Case principal · Indústria · 2022–2026

De 15 para 3 dias de trabalho manual por mês: o sistema de gestão que construí numa indústria

Fui o primeiro profissional de dados de uma indústria metalúrgica de médio porte, com mais de dez anos de ISO 9001. Em quatro anos, levei o dado da planilha copiada à mão a uma plataforma de 68 telas que a empresa usa todos os dias. Descrito sem o nome da empresa e sem valores financeiros.

Desafio
A empresa já media tudo — à mão, com atraso e com erro. A diretoria só sabia o que tinha acontecido no fechamento do mês.
O que fiz
Tornei o número confiável, automatizei a coleta e a entrega e, sem verba para uma ferramenta de BI, construí com IA a plataforma de gestão da empresa.
Resultado
Menos trabalho manual, carteira de clientes acompanhada no prazo, mais contatos comerciais e uma usinagem sem pontos cegos.
Meu papel
Único profissional de dados: da regra de negócio ao código, à operação e ao treinamento das equipes.

Antes e depois

Como evoluiu

Quatro etapas — cada uma resolveu o que a anterior deixou à vista:

  1. 2022

    Tornar o número confiável

    Centralizei os chamados ao fornecedor do ERP recém-implantado — com o tempo, eles caíram mais de 80% — e fiz o relatório de vendas bater no primeiro mês.

  2. 2023

    Automatizar a coleta

    A extração do relatório de vendas passou a vir por API. Nasceram o acompanhamento comercial e a movimentação de clientes mês a mês.

  3. 2025

    Assumir novas frentes

    Aprendi cada regra da meritocracia e liguei a apuração aos indicadores; montei com a diretoria as metas do ano a partir do histórico; assumi a mídia paga e o plano de cargos e salários.

  4. 2026

    Virar sistema

    Sem verba para BI, um protótipo feito com IA cresceu até 68 telas, 64 rotinas automáticas e três bancos de dados.

Três decisões que pesaram

Começar pelo menor passo útil, não por uma ferramenta pronta

A meta de 2026 era dar à empresa o seu BI. O primeiro protótipo foi a planilha de vendas de todo dia, aberta no navegador e atualizada sozinha. Cada entrega usada de verdade abriu a próxima, até virar um sistema sob medida para o jeito de a empresa trabalhar.

Alternativa rejeitada — Contratar uma plataforma de BI: de R$ 20 a 30 mil de implantação, mais R$ 3 a 4 mil por mês, e nenhuma dava a autonomia de personalização que o trabalho pedia. Fiz o protótipo com versões gratuitas de IA, paguei o primeiro mês de assinatura do meu bolso e, depois das primeiras entregas, a empresa assumiu.

Consertar a medida antes de automatizá-la

A produtividade da usinagem tinha uma meta que sempre batia: o indicador não comparava o tempo produzido com o disponível e aceitava absurdos como 1.500%, vindos de um tempo padrão cadastrado errado. Antes de pôr o número em tela, refiz a régua — rendimento com teto por sessão e ociosidade calculada cruzando o relógio de ponto com os apontamentos.

Alternativa rejeitada — Automatizar o indicador como estava. Teria entregado mais rápido um número errado, com cara de oficial.

Construir com IA — e manter o controle fora dela

A IA acelera a escrita do código, com agentes especializados por área. A regra de negócio, a arquitetura e a verificação ficam comigo: cerca de 3.400 testes automatizados, decisões documentadas e um manual escrito para que o sistema não dependa nem de mim nem de uma IA para continuar de pé.

Alternativa rejeitada — Aceitar o que a IA entrega sem verificação, ou escondê-la. A primeira produz um sistema que ninguém sabe consertar; a segunda é uma omissão que a primeira pergunta de entrevista desfaz.

Detalhes técnicosNúmeros do sistema, arquitetura, stack e outras decisões

O sistema em números

  • 68telas em 20 seções
  • 264tabelas e views em 3 bancos
  • 64rotinas agendadas
  • ~3.400testes automatizados
  • 309melhorias publicadas em 4 meses
  • ~30acessos com senha por dia útil

Arquitetura

Stack

  • Python
  • PostgreSQL
  • SQL
  • Streamlit
  • cron + travas
  • pytest
  • Playwright
  • Node.js (WhatsApp)
  • nginx
  • IA aplicada

Outras decisões

  • O dado entra por rotina agendada e a tela lê o banco próprio — como regra. As poucas telas que ainda consultam o ERP ao vivo são justamente as que sofrem quando ele cai.
  • A operação registra no sistema — refugo, não conformidades, calibração, ajustes e o resultado das pesquisas de pós-venda, com alerta à Qualidade quando é preciso abrir uma RNC. Não estava no plano: veio das ideias de quem usava.
  • Entrega automatizada — painéis por e-mail e WhatsApp de manhã, modo TV na fábrica e alertas de pendência. A fila de contato e o radar de oportunidades devolvem de 2 a 3 horas por semana a cada vendedor.
  • Remuneração com trilha auditável — a meritocracia, que custava uma manhã do financeiro a cada folha, hoje leva 30 minutos de conferência, e qualquer valor é reconstruível a partir do dado que o gerou.
  • Desempenho como requisito — numa auditoria de consultas, a mais pesada do CRM caiu de 2.196 ms para 16 ms com um índice.
  • Auditoria contra a nuvem — comparei a plataforma com nuvem gerenciada, orquestradores e data warehouses pagos. A conclusão foi migração seletiva, não total.

Aprendizados

  1. Os três anos de planilha foram o levantamento de requisitos. Enquanto eu absorvia a regra de negócio, os processos da ISO eram refinados para facilitar a coleta. Quando o sistema chegou, encontrou o processo pronto — não foi automação de processo ruim.
  2. Dado confiável muda decisão, não só relatório. Com os números da usinagem enfim confiáveis, ficou claro que um auxiliar de produção melhoraria o desempenho dos operadores — e a empresa contratou. Com a medição antiga, a mesma análise não teria convencido ninguém.
  3. A parte difícil não é o dashboard, é a definição da métrica. A produtividade que sempre batia a meta e o indicador de acessos que contava recarregamento de página — 73% do total — tinham o mesmo defeito. Nos dois casos, corrigi a definição, não o número.
Próximo · Produto público Jornada Brasil: ferramentas que nasceram de problemas de gente próxima