAP GatewayOData v2 e v4Dynamics 365REST e JSON
Documentos 4
ConfluenceJiraSharePoint*Google Drive*
Streaming 2
Kafka*Pub/Sub*
Colaboração 2
SlackTeams*
* Código feito; o driver ainda não está na imagem do SaaS.
- Catálogos · OpenMetadata e DataHub; Collibra e Purview validados só com transporte simuladoParcial
- BI · Power BI, Tableau e LookerExiste hoje
- Tickets · Jira, Linear, ServiceNow, Azure DevOps, GitHub e GitLabExiste hoje
- Orquestração · dbt Cloud, dbt Core, Airflow, Fivetran e AirbyteExiste hoje
- Agentes de IA · Servidor MCP publicado, com 21 ferramentas só de leituraExiste hoje
- Pacotes para programadores · SDK Python, provider Terraform, extensão VS Code, Airflow e plugin Claude Code, por publicarPor ativar
- SIEM · Splunk, Microsoft Sentinel e Google SecOpsExiste hoje
4 · Por dentro · Métodos
Cada número diz como foi calculado
Três tipos de número
exato, estimado ou por amostra, marcados na app
Existe hojeIntervalos de confiança
a 95%, de Wilson com correção para população finita; z de Fisher nas correlações
Existe hojeScore com pesos fixos
completude 25%, unicidade 25%, validade 20%, atualidade 15% e consistência 15%
Existe hojeAnomalias
z-score modificado (mediana e MAD) com controlo de falsos positivos de Benjamini-Hochberg
Existe hojeImpacto em euros
heurística declarada, sempre estimada, que tende a subestimar
Existe hojeMétodos públicos
o documento está publicado e um teste falha se uma constante documentada mudar no código
Existe hoje5 · Para quem
Seis perfis, cada um com o seu guia e o seu tour
Administrador do workspace
Liga fontes, gere a equipa, os canais de alerta e a política de IA.
Existe hojeGuia do perfil →
Membro
Trabalha problemas, regras, sugestões e incidentes.
Existe hojeGuia do perfil →
Leitor
Consulta scores, relatórios e catálogo sem alterar nada. Ainda não se atribui na página Equipa.
ParcialGuia do perfil →
Responsável de domínio
Decide sobre os datasets, os incidentes e as regras do seu domínio.
Existe hojeGuia do perfil →
Administrador da organização
Governação de todos os workspaces: SSO, IPs permitidos, política de dados e chargeback.
Existe hojeGuia do perfil →
Faturação
Plano, faturas e relatório de custos por equipa.
Existe hojeGuia do perfil →
5 · Para quem
O que muda para cada função
| Função | Hoje | Com o DataVault |
|---|---|---|
| Engenharia de dados | Descobre as falhas pelo negócio; testes espalhados por repositórios | Monitores automáticos, incidentes com linhagem, regras versionadas e gate no CI |
| DPO e jurídico | Inventário manual, revisto uma vez por ano | Mapa de dados pessoais a cada scan, sensibilidade com autor e evidência exportável |
| FinOps e direção financeira | A fatura no fim do mês, sem ligação à qualidade | Custo diário por dataset ou por conta, picos de custo com as queries mais caras e tabelas sem uso |
| Direção e CDO | Relatórios sem fonte nem tendência | Painel com metas e semáforos e relatórios por perfil |
| Equipas de IA | Dados de treino sem medição | Prontidão por finalidade, dossiê do art. 10.º e dados sintéticos com avaliação de privacidade |
6 · Valor
Panorama: onde cada abordagem é mais forte
Suites enterprise · Collibra, Informatica
- Catálogo e glossário como sistema de registo da empresa
- ISO 27001 e SOC 2, com trust center público
- Limpeza e MDM que escrevem nos teus sistemas, com credenciais de escrita
Custo Preço público no UK G-Cloud: 74 999 £ a 122 919 £ por ano, mais implementação
UK G-Cloud — Collibra Data Quality (serviço 136629392504870) · UK G-Cloud — Informatica IDMC (serviço 727452156234281) · Collibra — Trust Center
Open source · Great Expectations, Soda
- Grátis e a correr no teu perímetro
- SQL e Python sem limites nos testes
- Cada teste é escrito e mantido pela tua equipa
Custo Licença 0; Soda Team a 750 $ por mês, mais compute e horas de engenharia
Great Expectations — planos e preços · Soda — planos e preços
Observabilidade · Monte Carlo, Sifflet
- Monitores por metadados maduros em warehouses cloud
- SOC 2 Type II e ISO 27001
- Detetam e alertam; a correção fica com a equipa
Custo Contratos anuais; Sifflet a cerca de 48 k$ por ano no preço publicado
Monte Carlo — documentação: segurança e conformidade · Monte Carlo — Trust Center · Sifflet — planos e preços
DataVault
- Qualidade, dados pessoais e custo medidos no mesmo catálogo
- Propõe a correção em SQL ou como pull request, sem credenciais de escrita
- Ainda sem certificações nem SLA contratual
Custo Gratuito · desde 490 €/mês
6 · Valor
Onde está a diferença, e o que não afirmamos
O que se pode testar hoje
- Qualidade, dados pessoais e custo medidos sobre o mesmo catálogo e o mesmo histórico
- Só leitura imposto no código, com correções como propostas e pull requests
- Cada número com método publicado e intervalo de confiança
- IA com regras de saída, modo offline e a opção de a desligar
- Preço publicado e conta gratuita sem chamada comercial
O que não afirmamos
- Que o DataVault evitaria uma coima concreta
- Certificações: ainda não temos ISO 27001 nem SOC 2
- Um SLA contratual
- Que todos os conectores foram provados numa conta real
- Que substitui um MDM ou um catálogo enterprise
- Que corrige os dados sozinho
6 · Valor
O que passa a ser mensurável
| Métrica | Como o DataVault a mede | Estado |
|---|---|---|
| Score de qualidade por dataset e por domínio, com tendência | Cinco dimensões com pesos fixos, a cada scan | Existe hoje |
| Cumprimento do SLO por dataset | Objetivo de serviço por dataset e histórico de cumprimento | Existe hoje |
| Problemas abertos e resolvidos por severidade | Problemas e incidentes com datas, dono e prazo de resposta | Existe hoje |
| Colunas com dados pessoais sem regras ou sem dono | Mapa de dados pessoais cruzado com as regras e os donos | Existe hoje |
| Prazo de cada pedido de titular | Registo de pedidos com o prazo da jurisdição | Por ativar |
| Compute gasto em dados que falham a medição | Telemetria de custo da plataforma cruzada com o score | Existe hoje |
| Tabelas sem uso há 90 dias | Contagem de queries por tabela nas vistas de sistema | Existe hoje |
| Custo de IA por relatório e por equipa | Custo por chamada, por tarefa e chargeback por equipa | Existe hoje |
6 · Valor
O livro honesto
Existe hoje
- Perfil, 16 tipos de regra, monitores automáticos, anomalias e SLOs
- Incidentes com linhagem, causa provável e tickets
- Correção proposta, ensaiada e por pull request (Business)
- Mapa de dados pessoais, sensibilidade e risco de reidentificação
- Custo e qualidade lado a lado, picos de custo, uso real e chargeback
- Relatórios por perfil, assistente e servidor MCP
- SSO por OIDC e SAML, MFA, IPs permitidos, auditoria e SIEM
- Tour e guia escrito por perfil
Parcial
- Conectores ainda sem prova numa conta real, entre eles BigQuery, Snowflake, Databricks e Oracle
- Collibra e Purview validados só com transporte simulado
- Páginas de metadados e dossiê de elementos críticos (BCBS 239) só por API
- Correspondência de entidades sobre amostras até 50 000 linhas
- Guarda de saída da IA ainda fora do assistente em stream
- Papel Leitor ainda por atribuir na página Equipa
Por ativar
- Pedidos de titulares e exportação para SodaCL e Great Expectations: feitos, no próximo deploy
- Sete conectores fora da imagem do SaaS
- Anonimizador na imagem de produção
- Instância dedicada, alta disponibilidade, WAF e IP de saída fixo
- SDK, Terraform, VS Code e Airflow por publicar
- Pagamento online
Visão
- Certificações ISO 27001, SOC 2, ISO 27701 e ISO 42001: ainda não temos nenhuma
- Pentest externo
- SCIM e chaves de segurança (WebAuthn)
- Conectividade privada e execução no perímetro do cliente
- Sincronização com o ServiceNow nos dois sentidos
6 · Valor
Planos
Gratuito
0 €/mês
- 1 fonte
- 25 datasets
- 5 relatórios de IA por mês
- 30 dias de histórico
Team
490 €/mês
- 5 fontes
- 500 datasets
- 200 relatórios de IA por mês
- 365 dias de histórico
- Tokens de API
- Webhooks de alertas
- Análise de documentos para RAG
- Relatórios agendados por email
- Dados sintéticos a partir do perfil
Business
1190 €/mês
- 15 fontes
- 2000 datasets
- 1000 relatórios de IA por mês
- 730 dias de histórico
- 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
Enterprise
Sob consulta
- sem limite
- Claude na conta cloud da organização (Amazon Bedrock ou Google Vertex AI)
7 · Próximo passo
Como começar
01
Experimentar sozinho
Conta gratuita com uma fonte e a demo de um clique, com quatro packs de dados sintéticos: Loja online, ERP, Neobanco e Hospital.
Criar conta gratuita →02
Conversa com a Praxis
Trinta minutos para preencher o quadro de custos com os teus números e ver a demo sobre o teu caso.
Falar connosco →03
Piloto num domínio
Um domínio de dados, as métricas do slide anterior medidas no início e no fim, e uma decisão tomada com números.
Propor um piloto →Dados em que a engenharia, o DPO e a direção financeira confiam, com a mesma prova.
DataVault, um produto da Praxis.
praxis.lbostuff.tech/datavault/apresentacao
Praxis · outubro de 2026 · 39/39