Consultoria em engenharia de dados em Belo Horizonte

A gente constrói a fundação que faz o dado virar decisão: extração confiável, transformação versionada e uma base analítica em que o time confia na hora de decidir. Sem projeto de dashboard bonito em cima de dado que ninguém audita.

O que é engenharia de dados, na prática?

É o trabalho de tirar o dado de onde ele nasce — o sistema transacional, o ERP, a API do marketplace — e entregá-lo limpo, consistente e no tempo certo para quem vai analisar. O dashboard é a ponta visível; abaixo dele existe um pipeline que roda todos os dias, de forma monitorada, para que o número que aparece na tela seja sempre o número certo.

Quando essa camada não existe, o sintoma é sempre o mesmo: dois relatórios que respondem a mesma pergunta com números diferentes, e ninguém sabe qual está certo.

Como estruturamos um pipeline de dados

Usamos arquitetura em camadas — Raw, Silver e Gold. A camada Raw guarda o dado como ele chegou, sem transformação, para que qualquer erro seja rastreável até a origem. A Silver limpa, deduplica e padroniza. A Gold entrega as tabelas que o negócio consome, já modeladas para as perguntas que o time faz.

Cada transformação é código versionado, com teste, e não uma query salva no computador de alguém.

  • Orquestração com Airflow ou Dagster, com repetição automática e alerta em cada etapa
  • Transformações dos dados versionadas e testadas (dbt), revisadas como código antes de ir para produção
  • Dado em tempo real quando o caso pede, com streaming gerenciado na nuvem (Pub/Sub no GCP, Kinesis na AWS)
  • Observabilidade de pipeline: o time enxerga um problema antes que ele chegue ao relatório

Por que contratar uma consultoria em vez de contratar um engenheiro de dados?

Porque as duas coisas resolvem problemas diferentes. Um engenheiro contratado é a resposta certa quando já existe uma plataforma rodando e um caminho definido. Uma consultoria é a resposta certa quando a plataforma ainda não existe e a primeira decisão de arquitetura vai custar caro se estiver errada.

A gente entra para montar a fundação e treinar quem vai operar. O projeto termina quando o seu time toca a operação com confiança — isso é critério de saída, não frase de efeito.

Casos que colocamos em produção

Engenharia de Dados · AWS

Plataforma de BI e Analytics

Plataforma de dados desenvolvida para uma empresa de análise de sonolência e acidentes, estruturando um pipeline de ETL completo na AWS.

  • Pipeline de ETL completo na AWS
  • Arquitetura em três camadas: Raw, Silver e Gold
  • Visualização e dashboards via Amazon QuickSight
Dados · Fintech

Inteligência Financeira para Marketplaces

Plataforma de inteligência financeira para vendedores de marketplace. Integra-se via API ao Mercado Livre, Shopee e TikTok Shop e consolida vendas, taxas, repasses e devoluções em um único painel.

  • Integração via API: Mercado Livre, Shopee e TikTok Shop
  • Lucro Real por produto, líquido de todas as taxas
  • Dashboards e KPIs de margem por SKU e por canal
Antes eu vivia no escuro achando que estava lucrando, mas só via o valor que caía na conta — sem considerar taxas, frete e devoluções. Depois que a Leytech montou a plataforma pra gente, passei a enxergar o lucro real de cada venda, produto por produto. Hoje sei exatamente onde estou ganhando e onde estou perdendo dinheiro. A integração com o Mercado Livre e a Shopee funciona sozinha, os dados chegam atualizados e ainda consigo lançar minhas despesas e os gastos com anúncios pra ter o resultado completo. Deixei de decidir no achismo. Atendimento próximo, entenderam o meu negócio de verdade e entregaram uma ferramenta que virou parte do meu dia a dia. Recomendo de olhos fechados.
Brenda Urias — Co-founder, Leycommerce Store

Perguntas frequentes

Vocês atendem só em Belo Horizonte?

A Leytech fica em Belo Horizonte e atende clientes em todo o Brasil, de forma remota. A proximidade importa na fase de descoberta, e para clientes da região fazemos essa imersão presencialmente.

Qual stack vocês usam?

Depende do problema, não do nosso gosto. Trabalhamos nas duas grandes nuvens — AWS e GCP — usando os serviços gerenciados de cada uma: armazenamento e processamento (S3, Redshift e Athena na AWS; Cloud Storage e BigQuery no GCP), orquestração com Airflow ou Dagster, transformação versionada com dbt, streaming com Kinesis ou Pub/Sub, e visualização no QuickSight, Looker ou Power BI. Se você já tem uma stack, a primeira pergunta é o que dá para aproveitar antes de propor qualquer coisa nova.

Precisamos ter um data warehouse antes de chamar vocês?

Não. Boa parte dos projetos começa exatamente aí: não existe base analítica, e as decisões saem de planilhas exportadas na mão. A fase de descoberta serve para mapear de onde o dado sai hoje e o que ele precisa responder.

Quem opera a plataforma depois que o projeto acaba?

O seu time. A última fase do nosso processo é operação e handover: estabilização em produção, runbooks, SLOs e treinamento. Se você preferir que a gente siga operando, isso vira um contrato de manutenção — mas é escolha sua, não dependência criada de propósito.

Vamos conversar sobre o seu caso?

Conte rapidamente sobre o contexto. Respondo pessoalmente em até um dia útil.