Agora eu quero conversar com você sobre a fama do Datterhouse. E já vamos combinar que vamos entender a palavra fama como a percepção que o mercado teve sobre projetos de Datterhouse ao Nesta análise, nós vamos perceber o seguinte. Geralmente, um data house é entendido como um processo manual. Eu pessoalmente concordo com isso. Eu nunca vi uma implementação de data house idêntica a outra. Tampouco é um artefato que a gente compra pronto. Outra, tampouco é um artefato que a gente compra pronto. Na verdade, a modelagem de dados é muito personalizada para cada processo de negócio, para cada cliente, para cada indústria. Então, de fato, o Data Warehouse é um processo bastante manual. É um trabalho de alfaiataria. alfaiataria. Uma complexidade e custo elevado, porque o Data Warehouse exige a preparação de dados de maneira prévia, então quando você vai ingerir uma informação, você já tem que definir aquela estrutura, como vai ser feita, encaixar naqueles elementos de arquitetura que nós vimos, como essa informação vai sair da origem e passar de uma modelagem de terceira forma normal, que está lá no LTP, para uma modelagem dimensional e, consequentemente, chegar em um relatório, em um visualizador de dados. Então, sim, existe uma complexidade e, consequentemente, muito esforço. E muito esforço está associado também a custo para chegar no objetivo final. E também uma percepção de lentidão. E essa lentidão pode ser percebida do ponto de vista de projetos. Então aqui a gente precisa relembrar que o auge do Dattler House é o momento em que os projetos são executados de maneira waterfall. de maneira waterfall. Se você está ouvindo essa expressão pela primeira vez, waterfall é algo que predominou muito nos anos 90 e anos 2000 como uma técnica de gestão de projetos e pensando em data house é uma técnica que primeiro você analisa, depois você desenha, depois você constrói, depois você testa e finalmente você entrega algo para o seu usuário final. Então, essa abordagem é algo que durante muito tempo predominou na indústria de software, na indústria de gestão de projetos como um todo e como consequência disso, significa que se você quer fazer um relatório hoje e você é o gestor de negócio, você é o analista de negócio, provavelmente você vai demandar isso de uma área de dados, de uma área de BI, de uma área de Data Warehouse, e o retorno disso vai acontecer talvez, com muita sorte, daqui a três meses, e geralmente de seis meses a um ano. Eu pessoalmente posso comentar com vocês que já fiquei alocado em projetos de Data Warehouse por mais de 12 meses e nesses 12 meses eu presenciei a discussão completa, desde quais são os questionamentos de negócio a serem respondidos, passando pela definição de métricas de negócio que vão representar a resposta daquelas perguntas, depois mapeando origens das informações, definindo os modelos de dados, fazendo esses modelos de dados, construindo os processos de carga e atualização desses modelos para finalmente chegar na conexão com as ferramentas visualizadoras de dados. Então, essa abordagem extremamente governada, extremamente robusta, muito sólida, acaba tendo este efeito colateral. Para você responder uma pergunta de negócio que você faz hoje, se for um projeto muito curto, talvez três meses, mas muito infrequente na minha experiência, é muito mais comum projetos de data warehouse de seis meses a 12 meses. Então por essa razão o mercado percebe o da ter house como manual complexo caro e lento aqui também algumas referências na gestão é mais complexa como vocês viram o desenho de arquitetura é bastante sofisticado tem bastante elementos elementos de persistência elementos de transformação de dados elementos de visualização elementos de persistência, elementos de transformação de dados, elementos de visualização. Dentro da persistência teremos uma modelagem de dados mais diversa também. Então, tudo isso faz com que a gente tenha esta percepção do Dapper House. Isso aqui não significa que D house é ruim que eu estou compartilhando com vocês nesta aula é como de maneira geral a palavra data house é percebida nas discussões de projeto com bancos de dados modernos empoderados pelos serviços em nuvem é possível sim ter data houses excelentes que vão entregar informação de maneira rápida em tempo real. Então, isso aqui é uma percepção geral.