O grande interregno dos dados: sintomas mórbidos de uma indústria entre eras
Aprofundamento CEVIU
Aprofundamento
O texto de Joe Reis parte de uma conversa com Tristan Handy (cofundador do dbt, hoje presidente da Fivetran/dbt), que usou a palavra "interregno". Reis a liga a uma frase de Gramsci: o velho morre, o novo não nasce, e surgem sintomas mórbidos. Na indústria de dados, ele lista a fusão de Fivetran e dbt, a compra da Confluent pela IBM, da Dremio pela SAP e da Informatica pela Salesforce, além de Snowflake e Databricks entrando em plataformas Postgres.
A tese técnica é que o Modern Data Stack não morreu como arquitetura. Ingestão, transformação, orquestração, armazenamento, governança e analytics continuam necessários. O que se desfaz é o arranjo comercial de componentes independentes. Reis divide o trabalho de dados em três camadas: mecânico (SQL, modelos dbt, testes, documentação), interpretação (entidades, granularidade, semântica) e responsabilização (decidir o que é correto). A IA barateia a primeira muito mais rápido que as outras. O exemplo do "faturamento" resume o argumento: um agente calcula, mas não decide se vale bruto ou líquido, reconhecido ou faturado.
O que mudou
O texto atual conversa com temas que o CEVIU já vinha cobrindo, sem ser a mesma notícia. Em 2 de março de 2026, o CEVIU noticiou "O Trabalho Inacabado da Engenharia de Analytics", sobre camadas semânticas e lógica de negócio estruturada ganhando peso. Em 11 de março de 2026, em "Seus Agentes de Dados Precisam de Contexto", o foco era a dificuldade dos agentes com dados desorganizados. Em 7 de setembro de 2026, "Desafios e Estratégias na Análise de Dados com IA Agentiva" tratou de SQL gerado por agentes sobre metadados inconsistentes. Agora a discussão sobe de nível: sai do problema técnico isolado e vai para o reposicionamento da indústria e do papel do profissional.
Por que isso importa
Para quem opera pipelines, a leitura é prática: gerar código ficou barato, então o diferencial migra para semântica, contratos e definição de métricas. Se o time de dados não tem dono claro para "o que é um cliente" ou "o que é receita", automatizar só acelera a divergência. Para quem compra ferramentas, a consolidação pede atenção a roadmap, preço e interoperabilidade depois de aquisições.
Linha do tempo
CEVIU noticia o ressurgimento da engenharia de analytics, com camadas semânticas e contexto de IA.
CEVIU aborda a necessidade de contexto para agentes de dados.
CEVIU cobre os desafios de agentes que geram SQL com metadados inconsistentes.
Joe Reis descreve o "grande interregno dos dados" entre consolidação de fornecedores e automação por IA.
Perguntas frequentes
O que Joe Reis quer dizer com "grande interregno dos dados"?
Ele usa o termo, citado por Tristan Handy e ligado a Gramsci, para descrever um período de transição. Fornecedores vendem um futuro de agentes automatizados, enquanto os times seguem mantendo pipelines que quebram e números que não batem.
O Modern Data Stack morreu?
Segundo Reis, não como arquitetura. As capacidades (ingestão, transformação, orquestração, governança) seguem necessárias. O que muda são as fronteiras comerciais, com fusões e aquisições como Fivetran e dbt, ou Salesforce e Informatica.
Que trabalho a IA barateia mais em dados?
O trabalho mecânico: escrever SQL, montar modelos dbt, criar documentação e testes, configurar conectores. Interpretação e responsabilização também podem ser assistidas, mas dependem de contexto de negócio e autoridade organizacional.
Por que definir correção é um problema para agentes?
Porque métricas como receita têm definições legítimas e incompatíveis entre executivos. O agente automatiza o cálculo, mas não confere autoridade organizacional a uma definição. Alguém precisa decidir o que é correto.
Fontes
- joereis.substack.comfonte original
- Categoria
- CEVIU Dados
- Publicado
- 05 de novembro de 2026
- Editoria
- CEVIU Dados

