Como a Brick trocou ingestão de dados artesanal por uma operação data driven
Como a Brick trocou ingestão de dados artesanal por uma operação data driven
A Brick centralizou a ingestão de dados com a Erathos e passou a manter toda a estrutura de dados com um único analista, sem precisar de um time de engenharia dedicado a pipelines.
30×
30×
mais rápido para disponibilizar novos dados
97%
97%
menos tempo para gerar o Investor Report
78× ROI
78× ROI
R$ 783 mil de economia líquida em 21 meses
Sobre:
A Brick é o sistema operacional nativo em IA para decisões de risco em seguradoras, dando autonomia para times de negócio criarem, ajustarem e auditarem fluxos de subscrição, sinistro e prevenção a fraude, sem depender de TI.
Localização:
Curitiba, Paraná
Setor:
SaaS / Insurtech
Funcionários:
25
Clientes Erathos desde:
Outubro/2024
Serviços conectados:
A Brick é o sistema operacional nativo em IA para decisões de risco em seguradoras, usado por times de subscrição, sinistro e prevenção a fraude. Antes da Erathos, a ingestão de dados era mantida na mão pelo cofundador da empresa, com Airflow orquestrando extrações e o DBT rodando por cima sem garantia nenhuma de que os dados estavam atualizados. Qualquer mudança de schema numa API quebrava o pipeline, e resolver isso consumia parte real do tempo de quem deveria estar construindo produto. Depois de centralizar a ingestão com a Erathos, a Brick passou a manter toda a estrutura de dados com um único analista, e reduziu de meses para dias o tempo de colocar uma nova fonte no ar, ao mesmo tempo em que passou a apoiar decisões de produto, operação e finanças com dados confiáveis.
O desafio
Antes da Erathos, a Brick sustentava a própria ingestão de dados com Airflow disparando rotinas que jogavam dados no Cloud Storage e depois numa tabela delta no BigQuery, com o DBT rodando por cima independentemente dos dados estarem realmente atualizados. Carlos Schwabe, cofundador, descreve o resultado como um processo básico de ingestão, montado com as ferramentas do dia a dia de qualquer time de engenharia: a tabela de clientes atualizava, a de vendas não, e o relatório final saía com uma venda associada a um cliente que não existia.
O maior custo não era rodar o pipeline, era mantê-lo. Cada fonte de dados (HubSpot, Conta Azul, Zendesk, banco de produção) tinha uma API diferente, algumas documentadas, outras não, e cada mudança de escopo, como passar a precisar de dados de chamadas em vez de apenas contatos, obrigava a equipe a reabrir a documentação da API e refazer a lógica de cursor do zero. Cerca de duas vezes por semana, Carlos precisava interromper o que estava fazendo para consertar alguma quebra e garantir que os dados voltassem a bater.
Do lado financeiro, o problema aparecia como decisão atrasada. Thiago Paz, CFO, lembra de uma noite em que o time ficou até as 22h no escritório tentando calcular a taxa de churn, porque o dado estava espalhado entre ERP, banco de produção e CRM, e não havia como cruzar as informações sem montar tudo manualmente em planilha.
No fundo, a Brick não tinha um problema de ferramentas, tinha um problema de tempo: cada hora dedicada a manter pipelines de dados era uma hora a menos dedicada a produto e a decisões estratégicas, justamente na fase em que a empresa mais precisava de velocidade.
Sobre:
A Brick é o sistema operacional nativo em IA para decisões de risco em seguradoras, dando autonomia para times de negócio criarem, ajustarem e auditarem fluxos de subscrição, sinistro e prevenção a fraude, sem depender de TI.
Localização:
Curitiba, Paraná
Setor:
SaaS / Insurtech
Funcionários:
25
Clientes Erathos desde:
Outubro/2024
Serviços conectados:
A Brick é o sistema operacional nativo em IA para decisões de risco em seguradoras, usado por times de subscrição, sinistro e prevenção a fraude. Antes da Erathos, a ingestão de dados era mantida na mão pelo cofundador da empresa, com Airflow orquestrando extrações e o DBT rodando por cima sem garantia nenhuma de que os dados estavam atualizados. Qualquer mudança de schema numa API quebrava o pipeline, e resolver isso consumia parte real do tempo de quem deveria estar construindo produto. Depois de centralizar a ingestão com a Erathos, a Brick passou a manter toda a estrutura de dados com um único analista, e reduziu de meses para dias o tempo de colocar uma nova fonte no ar, ao mesmo tempo em que passou a apoiar decisões de produto, operação e finanças com dados confiáveis.
O desafio
Antes da Erathos, a Brick sustentava a própria ingestão de dados com Airflow disparando rotinas que jogavam dados no Cloud Storage e depois numa tabela delta no BigQuery, com o DBT rodando por cima independentemente dos dados estarem realmente atualizados. Carlos Schwabe, cofundador, descreve o resultado como um processo básico de ingestão, montado com as ferramentas do dia a dia de qualquer time de engenharia: a tabela de clientes atualizava, a de vendas não, e o relatório final saía com uma venda associada a um cliente que não existia.
O maior custo não era rodar o pipeline, era mantê-lo. Cada fonte de dados (HubSpot, Conta Azul, Zendesk, banco de produção) tinha uma API diferente, algumas documentadas, outras não, e cada mudança de escopo, como passar a precisar de dados de chamadas em vez de apenas contatos, obrigava a equipe a reabrir a documentação da API e refazer a lógica de cursor do zero. Cerca de duas vezes por semana, Carlos precisava interromper o que estava fazendo para consertar alguma quebra e garantir que os dados voltassem a bater.
Do lado financeiro, o problema aparecia como decisão atrasada. Thiago Paz, CFO, lembra de uma noite em que o time ficou até as 22h no escritório tentando calcular a taxa de churn, porque o dado estava espalhado entre ERP, banco de produção e CRM, e não havia como cruzar as informações sem montar tudo manualmente em planilha.
No fundo, a Brick não tinha um problema de ferramentas, tinha um problema de tempo: cada hora dedicada a manter pipelines de dados era uma hora a menos dedicada a produto e a decisões estratégicas, justamente na fase em que a empresa mais precisava de velocidade.
A Brick é o sistema operacional nativo em IA para decisões de risco em seguradoras, usado por times de subscrição, sinistro e prevenção a fraude. Antes da Erathos, a ingestão de dados era mantida na mão pelo cofundador da empresa, com Airflow orquestrando extrações e o DBT rodando por cima sem garantia nenhuma de que os dados estavam atualizados. Qualquer mudança de schema numa API quebrava o pipeline, e resolver isso consumia parte real do tempo de quem deveria estar construindo produto. Depois de centralizar a ingestão com a Erathos, a Brick passou a manter toda a estrutura de dados com um único analista, e reduziu de meses para dias o tempo de colocar uma nova fonte no ar, ao mesmo tempo em que passou a apoiar decisões de produto, operação e finanças com dados confiáveis.
Sobre:
A Brick é o sistema operacional nativo em IA para decisões de risco em seguradoras, dando autonomia para times de negócio criarem, ajustarem e auditarem fluxos de subscrição, sinistro e prevenção a fraude, sem depender de TI.
Localização:
Curitiba, Paraná
Setor:
SaaS / Insurtech
Funcionários:
25
Clientes Erathos desde:
Outubro/2024
Serviços conectados:
A solução
A Brick conheceu a Erathos por indicação. Carlos buscava resolver o problema rápido e dentro do orçamento, sem tempo para avaliar profundamente muitas alternativas. Assim que a primeira conexão foi implementada, a diferença ficou clara: em vez de mapear endpoints e manter scripts próprios, bastava plugar o conector para os dados chegarem atualizados, enquanto Carlos seguia mantendo por conta própria as fontes que a Erathos ainda não cobria naquele momento.
Essa fase de transição deixou evidente para o time o quanto a ingestão de dados via conectores plug and play, prontos para uso, era mais simples e confiável do que manter pipelines próprios linha por linha. A cada nova fonte que a Erathos adicionava ao catálogo, a Brick reduzia mais uma frente de manutenção interna, até chegar ao ponto em que, segundo Thiago, não existe hoje nenhum sistema usado pela empresa sem dados disponíveis via Erathos.
O desafio
Antes da Erathos, a Brick sustentava a própria ingestão de dados com Airflow disparando rotinas que jogavam dados no Cloud Storage e depois numa tabela delta no BigQuery, com o DBT rodando por cima independentemente dos dados estarem realmente atualizados. Carlos Schwabe, cofundador, descreve o resultado como um processo básico de ingestão, montado com as ferramentas do dia a dia de qualquer time de engenharia: a tabela de clientes atualizava, a de vendas não, e o relatório final saía com uma venda associada a um cliente que não existia.
O maior custo não era rodar o pipeline, era mantê-lo. Cada fonte de dados (HubSpot, Conta Azul, Zendesk, banco de produção) tinha uma API diferente, algumas documentadas, outras não, e cada mudança de escopo, como passar a precisar de dados de chamadas em vez de apenas contatos, obrigava a equipe a reabrir a documentação da API e refazer a lógica de cursor do zero. Cerca de duas vezes por semana, Carlos precisava interromper o que estava fazendo para consertar alguma quebra e garantir que os dados voltassem a bater.
Do lado financeiro, o problema aparecia como decisão atrasada. Thiago Paz, CFO, lembra de uma noite em que o time ficou até as 22h no escritório tentando calcular a taxa de churn, porque o dado estava espalhado entre ERP, banco de produção e CRM, e não havia como cruzar as informações sem montar tudo manualmente em planilha.
No fundo, a Brick não tinha um problema de ferramentas, tinha um problema de tempo: cada hora dedicada a manter pipelines de dados era uma hora a menos dedicada a produto e a decisões estratégicas, justamente na fase em que a empresa mais precisava de velocidade.
A solução
A Brick conheceu a Erathos por indicação. Carlos buscava resolver o problema rápido e dentro do orçamento, sem tempo para avaliar profundamente muitas alternativas. Assim que a primeira conexão foi implementada, a diferença ficou clara: em vez de mapear endpoints e manter scripts próprios, bastava plugar o conector para os dados chegarem atualizados, enquanto Carlos seguia mantendo por conta própria as fontes que a Erathos ainda não cobria naquele momento.
Essa fase de transição deixou evidente para o time o quanto a ingestão de dados via conectores plug and play, prontos para uso, era mais simples e confiável do que manter pipelines próprios linha por linha. A cada nova fonte que a Erathos adicionava ao catálogo, a Brick reduzia mais uma frente de manutenção interna, até chegar ao ponto em que, segundo Thiago, não existe hoje nenhum sistema usado pela empresa sem dados disponíveis via Erathos.
A gente tinha muito retrabalho, e hoje não tem mais. É mais eficiente trabalhar dessa forma. Se não é seu core business, contrate a Erathos. Gaste tempo modelando o seu domínio, não o domínio dos outros
Carlos Schwabe
Co-Founder & CDO
Os resultados
Tempo de implementação de uma nova fonte de dados caiu de 2 a 3 meses para 2 a 3 dias com Erathos, segundo Bruno Rosso.
Investor Report mensal parou de ocupar o tempo de uma manhã inteira de trabalho e passou a levar 7 minutos.
Fechamento financeiro mensal caiu de um dia e meio para uma manhã.
O cálculo de métricas como churn, que já exigiu uma noite inteira de trabalho manual, está disponível para consulta e atualização a qualquer momento, sem depender de levantamento manual.
Carlos, cofundador, deixou de dedicar 4 a 5 horas semanais à manutenção de pipelines, hoje dedica zero.
A estrutura de dados inteira da empresa passou a ser mantida com um investimento bem mais enxuto, sustentada por um único analista de dados.
Mais do que economia de tempo, esses números refletem o objetivo que a Brick tinha desde o início: construir uma cultura data driven de verdade, em que decisões de produto, operação e finanças partem de dados confiáveis e acessíveis para todo o time, e não apenas para uma pessoa técnica específica.
Cada implementação nova de uma fonte, se eu tivesse que fazer sozinho, levaria uns dois, três meses. Com a Erathos, isso sai em poucas horas. Não preciso ter as skills de um engenheiro de dados para gerar valor real com os dados da empresa.
Bruno Rosso
Analista de Dados
O retorno sobre o investimento (ROI)
O time da Brick avaliou que, sem a Erathos, seria necessário montar um time interno de 2 a 3 pessoas entre engenheiros de dados e analistas de dados para sustentar a mesma operação. Usando salários médios de mercado no Brasil (R$8.000 para engenheiro de dados e R$5.000 para analista de dados, mais encargos CLT), o custo estimado de um time de 2 engenheiros e 1 analistas dedicados seria de R$793.800 no período.
Custo evitado nos últimos 21 meses (2 engenheiros de dados + 1 analistas de dados, salários médios de mercado + encargos CLT): R$783.751
R$ 783.751 de economia líquida, aproximadamente 78x o valor investido na Erathos
R$ 783.751 de economia líquida, aproximadamente 78x o valor investido na Erathos
Se eu não tivesse essa infraestrutura, eu teria que ter duas, três pessoas para fazer o que a Erathos faz hoje. Consegui gerar valor real com os meus dados com uma estrutura muito mais enxuta do que eu imaginava precisar. Isso é o cerne para construir uma cultura data driven: o time só usa o dado quando eles são confiáveis.
Thiago Paz
CFO
O futuro
A Brick segue explorando o potencial da infraestrutura de dados construída com a Erathos. Do lado de conectores, Conta Simples e PostHog estão em beta e devem ser testados pela equipe em breve. Bruno também sinalizou interesse em aprofundar o uso do plano Pro, com customização de retries de job e backfill customizado para as tabelas maiores, além de ativar os alertas de falha por e-mail ou Slack, recurso que ele não sabia estar disponível.
Sobre:
A Brick é o sistema operacional nativo em IA para decisões de risco em seguradoras, dando autonomia para times de negócio criarem, ajustarem e auditarem fluxos de subscrição, sinistro e prevenção a fraude, sem depender de TI.
Localização:
Curitiba, Paraná
Setor:
SaaS / Insurtech
Funcionários:
25
Clientes Erathos desde:
Outubro/2024
Serviços conectados:
A Brick é o sistema operacional nativo em IA para decisões de risco em seguradoras, usado por times de subscrição, sinistro e prevenção a fraude. Antes da Erathos, a ingestão de dados era mantida na mão pelo cofundador da empresa, com Airflow orquestrando extrações e o DBT rodando por cima sem garantia nenhuma de que os dados estavam atualizados. Qualquer mudança de schema numa API quebrava o pipeline, e resolver isso consumia parte real do tempo de quem deveria estar construindo produto. Depois de centralizar a ingestão com a Erathos, a Brick passou a manter toda a estrutura de dados com um único analista, e reduziu de meses para dias o tempo de colocar uma nova fonte no ar, ao mesmo tempo em que passou a apoiar decisões de produto, operação e finanças com dados confiáveis.
O desafio
Antes da Erathos, a Brick sustentava a própria ingestão de dados com Airflow disparando rotinas que jogavam dados no Cloud Storage e depois numa tabela delta no BigQuery, com o DBT rodando por cima independentemente dos dados estarem realmente atualizados. Carlos Schwabe, cofundador, descreve o resultado como um processo básico de ingestão, montado com as ferramentas do dia a dia de qualquer time de engenharia: a tabela de clientes atualizava, a de vendas não, e o relatório final saía com uma venda associada a um cliente que não existia.
O maior custo não era rodar o pipeline, era mantê-lo. Cada fonte de dados (HubSpot, Conta Azul, Zendesk, banco de produção) tinha uma API diferente, algumas documentadas, outras não, e cada mudança de escopo, como passar a precisar de dados de chamadas em vez de apenas contatos, obrigava a equipe a reabrir a documentação da API e refazer a lógica de cursor do zero. Cerca de duas vezes por semana, Carlos precisava interromper o que estava fazendo para consertar alguma quebra e garantir que os dados voltassem a bater.
Do lado financeiro, o problema aparecia como decisão atrasada. Thiago Paz, CFO, lembra de uma noite em que o time ficou até as 22h no escritório tentando calcular a taxa de churn, porque o dado estava espalhado entre ERP, banco de produção e CRM, e não havia como cruzar as informações sem montar tudo manualmente em planilha.
No fundo, a Brick não tinha um problema de ferramentas, tinha um problema de tempo: cada hora dedicada a manter pipelines de dados era uma hora a menos dedicada a produto e a decisões estratégicas, justamente na fase em que a empresa mais precisava de velocidade.
A solução
A Brick conheceu a Erathos por indicação. Carlos buscava resolver o problema rápido e dentro do orçamento, sem tempo para avaliar profundamente muitas alternativas. Assim que a primeira conexão foi implementada, a diferença ficou clara: em vez de mapear endpoints e manter scripts próprios, bastava plugar o conector para os dados chegarem atualizados, enquanto Carlos seguia mantendo por conta própria as fontes que a Erathos ainda não cobria naquele momento.
Essa fase de transição deixou evidente para o time o quanto a ingestão de dados via conectores plug and play, prontos para uso, era mais simples e confiável do que manter pipelines próprios linha por linha. A cada nova fonte que a Erathos adicionava ao catálogo, a Brick reduzia mais uma frente de manutenção interna, até chegar ao ponto em que, segundo Thiago, não existe hoje nenhum sistema usado pela empresa sem dados disponíveis via Erathos.
Os resultados
Tempo de implementação de uma nova fonte de dados caiu de 2 a 3 meses para 2 a 3 dias com Erathos, segundo Bruno Rosso.
Investor Report mensal parou de ocupar o tempo de uma manhã inteira de trabalho e passou a levar 7 minutos.
Fechamento financeiro mensal caiu de um dia e meio para uma manhã.
O cálculo de métricas como churn, que já exigiu uma noite inteira de trabalho manual, está disponível para consulta e atualização a qualquer momento, sem depender de levantamento manual.
Carlos, cofundador, deixou de dedicar 4 a 5 horas semanais à manutenção de pipelines, hoje dedica zero.
A estrutura de dados inteira da empresa passou a ser mantida com um investimento bem mais enxuto, sustentada por um único analista de dados.
Mais do que economia de tempo, esses números refletem o objetivo que a Brick tinha desde o início: construir uma cultura data driven de verdade, em que decisões de produto, operação e finanças partem de dados confiáveis e acessíveis para todo o time, e não apenas para uma pessoa técnica específica.
O retorno sobre o investimento (ROI)
O time da Brick avaliou que, sem a Erathos, seria necessário montar um time interno de 2 a 3 pessoas entre engenheiros de dados e analistas de dados para sustentar a mesma operação. Usando salários médios de mercado no Brasil (R$8.000 para engenheiro de dados e R$5.000 para analista de dados, mais encargos CLT), o custo estimado de um time de 2 engenheiros e 1 analistas dedicados seria de R$793.800 no período.
Custo evitado nos últimos 21 meses (2 engenheiros de dados + 1 analistas de dados, salários médios de mercado + encargos CLT): R$783.751
O futuro
A Brick segue explorando o potencial da infraestrutura de dados construída com a Erathos. Do lado de conectores, Conta Simples e PostHog estão em beta e devem ser testados pela equipe em breve. Bruno também sinalizou interesse em aprofundar o uso do plano Pro, com customização de retries de job e backfill customizado para as tabelas maiores, além de ativar os alertas de falha por e-mail ou Slack, recurso que ele não sabia estar disponível.
Se eu não tivesse essa infraestrutura, eu teria que ter duas, três pessoas para fazer o que a Erathos faz hoje. Consegui gerar valor real com os meus dados com uma estrutura muito mais enxuta do que eu imaginava precisar. Isso é o cerne para construir uma cultura data driven: o time só usa o dado quando eles são confiáveis.
Thiago Paz
CFO
A gente tinha muito retrabalho, e hoje não tem mais. É mais eficiente trabalhar dessa forma. Se não é seu core business, contrate a Erathos. Gaste tempo modelando o seu domínio, não o domínio dos outros
Carlos Schwabe
Co-Founder & CDO
Cada implementação nova de uma fonte, se eu tivesse que fazer sozinho, levaria uns dois, três meses. Com a Erathos, isso sai em poucas horas. Não preciso ter as skills de um engenheiro de dados para gerar valor real com os dados da empresa.
Bruno Rosso
Analista de Dados