Nordnet adota semáforo de qualidade de dados em dashboards do Looker

A Nordnet não só implantou um semáforo visual no Looker, ela construiu uma camada de observabilidade de qualidade de dados nativa na arquitetura dbt + BigQuery + Looker. O sistema opera em três níveis técnicos interligados: detecção de falhas com granularidade de execução (não apenas 'job falhou', mas 'modelo X falhou na linha 42, após timeout no Cloud Run'), rastreamento de linhagem recursiva a partir do manifesto dbt e dos arquivos LookML, e exposição contextualizada no ponto de consumo, o dashboard. A inovação está na forma como os incidentes são modelados: não como eventos isolados, mas como períodos contínuos com início e fim definidos por window functions em SQL puro, evitando ruído e permitindo análise histórica direta em BigQuery.

O uso do TimesFM do BigQuery para detecção de anomalias de volume é estratégico: ele dispensa infraestrutura externa, lida com sazonalidade automática (como quedas esperadas em finais de semana em tabelas de comportamento do usuário) e foi ajustado por tabela, algo que modelos estatísticos simples não suportam. Isso contrasta com abordagens genéricas de threshold fixo, que geram falsos positivos em ambientes reais. A Nordnet também já migrou parte da linhagem para o Google Cloud Knowledge Catalog, que agora oferece sincronização nativa com Looker a cada quatro horas, um avanço concreto em relação à solução manual descrita no artigo-fonte, reduzindo a necessidade de parsers customizados.

Na cobertura anterior do CEVIU sobre o toolkit de qualidade de dados do dltHub (04/06/2026), a ênfase estava em validações baseadas em schema e correção automática para IA, ou seja, foco em ingestão e transformação. A solução da Nordnet, lançada em 2026-06-22, representa uma evolução para o nível de consumo: ela não apenas detecta problemas, mas traduz seu impacto real para quem toma decisão. Enquanto o dltHub falha rápido *antes* do dado entrar no pipeline, a Nordnet sinaliza confiança *depois* do dado estar no dashboard, e mostra exatamente quais métricas estão comprometidas, graças à linhagem unificada entre dbt e Looker. Isso fecha o ciclo: de verificação técnica para confiança operacional.

Em plataformas de dados com centenas de transformações, a pergunta não é mais 'os testes passaram?', mas 'quem vai confiar nesse número?'. A Nordnet respondeu com um sinal visual que funciona como um 'checklist implícito' para o analista: verde significa 'você pode agir'; amarelo, 'valide antes de decidir'; vermelho, 'pare e investigue'. Isso reduz retrabalho, acelera resposta a incidentes e muda a cultura: governança deixa de ser responsabilidade exclusiva do time de dados e se torna visível para todos. Em um contexto onde a Nordnet cresceu 77.500 novos clientes no Q1 de 2026 e expande IA para relatórios financeiros, essa camada de confiança é infraestrutura crítica, não um luxo.