Consultoria hiper-técnica em engenharia de dados — query tuning, replicação, particionamento, pipelines em tempo real e ClickHouse para analítico em escala. Sem prosa de enterprise, sem genérico de TI.
Não somos consultoria genérica de TI. Cada serviço entrega benchmark antes/depois, plano de ação com nomes de commits e runbook operacional — não slide.
Query tuning, indexes, autovacuum, particionamento, configuração de memória, work_mem, shared_buffers e parallel workers para o seu workload real.
Modelagem analítica, MergeTree e suas variantes, materialização incremental, projections e Distributed engine — para tabelas de bilhões de linhas.
Streaming replication com Patroni, hot standby, failover testado, logical replication para CDC e read replicas geográficas.
Ingestão em tempo real com Kafka/Debezium, ETL incremental, CDC entre Postgres e ClickHouse, idempotência e dead-letter por padrão.
Casos reais resolvidos. Todos com EXPLAIN ANALYZE em produção, benchmark reproduzível e plano de ação versionado em Git. NDA limita o cliente, não o número.
Relatório de fechamento usado pela controladoria batia timeout. Reescrita com window functions + index parcial.
Catálogo com 180M de SKUs e 40 facetas. Migração de OpenSearch para ClickHouse com projections.
1.2B linhas/dia, contenção em autovacuum. Particionamento por hora + tuning de bgwriter resolveu sem mudar app.
Quatro princípios que aparecem em todo projeto. Não é cultura de slide — é o que recusamos negociar quando o prazo aperta.
Todo benchmark vem com dataset sintético público, script de carga e ambiente Docker. Se você não consegue rodar, não estamos vendendo.
Latência média esconde os 10% piores. Toda métrica é p50, p95, p99, p99.9 — porque é onde o usuário sente.
Documentação técnica entregue como código (markdown + diagramas-as-code), versionada no repo do cliente. Não há "anexos finais" no e-mail.
Não vendemos "soluções estratégicas de dados". Vendemos índices, queries, partições, replicas. Coisas que existem no banco.
A gente já tropeçou nos edge cases que você não conhece ainda. Esse é o stack que efetivamente tunamos em produção — para o resto, indicamos quem faz melhor.
Programa contínuo de qualificação da equipe Nord42 em engenharia de dados — certificações profissionais reconhecidas em IBM, Meta e Google Cloud. Estudo guiado, não diploma de parede.
Trilha completa de engenharia de dados — Python, SQL, ETL, NoSQL, Spark e data warehouses em produção.
Engenharia de bancos relacionais em escala — modelagem, SQL avançado e otimização aplicada a produtos Meta-scale.
Bancos gerenciados no Google Cloud — Cloud SQL, Spanner, BigQuery e Bigtable para workloads críticos.
Arquitetura corporativa de dados — modelagem dimensional, governança, integração SQL/NoSQL e padrões de design.
Projeto e operação de EDW — ETL, modelagem em estrela/floco-de-neve, materialização e BI sobre warehouse.
Analítica avançada com Python — estatística aplicada, regressão, séries temporais e modelos preditivos.
A gente não toca em config sem medir antes. Quatro fases, entregáveis claros e sem surpresa de fechamento — você sabe o que ganhou em ms a cada sprint.
Snapshot completo do banco em produção: schema, queries lentas, locks, autovacuum, replicação, índices não usados.
Semana 1Roadmap priorizado por impacto vs esforço. Cada item tem benchmark esperado e plano de rollback definido.
Semana 2Sprints semanais, mudanças em staging, benchmark antes/depois, deploy controlado em prod com observabilidade.
Núcleo · 4–10 semRunbook operacional, treinamento da equipe, dashboards de observabilidade configurados e período de garantia.
2 semanas30 minutos de conversa técnica, sem briefing comercial. Você cola o EXPLAIN ANALYZE da query que está incomodando, a gente fala o que faria. Sem assinatura, sem custo.