News #100: 11 milhões de e-mails depois...
A IA já monta o painel sozinha. O que trava são os dados.
Nesta edição
- 🔥 Black Friday da Etek vem aí!
A live é dia 10 de novembro, às 19h30
- 🎓 Certificação da Microsoft de graça: começou o Data Days, e tem voucher de 100%
- 🪄 Fabric: agora você descreve o painel em uma frase e o Copilot monta
- 📉 86% das empresas
travaram projetos de IA por causa dos dados
- 🤖 Project Osmos: o agente que faz engenharia de dados sozinho (e valida o resultado)
- 📚 Artigo: o gargalo não é a IA, são os dados. E isso é ótimo para você
A Black Friday da Etek vem aí! Saiba como participar 🔥
Você que acompanha esta newsletter toda terça sabe o quanto a área de dados mudou nos últimos meses. E sabe também que quem quer ganhar destaque precisa continuar evoluindo.
Só que evoluir fica muito mais leve quando você tem um lugar pra voltar sempre que precisar e avançar no seu ritmo.
É exatamente isso que eu vou te mostrar no dia 10 de novembro, às 19h30, ao vivo: a Etek Vitalícia, uma oferta de Black Friday diferente de todas que já fiz até hoje, com acesso vitalício aos cursos de Dados, Power BI, IA, Claude, Microsoft e Carreira, e mais algumas novidades 👀
Inclusive algumas surpresas podem chegar na sua casa. Você é meu convidado de honra.
Para garantir o seu lugar, é só tocar no botão abaixo e preencher seus dados na próxima página. Assim que confirmar, você já entra no grupo oficial para receber tudo em primeira mão.
#DataNews 📰
Notícias sobre o mundo dos dados e IA para ler enquanto toma um café ☕
A Microsoft está pagando a sua certificação. O prazo é este mês. 🎓
Começou ontem o Data Days: AI @ Work, a temporada de capacitação gratuita da Microsoft em Fabric, SQL e Power BI. Vai de 2 de novembro a 15 de dezembro, é tudo on-line e tudo de graça: sessões ao vivo, gravações, grupos de estudo e laboratórios guiados.
Mas a parte que interessa de verdade é outra: voucher de exame.
Voucher de 100% (o exame sai de graça) para DP-600 (Fabric Analytics Engineer), DP-700 (Fabric Data Engineer) e DP-800. Você escolhe entre fazer a prova até 30 de novembro ou até 31 de dezembro de 2026.
Voucher de 50% para PL-300 (Power BI Data Analyst), DP-900, DP-300 e DP-420, com prova até 31 de janeiro de 2027.
Se o seu caminho é Power BI, o PL-300 é a certificação que fala a sua língua, e 50% já é meio exame pago. Se você já está firme em Power BI e quer o passo seguinte, o DP-600 é o alvo: é o que sai 100% coberto.
São limitados a um voucher por pessoa e o estoque é finito. O pedido é feito na seção Get Certified da página do Data Days.
💡 você sabia?
O voucher não chega por e-mail. Ele é entregue por mensagem privada dentro da Comunidade do Fabric. Muita gente pede e perde o prazo esperando um e-mail que nunca vem: depois de solicitar, o lugar para conferir é a caixa de mensagens da comunidade. E voucher não tem prorrogação: assim que receber, agende a prova.
Por que isso importa para você: quando você ainda não tem experiência profissional na área, a certificação é a prova mais barata que existe de que você sabe o que diz saber, e você pode consegui-la a custo zero.
Entre no Data Days e peça seu voucher →
Você descreve o painel. O Copilot monta. 🪄
O Microsoft Fabric liberou (em preview) uma coisa que até agora era promessa de palco: gerar um painel inteiro a partir de um parágrafo em português.
Funciona assim: você abre o Eventhouse, escolhe Novo Real-Time Dashboard → Generate with Copilot e escreve o que quer: qual é o objetivo do painel, quais dados ele deve priorizar, como você imagina o layout. Pode pedir uma visão geral das métricas principais com tendência no tempo e quebra por região, por exemplo.
Aí vem o detalhe que mais importa: ele não sai montando. O Copilot mostra como entendeu o pedido e você confere antes. Dá para estreitar o escopo, reforçar uma comparação específica ou acrescentar um contexto que faltou no pedido original, tudo em conversa, com perguntas de ida e volta. Só quando você aprova é que ele clica em criar.
Depois do painel pronto, nada fica travado: você troca o tipo de visual, edita as consultas e continua pedindo ajuda ao Copilot para ajustar.
💡 você sabia?
Isso não é o relatório do Power BI, é o Real-Time Dashboard, o painel do Fabric que lê dados ao vivo (sensor, clique no site, log de sistema) em vez de uma base atualizada de hora em hora. Por baixo ele não usa DAX, e sim KQL, a linguagem de consulta desse tipo de dado. O que o Copilot faz é justamente escrever o KQL para você. E a função pede capacidade paga do Fabric (F2 ou superior), com a chave ligada pelo administrador: não roda em versão de avaliação.
Por que isso importa para você: a tarefa de montar o painel está encolhendo. A de olhar o que ele montou e dizer “isso não responde a pergunta que eu fiz” continua inteira, e continua sendo sua.
Veja como gerar o painel com o Copilot →
86% das empresas travaram projetos de IA. O culpado não foi a IA. 📉
A Iron Mountain publicou o estudo The Information Supercycle, e o resultado é um retrato bem incômodo do mercado.
95% das empresas dizem que usar dados para melhorar o resultado do negócio é prioridade máxima. E ainda assim 86% registraram atraso ou cancelamento de iniciativas de IA nos últimos 12 meses, por preocupações com os dados.
Olhe os outros números, porque eles explicam o 86%:
Quatro em cada dez empresas gastam pelo menos 41% do tempo total do projeto em tratamento manual de dados. Quase metade do cronograma indo embora em limpeza e arrumação.
Apenas 39% se encaixam na categoria “digitalizados e estruturados”, em que os arquivos antigos da empresa estão organizados num lugar só, indexados e prontos para serem usados.
E sete em cada dez admitem que não conseguem rastrear de onde vieram os dados que alimentam seus modelos de IA.
💡 você sabia?
Repare na sequência: a empresa compra a IA, descobre que não sabe de onde vêm os próprios números, e o projeto para. Não foi o modelo que falhou. Foi a etapa que todo mundo quis pular.
Por que isso importa para você: “limpar e organizar dados” não é a parte chata da profissão que a IA vai levar embora. É a parte que está segurando o mercado inteiro e que alguém precisa saber fazer.
O agente que faz a engenharia de dados e precisa provar que deu certo 🤖
A Microsoft comprou a Osmos em janeiro deste ano. A tecnologia virou o agente de engenharia de dados do Fabric, que ficou conhecido pelo nome do projeto: Project Osmos. Está em preview.
A diferença dele em relação aos assistentes que a gente já viu é o tamanho da tarefa. Você não pede “escreva essa consulta”. Você descreve o resultado final que quer e aponta o lakehouse (o repositório onde ficam os dados). O agente então inspeciona os dados, planeja o caminho, escreve e executa notebooks Spark, cria ou atualiza as tabelas, e valida o resultado no fim, conferindo contagem de linhas, nulos e esquema.
O alvo é o trabalho grande e chato: migração de plataforma, modernização de ETL, padronização de esquemas de origens diferentes, correção de qualidade de dados. Aquele projeto que todo time sabe que precisa fazer e nunca consegue priorizar.
Dois detalhes interessantes. As tarefas herdam as permissões do workspace, então qualquer pessoa com acesso ao lakehouse acompanha o andamento e pode intervir. E ele pode ser comandado de fora do Fabric: do GitHub Copilot, do VS Code, do Codex e do Claude Code.
💡 você sabia?
A Microsoft faz um alerta sobre o custo: a tarefa consome duas coisas, o modelo de linguagem, que planeja, e o Spark, que executa o código e roda os testes. No app de métricas de capacidade, a linha “Project Osmos” mostra só a primeira. Quem olhar apenas ali vai subestimar a conta.
Por que isso importa para você: um agente assim trabalha a partir de um resultado bem descrito e de um critério claro de sucesso. Escrever esses dois com precisão (o que tem que acontecer e como vou saber que funcionou) é exatamente o trabalho que ele não faz por você.
Conheça o agente de engenharia de dados do Fabric →
O gargalo não é a IA. São os dados. E isso é ótimo para você. 📚
Por Etek
Coloque três notícias desta edição em sequência.
O Fabric monta um painel inteiro a partir de um parágrafo. Um agente faz migração de ETL sozinho e valida o resultado. E 86% das empresas pararam projetos de IA nos últimos doze meses por causa dos dados.
As duas primeiras são sobre o que a IA já consegue fazer. A terceira é onde o gargalo ainda se mostra presente.
O que a pesquisa realmente diz
O número que mais me chamou atenção não foi o 86%, e sim o de que quatro em cada dez empresas gastam pelo menos 41% do tempo do projeto em tratamento manual de dados.
Pense no que isso significa. A empresa contratou a ferramenta, treinou o time, comprou a capacidade e quase metade do cronograma vai para arrumar planilha, conciliar cadastro e descobrir por que a mesma venda aparece duas vezes.
E o outro: sete em cada dez não sabem de onde vêm os dados que alimentam seus modelos. Não é um problema técnico sofisticado. É não ter a resposta para “esse número saiu de qual sistema?”.
Quando a conversa é “a IA vai substituir o analista de dados”, o que se imagina é a IA fazendo o gráfico. Essa parte realmente ficou fácil. As duas primeiras notícias desta edição são a prova. Mas construir o gráfico nunca foi o trabalho. Era a entrega visível dele.
O trabalho é tudo que vem antes: entender de onde o dado vem, decidir o que entra e o que fica de fora, descobrir que o cadastro de cliente tem três grafias para a mesma empresa, combinar com a área o que significa “venda concluída”. Essa é a parte que a ferramenta não resolve, porque ela não depende de técnica. Depende de conversar com gente e conhecer o negócio.
O detalhe que o Osmos entrega sem querer
Repare numa palavra que aparece na notícia do agente: validar.
O agente da Microsoft, quando termina a tarefa, confere contagem de linhas, nulos e esquema e mostra a prova. Alguém na Microsoft entendeu que um agente autônomo sem critério de sucesso é só um gerador de retrabalho.
Agora pergunte isso a você mesmo. Quando você termina uma transformação de dados, como você prova que deu certo?
Se a resposta for “eu olho e parece certo”, você acabou de encontrar a diferença entre o que você faz hoje e o que o mercado paga.
Um exercício para esta semana
Pegue a última tabela que você tratou (na faculdade, no trabalho, no projeto de portfólio).
Escreva três conferências que provariam que o tratamento está correto. Por exemplo: o total de vendas depois tem que bater com o total antes; nenhuma data pode cair fora do período; nenhum código de produto pode ficar sem nome.
Agora rode as três. Se alguma falhar, você encontrou um erro que estava lá e você não sabia. Se todas passarem, você tem algo que quase ninguém tem: uma transformação de dados com prova.
por que isso importa pra você
A IA aprendeu a montar o painel. Ela ainda não aprendeu a descobrir que o dado de entrada estava errado, e 86% do mercado está parado justamente aí.
