Recursos e conteúdos
Arquitetura 19 de agosto de 2026 12 min de leitura

Data lineage na prática: como saber de onde veio um dado até chegar ao seu dashboard

Quando um indicador cai 8%, alguém precisa reconstruir o caminho do dado. Este artigo mostra como mapear origem, transformações e dependências, e o que muda quando esse rastro existe.

Athenas — Data lineage na prática: como saber de onde veio um dado até chegar ao seu dashboard
Neste artigo

Considere o seguinte cenário, provavelmente familiar. Na reunião de segunda-feira, o gerente industrial aponta para o painel e pergunta: “por que a eficiência da Linha 2 caiu 8%?”. É uma pergunta simples. A resposta, quase sempre, não é.

Antes de responder qualquer coisa sobre a operação, a equipe de dados precisa responder sobre o dado:

  • De onde veio esse número exibido no painel?
  • Qual sistema originou os apontamentos — MES, supervisório, planilha de turno?
  • Qual tabela alimenta esse gráfico, e em qual camada ela vive?
  • Quais transformações foram aplicadas entre a origem e essa tabela?
  • Qual pipeline processou, com qual frequência, e ele rodou com sucesso?
  • Qual regra de negócio define 'eficiência' nesse cálculo?
  • Quando esse dado foi atualizado pela última vez?

Enquanto essas perguntas não têm resposta, ninguém sabe se houve queda de eficiência ou queda de qualidade do dado. É exatamente esse conjunto de respostas que data lineage organiza.

1. O que é data lineage

Data lineage é o rastreamento do caminho percorrido por um dado desde sua origem, passando por todas as transformações, até o ponto de consumo. Ele responde três perguntas em qualquer ponto da arquitetura: de onde este dado veio, o que foi feito com ele, e quem depende dele.

As cinco etapas do caminho
  1. 01FonteSensor, PLC, MES, ERP, planilha
  2. 02IngestãoColeta, broker, conector, carga
  3. 03TransformaçãoLimpeza, junção, cálculo, regra
  4. 04ArmazenamentoData lake, warehouse, camadas
  5. 05ConsumoDashboard, relatório, API, modelo

Em uma arquitetura industrial, o caminho concreto de uma variável de processo costuma se parecer com isto:

Sensor → Gateway → Broker/Pipeline → Data Lake → Transformação → Data Warehouse → Dashboard

Cada seta é um lugar onde o dado pode ser alterado, atrasado, duplicado ou perdido. Lineage é o registro explícito dessas setas — não a suposição de que elas existem.

2. Por que a origem do dado importa

Aplicações práticas

Confiabilidade

Dois relatórios divergem em 3%. Com lineage, dá para mostrar que um usa apontamento manual de turno e o outro o contador do supervisório. A divergência deixa de ser um mistério e passa a ser uma escolha de fonte.

Troubleshooting

Um indicador congela. O lineage aponta em minutos que a última carga da tabela de origem falhou, em vez de a equipe abrir seis sistemas para descobrir isso.

Impact analysis

Antes de renomear uma coluna ou trocar a unidade de um tag, é possível listar todos os painéis, extrações e modelos que dependem dela.

Controle de mudanças

Quando a definição de 'produção líquida' muda, dá para identificar todos os cálculos que precisam ser revistos na mesma janela.

Governança

Cada ativo de dado tem origem declarada e responsável identificável, o que torna possível atribuir manutenção e correção.

Auditoria e compliance

Auditorias pedem evidência de como o número foi produzido. Lineage é essa evidência, documentada em vez de reconstruída de memória.

Investigação de inconsistências

Quando um valor negativo aparece em um total, o rastro mostra em qual transformação o sinal foi invertido.

Note que todos os itens acima são atividades que a equipe já faz. A diferença é que, sem lineage, elas são feitas por investigação manual a cada ocorrência; com lineage, são consultas.

3. Data lineage na prática

Vamos rastrear um indicador concreto: a eficiência da Linha 2 exibida no painel gerencial. Lido de trás para frente — do consumo até a origem — o caminho fica assim:

Rastreamento reverso do indicador
CamadaAtivoO que acontece aqui
DashboardPainel Operacional / cartão 'Eficiência Linha 2'Exibe o valor agregado por turno, com filtro de período aplicado na visualização
IndicadorMétrica 'eficiência_linha'Fórmula documentada: tempo produtivo x desempenho x qualidade, com a definição de tempo programado usada pela planta
Tabela analíticafato_oee_turnoUma linha por linha de produção e turno, já com metas e referência histórica
Transformaçãojob de cálculo de OEEJunta apontamentos, paradas e refugo; aplica regras de arredondamento e exclusão de paradas programadas
Pipelinecarga incremental de produçãoExecuta a cada 15 minutos; registra sucesso, volume e atraso
Armazenamentocamada bruta no data lake / warehouseGuarda os registros originais sem alteração, com data de ingestão
Sistema de produçãoMES da plantaOrigem dos apontamentos de ordem, quantidade e paradas
Fonte originalContadores de linha e registros de parada do supervisórioSinal físico coletado e associado ao ativo

Com esse mapa, a pergunta da reunião muda de natureza. Não se investiga mais “o painel está errado?”, e sim “em qual camada o comportamento mudou?”. Se a camada bruta manteve o volume esperado e o job de cálculo passou a excluir um tipo de parada que antes entrava na conta, o problema é de regra, não de operação. Se o volume da camada bruta caiu, o problema é de coleta.

4. Lineage técnico e lineage de negócio

Os dois existem, servem a públicos diferentes e não se substituem. O lineage técnico descreve objetos:

Tabela A → View B → Tabela C → Dashboard D

O lineage de negócio descreve significados:

Temperatura do equipamento → Condição operacional → Eficiência do processo → Indicador gerencial

AspectoLineage técnicoLineage de negócio
Pergunta que respondeQuais objetos alimentam este objeto?Qual conceito de negócio este número representa?
PúblicoEngenharia de dados, plataformaOperação, engenharia de processo, gestão
Uso típicoDepuração, análise de impacto, migraçãoInterpretação do indicador, alinhamento de definições
Como é obtidoEm boa parte automatizável a partir de metadados e consultasDepende de definição humana e documentação de regras

Ter apenas o técnico produz um grafo correto que ninguém da operação consegue ler: a resposta “o número vem da fato_oee_turno” não explica por que a eficiência caiu. Ter apenas o de negócio produz um discurso coerente sem verificação: ninguém consegue confirmar se a fórmula descrita é a que está de fato rodando. Os dois juntos permitem que a conversa entre operação e dados aconteça sobre o mesmo objeto.

5. O que acontece quando não existe lineage

Considere o custo real de uma ausência. Segunda, 9h: o indicador de eficiência aparece 8% abaixo. A operação afirma que a semana foi normal. Começa a investigação manual.

  • Um analista abre o painel e tenta identificar qual consulta o alimenta — a documentação está desatualizada.
  • Ele localiza a tabela analítica, mas não sabe qual job a escreve nem com qual frequência.
  • Consulta o time de plataforma, que encontra três jobs com nomes parecidos, dois deles herdados de um projeto anterior.
  • Descobre que uma regra de exclusão de paradas foi ajustada na semana passada, sem registro de quem pediu ou por quê.
  • Ninguém sabe quais outros painéis usam a mesma tabela, então a correção é aplicada sem saber o que mais será afetado.
  • Dois dias depois, um relatório de custos apresenta valores inconsistentes com o painel corrigido.

Nada nessa sequência é falha de competência. É o resultado previsível de uma arquitetura em que o caminho do dado só existe implicitamente, dentro do código e da memória das pessoas. O custo se manifesta em horas de engenharia consumidas por investigação repetida, em decisões postergadas por desconfiança e — o mais caro — na perda gradual de credibilidade dos painéis. Quando a operação passa a manter planilhas próprias “para conferir”, o investimento em plataforma já está sendo pago duas vezes.

6. Como implementar uma estratégia de lineage

Não é necessário mapear tudo. É necessário mapear primeiro o que sustenta decisão. Um roteiro que funciona bem em ambientes industriais:

Oito passos

1. Mapear as fontes

Liste sistemas de origem com dono, protocolo, frequência e criticidade: supervisórios, MES, ERP, laboratório, planilhas que ainda alimentam relatórios oficiais.

2. Identificar ativos de dados

Catalogue tabelas, views, tópicos e arquivos que realmente são consumidos. Comece pelos que aparecem nos painéis mais usados.

3. Mapear pipelines

Registre o que move dados entre camadas, com agendamento, dependências e comportamento em caso de falha.

4. Registrar transformações

Documente o que cada etapa faz em linguagem verificável — filtros, junções, conversões de unidade, agregações, arredondamentos.

5. Identificar dependências

Para cada ativo, saiba quem consome: painéis, extrações, APIs, modelos. Sem isso não existe análise de impacto.

6. Ligar regra técnica e regra de negócio

Cada indicador precisa de definição em linguagem de negócio associada ao cálculo que roda de fato.

7. Registrar responsáveis

Cada fonte e cada indicador com um responsável nomeado — quem decide sobre mudanças e responde por inconsistências.

8. Monitorar alterações

Versione definições e mudanças de esquema, com registro de quem alterou, quando e por quê. Sem histórico de mudanças, o lineage envelhece em semanas.

7. Checklist de data lineage

Avalie sua situação atual
  • Consigo identificar a origem dos principais dados que sustentam decisões?
  • Sei quais transformações foram aplicadas entre a origem e o indicador?
  • Sei quais dashboards e relatórios dependem de uma determinada tabela?
  • Consigo prever o impacto de uma mudança antes de aplicá-la?
  • Existe um responsável nomeado para cada fonte e cada indicador crítico?
  • Existe documentação atualizada das regras de negócio dos indicadores?
  • Consigo investigar uma inconsistência em minutos, e não em dias?
  • Mudanças de esquema e de regra ficam registradas com autor e data?
Além de saber de onde o dado veio, é necessário avaliar se ele é confiável. Veja também o conteúdo sobre qualidade de dados.

Conclusão

Data lineage não é documentação técnica para satisfazer auditoria. É a infraestrutura que permite responder rápido a duas perguntas que aparecem toda semana: “este número é confiável?” e “o que acontece se eu mudar isto?”. Sem ela, cada resposta custa horas de investigação e chega tarde demais para a decisão que a motivou.

Quanto mais complexa a arquitetura de dados, mais importante se torna saber exatamente de onde cada informação veio e onde ela é utilizada. Vale começar pelo indicador que mais gera discussão — mapeá-lo de ponta a ponta costuma revelar, de uma vez, tanto o problema imediato quanto os pontos frágeis da arquitetura.

EAEquipe AthenasAthenas Data Intelligence
Compartilhar

Veja como o Athenas organiza os dados da sua operação

Uma demonstração de aproximadamente 40 minutos mostrando a conexão das fontes, o catálogo, o UNS ISA-95 e a distribuição dos dados em tempo real.