Gestão de
Produtos de
Dados no
Nubank
05/12/2018
André Tavares
Gerente de Produto
Cenário e desafio
Como medir o sucesso?
Aprendizados
PM de Dados vs. PM Tradicional
O que fazemos na prática
Cenário e desafio
• Maior fintech fora da Asia
• 5 milhões de clientes de
cartão de crédito
• 2.5 milhões de NuContas
• 1250 funcionários
• 55 squads
• ~190 microserviços e 28
modelos em produção
• 40 Tb de dados
processados por dia
• 500 usuários diários em
ferramentas de dados
Como implantar uma cultura de
dados na empresa?
Como escalar conhecimento
para milhares de usuários?
Como lidar com crescimento
exponencial dos dados?
Como garantir que a empresa
está tomando boas decisões?
Como medir o sucesso?
Como medir sucesso?
Uso das ferramentas
• Quantidade de usuários
ativos
• Número de queries
• Número de
contribuidores
Como medir sucesso?
Responsividade do
sistema
• Velocidade das queries
• Tempo para
disponibilizar os dados
• Frequência de crashes
Como medir sucesso?
Qualidade dos dados
• Saúde dos dados
• Completude de
metadados
Como medir sucesso?
Maturidade de dados da
empresa
• Quão bem as pessoas
usam dados em seus
fluxos de trabalho?
O que fazemos na prática
O que fazemos:
Plataforma
ETL: Um sistema para
extrair os dados dos bancos
de produção, transformá-los
e disponibilizá-los
Data Warehouse: Um banco
de dados central com
tabelas organizadas de
forma lógica
O que fazemos:
Ferramentas
BI: Uma ferramenta para rodar
queries e compartilhar
visualizações
Data Discovery: Um sistema para
visualizar todas as tabelas
disponíveis
Bibliotecas de Programação: Para
acesso programático aos dados
O que fazemos:
Serviços
Treinamentos: Aulas
semanais para ajudar os
nubankers a usar dados
melhor
Suporte: Suporte virtual e
presencial
Aprendizados
Aprendizado:
Crie plataformas
horizontais
Problema: Time de dados
criava tabelas para toda a
empresa
• Falta de contexto
• Difícil priorizar entre os
vários times
• Gargalo para a empresa
Aprendizado:
Crie plataformas
horizontais
Solução: Empoderar os
times verticais para assumir
essa responsabilidade
• Foco em ferramentas,
treinamento, e suporte
• Reduzir
interdependências
Aprendizado:
Crie plataformas
horizontais
Resultado: Enorme
crescimento na quantidade
de contribuições
• 250 datasets novos só
no último mês
• E agora, como manter
controle da qualidade?
Aprendizado:
Não basta construir
• Lançamentos internos
também são lançamentos
• É necessário prover
treinamento e suporte
• Incentive comportamentos
bons, corrija
comportamentos ruins
Aprendizado:
Os próprios dados são
produtos
• Temos tudo que
precisamos? Os dados são
completos?
• Os dados estão corretos?
São de boa qualidade?
• Estamos seguindo todas as
regulamentações?
PM de Dados vs.
PM Tradicional
Similaridades:
Entender profundamente
seus usuários
• Muito fácil fazer pesquisa
(usuários sentam do seu lado)
• Pode ser difícil ter relevância
estatística em pesquisas
quantitativas

• Cuidado para não saturar o
ambiente
Similaridades:
Ajudar a empresa a
definir visão e estratégia
• Aonde queremos chegar
• Como vamos chegar lá?
Similaridades:
Entregar um MVP e iterar
• Ajude o time a executar sem
perder de vista as dores do
cliente
• Entregue algo pequeno e itere
com melhorias incrementais
• Pronto é melhor do que
perfeito!
Diferenças:
Validação de mercado é
difícil
• Seus produtos são quase um
monopólio dentro da empresa
• “Temos uma adoção grande
porque nossos produtos são
bons ou porque são os
únicos?"
• Medir sucesso pode ser difícil
Diferenças:
Preocupe-se com o
fornecimento
• Como em produtos físicos,
você precisa se preocupar
com os insumos
• “Lixo pra dentro, lixo pra
fora”
• Novas parcerias, novas
fontes de dados
Diferenças:
Você já começa com um
conjunto de produtos
• As pessoas provavelmente
já usam várias ferramentas
• Entenda o que é prioridade,
sem perder o todo de vista
• Não esqueça que alguns
serviços também são
produtos!
Se interessou por
trabalhar com a gente?
sou.nu/jobs-at-nubank
Data Product Management at Nubank

Data Product Management at Nubank