Data warehouse: o que é e por que sua empresa precisa de um

Toda empresa média ou grande chega a um ponto em que a mesma pergunta tem três respostas. O financeiro tira o faturamento do ERP, o comercial tira do CRM, a operação tem uma planilha própria, e a reunião de resultados vira uma discussão sobre qual número está certo.

Data warehouse, ou armazém de dados, é um banco de dados construído para análise. Ele reúne dados de vários sistemas, aplica as mesmas regras de negócio, guarda o histórico e organiza tudo em um formato fácil de consultar em ferramentas de BI, como o Power BI. É a base que transforma dados espalhados em indicadores confiáveis.

Neste guia você vai entender para que serve um data warehouse, como ele se diferencia de um banco transacional, de um data lake e de um lakehouse, como funciona a modelagem com fatos e dimensões, quais ferramentas usar e como começar pequeno.

Por que sua empresa precisa de um data warehouse?

Os sistemas do dia a dia, como ERP, CRM e plataformas de atendimento, foram feitos para registrar operações, não para responder perguntas de gestão. Consultas pesadas deixam esses sistemas lentos, cada um usa seus próprios códigos e muitos não guardam o histórico de mudanças. O data warehouse cria uma camada só para análise e é o coração de qualquer projeto de business intelligence.

Alguns exemplos por área:

• Financeiro: DRE gerencial que cruza contabilidade, centros de custo e orçamento sem planilhas intermediárias.
• Vendas: faturamento, margem e metas por vendedor, região e produto, com as mesmas regras em todos os relatórios.
• Operações: estoque, prazos de entrega e produtividade, com histórico para comparar períodos.
• Contact center: dados da plataforma de telefonia, do CRM e da pesquisa de satisfação no mesmo modelo, por agente e por fila.
• Energia: geração das usinas, faturas das concessionárias e créditos por contrato em uma base única e auditável.

Data warehouse, banco transacional, data lake e lakehouse: qual a diferença?

Os quatro termos aparecem juntos em qualquer conversa sobre dados, mas resolvem problemas diferentes.

Banco transacional

É o banco do sistema operacional, como o ERP. Ele é otimizado para gravar e atualizar muitos registros pequenos com rapidez, como um pedido ou um pagamento. Esse uso é chamado de OLTP, sigla em inglês para processamento de transações online.

Data warehouse

É otimizado para ler e agregar grandes volumes, como o faturamento mensal dos últimos cinco anos. Os dados são estruturados, limpos e organizados por assunto. Esse uso é chamado de OLAP, ou processamento analítico online.

Data lake

É um repositório de arquivos de baixo custo que aceita qualquer formato: tabelas, JSON, imagens, logs. É flexível, mas, sem organização, vira um depósito de dados difícil de usar e de confiar.

Lakehouse

Combina os dois mundos: o armazenamento barato e aberto do data lake com tabelas estruturadas, transações e desempenho de data warehouse. Plataformas como o Microsoft Fabric seguem esse modelo, com tabelas em formato Delta guardadas no data lake.

Como funciona a modelagem dimensional?

A modelagem dimensional é a forma mais usada de organizar um data warehouse para análise. Ela divide os dados em dois tipos de tabela:

• Tabela fato: registra eventos mensuráveis, como vendas, ligações atendidas ou energia gerada. Cada linha tem números, como valor, quantidade ou duração, e chaves que apontam para as dimensões.
• Tabelas de dimensão: descrevem o contexto do evento, como cliente, produto, vendedor, filial e data. São elas que viram filtros e agrupamentos nos relatórios.

Com a fato no centro e as dimensões ao redor, o desenho lembra uma estrela, por isso o nome esquema estrela (star schema). Esse formato é simples de entender para quem é do negócio e é o que o Power BI processa com melhor desempenho.

A decisão mais importante é o grão, ou seja, o que uma linha da fato representa: um item de nota fiscal, um pedido inteiro ou o total do dia. Defina o menor grão de que o negócio realmente precisa. Com grão detalhado, você sempre consegue somar; com grão agregado, não consegue voltar ao detalhe.

Como os dados chegam ao data warehouse?

ETL ou ELT

No ETL (extrair, transformar e carregar), os dados são tratados antes de entrar no data warehouse, em uma ferramenta intermediária. No ELT (extrair, carregar e transformar), os dados brutos são carregados primeiro e transformados dentro da própria plataforma, com SQL ou Python. Com armazenamento em nuvem mais barato e motores de processamento mais potentes, o ELT virou o padrão em projetos novos, porque preserva o dado original e facilita reprocessar quando uma regra muda.

Camadas bronze, prata e ouro

Uma forma comum de organizar o ELT é a arquitetura em camadas, também chamada de arquitetura medalhão:

• Bronze: dados brutos, como vieram da fonte, para auditoria e reprocessamento.
• Prata: dados limpos e padronizados, com tipos corretos, duplicidades removidas e códigos unificados.
• Ouro: tabelas fato e dimensão prontas para consumo, com as regras de negócio aplicadas.

Qualidade de dados e histórico

Um data warehouse só gera confiança se os números baterem. Inclua verificações automáticas a cada carga: contagem de linhas contra a origem, totais de valores, campos obrigatórios vazios e chaves sem correspondência. Quando uma verificação falha, a equipe deve ser avisada antes que o diretor abra o painel.

O histórico é outro ganho. Se um cliente muda de região ou um vendedor muda de equipe, o ERP normalmente sobrescreve o cadastro. No data warehouse, você pode guardar cada versão com datas de início e fim, técnica conhecida como dimensão de mudança lenta tipo 2. Assim, as vendas do ano passado continuam na região certa.

Quais ferramentas usar para montar um data warehouse?

Não existe uma ferramenta certa para todos. A escolha depende do volume, da equipe e do que a empresa já usa:

• SQL Server: boa opção para quem já tem infraestrutura própria e licenças Microsoft, com muitos profissionais disponíveis no mercado.
• Azure SQL: o mesmo motor do SQL Server como serviço gerenciado na nuvem, sem cuidar de servidor, backup ou atualização.
• PostgreSQL: banco de código aberto, robusto e sem custo de licença, que roda em servidor próprio ou em qualquer nuvem.
• Microsoft Fabric: plataforma completa com Lakehouse, Warehouse, pipelines e Power BI integrados, indicada quando há muitas fontes, volume crescente ou necessidade de dados quase em tempo real.

Para orquestrar as cargas, entram pipelines do Fabric ou do Azure Data Factory e scripts em Python. Para visualizar, Power BI ou painéis web sob medida.

Como começar um data warehouse pequeno?

O erro clássico é tentar modelar a empresa inteira antes de entregar o primeiro painel. Comece por uma área de assunto, como vendas ou financeiro, entregue valor cedo e expanda depois. Siga este passo a passo:

1. Escolha uma área com dor clara e um dono que vai usar os dados toda semana.
2. Liste de 5 a 10 perguntas que essa área precisa responder e os indicadores ligados a elas.
3. Mapeie as fontes de cada indicador e quem é responsável por cada sistema.
4. Defina o grão da tabela fato e as dimensões necessárias, começando por data, cliente e produto.
5. Construa as camadas bronze, prata e ouro com cargas incrementais e verificações de qualidade.
6. Valide os números com a área, lado a lado com os relatórios atuais.
7. Publique os painéis, documente as regras e só então passe para a próxima área.

Checklist antes de colocar em produção:

• As definições de cada indicador estão escritas e aprovadas pela área.
• As cargas rodam sozinhas, em horário definido, e avisam quando falham.
• Os totais batem com a origem dentro de uma tolerância combinada.
• O acesso é controlado por perfil, com cuidado especial com dados pessoais sujeitos à LGPD.
• Existe um responsável técnico e um responsável de negócio pelo modelo.

Quais erros evitar ao construir um data warehouse?

• Copiar as tabelas do ERP como estão e chamar isso de data warehouse, sem modelagem.
• Começar pela ferramenta em vez de começar pelas perguntas do negócio.
• Aplicar regras de negócio dentro de cada relatório, em vez de aplicá-las uma única vez na camada ouro.
• Recarregar tudo do zero toda noite quando uma carga incremental resolveria.
• Ignorar o histórico e perder a visão de como os cadastros eram no passado.
• Não monitorar a qualidade e descobrir os erros só quando um gestor reclama.

Como a Wolkee ajuda

A Wolkee projeta e constrói data warehouses com SQL, Python, Microsoft Fabric e Azure, da modelagem das primeiras tabelas aos painéis em produção. Em 9 anos e mais de 500 entregas, trabalhamos com dados de ERP, CRM, contact center e energia solar. Veja como funciona nosso serviço de engenharia de dados.

Se quiser entender por onde começar, agende um diagnóstico gratuito de 30 minutos. Avaliamos suas fontes, sugerimos a primeira área de assunto e apresentamos um protótipo funcional antes do contrato. Respondemos em até 1 dia útil.

Perguntas frequentes

Qual a diferença entre data warehouse e banco de dados?

Todo data warehouse é um banco de dados, mas nem todo banco de dados é um data warehouse. O banco de um sistema como o ERP é feito para registrar operações com rapidez. O data warehouse é feito para análise: reúne várias fontes, guarda o histórico e organiza os dados em fatos e dimensões para consultas rápidas em ferramentas de BI.

Power BI é um data warehouse?

Não. O Power BI é uma ferramenta de modelagem e visualização para relatórios. Ele armazena dados nos seus modelos semânticos, mas não foi feito para integrar muitas fontes, guardar histórico de longo prazo e servir de fonte única para outros sistemas. O ideal é o Power BI consumir dados de um data warehouse, com as regras de negócio já aplicadas.

O que é um data mart?

Data mart é um recorte do data warehouse dedicado a uma área ou assunto, como vendas, financeiro ou contact center. Ele contém as tabelas fato e dimensão que aquela área usa. Começar por um data mart é uma forma prática de construir o data warehouse aos poucos, desde que dimensões comuns, como cliente e produto, sejam compartilhadas entre as áreas.

Quanto tempo leva para implantar um data warehouse?

Depende do escopo, do número de fontes e da qualidade dos dados. Um data warehouse que cobre a empresa inteira é construído em ondas, ao longo do tempo. Já uma primeira área de assunto, com poucas fontes e perguntas bem definidas, chega à produção bem antes. Por isso a recomendação é começar pequeno, entregar valor cedo e expandir por área.