# 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. Source: https://www.erathos.com/blog/conector-nuvia-lancamento Published: 2026-07-29 Category: Novos Conectores ![Nuvia Logo](https://cms-media.erathos.com/h0LhbROC48JghToXOVs8U3Ecs-1.png) ## 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:** 1. Acesse sua conta na Nuvia em [app.nuvia.ai](https://app.nuvia.ai/) 2. Navegue até **Settings > Integrations > API Keys** 3. Se ainda não existir uma API key, crie uma nova clicando no botão apropriado 4. Copie o valor gerado 5. Cole o token no campo **Token** do formulário de conexão na Erathos 6. Clique em **Save and close** Veja a documentação completa em [docs.erathos.com/connectors/apis/nuvia-api](https://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](https://www.erathos.com/pipelines/nuvia-api-bigquery) - Nuvia para Redshift: [https://www.erathos.com/pipelines/nuvia-api-red-shift](https://www.erathos.com/pipelines/nuvia-api-red-shift) - Nuvia para PostgreSQL: [https://www.erathos.com/pipelines/nuvia-api-postgresql](https://www.erathos.com/pipelines/nuvia-api-postgresql) - Nuvia para Databricks: [https://www.erathos.com/pipelines/nuvia-api-databricks](https://www.erathos.com/pipelines/nuvia-api-databricks) - Nuvia para Supabase: [https://www.erathos.com/pipelines/nuvia-api-supabase](https://www.erathos.com/pipelines/nuvia-api-supabase) - Nuvia para Amazon S3: [https://www.erathos.com/pipelines/nuvia-api-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](https://www.erathos.com/pipelines/nuvia-api-azure-sql-server) - Nuvia para Azure Synapse: [https://www.erathos.com/pipelines/nuvia-api-azure-synapse](https://www.erathos.com/pipelines/nuvia-api-azure-synapse) - Nuvia para ClickHouse: [https://www.erathos.com/pipelines/nuvia-api-clickhouse](https://www.erathos.com/pipelines/nuvia-api-clickhouse) - Nuvia para Snowflake: [https://www.erathos.com/pipelines/nuvia-api-snowflake](https://www.erathos.com/pipelines/nuvia-api-snowflake) ## Comece agora [Crie sua conta na Erathos](https://app.erathos.com/signup?slug=blog&button=cta&utm_campaign=nuvia-api_release) 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](https://docs.erathos.com/connectors/apis/nuvia-api).