Nos références clients
+180 missions déployées en production. Des résultats concrets, mesurables.
180 références
Plataforma Data Lakehouse unificada
Grande banco francês de varejo (Top 5) operando mais de 15 sistemas-fonte heterogêneos (core banking, CRM, riscos, contabilidade, RH). Os dados estão dispersos entre mainframe, bases Oracle e arquivos flat. A equipe de dados de 8 pessoas dedica 60% do seu tempo à reconciliação manual. O CDO recém-nomeado possui um mandato de transformação de 3 anos. A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.
Governança e catálogo de dados corporativo
Grupo bancário cooperativo composto por 20 entidades regionais autônomas, cada uma com seu próprio SI e suas práticas de dados. O grupo enfrenta exigências regulatórias crescentes (BCBS239, GDPR, DORA) que requerem uma visão consolidada e rastreável dos dados. O COMEX determinou um programa de governança de dados do grupo após uma advertência do regulador.
Migração Hadoop para Lakehouse na nuvem
Banco de investimento (BFI) de um grupo bancário europeu, com um cluster Hadoop on-premise de 200 nós implantado em 2016. A infraestrutura suporta mais de 50 pipelines críticos de dados de mercado, riscos e compliance. A equipe de Big Data de 12 pessoas dedica 70% do seu tempo à manutenção e firefighting. O contrato de suporte Cloudera expira em 12 meses.
Data Quality Framework industrializado
Gestora de ativos (AuM 15 bi€) sujeita a obrigações regulatórias rigorosas (SFDR, MIFID II, PRIIPs). O cálculo diário do NAV (Valor Patrimonial Líquido) depende de dados de mercado provenientes de 8 fornecedores diferentes. Os controles de qualidade são manuais, realizados por uma equipe de 4 pessoas trabalhando das 6h às 9h todas as manhãs para a produção do NAV.
Cadastro único de clientes (visão 360°)
Seguradora multirramos (auto, residencial, saúde, previdência) com 3 sistemas de informação de clientes distintos herdados de aquisições sucessivas. 4 milhões de segurados distribuídos nos 3 SIs sem identificador comum. As equipes comerciais e o serviço de atendimento ao cliente não possuem nenhuma visão consolidada: um segurado pode ligar 3 vezes pelo mesmo assunto sem que o histórico esteja visível. O cliente já teve experiências decepcionantes com consultorias tradicionais.
Data Mesh: domínios de negócio autônomos
Cooperativa de saúde e previdência (2 milhões de associados) organizada historicamente em silos de negócio. A equipe central de dados de 6 pessoas é o ponto de passagem obrigatório para qualquer necessidade analítica. Fila de espera de mais de 40 demandas com prazo médio de 6 meses entre a solicitação do negócio e a entrega de um caso de uso. As diretorias de negócio (Saúde, Previdência, Distribuição, Finanças) estão frustradas e começam a criar suas próprias iniciativas de shadow IT. Ambição clara: passar do piloto à escala com um parceiro comprometido.
Industrialização de pipelines de Data Engineering
Operador de transporte público urbano (ônibus, VLT, metrô) gerenciando mais de 500 veículos e 10.000 sensores IoT. Os dados operacionais (geolocalização, ocupação, manutenção) são produzidos por sistemas heterogêneos (SCADA, SAEIV, bilhetagem). A equipe de dados de 4 pessoas gerencia mais de 30 pipelines desenvolvidos artesanalmente com scripts Python/cron sem versionamento nem testes.
Plataforma de BI self-service
Empresa europeia de energia (receita de 8 bi€) com 15.000 colaboradores e um reporting centralizado baseado em um ecossistema Excel. Mais de 200 arquivos Excel circulam mensalmente entre as diretorias para produzir o reporting de gestão. A equipe de controladoria de 12 pessoas dedica 80% do seu tempo a consolidar e verificar os dados, restando 20% para a análise de valor agregado.
Data Lake IoT industrial
Grupo industrial europeu (12 fábricas distribuídas em 5 países) produzindo equipamentos para os setores automotivo e aeronáutico. Cada fábrica possui seus próprios sistemas SCADA e MES gerando terabytes de dados de máquinas (vibrações, temperaturas, pressões, cadências). Esses dados permanecem confinados em cada fábrica sem nenhuma exploração analítica centralizada.
Modernização do data warehouse
Laboratório farmacêutico internacional (receita de 5 bi€) com um Data Warehouse Oracle implantado há 12 anos. O DWH armazena dados de ensaios clínicos, produção, comerciais e regulatórios. A infraestrutura on-premise está saturada: consultas analíticas cada vez mais lentas, impossibilidade de adicionar novas fontes, custos de manutenção em alta constante.
API Data Hub para Open Banking
Banco digital (neobank) em forte crescimento com mais de 30 parceiros API (PSP, scoring, KYC, agregação de contas). Cada integração de parceiro foi desenvolvida em modo projeto com arquiteturas ponto a ponto diferentes. A equipe de 3 desenvolvedores backend dedica 80% do seu tempo à manutenção das integrações existentes em vez de conectar novos parceiros.
Lineage e rastreabilidade regulatória
Grande banco sistêmico francês sujeito às exigências BCBS239 e GDPR, com um patrimônio de dados de mais de 5.000 tabelas distribuídas em mais de 50 sistemas. O regulador exige rastreabilidade completa da origem dos dados que alimentam os reportings regulatórios (COREP, FINREP, LCR, NSFR). Na última inspeção in loco, o banco não conseguiu demonstrar a linhagem dos dados em menos de 2 semanas.
DataOps: CI/CD para pipelines de dados
Asset Manager europeu (AuM 25 bi€) gerenciando mais de 50 pipelines de dados críticos (market data, NAV, riscos, compliance, reporting para clientes). Os deploys são manuais: um engenheiro de dados se conecta via SSH aos servidores de produção para implantar as modificações. Nenhum teste automatizado, nenhum ambiente de staging, nenhum rollback possível. 2 incidentes graves por mês em média relacionados a erros de deploy.
Master Data Management de sinistros
Seguradora de danos (2M de contratos) cujos dados de sinistros estão fragmentados em 4 sistemas: gestão de sinistros auto, gestão de sinistros residencial, plataforma de fraude e sistema contábil. Cada sistema possui sua própria codificação e seu próprio referencial. A equipe atuarial dedica 40% do seu tempo a reconciliar manualmente os dados de sinistros entre sistemas para produzir suas análises.
Plataforma de dados em tempo real para passageiros
Operador ferroviário nacional gerenciando mais de 2.000 trens/dia e 5 milhões de passageiros diários. Os dados de passageiros (bilhetagem, reserva, fidelidade, reclamação) são processados em batch D+1. As campanhas de marketing são lançadas com dados de 24-48h de atraso, tornando qualquer personalização em tempo real impossível. A taxa de conversão das campanhas de e-mail estagna em 1,2%.
Data Warehouse na nuvem multi-entidades
Cooperativa composta por 5 entidades (saúde, previdência, aposentadoria, dependência, poupança) resultantes de fusões sucessivas. Cada entidade opera em um SI diferente com referenciais, modelos de dados e tecnologias heterogêneas. O reporting consolidado do grupo para o COMEX é produzido manualmente em 15 dias úteis após cada fechamento mensal.
Base de dados para conformidade Solvência II
Seguradora vida (carteira de 30 bi€) sujeita ao Solvência II, pilar 3. A produção dos reportings SFCR e RSR mobiliza uma equipe de 8 atuários e contadores durante 2 meses a cada ano. O processo é amplamente manual: extração de dados de 6 sistemas, transformação no Excel, validação cruzada e produção dos demonstrativos QRT no formato XBRL.
Observabilidade da plataforma de dados
Produtor de energia renovável (eólica e solar) operando 50 parques distribuídos pelo território. A equipe de dados gerencia mais de 200 pipelines alimentando os sistemas de monitoramento de produção, manutenção e trading. As falhas de pipelines são frequentes e silenciosas: a equipe as descobre frequentemente por meio das reclamações das equipes de negócio (trading, manutenção) que constatam dados faltantes.
Reverse ETL para ativação de CRM
Maison de luxo francesa (receita de 3 bi€) com dados de clientes excepcionalmente ricos (compras em loja, e-commerce, CRM, programa de fidelidade) armazenados em um data warehouse Snowflake. Esses dados analíticos estão desconectados das ferramentas operacionais (Salesforce CRM, Braze marketing). As equipes de marketing criam segmentos no Snowflake mas precisam exportá-los manualmente em CSV para ativá-los no Braze. O cliente já teve experiências decepcionantes com consultorias tradicionais.
Catálogo de dados de negócio self-service
Grupo industrial europeu (10 bi€ de receita, 8 BUs) onde as equipes de dados são centralizadas mas os dados são gerenciados por cada BU de forma independente. Mais de 500 tabelas de dados existem no warehouse mas nenhuma está documentada: os nomes das colunas são crípticos, as relações entre tabelas não documentadas, e as regras de negócio conhecidas apenas pelas poucas pessoas que criaram as tabelas.
Ingestão de dados de parceiros bancários
Banco digital (neobank B2B) em rápido crescimento com mais de 30 parceiros API (scoring de crédito, KYC, agregação bancária, PSP). Cada parceiro foi integrado de forma ad hoc por desenvolvedores diferentes, criando um patchwork de conectores heterogêneos sem padrão nem monitoramento comum.
Data Clean Room para parcerias
Maison de luxo relojoeira suíça com parcerias estratégicas com mídias premium e varejistas multimarcas. O marketing deseja medir o ROI das campanhas co-branded mas não pode compartilhar os dados de clientes com os parceiros por razões de LGPD/RGPD. As análises cruzadas são impossíveis, tornando as decisões de investimento em parceiros baseadas na intuição.
Redesenho de fluxos contábeis orientado a dados
Gestora de ativos (AuM 10 bi€) com fluxos contábeis baseados em um sistema legado e tratamentos manuais em Excel. O fechamento mensal mobiliza 6 contadores durante 10 dias úteis. As reconciliações entre o sistema de gestão, a contabilidade e o custodiante são realizadas manualmente linha por linha em arquivos de mais de 50.000 lançamentos.
Plataforma de dados multi-cloud híbrida
Grande empresa francesa de energia operando tanto em infraestruturas on-premise (dados industriais SCADA, PI System) com restrições de soberania, quanto na nuvem pública para analytics e gestão comercial. Os dados críticos de produção não podem migrar para a nuvem pública (política de segurança) mas as equipes de analytics precisam acessá-los para seus modelos preditivos. O dirigente quer resultados mensuráveis, não uma fase de discovery sem fim.
Base de dados para gestão da rede comercial
Seguradora com uma rede de 2.000 agentes gerais e corretores. A gestão comercial da rede se baseia em arquivos Excel enviados mensalmente pela diretoria comercial. Os inspetores regionais dedicam 2 dias/semana para consolidar os dados e preparar suas visitas de campo. O scoring das agências é feito de forma subjetiva, sem critérios objetivos.
Streaming analytics de tráfego de passageiros
Rede de metrô e ônibus de uma grande metrópole com 300 sensores de ocupação distribuídos nas estações e veículos. Os dados de ocupação são coletados e processados em batch a cada noite, produzindo relatórios disponíveis na manhã seguinte. A operação não dispõe de nenhuma visibilidade em tempo real para adaptar a oferta de transporte às variações de ocupação intradiárias.
Data warehouse clínico
Hospital universitário de 4.000 leitos com dados clínicos dispersos em 12 aplicativos de negócio (prontuário eletrônico, PACS, laboratório, farmácia, centro cirúrgico, emergência). Os pesquisadores clínicos precisam constituir coortes de pacientes para estudos clínicos mas devem fazê-lo manualmente consultando cada sistema separadamente. A constituição de uma coorte leva 3-4 semanas.
Plataforma de dados para e-commerce de luxo
Maison de luxo francesa (moda e acessórios, receita de 5 bi€) com uma estratégia de e-commerce em forte crescimento (+40%/ano). Os dados de web, app mobile, lojas físicas e programa VIC (Very Important Client) estão armazenados em sistemas separados. Os consultores de vendas em loja veem apenas o histórico de compras na loja, não as interações digitais do cliente.
Automação de reporting regulatório ACPR
Grande seguradora (top 5 da França) com uma produção trimestral ACPR/EIOPA de mais de 80 demonstrativos QRT (Quantitative Reporting Templates). A produção mobiliza 10 atuários e contadores durante 6 semanas por trimestre. O processo se baseia em arquivos Excel interconectados com macros VBA desenvolvidas há 8 anos e dominadas por 2 pessoas.
Data Lake de saúde conectada
Laboratório farmacêutico internacional com dados de pacientes provenientes de dispositivos médicos conectados (relógios, sensores, implantes). Esses dados de real-world evidence (RWE) estão dispersos em diferentes sistemas cloud conforme os projetos clínicos, sem visão consolidada. O potencial desses dados para estudos pós-comercialização é imenso mas inexplorado.
Migração Oracle → Snowflake para grupo bancário
Banco cooperativo francês (5.000 agências, 15M de clientes) operando um Data Warehouse Oracle de 200 TB implantado em 2011. O custo de licença Oracle atingiu 2M€/ano e cresce 15% ao ano. A equipe de 5 DBAs Oracle está envelhecendo e as competências estão se tornando escassas no mercado. O DWH suporta os reportings regulatórios, comerciais e de riscos.
Feature Store de ML industrializado
Banco de varejo com mais de 20 modelos ML em produção (scoring de crédito, fraude, churn, pricing, AML). Cada equipe de data science calcula suas próprias features de forma independente, gerando duplicações e inconsistências. Um mesmo cliente pode ter um score de risco diferente conforme o modelo, pois as features 'renda' ou 'antiguidade' são calculadas de formas diferentes por cada equipe.
Consolidação de dados de RH corporativo
Grupo industrial (8 BUs, 5.000 funcionários) que realizou 3 aquisições em 2 anos. Cada entidade adquirida trouxe seu próprio SIRH (Workday, SAP HCM, ADP). O CHRO do grupo não dispõe de nenhuma visão consolidada dos efetivos, da massa salarial nem dos indicadores sociais. A produção do balanço social consolidado (BDESE) é um pesadelo anual de 3 meses. A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.
Plataforma de dados para supply chain
Fabricante global (receita de 15 bi€) com uma supply chain abrangendo 30 países, 50 fornecedores Tier 1, 12 fábricas e 200 armazéns. Os dados da supply chain estão fragmentados entre o ERP (SAP), o WMS (Manhattan), o TMS (Oracle) e arquivos Excel trocados com fornecedores. O diretor de supply chain pilota com planilhas Excel consolidadas manualmente a cada semana. Ambição clara: passar do piloto à escala com um parceiro comprometido.
Diagnóstico rápido de maturidade em dados
Cooperativa de saúde e previdência (3M de associados) que nomeou um CDO há 3 meses. O COMEX validou o princípio de um investimento em dados/IA mas solicita um diagnóstico rápido e um roadmap com orçamento antes de liberar o budget. A maturidade de dados é muito heterogênea: algumas diretorias (finanças) são avançadas, outras (saúde, distribuição) não possuem nenhuma cultura de dados. A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.
Arquitetura de dados orientada a eventos
Produtor de energia renovável operando 200 parques eólicos e solares distribuídos em 8 países. Cada parque possui seu próprio sistema SCADA e historian (PI System, Wonderware) gerando milhões de pontos de dados por dia. A gestão centralizada se faz com arquivos Excel enviados por e-mail pelos responsáveis de cada parque.
Dados abertos e portal Open Data
Operador de transporte público sujeito à lei francesa por uma República Digital, que exige a abertura dos dados de mobilidade. Os dados GTFS (horários, itinerários, paradas) são publicados manualmente e raramente atualizados. O portal transport.data.gouv.fr aponta com frequência dados ausentes ou desatualizados.
Data Lake de imagens médicas
Rede de clínicas privadas (15 unidades) com um acervo enorme de imagens médicas (ressonância, tomografia, raio-X, ultrassom) armazenado localmente em cada PACS (Picture Archiving and Communication System). As imagens não estão centralizadas nem disponíveis para pesquisa ou IA. Cada unidade tem o próprio PACS, com versões e configurações diferentes.
Qualidade de dados de catálogo de produtos
Grife de luxo (artigos de couro e prêt-à-porter) com um catálogo de mais de 50 mil referências, cujas fichas de produto alimentam o e-commerce, os marketplaces e os sistemas de PDV das lojas. Os dados de produto ficam num PIM (Product Information Management), preenchido manualmente pelas equipes de merchandising, com taxa média de completude de 65%.
Data Vault 2.0 para data warehouse ágil
Banco privado suíço com um modelo de dados patrimoniais rígido (esquema estrela clássico) implantado há 10 anos. Cada nova fonte de dados (novo custodiante, novo mercado, novo tipo de ativo) exige 3 meses de desenvolvimento para adaptar o modelo. A agilidade dos analistas fica limitada pela rigidez do data warehouse.
Centralização de dados ESG
Gestora de ativos europeia (AuM de € 50 bilhões) sujeita ao regulamento SFDR e à taxonomia europeia. Os dados ESG vêm de mais de 10 fornecedores (MSCI, Sustainalytics, Bloomberg, ISS, CDP), com metodologias, coberturas e scores divergentes. A equipe de ESG, com 3 analistas, passa 60% do tempo reconciliando os dados entre fornecedores.
Plataforma de dados para produção de energia
Produtor de energia renovável que opera 200 parques eólicos e solares em 8 países. Cada parque tem o próprio sistema SCADA e historian (PI System, Wonderware), gerando milhões de pontos de dados por dia. O controle centralizado é feito em planilhas Excel enviadas por e-mail pelos responsáveis de cada parque.
Unificação de dados de pacientes multi-sites
Grupo hospitalar público (5 estabelecimentos, 6.000 leitos) com prontuário do paciente disperso entre o PEP, o PACS, o sistema de laboratório, a farmácia e a emergência. Um paciente transferido entre estabelecimentos não tem continuidade de prontuário: os médicos do novo estabelecimento não possuem acesso ao histórico médico completo.
Marketplace de dados interno
Conglomerado industrial (15 BUs, receita de 20 bi€) com uma organização de dados descentralizada. Cada BU possui seus próprios dados mas não os compartilha com as demais. Oportunidades de cross-selling e sinergias operacionais são perdidas porque os dados permanecem isolados. O CDO do grupo identificou um potencial de 50M€/ano em valor de dados cross-BU.
Fluxo de dados em tempo real para leilões
Plataforma de trading de uma corretora europeia gerenciando 100K transações/dia nos mercados de ações e derivativos. As posições de risco são calculadas em batch a cada 4 horas, deixando os traders e a gestão de riscos na incerteza entre dois cálculos. Durante o flash crash de março passado, as posições estavam desatualizadas em 3 horas quando a perda foi detectada.
Predição de churn de clientes
Seguradora multirramos (auto, residencial, saúde) com uma carteira de 3 milhões de contratos e uma taxa de churn anual de 18%, bem acima da média do mercado (12%). As ações de retenção são acionadas após o recebimento da carta de cancelamento, ou seja, tarde demais em 80% dos casos. O custo de aquisição de um novo cliente é 5 vezes superior ao custo de retenção.
Detecção de fraude em tempo real
Grande banco de varejo francês (10M de transações por dia) enfrentando um aumento de 25% na fraude de cartão bancário em 2 anos. O sistema antifraude atual se baseia em 200 regras estáticas definidas manualmente há 5 anos. Os fraudadores aprenderam a contornar essas regras. A taxa de falsos positivos é de 90%, saturando a equipe de 15 analistas de fraude que só consegue tratar 30% dos alertas.
LLM interno seguro (RAG)
Grande banco francês (BFI + varejo) com mais de 500 documentos regulatórios internos (procedimentos, circulares, notas de compliance) totalizando 50.000 páginas. Os consultores de atendimento e as equipes de compliance dedicam em média 45 minutos por dia buscando informações nessa documentação. As respostas aos clientes sobre assuntos regulatórios levam 24-48h pois os consultores precisam consultar o departamento jurídico.
Manutenção preditiva de frota ferroviária
Operador ferroviário nacional gerenciando uma frota de mais de 500 composições (TGV, TER, Intercités) com uma política de manutenção baseada em intervalos fixos (quilométricos ou temporais). Os custos de manutenção representam 30% do orçamento operacional. As panes em linha (imobilização na via) impactam 2-3% dos trens diariamente, gerando atrasos em cascata e custos de reroteamento estimados em 50M€/ano.
Classificação automática de sinistros
Grande seguradora de danos tratando 200K sinistros por ano distribuídos entre auto (60%), residencial (30%) e responsabilidade civil (10%). A triagem inicial dos sinistros é realizada manualmente por uma equipe de 40 gestores que leem as declarações, classificam o tipo de sinistro e encaminham ao perito ou gestor especializado. O tempo de processamento da triagem inicial é de 15 minutos por dossiê. Necessidade de um parceiro que se comprometa com resultados, não com horas trabalhadas.
Otimização de precificação com ML
Seguradora (auto, residencial, saúde) com uma tarifação baseada em modelos GLM (Generalized Linear Models) desenvolvidos há 8 anos pela atuária. Os modelos utilizam 15 variáveis tarifárias clássicas (idade, zona, antiguidade, bônus-malus). A concorrência adotou o ML há 3 anos e oferece tarifas mais competitivas nos bons riscos, gerando uma antisseleção progressiva da carteira.
Computer Vision para controle de qualidade
Fábrica automotiva de um fornecedor Tier 1 produzindo 500K peças/dia (rodas de alumínio). O controle de qualidade visual é realizado por 30 operadores trabalhando em 3 turnos nas linhas de produção. O controle humano detecta 92% dos defeitos mas sofre com variabilidade entre operadores e fadiga no final do turno. A taxa de refugo é de 5%, dos quais 1,5% detectados no cliente (reclamações da montadora).
Chatbot de IA para atendimento ao cliente
Banco digital (1,5M de clientes) com um call center de 200 agentes atendendo 30K ligações/dia. 80% das ligações dizem respeito a questões repetitivas (saldo, transferência, bloqueio de cartão, extratos) às quais os agentes respondem manualmente. O tempo médio de espera é de 12 minutos, o custo por ligação de 15€, e o NPS do serviço de atendimento está em -5.
Predição de consumo energético
Gestor de rede elétrica regional alimentando 3 milhões de domicílios. Os picos de consumo são cada vez mais difíceis de antecipar devido à multiplicação de fontes renováveis intermitentes (solar, eólica) e à eletrificação dos usos (veículos elétricos, bombas de calor). As previsões de carga atuais possuem um erro médio de 8%, gerando cortes programados custosos ou excesso de capacidade de reserva.
NLP para extração automática de contratos
Gestora de ativos (AuM 20 bi€) gerenciando 150 fundos com mais de 10K contratos de investimento a analisar a cada ano para a revisão de compliance. A equipe jurídica de 5 pessoas lê manualmente cada contrato para identificar as cláusulas-chave (taxas, prazo, condições de saída, cláusulas restritivas). O processo de revisão anual mobiliza 500 dias-homem e atrasa as decisões de investimento.
Scoring de crédito com ML aprimorado
Banco de varejo (8M de clientes) com um scoring de crédito desenvolvido em 2018 baseado em modelo logístico utilizando 12 variáveis tradicionais (renda, emprego, histórico bancário). O modelo mostra sinais de degradação: a taxa de inadimplência real é 20% superior à taxa prevista, e a taxa de recusa é considerada excessiva pela diretoria comercial (35% das solicitações recusadas vs 25% de objetivo). A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.
Recomendação de produtos cross-sell
Seguradora multiprodutos (auto, residencial, saúde, previdência) com uma taxa de cross-sell de 8% (1 produto por cliente em média). O objetivo estratégico é alcançar 1,5 produto por cliente em 3 anos. As recomendações atuais são baseadas em regras de negócio simples (se auto → propor residencial) sem personalização nem timing otimizado.
IA generativa para relatórios atuariais
Seguradora vida (carteira de 30 bi€) cuja equipe atuarial de 15 pessoas produz 40 relatórios atuariais por ano (relatórios trimestrais por fundo, relatórios anuais, estudos específicos). Cada relatório requer 40 horas de trabalho: extração de dados, cálculos, redação, formatação. Os atuários dedicam 70% do seu tempo à produção de relatórios e 30% à análise de valor agregado.
Detecção de anomalias em redes de energia
Gestor de rede de gás operando 50.000 km de tubulações com 500 estações de medição e regulação. Os vazamentos de gás são detectados principalmente por inspeções de campo (helicóptero, veículo) custando 15M€/ano. A rede está envelhecendo (40% das tubulações possuem mais de 40 anos) e o número de incidentes aumenta 5% ao ano.
Predição de atrasos e perturbações
Operador de transporte urbano (metrô, ônibus, VLT) de uma grande metrópole, gerenciando 5 milhões de deslocamentos diários. As perturbações (panes de equipamento, incidentes com passageiros, greves parciais) provocam em média 200 atrasos significativos por semana. A informação ao passageiro é difundida manualmente pelos reguladores, frequentemente 15-30 minutos após o início da perturbação.
OCR inteligente de documentos médicos
Rede de 15 clínicas privadas tratando 500K prontuários de pacientes por ano, dos quais 60% em formato papel (cartas, laudos, receitas). A digitalização é feita por scanning com OCR básico que reconhece apenas 60% do texto, exigindo digitação manual complementar por 25 agentes de arquivo. O prazo de digitalização é de 5 dias úteis em média.
Demand forecasting para supply chain
Fabricante de bens de consumo (receita de 3 bi€) com 15.000 referências de produtos vendidos em 30 países por meio de 50.000 pontos de venda. As previsões de vendas são realizadas pelos diretores comerciais regionais no Excel com uma precisão de 60%. Os erros de previsão causam simultaneamente 25% de excesso de estoque (destruições, promoções forçadas) e 8% de rupturas (vendas perdidas).
Personalização de clientes em tempo real
Maison de luxo francesa (joalheria e relojoaria, receita de 4 bi€) com uma rede de 200 lojas e um site de e-commerce em crescimento de 50%/ano. A experiência do cliente é idêntica para todos os visitantes, seja um cliente VIC (Very Important Client) representando 100K€/ano ou um primeiro visitante. O ticket médio online estagna em 2.500€ apesar de um catálogo que se enriquece.
Análise de sentimento e voz do cliente
Seguradora multirramos com mais de 10K verbatims de clientes por mês (pesquisas NPS, reclamações, avaliações online, redes sociais). O NPS caiu 8 pontos em 18 meses e a diretoria de marketing não possui nenhuma explicação precisa. A análise manual de verbatims é realizada por 2 analistas que leem uma amostra de 500 verbatims/mês (5% do total).
MLOps: industrialização de modelos de ML
Grande banco de varejo francês com 15 modelos ML em produção (scoring, fraude, churn, pricing, recomendação) implantados ao longo dos últimos 3 anos sem framework comum. Cada data scientist implanta seus modelos com suas próprias ferramentas e métodos. O time-to-production de um modelo é de 3 meses, dos quais 2 meses de trabalho de engenharia para o deploy.
Provisionamento IFRS17 aprimorado por ML
Seguradora vida (carteira de 30 bi€) em plena transição IFRS17 (entrada em vigor em 2023). Os cálculos atuariais sob IFRS17 (CSM, BEL, Risk Adjustment) requerem simulações Monte Carlo massivas. Na infraestrutura CPU atual, um cálculo completo da carteira leva 72 horas, limitando o número de cenários simuláveis a 100 por trimestre.
IA para auxílio ao diagnóstico médico
Hospital universitário (CHU) de 2.000 leitos com um serviço de radiologia realizando 300K exames de imagem por ano (ressonância, tomografia, radiografia). A equipe de 25 radiologistas enfrenta uma carga de trabalho crescente (+10%/ano) sem possibilidade de contratação (escassez de radiologistas). O prazo de leitura dos exames não urgentes passou de 24h para 48h em 2 anos.
Otimização de pricing dinâmico
E-commerce de luxo (moda e acessórios, receita de 500M€) com precificação estática: os preços são fixados no início da temporada e só mudam nos períodos de liquidação. A concorrência multimarcas ajusta seus preços em tempo real. As margens são subotimizadas: certos produtos com alta demanda estão subprecificados enquanto outros poderiam se beneficiar de promoções direcionadas.
Predição de falência de fornecedores
Grupo industrial (receita de 8 bi€) com 2.000 fornecedores Tier 1 distribuídos em 30 países. Três falências de fornecedores importantes em 18 meses causaram paradas de produção de 2-4 semanas, custando 25M€ em perda de receita e penalidades contratuais. O monitoramento de fornecedores se limita a um questionário anual de autoavaliação preenchido por 60% dos fornecedores.
Automação de KYC por IA
Grande banco francês com um processo KYC (Know Your Customer) tratando 50K dossiês de abertura de conta por ano. O processo é amplamente manual: coleta de documentos de identidade, verificação de identidade, screening de listas de sanções, avaliação do risco de lavagem. Tempo médio de processamento: 45 minutos por dossiê, mobilizando 30 analistas de compliance.
Otimização de rotas de manutenção
Distribuidora nacional de gás operando 2.000 técnicos de campo para manutenção, conexões e intervenções de emergência. O planejamento das rotas é realizado manualmente por 50 despachantes na véspera para o dia seguinte. Os técnicos percorrem em média 120 km/dia, dos quais 35% são quilômetros improdutivos (trajetos entre intervenções mal otimizados).
Detecção de fraude em seguros de saúde
Cooperativa de saúde (3M de associados) com um orçamento de fraude em alta de 20% ao ano. A fraude em prestações de saúde é estimada em 5% do montante total dos reembolsos (ou seja, 150M€/ano). Os controles atuais por amostragem detectam 20% das fraudes: 80% passam despercebidas. Os esquemas fraudulentos frequentemente envolvem redes (profissionais de saúde, farmácias, segurados cúmplices). Ambição clara: passar do piloto à escala com um parceiro comprometido.
GenAI copilot para desenvolvedores
TI de um grande grupo (200+ desenvolvedores) com um LLM generalista (ChatGPT/Copilot) utilizado de forma não controlada pelas equipes. Os riscos estão identificados: vazamento de código proprietário para serviços cloud, alucinações no código gerado, ausência de padrões de qualidade. A produtividade dos desenvolvedores estagna apesar da adoção crescente de ferramentas de IA.
Predição de rotatividade de colaboradores
Grupo industrial (5.000 funcionários na produção) com um turnover de 22% nos postos de produção, bem acima da média do setor (14%). O custo médio de substituição de um operador (recrutamento + treinamento + curva de aprendizado) é de 15K€. As demissões são sistematicamente inesperadas pela gestão.
IA generativa para redação de propostas comerciais
Consultoria de Data & IA redigindo 200 propostas comerciais por ano. Cada proposta requer 3 dias de trabalho (pesquisa de contexto do cliente, redação, formatação, revisão). Os consultores seniores dedicam 30% do seu tempo à redação de propostas em vez de missões faturáveis. Ambição clara: passar do piloto à escala com um parceiro comprometido.
IA preditiva para falhas em redes de telecom
Operadora de telecomunicações (15M de assinantes) em plena implantação da rede 5G com 50K antenas a gerenciar. As falhas de rede não antecipadas causam degradações de serviço impactando milhares de assinantes. O SLA de disponibilidade de rede é de 99,9% mas só é cumprido em 99,5%, gerando penalidades contratuais dos operadores MVNO hospedados.
Scoring ESG automatizado por IA
Asset Manager ESG (AuM 15 bi€) especializado em investimento responsável com obrigação de scoring ESG sobre todo o portfólio. A equipe ESG de 4 analistas avalia manualmente cada emissor lendo relatórios de sustentabilidade, CDPs e publicações setoriais. A cobertura é limitada a 500 emissores dos 5.000 em portfólio.
Reconhecimento visual de peças de reposição
Companhia aérea (70M de passageiros/ano) com oficinas de manutenção pesada (MRO) tratando 500K peças de reposição por ano. A identificação manual das peças (número de série, referência do fabricante) durante as inspeções é fonte de erros: 3% das peças são mal identificadas, gerando pedidos errados e atrasos de manutenção.
IA para conformidade PLD/FT
Grande banco francês com um departamento de compliance PLD-FT (Prevenção à Lavagem de Dinheiro - Financiamento do Terrorismo) tratando 150K alertas por ano gerados pelo sistema de monitoramento de transações. A taxa de falsos positivos é de 95%: dos 150K alertas, apenas 7.500 casos requerem investigação aprofundada. A equipe de 40 analistas está saturada e o backlog de alertas não tratados atinge 3 meses. A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.
Auditoria contínua por IA
Grupo bancário europeu com um departamento de auditoria interna realizando 50 missões de auditoria por ano. A auditoria das transações é feita por amostragem: 5% das transações são selecionadas aleatoriamente e examinadas manualmente. Essa taxa de cobertura é insuficiente: 3 fraudes internas graves (15M€ no total) foram descobertas acidentalmente nos últimos 2 anos. A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.
Otimização do mix energético por IA
Produtor multi-energia (nuclear, hidrelétrica, eólica, solar, gás) precisando arbitrar permanentemente entre suas fontes de produção para otimizar o mix energético. A arbitragem atual é realizada por 15 traders de energia com base em modelos Excel e sua experiência. A complexidade crescente do mercado (renováveis intermitentes, preços voláteis, armazenamento) ultrapassa a capacidade de análise humana.
NLP para análise de patentes farmacêuticas
Laboratório farmacêutico internacional (receita de 10 bi€) com monitoramento de patentes realizado manualmente por 5 analistas de propriedade intelectual. O portfólio de patentes a monitorar abrange 20K patentes próprias e 100K patentes de concorrentes. Os analistas processam em média 500 novas patentes por mês enquanto 5.000 são publicadas nas áreas de interesse. O cliente já teve experiências decepcionantes com consultorias tradicionais.
Predição de sinistralidade climática
Seguradora de danos (5M de contratos) confrontada com um aumento de 40% na sinistralidade climática em 5 anos (tempestades, inundações, granizo, seca). Os modelos atuariais clássicos (tábuas de mortalidade, leis estatísticas históricas) não capturam a dinâmica das mudanças climáticas. O regulador (ACPR) exige a consideração do risco climático nas provisões e na tarifação.
IA para auxílio à venda em loja
Rede de 500 lojas de uma maison de luxo com consultores de venda dispondo de um CRM básico (histórico de compras apenas na loja). Durante um atendimento ao cliente, o consultor só conhece as compras realizadas em sua própria loja. Ele desconhece as compras online, as interações digitais, as preferências e as datas especiais do cliente.
Simulação Monte Carlo acelerada por GPU
Seguradora vida com simulações de Solvência II baseadas em Monte Carlo CPU. Os cálculos completos da carteira (Best Estimate Liabilities, CSM IFRS17, Risk Adjustment) requerem 72 horas em um cluster de 200 servidores CPU. O número de cenários é limitado a 100 por trimestre, enquanto os auditores e o regulador demandam mais de 1.000.
IA para process mining de operações
Banco de varejo (8M de clientes) com um processo de crédito imobiliário de 45 dias em média entre a solicitação e a liberação. O processo atravessa 12 etapas envolvendo 6 departamentos diferentes. Os clientes reclamam da lentidão e 15% desistem durante o processo. A diretoria não sabe onde estão os gargalos.
Agente de IA para gestão de sinistros
Seguradora residencial tratando 150K sinistros/ano com um processo de gestão em 5 etapas (declaração, avaliação, perícia, indenização, encerramento). O prazo médio de processamento é de 21 dias, bem acima da expectativa do cliente (7 dias). A satisfação com sinistros está em 55% (NPS -20), principal fator de churn.
Otimização do consumo de energia em edifícios
Gestora imobiliária (200 edifícios comerciais, 500K m²) sujeita ao decreto terciário (redução de 40% do consumo energético até 2030). Os sistemas HVAC (Aquecimento, Ventilação e Ar Condicionado) são controlados por autômatos com setpoints fixos, sem adaptação às condições reais de ocupação ou meteorologia.
Drug repurposing por ML
Laboratório farmacêutico investindo 2 bi€/ano em P&D com uma taxa de sucesso das moléculas de 10% (da fase 1 à comercialização). O tempo médio de desenvolvimento de uma nova molécula é de 10 anos. A identificação de novas indicações para moléculas existentes (drug repurposing) é uma estratégia para reduzir custos e acelerar a entrada no mercado.
IA para inspeção visual de materiais
Siderúrgica europeia (receita de 5 bi€) produzindo chapas de aço para o setor automotivo. O controle de qualidade de superfície das chapas é realizado por inspeção visual manual por 20 operadores em 3 turnos. Os defeitos de superfície (riscos, porosidades, oxidação, inclusões) são detectados a uma taxa de 94% mas com alta variabilidade conforme o operador e o momento do dia.
Predição de fluxo de caixa com ML
Tesouraria de um grupo industrial (50 filiais em 25 países) com previsões de caixa realizadas em Excel pelos tesoureiros locais. A consolidação do grupo é manual e fica disponível no meio do mês para o mês corrente. O erro médio de previsão a 30 dias é de 25%, impactando as decisões de aplicação e financiamento de curto prazo.
Segmentação dinâmica de clientes com ML
Maison de luxo (cosméticos e perfumes) com uma segmentação de clientes baseada no modelo RFM (Recência, Frequência, Montante) estático, recalculada trimestralmente. A segmentação em 5 grupos (VIC, Gold, Silver, Bronze, Dormant) não captura nem os micro-comportamentos nem as transições entre segmentos. As campanhas de marketing são idênticas para todos os clientes de um mesmo segmento. O cliente busca um parceiro operacional capaz de colocar em produção rapidamente.
IA generativa para documentação técnica
Diretoria de TI de um grande grupo bancário com mais de 2.000 páginas de documentação técnica (arquitetura, API, procedimentos), das quais 60% estão obsoletas. O onboarding de um novo desenvolvedor leva em média 3 meses, pois a documentação não reflete o estado real dos sistemas. Os desenvolvedores gastam 20% do seu tempo procurando informações ou perguntando a colegas.
Predição de necessidades de provisionamento
Banco com uma carteira de créditos de 50 bilhões de euros sujeita à IFRS9, necessitando o cálculo de provisões ECL (Expected Credit Loss). Os cálculos são realizados pela equipe de risco (8 analistas) com modelos estatísticos e tratamentos em Excel durante 3 semanas por fechamento trimestral. O número de cenários macroeconômicos é limitado a 3 (baseline, otimista, pessimista).
IA para planejamento de produção
Fábrica farmacêutica produzindo 50 referências de medicamentos com um planejamento de produção gerenciado manualmente em Excel por 3 planejadores. A fábrica opera em 4 linhas de produção com restrições complexas (sequenciamento, limpeza, qualificação, datas de validade). A taxa de utilização da capacidade é de 60% contra o objetivo de 85%.
Análise preditiva da jornada do paciente
Hospital (1.500 leitos) com um serviço de emergência recebendo 200 pacientes/dia. O tempo médio de espera na emergência é de 4 horas, com picos de 8 horas nos finais de semana e feriados. A taxa de readmissão em 30 dias é de 12%, bem acima do objetivo de 8%. A superlotação da emergência impacta todo o hospital (leitos ocupados, centro cirúrgico atrasado).
IA para detecção de anomalias contábeis
Grupo multiatividades (indústria, serviços, distribuição) com 500 mil lançamentos contábeis por mês processados em 3 ERPs diferentes. A auditoria interna realiza um controle por amostragem (3% dos lançamentos) uma vez por trimestre. Uma fraude interna de 2 milhões de euros em notas de despesas foi descoberta por acaso no ano passado, após 18 meses de execução.
Otimização da rede de distribuição de energia
Distribuidora de eletricidade operando 200.000 km de rede com um plano de investimento de 2 bilhões de euros/ano para renovação e reforço. A priorização dos investimentos é baseada na antiguidade das instalações e em regras de negócio empíricas. A equipe de planejamento (20 engenheiros) avalia manualmente os trechos candidatos à renovação.
IA para extração de dados de faturas de fornecedores
Grupo industrial (100 mil faturas de fornecedores/ano) com um processo de tratamento de faturas amplamente manual. As faturas chegam por e-mail (60%), correio (30%) e portal do fornecedor (10%). A entrada manual mobiliza 8 agentes contábeis. O prazo médio de processamento é de 5 dias úteis, causando multas por atraso e tensões com fornecedores.
IA preditiva para qualidade de processos
Fábrica química produzindo polímeros especiais com variações significativas de qualidade do produto entre os lotes. O controle de qualidade é realizado no final do processo (pós-produção) com análise em laboratório levando de 4 a 8 horas. Se um lote estiver não conforme, ele é detectado tarde demais: 35% da matéria-prima já foi transformada em produtos acabados não conformes.
Análise de sentimentos em redes sociais
Marca de luxo (joalheria) com forte exposição nas redes sociais (500 mil seguidores no Instagram, 200 mil no LinkedIn). O monitoramento de e-reputação é realizado manualmente por uma estagiária que verifica as redes todas as manhãs. Durante uma crise recente (post viral negativo), a marca só reagiu após 24h, deixando tempo para a polêmica se instalar. O cliente já teve experiências decepcionantes com consultorias tradicionais.
Copilot de IA para agentes de call center
Seguradora (500 agentes em call center) com um AHT (Average Handle Time) de 12 minutos e uma taxa de resolução na primeira chamada (FCR) de 55%. Os agentes precisam alternar entre 5 aplicações diferentes durante a chamada para encontrar a informação. Novos agentes levam 6 meses para se tornarem plenamente operacionais. A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.
IA para cibersegurança com SIEM aprimorado
Grande banco com um SOC (Security Operations Center) processando 10 mil alertas de segurança por dia geradas pelo SIEM. A taxa de falsos positivos é de 99%: 1% dos alertas são incidentes reais. A equipe do SOC de 20 analistas está em estado de fadiga permanente de alertas. O tempo médio de detecção de um incidente real (MTTD) é de 4 horas.
Digital twin de fábrica
Equipe comercial B2B (200 vendedores) realizando 1.000 chamadas/semana. Os gerentes precisam ouvir amostras de chamadas para coaching, mas cobrem apenas 2-3% por falta de tempo. A qualidade das chamadas é muito variável e o onboarding de novos vendedores leva de 4 a 6 meses antes de atingirem sua meta. O dirigente quer resultados mensuráveis, não uma fase de discovery sem fim.
IA de voice analytics para chamadas comerciais
Banco cooperativo francês (Top 10) com uma infraestrutura de dados on-premise envelhecida: 500 servidores físicos hospedando os workloads de dados, BI e analytics. O datacenter está no fim da vida útil (contrato de locação expira em 18 meses). Os custos de infraestrutura dobraram em 5 anos (15 milhões de euros/ano) enquanto a demanda por capacidade de processamento cresce 30%/ano.
Migração para nuvem da plataforma de dados Azure
Grupo segurador europeu (20 bilhões de euros em prêmios) operando na Azure há 3 anos com uma dependência crescente do fornecedor (vendor lock-in). Os dados de saúde estão sujeitos a exigências de soberania (HDS) e o regulador questiona a reversibilidade do cloud. O COMEX solicita uma estratégia multi-cloud para reduzir os riscos.
Arquitetura multi-cloud de Data & IA
Banco de investimento com 15 modelos ML em produção implantados em VMs dedicadas. Cada modelo tem sua própria VM com seu próprio ambiente Python, suas próprias dependências e sua própria versão de framework. Os custos de GPU são de 500 mil euros/ano com uma taxa de utilização de 15% (as GPUs rodam 24/7, mas são usadas apenas para inferência pontual).
Kubernetes para workloads de ML
Grande empresa de energia realizando sua primeira migração para a nuvem pública. A empresa é classificada como OIV (Operador de Importância Vital) e sujeita a exigências SecNumCloud para determinados sistemas. Nenhuma competência em cloud interna: a equipe de TI de 50 pessoas é 100% on-premise. A diretoria validou um orçamento de 5 milhões de euros para o programa cloud em 2 anos.
Landing Zone segura na AWS
Grande banco francês com uma fatura cloud Azure de 5 milhões de euros/ano em crescimento descontrolado de 40%/ano. As equipes criam recursos sem restrição e sem visibilidade dos custos. Nenhuma tagueamento sistemático: impossível atribuir os custos por equipe, projeto ou aplicação. O CFO exigiu uma redução de 30% na fatura cloud.
FinOps e otimização de custos na nuvem
Operador de transporte público com 15 aplicações de dados monolíticas (Java/Spring) implantadas em servidores físicos. Os deploys são feitos em horários de baixo movimento (2h-5h da manhã) uma vez por mês com uma janela de manutenção de 3h. Cada deploy é arriscado: os rollbacks são manuais e levam 2h.
Containerização de plataforma de dados legada
Grupo industrial (50 ambientes cloud) com uma infraestrutura cloud gerenciada manualmente via console web. Cada solicitação de ambiente é tratada por ticket (prazo de 2 semanas). As configurações divergem entre os ambientes: o staging não reflete a produção, causando bugs no deploy.
Infrastructure as Code completa
Grande banco sistêmico buscando uma plataforma de dados unificada para substituir um mosaico de 8 ferramentas (Hadoop, Teradata, SAS, SPSS, Tableau, Power BI, Jupyter, Spark standalone). Os custos totais de licença atingem 8 milhões de euros/ano. A interoperabilidade entre ferramentas é baixa: os data engineers gastam 40% do seu tempo transferindo dados entre sistemas.
Plataforma Databricks Enterprise
Hospital universitário (CHU) de 3.000 leitos desejando implantar uma plataforma de dados para pesquisa clínica e gestão hospitalar. Os dados de pacientes estão sujeitos à hospedagem HDS (Hébergeur de Données de Santé). O cloud público padrão é proibido para dados nominativos de pacientes. O orçamento cloud é de 500 mil euros/ano.
Nuvem híbrida para dados sensíveis de saúde
Asset Manager (AuM 25 bilhões de euros) com um DWH SQL Server on-premise hospedando 10 anos de dados financeiros. As performances estão se degradando: consultas analíticas complexas (atribuição de performance, risco multifatorial) levam até 45 minutos. A adição de 5 novos fundos no ano saturou a capacidade.
Migração Snowflake e redesenho de arquitetura
Seguradora de saúde com deploys de dados realizados manualmente a cada 6 semanas. O processo envolve um data engineer que se conecta ao servidor de produção, executa os scripts SQL e verifica visualmente os resultados. Cada deploy leva meio dia e é arriscado: 1 deploy em cada 4 causa um incidente que requer rollback manual. O dirigente quer resultados mensuráveis, não uma fase de discovery sem fim.
DevOps para plataforma de dados
Banco com dados críticos (transações, clientes, compliance) hospedados no cloud Azure. O modelo de segurança atual é perimetral: uma VPN dá acesso a toda a rede cloud. Um pentest recente demonstrou que um acesso comprometido permitia navegar lateralmente até todos os dados sensíveis. O cliente já teve experiências decepcionantes com consultorias tradicionais.
Segurança cloud Zero Trust para dados
Seguradora com 10 data scientists utilizando cada um sua própria máquina local para o desenvolvimento de ML. Não existe nenhuma plataforma ML padronizada: cada data scientist instala Python, as bibliotecas e os frameworks à sua maneira. Os modelos em produção rodam em VMs configuradas manualmente.
Plataforma de ML na nuvem gerenciada
Grupo industrial (faturamento de 10 bilhões de euros) operando SAP ECC 6 on-premise em uma infraestrutura envelhecida. O fim do suporte SAP ECC está previsto para 2027. A empresa precisa migrar para o SAP S/4HANA e deseja aproveitar essa migração para ir ao cloud e modernizar sua plataforma de dados.
Migração para nuvem de workloads legados SAP
Operador de transporte com sistemas críticos 24/7 (gestão de trens, sinalização, informação ao passageiro) cujo RPO atual é de 24h e o RTO de 48h. Um incidente grave no ano passado causou 36h de indisponibilidade do sistema de informação ao passageiro, gerando uma crise midiática e penalidades contratuais de 5 milhões de euros.
DR e alta disponibilidade na nuvem
Operador de transporte público (15.000 agentes, 3 bilhões de euros de faturamento). Sistemas críticos: bilhetagem em tempo real, supervisão de rede, planejamento de horários. Infraestrutura cloud multi-AZ, mas nenhum plano de recuperação formalizado. Último incidente grave: 4h de indisponibilidade da bilhetagem, perda estimada de 800 mil euros.
Observabilidade full-stack na nuvem
Produtor de energias renováveis (800 funcionários, 500MW instalados). Infraestrutura cloud AWS multi-contas (prod, staging, dev). Nenhuma observabilidade centralizada: logs dispersos, métricas não correlacionadas, alertas ruidosos. Equipe SRE de 3 pessoas sobrecarregada por incidentes não detectados antecipadamente.
Edge computing para sites industriais
Grupo industrial (4 fábricas, 2.500 funcionários, 600 milhões de euros de faturamento). 8.000 sensores IoT implantados nas linhas de produção. Latência do cloud inaceitável (>200ms) para casos de uso em tempo real: controle de qualidade por visão, parada de emergência automática, pilotagem robótica. Necessidade de processamento local com sincronização cloud.
Plataforma de dados serverless
Fintech em hipercrescimento (150 funcionários, 50 milhões de euros captados). Tráfego muito variável: x10 em período de fechamento, x20 durante campanhas de marketing. Plataforma de dados em EC2 clássico — custos fixos elevados, scaling manual, time-to-market de dados de 3 semanas para cada novo pipeline.
Nuvem soberana para dados de defesa
Industrial do setor de defesa (3.000 funcionários, 1,2 bilhão de euros de faturamento). Dados classificados (Difusão Restrita e Secreto). Obrigação regulatória de soberania total: nenhum dado deve transitar por um cloud sujeito ao Cloud Act. Programa ambicioso de transformação de dados freado pelas restrições de soberania.
GitOps para infraestrutura de dados
Banco de varejo (8.000 funcionários, 3 bilhões de euros de PNB). Equipe de infraestrutura de dados de 12 pessoas. Modificações na infraestrutura (Terraform, Kubernetes) implantadas manualmente via tickets ITSM. Nenhuma rastreabilidade das alterações, rollbacks impossíveis, 3 incidentes graves em 6 meses ligados a erros de configuração.
Arquitetura Data Lakehouse para varejo
Rede de boutiques de luxo (120 pontos de venda, 35 países, 800 milhões de euros de faturamento). Dados de varejo dispersos: POS, e-commerce, CRM clienteling, estoques de lojas, programa de fidelidade. Arquitetura de data warehouse legada (Oracle) custosa e rígida. Projeto de lakehouse para unificar dados físicos e digitais.
Framework de governança de custos na nuvem
Grupo segurador (12.000 funcionários, 4 bilhões de euros de faturamento). Fatura cloud de 8 milhões de euros/ano distribuída entre 3 hyperscalers (AWS, Azure, GCP) e mais de 200 contas. Nenhuma governança de custos: sem tagging, sem alocação por BU, sem rightsizing. Orçamento cloud em alta de 35%/ano sem correlação com o crescimento do negócio. O cliente busca um parceiro operacional capaz de colocar em produção rapidamente.
Plataforma de CI/CD unificada
Operador de transporte (6.000 funcionários). 10 equipes de desenvolvimento data/analytics utilizando 10 ferramentas de CI/CD diferentes (Jenkins, GitLab CI, GitHub Actions, scripts internos…). Nenhuma padronização, cada equipe reinventa a roda. Tempo de colocação em produção de um pipeline de dados: 3 semanas em média.
Arquitetura de dados Medallion completa
Produtor de energia (4.000 funcionários, 2 bilhões de euros de faturamento). Dados brutos de produção (medidores, SCADA, meteorologia) armazenados de forma desestruturada em um data lake S3 não organizado. Nenhuma camada de transformação, dados não confiáveis, data scientists gastando 70% do seu tempo em preparação de dados.
Plataforma de dados GCP completa
Grupo industrial (5.000 funcionários, 1,5 bilhão de euros de faturamento, 6 BUs). Estratégia Google Cloud decidida no nível do grupo. Nenhuma plataforma de dados centralizada — cada BU desenvolve suas próprias soluções BigQuery isoladas. Necessidade de uma plataforma de dados GCP corporativa com governança e self-service.
Diagnóstico rápido de IA para COMEX
Diretoria geral de um banco de varejo (5.000 funcionários, 2 bilhões de euros de PNB). Estratégia de IA anunciada ao COMEX, mas não traduzida em um roadmap concreto. Concorrentes neobancos à frente em IA. A diretoria geral quer um diagnóstico rápido (2 semanas) para arbitrar os investimentos em IA de 2026.
Diagnóstico de maturidade em dados na saúde
Centro Hospitalar Universitário (8.000 funcionários, 1.500 leitos). Transformação de dados nascente: primeiras iniciativas de data warehouse de saúde lançadas, mas não estruturadas. Diretoria de qualidade e diretoria de TI não alinhadas. Orçamento de dados limitado, necessidade de priorizar os casos de uso de alto impacto.
Diagnóstico de plataforma de dados existente
Grupo industrial (3 BUs, 1.200 funcionários, 400 milhões de euros de faturamento). Plataforma de dados Snowflake implantada há 2 anos, mas com desempenho abaixo do esperado: consultas lentas, custos em alta, baixa adoção. A diretoria de TI suspeita de problemas de arquitetura, mas não tem distanciamento suficiente. Necessidade de uma auditoria independente.
Auditoria de segurança e compliance na nuvem
Seguradora mutualista (4.000 funcionários, 2,5 bilhões de euros de faturamento). Migração cloud AWS realizada há 18 meses com urgência (fim do suporte do datacenter). Segurança e conformidade tratadas a posteriori. CISO preocupado: sem visão clara da postura de segurança cloud. Auditoria da ACPR iminente.
Detecção de fraude em cartão em tempo real
Emissor de cartões bancários (subsidiária de um grupo bancário, 1.200 funcionários). Fraude em cartões bancários em alta de 25%/ano, sistemas de detecção baseados em regras estáticas ultrapassadas. Perdas por fraude: 12 milhões de euros/ano. Os fraudadores se adaptam mais rápido do que as regras manuais. Necessidade de um sistema ML em tempo real.
Arquitetura de dados para fusões e aquisições
Banco de varejo adquirindo um concorrente regional (fusão regulamentada). 2 sistemas de informação completamente diferentes (Oracle vs SQL Server, Mainframe vs Cloud). 400 TB de dados a serem fundidos com restrições regulatórias (ACPR, RGPD). Prazo imposto pelo regulador: migração técnica em no máximo 18 meses. Ambição clara: passar do piloto à escala com um parceiro comprometido.
Pricing de seguro afinitário com ML
Seguradora especializada em produtos de afinidade (viagem, celular, habitação temporária). 300 funcionários, 150 milhões de euros de faturamento. Precificação atuarial clássica (tabelas GLM) não adaptada ao digital: tarifação batch D+1, sem personalização em tempo real, perda de competitividade frente às insurtechs. A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.
Plataforma de dados Azure Databricks para saúde
Grupo de clínicas privadas (25 estabelecimentos, 6.000 funcionários, 800 milhões de euros de faturamento). Projeto estratégico de plataforma de dados de saúde para unificar prontuário eletrônico, PMSI, laboratórios e imagem. Nenhuma infraestrutura de dados existente. Restrições HDS (Hospedagem de Dados de Saúde) e RGPD Saúde.
Processamento inteligente de documentos de seguros
Seguradora generalista (6.000 funcionários, 3 bilhões de euros de faturamento). 500.000 documentos recebidos por ano: declarações de sinistros, documentos comprobatórios, correspondências, laudos médicos. Processamento 100% manual por 120 gestores. Backlog de 3 semanas, taxa de erro de classificação de 8%, satisfação do cliente em queda.
Reporting ESG industrial automatizado
Grupo industrial listado em bolsa (4 BUs, 3.000 funcionários, 1,2 bilhão de euros de faturamento). Diretiva CSRD aplicável a partir de 2025, relatório ESG exigido pelos investidores e pelo conselho de administração. Dados ESG dispersos em mais de 50 fontes (ERP, sensores de energia, RH, compras, transporte). Relatório atual em Excel, 3 meses de preparação.
Lead scoring com ML para prospecção B2B
Editor SaaS B2B (200 funcionários, 30 milhões de euros de ARR). Equipe comercial de 25 SDR/AE processando 10.000 leads/mês. Lead scoring baseado em regras manuais (setor, porte, fonte). Taxa de conversão MQL→SQL de 8% — os vendedores perdem tempo com leads não qualificados.
Migração de plataforma de analytics para a nuvem
Maison de luxo (3.000 funcionários, 2 bilhões de euros de faturamento, 120 boutiques). Plataforma de analytics on-premise (Teradata + Business Objects) em fim de vida. Custos de manutenção: 1,2 milhão de euros/ano. Performances insuficientes para tempo real. Projeto de migração para o cloud aprovado pelo COMEX. Necessidade de um parceiro que se comprometa com resultados, não com tempo.
IA preditiva para yield management em transportes
Companhia ferroviária (10.000 funcionários, 3 bilhões de euros de faturamento). Yield management baseado em regras tarifárias simples (alta/baixa temporada, classe). Taxa de ocupação média de 72% contra 85% dos concorrentes low-cost. Receita perdida estimada em 50 milhões de euros/ano. Diretoria comercial quer precificação dinâmica com IA.
Programa de transformação de dados para grupo segurador
Grande seguradora mutualista (15.000 funcionários, 8 bilhões de euros de faturamento, 10 entidades). Programa de dados lançado há 3 anos com resultados decepcionantes: plataforma de dados subutilizada, 5 casos de uso em produção dos 30 previstos. Novo CDO contratado para relançar o programa. Orçamento de 5 milhões de euros/ano.
Programa de dados para ETI industrial
ETI industrial (800 funcionários, 200 milhões de euros de faturamento). Primeiro programa de dados estruturado, patrocinado pelo CEO. Nenhuma cultura de dados, sem CDO, equipe de TI de 10 pessoas focada na operação. Ambição: estruturar os dados para pilotar a performance industrial e preparar a IA.
IA preditiva para manutenção de turbinas eólicas
Operador de parques eólicos (600 funcionários, 350 milhões de euros de faturamento, 200 turbinas em 12 sites). Manutenção preventiva baseada em calendário custosa: intervenções sistemáticas a cada 6 semanas, 20% de falhas não antecipadas. Custo de manutenção: 15 milhões de euros/ano. Dados SCADA disponíveis, mas não explorados para predição.
Nuvem híbrida para dados OT industriais
Grupo industrial químico (2.000 funcionários, 700 milhões de euros de faturamento). Fábricas conectadas com dados OT (autômatos, SCADA, sensores de processo) críticos e sensíveis. Necessidade de enviar os dados OT para o cloud para analytics, mas restrições de segurança OT rigorosas (IEC 62443, rede OT isolada).
Automação de reporting para CFO com GenAI
Diretoria financeira (CFO) de um grupo multi-entidades (2.000 funcionários, 600 milhões de euros de faturamento). Relatório mensal mobilizando 8 controllers de gestão durante 2 semanas: coleta manual de 5 ERPs, reconciliação em Excel, formatação em PowerPoint para o COMEX. Risco de erros, prazos incompressíveis.
Framework de governança de dados DORA
Banco de financiamento (3.000 funcionários, 1,5 bilhão de euros de PNB). Regulamento DORA (Digital Operational Resilience Act) aplicável em janeiro de 2025. Dados de TI/riscos dispersos em 15 ferramentas não integradas. Nenhum registro de informação centralizado, mapeamento de ativos de TI incompleto, testes de resiliência não estruturados.
IA para otimização de estoques multi-armazéns
Distribuidor multicanal (15 armazéns, 3.000 funcionários, 1,5 bilhão de euros de faturamento). Estoques gerenciados por armazém com regras de reabastecimento estáticas (mín/máx). Taxa de ruptura de 8%, excesso de estoque de 25% em valor. Nenhuma otimização cross-armazéns nem consideração da sazonalidade fina.
Plataforma de streaming de dados IoT para energia
Produtor de energia (5.000 funcionários, 3 bilhões de euros de faturamento). 2 milhões de medidores inteligentes implantados gerando dados continuamente (intervalo de 15 min). Arquitetura batch atual (ETL noturno) inadequada: dados disponíveis em D+1, nenhuma detecção de anomalias em tempo real, faturamento estimativo.
GenAI para resumo automático de reuniões
Diretoria geral de um grupo (500 funcionários, 200 milhões de euros de faturamento). 20h de reuniões por semana em média para os membros do COMEX. Atas manuais parciais ou inexistentes, decisões não rastreadas, ações de acompanhamento perdidas. Produtividade dos dirigentes impactada.
Plataforma de dados soberana OVHcloud
Banco cooperativo (7.000 funcionários, 3,5 bilhões de euros de PNB). Exigências de soberania reforçadas pós-Cloud Act: dados bancários sensíveis (KYC, transações, scoring de crédito) proibidos em hyperscalers americanos. Projeto de plataforma de dados soberana para manter a competitividade em IA.
IA para predição de demanda hoteleira
Rede hoteleira de luxo (80 hotéis, 5.000 funcionários, 1,2 bilhão de euros de faturamento). Revenue management baseado em regras simples (temporada, dia da semana, histórico N-1). Taxa de ocupação média de 68% contra benchmark de 78% no luxo. Receita por quarto disponível (RevPAR) subótima em 15%.
Hub de dados em tempo real para distribuição
Rede de agentes de seguros (3.000 agentes, seguradora de 8.000 funcionários). Dados dos agentes assíncronos: subscrições em agência enviadas em batch noturno, sem visão em tempo real da carteira. CRM dos agentes não conectado ao SI central. Agentes insatisfeitos, retenção em queda.
Backup e arquivamento na nuvem em conformidade
Hospital universitário (10.000 funcionários, 2.000 leitos). Arquivamento dos dados de saúde (imagem, prontuário eletrônico, biologia) sujeito a uma obrigação de conservação de no mínimo 20 anos. Infraestrutura de armazenamento on-premise em fim de vida, custos em alta de 30%/ano. Necessidade de migrar para o cloud em conformidade HDS.
Automated underwriting para seguros
Seguradora de saúde (4.000 funcionários, 2,5 bilhões de euros de faturamento). Subscrição manual por 80 subscritores analisando dossiês médicos, históricos e perfis de risco. Prazo médio de subscrição: 5 dias. Perda de prospects impacientes: 20% de abandono durante o processo de subscrição. Concorrentes insurtechs em 1h.
Catálogo de data products self-service
Grande banco de varejo (20.000 funcionários, 5 bilhões de euros de PNB). Equipes de dados de 50 pessoas saturadas com demandas ad hoc (200/mês). Nenhum catálogo de data products self-service. Áreas de negócio 100% dependentes da equipe de dados para qualquer dataset. Time-to-data de 4 semanas em média. A empresa busca industrializar sua abordagem de dados, não recomeçar do zero.
IA para detecção de drift em modelos de ML
Banco de financiamento (3.000 funcionários). 25 modelos ML em produção (scoring de crédito, pricing, fraude, AML). Nenhum monitoramento da performance dos modelos pós-implantação. Drifts detectados apenas durante revisões anuais — 4 modelos degradados em mais de 15% descobertos tardiamente.
API Gateway seguro para Open Insurance
Seguradora generalista (6.000 funcionários, 3,5 bilhões de euros de faturamento). Obrigações Open Insurance (diretiva europeia) impondo a abertura dos dados de seguros via API. Infraestrutura legada não compatível com APIs. Prazo regulatório de 18 meses. Nenhuma estratégia de abertura de dados definida.
Digital twin de supply chain
Grupo industrial automotivo (8.000 funcionários, 3 bilhões de euros de faturamento). Supply chain complexa: 500 fornecedores, 12 fábricas, 30 países. Nenhuma visibilidade end-to-end. Disrupções recorrentes (escassez de componentes, atrasos logísticos) custando 80 milhões de euros/ano. Diretoria de Supply Chain quer um gêmeo digital para antecipar.
Plataforma de dados para grupo mutualista
Grupo mutualista de saúde (8 entidades autônomas, 12.000 funcionários, 6 bilhões de euros de faturamento). Cada entidade possui seu próprio SI e seus dados isolados. Nenhuma visão consolidada do grupo. Novo CEO quer uma plataforma de dados comum para pilotar o grupo e mutualizar os recursos. O cliente busca um parceiro operacional capaz de colocar em produção rapidamente.
Auditoria de IA ética e vieses
Banco de varejo (5.000 funcionários). 8 modelos ML de scoring de crédito em produção. Regulador (ACPR) e diretoria de riscos exigem uma auditoria dos vieses potenciais (gênero, idade, origem geográfica). Nenhum framework de IA ética implementado. Pressão crescente com o AI Act europeu.
Migração de workloads de analytics para Databricks
Produtor de energias renováveis (1.000 funcionários, 600 milhões de euros de faturamento). Analytics em Spark on-premise (cluster Hadoop envelhecido). Custos de manutenção de 800 mil euros/ano, performances degradadas, competências Hadoop raras no mercado. Decisão de migrar para Databricks cloud.
NLP para análise de verbatins de reclamações
Seguradora de danos (5.000 funcionários, 2,5 bilhões de euros de faturamento). 50.000 reclamações por ano processadas manualmente. Nenhuma análise sistemática dos verbatins de clientes. Causas raízes das insatisfações desconhecidas. Diretoria de Qualidade quer explorar esse acervo de dados textuais para melhorar o NPS. O cliente busca um parceiro operacional capaz de colocar em produção rapidamente.
Score de qualidade de dados para produtos de luxo
Maison de luxo (2.500 funcionários, 1,5 bilhão de euros de faturamento, 100 boutiques, e-commerce global). Dados de produtos e-commerce críticos: 15.000 referências com descrições, fotos, tamanhos, preços, estoques. Qualidade dos dados de produtos deficiente: 20% de erros (descrições faltantes, preços incorretos, fotos ausentes).
Otimização de custos Databricks
Banco de investimento (4.000 funcionários). Fatura Databricks de 2 milhões de euros/ano em alta de 45%/ano. Nenhuma governança FinOps Databricks: clusters sempre ligados, jobs não otimizados, SQL Warehouses superdimensionados. Diretoria de TI sob pressão para reduzir os custos sem impactar as equipes de dados.
Chatbot interno de RH com GenAI
Grupo industrial (5.000 funcionários, 6 sites, 1,8 bilhão de euros de faturamento). Departamento de RH centralizado sobrecarregado: 300 solicitações/dia (férias, contracheques, mobilidade interna, benefícios sociais). Prazo médio de resposta: 3 dias. Satisfação dos colaboradores com o RH: 45/100. O DRH quer um assistente de IA.
Programa de dados para banco de varejo
Banco de varejo (12.000 funcionários, 4 bilhões de euros de PNB, 500 agências). Programa de dados liderado pelo CDO com patrocínio da diretoria geral. Ambição: tornar-se um banco orientado por dados em 3 anos. Orçamento de 8 milhões de euros/ano. 30 casos de uso identificados, plataforma de dados existente porém subexplorada.
Platform engineering de dados
Operador de transporte público (8.000 funcionários). Equipes de dados (30 pessoas) sem plataforma self-service. Cada data engineer configura seu próprio ambiente (notebooks, clusters, dependências). Onboarding de 4 semanas, time-to-delivery de 6 semanas por projeto.
Predição de incidentes cibernéticos com ML
Seguradora (6.000 funcionários, 3 bilhões de euros de faturamento). Incidentes de cibersegurança em alta de 40%/ano. SOC (Security Operations Center) sobrecarregado: 10.000 alertas/dia, 95% de falsos positivos. Tempo médio de detecção de um incidente real: 72h. O CISO quer um modelo preditivo para priorizar as ameaças.
Data Mesh para transporte público
Operador de transporte público (15.000 funcionários). Organização de dados centralizada com uma equipe de dados única de 40 pessoas atendendo 8 diretorias de negócio. Gargalo: 6 meses de backlog, áreas de negócio insatisfeitas. Projeto de transformação para um modelo data mesh com domínios de dados autônomos.
IA para monitoramento de transações AML
Banco de financiamento e investimento (5.000 funcionários). Volume de transações multiplicado por 3 em 3 anos. Sistema AML (Anti-Money Laundering) baseado em regras estáticas gerando 50.000 alertas/mês, 98% de falsos positivos. Equipe de compliance de 30 analistas saturada. Multas regulatórias em alta. O cliente busca um parceiro operacional capaz de colocar em produção rapidamente.
Refatoração cloud-native de aplicação de dados
Sociedade de gestão de ativos (800 funcionários, 50 bilhões de euros sob gestão). Aplicação de dados monolítica (Java + Oracle) desenvolvida há 10 anos. Custos de manutenção de 1,5 milhão de euros/ano, 6 meses para adicionar uma funcionalidade, performances degradadas. Projeto de refactoring cloud-native.
Diagnóstico de quick wins de IA industrial
ETI industrial (600 funcionários, 150 milhões de euros de faturamento). Interesse crescente pela IA, mas ceticismo do COMEX: 'a IA é para grandes grupos'. Orçamento limitado, necessidade de demonstrar o valor concreto da IA em menos de 1 mês em um caso de uso de negócio tangível para liberar os investimentos.
Migração de dados regulatórios DORA
Asset manager (600 funcionários, 30 bilhões de euros sob gestão). Regulamento DORA aplicável em janeiro de 2025. Dados regulatórios dispersos em 10 sistemas não integrados. Registro de informação não constituído, mapeamento de ativos de TI parcial. AMF e ACPR exigem a conformidade.
IA de visão para controle de pacotes em logística
Operador logístico de e-commerce (3.000 funcionários, 800 milhões de euros de faturamento, 8 centros de triagem). Controle de qualidade de pacotes 100% manual: 200 operadores verificam dimensões, peso, etiquetagem, danos. Taxa de erro de 3% gerando 12 milhões de euros/ano em reclamações e devoluções. Cadência limitada pelo controle humano. O dirigente quer resultados mensuráveis, não uma fase de discovery sem fim.
Segurança de acesso a dados na nuvem
Seguradora de vida (3.500 funcionários, 2 bilhões de euros de faturamento). Dados sensíveis (saúde, patrimônio) migrados para o cloud AWS. Zero Trust não implementado: acesso de rede plano, autenticação básica, dados não criptografados em trânsito entre serviços. Incidente de segurança recente: acesso não autorizado a dados de clientes.
Data lineage automatizado end-to-end
Produtor de energia (4.500 funcionários, 2,5 bilhões de euros de faturamento). Exigências de rastreabilidade dos dados reforçadas pelo regulador (CRE) e pelos auditores. Nenhum data lineage implementado: impossível rastrear a origem, as transformações e o destino dos dados regulatórios. Auditoria em risco. O cliente já teve experiências decepcionantes com consultorias tradicionais.
Programa de IA em escala para grupo de energia
Grande empresa de energia (20.000 funcionários, 15 bilhões de euros de faturamento, 5 BUs). Ambição estratégica de IA liderada pelo CEO: 'tornar-se o líder em IA no setor de energia em 3 anos'. Orçamento de 15 milhões de euros/ano. Primeiros pilotos de IA bem-sucedidos, mas não industrializados. Necessidade de passar do piloto à escala em 50 casos de uso. O cliente já teve experiências decepcionantes com consultorias tradicionais.
Un cas d’usage vous correspond ?
Nos experts peuvent approfondir ce thème lors d’un échange de 30 minutes.