A Modern Data Stack eliminou as suítes monolíticas. Acabaram os EDIs proprietários que custam 500 mil euros e levam 2 anos para implantar.
Agora é: melhor ferramenta para cada camada, interoperáveis via APIs padronizadas, modulares, econômicas.
Fivetran ou Airbyte para ingestão. Snowflake/BigQuery/Databricks para armazenamento. dbt para transformações. Dagster/Airflow para orquestração. Looker/Preset para BI.
Em 2026, essa abordagem se tornou o padrão. Construir uma MDS do zero custa 2-3 vezes menos que um sistema legado reformulado.
E é implantável em 6 meses. De verdade.
As 5 camadas de uma Modern Data Stack
Camada 1: Ingestão (Fivetran, Airbyte, Stitch). Coleta de mais de 100 fontes (SaaS, bancos, APIs) sem código. Modo ELT: carregar bruto, transformar depois.
Camada 2: Armazenamento (Snowflake, BigQuery, Databricks). Data warehouse/lakehouse com armazenamento separado do compute, scaling elástico, custos baseados em uso.
Camada 3: Transformação (dbt). Abordagem declarativa das transformações em SQL, versionadas no Git, testadas automaticamente, documentação integrada.
Camada 4: Orquestração (Dagster, Airflow, Prefect). DAGs robustos, retry automático, monitoramento, alertas de anomalias.
Camada 5: Consumo (Looker, Preset, Tableau, dashboards customizados).
Cada camada é substituível sem reformulação global. Essa é a modularidade da MDS.
ELT vs ETL: why ELT wins
ETL tradicional: Extrair → Transformar (complexo, custoso) → Carregar. As transformações são feitas em servidores intermediários (Talend, Informatica) antes de chegar ao warehouse. Gargalo. Manutenção trabalhosa.
ELT: Extrair → Carregar bruto (rápido) → Transformar no warehouse. Os dados brutos chegam no Snowflake/BigQuery, depois o dbt executa as transformações em SQL diretamente.
Vantagens: 3x mais rápido, menos infraestrutura intermediária, transformações versionadas no Git, sem ferramenta proprietária.
A MDS de 2026 adota massivamente o ELT. Fivetran e Airbyte padronizaram esse padrão. dbt é o motor.
A força: interoperabilidade
A força da MDS: cada camada se comunica via APIs padronizadas. Precisa trocar Fivetran por Airbyte? Os dados continuam chegando no Snowflake, dbt continua funcionando, Looker continua recebendo as mesmas tabelas. Sem reformulação.
Esse design viabiliza o "best-of-breed": escolher a melhor ferramenta para cada camada, não uma suíte completa de um único fornecedor.
Exemplos: Airbyte (gratuito, open source) para fontes complexas. dbt para transformações (indispensável). Snowflake para armazenamento. Preset para BI colaborativo.
O custo de integração é mínimo graças às APIs REST e webhooks.
Os números econômicos
Uma MDS completa (ingestão + warehouse + transformação + BI + orquestração) custa 40% menos que uma suíte tradicional para equivalência funcional.
Motivos: pricing baseado em uso (paga-se pelo que se consome), sem licença de servidores proprietários, menos equipes de ops necessárias.
Detalhes: Airbyte gratuito (self-hosted) ou $5-30/conector/mês (cloud). Snowflake $2-4 por crédito (~$50 para 1000 GB). dbt free (open source) ou $1k/mês (dbt Cloud). Preset $1k/mês. Total: ~$5-8k/mês para uma implementação completa, vs $15-20k/mês para uma suíte legada.
Payback: 12-18 meses no máximo, depois 30-40% de redução anual de custos.
Implantação em 6 meses, realista
Mês 1-2: selecionar as ferramentas, estimar os custos, treinar a equipe em ELT e dbt.
Mês 2-3: implementar Fivetran/Airbyte com 10-15 fontes prioritárias, carregar os dados no Snowflake.
Mês 3-4: transformar com dbt — 50 tabelas gold, testes de qualidade, documentação.
Mês 4-5: implementar Dagster/Airflow para orquestrar os pipelines, alertas sobre os SLAs.
Mês 5-6: implantar Looker/Preset, treinar os usuários, migração dos dashboards legados.
Aos 6 meses, a MDS funciona e todos os relatórios legados rodam na nova infraestrutura. Depois: otimização progressiva, adição de 5-10 fontes/mês.
É realista. É a implantação padrão para equipes disciplinadas.
Governança em uma arquitetura modular
A modularidade cria um desafio: sem governança, cada um faz suas próprias transformações, a coerência desaparece.
As proteções: centralize as transformações no dbt (nada de consultas ad hoc no Snowflake). Use o dbt Semantic Layer para as definições de métricas. Implemente testes de qualidade sistemáticos. Processo de PR para alterações no dbt. Tags dbt para categorizar os modelos. E: uma equipe de dados central que mantém a MDS e treina os usuários.
A governança de uma arquitetura modular exige mais disciplina, não menos.
Adoção e cultura
A MDS não é apenas técnica. É uma transformação de como a organização trabalha com dados.
As equipes descobrem que podem adicionar uma fonte em 2 semanas. Podem modificar uma transformação em 1 dia. Podem implantar uma métrica em produção sem depender de uma equipe de dados centralizada.
Isso é multiplicação de capacidade. E muda a cultura.
As organizações que adotam a MDS relatam uma aceleração massiva da inovação em dados. Porque as fricções desaparecem. Porque as ferramentas são melhores. Porque a modularidade permite que cada um contribua.
Portanto. MDS = 40% menos custos, 3x mais rápida para implantar, 2-3x melhor experiência do usuário.
As organizações que permanecem em suítes monolíticas legadas perdem terreno a cada trimestre. O momento de acelerar a transição é agora.
Em 2026, se você não está em uma MDS, você tem um problema de competitividade.
