Nuvia para data warehouse: Sincronize dados de vendas e atendimento da Nuvia para BigQuery, Redshift e PostgreSQL
Conector gerenciado para sincronizar conversas, contatos, campanhas e agentes da Nuvia para BigQuery, Redshift e mais.

Sincronize dados de vendas e atendimento da Nuvia para BigQuery, Redshift e PostgreSQL
A Nuvia opera vendas, atendimento e suporte com agentes de IA 24/7. Cada conversa atendida, cada contato qualificado, cada campanha disparada e cada mensagem trocada passa pela plataforma. Quando esses dados ficam isolados lá dentro, o time de dados não consegue cruzar performance dos agentes de IA com receita no CRM, acompanhar evolução de contatos ao longo do funil ou medir o impacto real das campanhas sobre o pipeline.
O conector da Nuvia na Erathos resolve isso: sincroniza conversas, contatos, campanhas, mensagens, agentes, inboxes, base de conhecimento e tabelas customizadas para o seu data warehouse em ciclos automáticos, com sincronização incremental nos endpoints que suportam cursor. Sem código de pipeline para escrever, manter ou monitorar.
O problema com pipelines de Nuvia feitos na mão
Construir um pipeline caseiro para a API da Nuvia parece simples no primeiro dia. A API usa autenticação por bearer token, retorna JSON e tem endpoints previsíveis. O problema aparece depois da primeira versão em produção.
Paginação não uniforme entre endpoints. O endpoint conversations suporta cursor baseado em createdAt para sincronização incremental. Já messages é um endpoint filho que depende de conversationId e não tem cursor próprio. Um pipeline que trata todos os endpoints da mesma forma vai duplicar mensagens ou perder registros novos sem perceber.
Rate limit silencioso. A API pode limitar a frequência de requisições sem retornar um erro explícito de 429. O pipeline continua executando, registra sucesso, mas os dados chegam incompletos. Ninguém percebe até um dashboard mostrar um número que não bate.
Schema evolution sem aviso. A Nuvia pode adicionar campos novos em conversations, contacts ou campaigns a qualquer momento. Um pipeline que faz SELECT * e carrega para colunas fixas vai quebrar silenciosamente ou, pior, mapear o campo errado para a coluna errada.
Falta de observabilidade. Não existe log estruturado, não existe linha do tempo de execuções, não existe comparação entre o que a API retornou e o que chegou no warehouse. Quando alguém pergunta "por que o dado de ontem está diferente do dia anterior", ninguém tem resposta.
A consequência mais grave não é o pipeline que quebra com alerta. É o pipeline que executa com sucesso, entrega dado errado e ninguém descobre até uma decisão de negócio ser tomada em cima de um número incorreto.
O que é possível fazer quando os dados da Nuvia chegam no warehouse
Medir performance de agentes de IA por conversa
Com agents, conversations e messages no warehouse, é possível cruzar qual agente atendeu cada conversa, quantas mensagens foram trocadas, quanto tempo decorreu entre a primeira e a última mensagem e qual o status final da conversa. Isso permite comparar agentes por taxa de resolução, tempo médio de atendimento e volume de mensagens, algo que a interface da Nuvia não entrega de forma histórica.
Acompanhar funil de contatos do primeiro toque à conversão
A tabela contacts traz nome, email, telefone e status de cada contato. Cruzando com campaign_enrollments, é possível reconstruir o funil: quantos contatos entraram em cada campanha, quantos avançaram de status e quantos foram efetivamente convertidos. Quando esses contatos existem no CRM (Salesforce, HubSpot, Pipedrive), o cruzamento no warehouse revela qual campanha da Nuvia gerou mais receita real.
Auditar campanhas de prospecção e atendimento
O endpoint campaigns traz nome, tipo e status de cada campanha. Com campaign_enrollments no warehouse, o time de marketing pode calcular taxa de inscrição, taxa de conversão por tipo de campanha e comparar performance entre campanhas outbound (prospecção) e inbound (atendimento). Esse cruzamento só é viável quando os dados estão em uma tabela queryable ao lado de dados de receita.
Analisar qualidade da base de conhecimento
A tabela knowledge lista os itens da base de conhecimento que os agentes de IA usam para responder. Cruzando com messages, é possível identificar quais conversas mencionaram ou se referiram a tópicos da base de conhecimento e medir se a presença de um item específico na base correlaciona com melhor taxa de resolução. Isso ajuda a priorizar quais conteúdos criar ou atualizar.
Monitorar inboxes e volume de atendimento por canal
O endpoint inboxes traz nome, email e tipo de cada caixa de entrada. Com conversations filtradas por contactId e agentId, é possível medir volume de atendimento por inbox, identificar gargalos em canais específicos e planejar capacidade. Cruzar com dados de produto (tickets, feature usage) permite correlacionar picos de atendimento com releases ou incidentes.
Consultar tabelas customizadas da Nuvia
A Nuvia permite criar tabelas customizadas (tables e table_rows) com dados estruturados em JSON. No warehouse, esses dados podem ser desnormalizados em colunas analisáveis, permitindo consultas SQL diretas sobre informações que a Nuvia armazena de forma semiestruturada. Isso abre espaço para análises ad hoc que a interface da plataforma não suporta.
O que está disponível no conector
Endpoint | O que contém |
|---|---|
agents | Agentes de IA configurados na Nuvia (nome, modelo, descrição, status) |
campaigns | Campanhas de prospecção e atendimento (nome, tipo, status) |
campaign_enrollments | Inscrições de contatos em campanhas, relacionando campaigns e contacts |
contacts | Base de contatos com nome, email, telefone e status |
conversations | Conversas entre contatos e agentes, com cursor incremental em createdAt |
inboxes | Caixas de entrada configuradas (nome, email, tipo) |
knowledge | Itens da base de conhecimento usada pelos agentes de IA (título, tipo, status) |
messages | Mensagens individuais dentro de conversas (conteúdo, tipo, remetente) |
tables | Tabelas customizadas criadas na Nuvia (nome, descrição), com cursor incremental em updatedAt |
table_rows | Linhas de dados das tabelas customizadas, armazenadas em JSON |
Os endpoints conversations e tables suportam sincronização incremental (full e incremental refresh), com cursor em createdAt e updatedAt respectivamente. Os demais endpoints operam em full-refresh.
Como autenticar
A autenticação do conector da Nuvia usa um único campo:
- Token: bearer token da API da Nuvia, usado em todas as requisições
Onde encontrar:
- Acesse sua conta na Nuvia em app.nuvia.ai
- Navegue até Settings > Integrations > API Keys
- Se ainda não existir uma API key, crie uma nova clicando no botão apropriado
- Copie o valor gerado
- Cole o token no campo Token do formulário de conexão na Erathos
- Clique em Save and close
Veja a documentação completa em docs.erathos.com/connectors/apis/nuvia-api.
Por que terceirizar a ingestão para a Erathos
Visibilidade ponta a ponta de cada execução
Cada sincronização roda com log estruturado: quantos registros o endpoint retornou, quantos foram inseridos, quantos foram atualizados, quanto tempo cada etapa levou. Existe uma linha do tempo de execuções que permite auditar qualquer dia e responder "por que o dado de ontem chegou diferente" sem precisar recriar o pipeline localmente.
Alertas configurados de fábrica
O conector já vem com alertas para falha de execução, queda de volume anormal de registros e expiração de credencial. Não é preciso configurar nada: se o token da Nuvia expirar ou se uma execução falhar três vezes seguidas, o time é notificado automaticamente. O problema é detectado antes que alguém perceba o dado faltante no dashboard.
Reprocessamento como operação suportada
Se uma execução falhar ou se for necessário recarregar dados de um período específico, o reprocessamento é uma operação nativa. Não é preciso editar código, mudar cursor manualmente ou escrever um script ad hoc. Um clique reexecuta a sincronização do período escolhido, com o mesmo log e a mesma observabilidade de uma execução normal.
Pipelines disponíveis
- Nuvia para BigQuery: https://www.erathos.com/pipelines/nuvia-api-bigquery
- Nuvia para Redshift: https://www.erathos.com/pipelines/nuvia-api-red-shift
- Nuvia para PostgreSQL: https://www.erathos.com/pipelines/nuvia-api-postgresql
- Nuvia para Databricks: https://www.erathos.com/pipelines/nuvia-api-databricks
- Nuvia para Supabase: https://www.erathos.com/pipelines/nuvia-api-supabase
- Nuvia para Amazon S3: https://www.erathos.com/pipelines/nuvia-api-amazon-s3
- Nuvia para Azure SQL Server: https://www.erathos.com/pipelines/nuvia-api-azure-sql-server
- Nuvia para Azure Synapse: https://www.erathos.com/pipelines/nuvia-api-azure-synapse
- Nuvia para ClickHouse: https://www.erathos.com/pipelines/nuvia-api-clickhouse
- Nuvia para Snowflake: https://www.erathos.com/pipelines/nuvia-api-snowflake
Comece agora
Crie sua conta na Erathos e conecte a Nuvia ao seu warehouse em minutos. Com um token de API, os primeiros dados chegam ao destino sem nenhum código de pipeline para escrever, manter ou monitorar.
Dados de vendas e atendimento gerados por IA todos os dias não deveriam ficar trancados em um SaaS, desconectados do restante do seu modelo analítico. Ou pior: em um pipeline caseiro que vai custar atenção do time todo mês para sempre.
Veja a documentação completa do conector em docs.erathos.com/connectors/apis/nuvia-api.