Skip
BI4ALL BI4ALL
  • Expertise
    • Data Strategy & Governance
    • Data Visualisation
    • Inteligência Artificial
    • Low Code & Automation
    • Modern BI & Big Data
    • R&D Software Engineering
    • PMO, BA & UX/ UI Design
  • Knowledge Centre
    • Blog
    • Setores
    • Customer Success
    • Tech Talks
  • Sobre Nós
    • História
    • Board
    • Parceiros BI4ALL
    • Prémios
    • Media Centre
  • Carreiras
  • Contactos
Português
InglêsAlemão
Página Anterior:
    Knowledge Center
  • Transformação analítica na Cloud: Desempenho, escalabilidade e segurança em grande escala

Transformação analítica na Cloud: Desempenho, escalabilidade e segurança em grande escala

Página Anterior: Blog
  • Knowledge Center
  • Blog
  • Fabric: nova plataforma de análise de dados
1 Junho 2023

Fabric: nova plataforma de análise de dados

Placeholder Image Alt
  • Knowledge Centre
  • Transformação analítica na Cloud: Desempenho, escalabilidade e segurança em grande escala
21 Julho 2025

Transformação analítica na Cloud: Desempenho, escalabilidade e segurança em grande escala

Transformação analítica na Cloud: Desempenho, escalabilidade e segurança em grande escala

Desafio

No contexto da transformação digital e da necessidade de modernizar a sua plataforma de Analytics, uma instituição do sector financeiro procurou desenvolver uma solução analítica baseada na Cloud para substituir o seu sistema anterior, que assentava em Oracle Exadata e MicroStrategy. Esta nova solução tinha de suportar volumes de dados extremamente elevados – cerca de 2,6 mil milhões de transações por ano – mantendo um elevado desempenho, aderindo a normas de segurança rigorosas e garantindo a partilha segura de dados com entidades externas.

Esta iniciativa envolveu dois desafios significativos. O primeiro foi a criação de um modelo analítico totalmente novo, denominado “Neighbourhoods”, nunca antes disponibilizado aos clientes da instituição e explicitamente concebido para apoiar entidades municipais e regionais. O segundo foi a migração do modelo “Banks” existente de uma infraestrutura On-Premises para uma versão baseada na Cloud que seria mais escalável e sustentável, tudo isto preservando a sua complexa lógica de negócio e ultrapassando os constrangimentos tecnológicos do sistema anterior.

Ambos os modelos exigiam medidas de segurança rigorosas, uma conceção otimizada do desempenho e a visualização numa interface unificada, com especial ênfase na gestão dos acessos, na escalabilidade e nos tempos de resposta.

Solução

Solução

A BI4ALL concebeu e implementou uma solução baseada em tecnologias Cloud modernas. A arquitetura inclui Databricks como plataforma de processamento de dados e de preparação de modelos analíticos, e o Power BI Embedded como ferramenta de visualização, integrada num portal web personalizado. A solução incorpora ainda modelos analíticos híbridos, combinando os modos DirectQuery e Import, com agregações otimizadas para garantir um desempenho elevado. Em termos de segurança, foram aplicadas políticas avançadas, incluindo Row-Level Security (RLS) em ambos os modelos e Object-Level Security (OLS) no modelo Banks. Para cumprir os rigorosos requisitos de privacidade e proteção de dados, ambos os modelos apresentam mecanismos de anonimização em tempo real, garantindo a confidencialidade mesmo aos níveis mais granulares.

Modelo "Neighbourhoods"

Esta foi a primeira vez que a instituição disponibilizou um modelo analítico para uso municipal. O modelo “Neighbourhoods” permite analisar os comportamentos de consumo por freguesia, concelho e áreas geográficas envolventes – revelando tendências locais, padrões temporais e segmentações relevantes para apoio a políticas públicas, comércio local e turismo.

Este modelo apresentou desafios de desempenho significativos, uma vez que foi o primeiro a ser implementado e lidava com dados altamente granulares (combinando geografia, tempo, categoria de consumo, canal, entre outros). Ao longo do projeto, foi conseguida uma redução de 90% no tempo de resposta desde a versão inicial até à versão final.

Modelo "Banks"

Ao contrário do modelo anterior, o modelo “Banks” já existia no ambiente On-Prem, mas com regras complexas que eram difíceis de manter, escalabilidade limitada e fraca integração com canais externos. A migração para a Cloud permitiu uma arquitetura mais limpa e robusta, proporcionando maior flexibilidade e escalabilidade, bem como a transferência dos custos de infraestrutura do CAPEX para o OPEX.

Este modelo analisa as tendências de consumo dos clientes dos bancos portugueses, filtrando por canal, região, tempo e categoria, para apoiar a tomada de decisões estratégicas dos parceiros bancários. A camada de segurança é particularmente rigorosa, com o RLS e o OLS a garantirem que cada entidade apenas acede aos dados que está autorizada a visualizar.

Benefícios

A nova solução proporcionou melhorias significativas no desempenho, incluindo tempos de carregamento de relatórios 90% mais rápidos no modelo “Neighbourhoods”. Ao fazer a transição para uma arquitetura em Native Cloud, a plataforma também ganhou maior escalabilidade e manutenção simplificada, permitindo à instituição responder de forma mais eficiente às crescentes exigências de dados e necessidades operacionais.

Além disso, a solução garante a total conformidade com requisitos regulamentares e de segurança rigorosos através de mecanismos sofisticados de controlo de acesso. Também suporta a partilha segura de informações com entidades externas no âmbito de um quadro B2B robusto e integra-se perfeitamente com um portal Web de fácil utilização, proporcionando uma experiência de utilizador consistente e intuitiva.

Aplicações Práticas

  1. Um município pode utilizar o modelo "Neighbourhoods" para ajustar as políticas fiscais ou selecionar as melhores localizações para eventos com base nas tendências de consumo locais;
  2. Um banco pode cruzar os volumes de transações por canal e horário com campanhas de marketing para ajustar a atribuição de terminais de pagamento ou estratégias comerciais quase em tempo real;
  3. Processamento de mais de 7,8 mil milhões de registos históricos para apoiar modelos analíticos avançados;
  4. Apoio a dezenas de utilizadores externos por mês, incluindo municípios e instituições financeiras;
  5. Os tempos de carregamento de páginas de relatórios foram reduzidos em mais de 90%, demorando agora menos de 15 segundos, mesmo para consultas complexas.

Exemplo

Exemplo

Considere uma instituição financeira que, como parte da sua transformação digital, precisava de modernizar a sua plataforma de análise. A organização decidiu então migrar os modelos existentes on-premises para a Cloud, tornando-os mais escaláveis e sustentáveis. Esta nova plataforma combina um desempenho otimizado, uma visualização unificada e políticas de segurança avançadas. Desta forma, foi possível garantir tempos de resposta reduzidos, partilha de informação controlada com entidades externas e anonimização de dados em tempo real. A instituição beneficia agora de uma solução robusta, segura e altamente escalável que apoia a tomada de decisões estratégicas.

Partilhar

Conteúdos relacionados

Soberania de dados: o trunfo estratégico para as empresas Blog

Soberania de dados: o trunfo estratégico para as empresas

Em 2025, a soberania de dados tornou-se o novo motor de competitividade - transformando volumes massivos de informação em inovação, eficiência e vantagem estratégica.

Deteção de Anomalias: Técnicas, Desafios e Considerações Éticas Blog

Deteção de Anomalias: Técnicas, Desafios e Considerações Éticas

A Deteção de Anomalias identifica padrões invulgares nos dados para prevenir riscos, recorrendo a técnicas de machine learning.

Frameworks orientadas por metadados no Microsoft Fabric: Implementações em YAML (Parte 3) Blog

Frameworks orientadas por metadados no Microsoft Fabric: Implementações em YAML (Parte 3)

Implementações YAML no Microsoft Fabric usam Azure DevOps para validação, estrutura por ambientes e pipelines com aprovações, garantindo consistência.

Frameworks orientadas por metadados no Microsoft Fabric: Logging com Eventhouse (Parte 2) Blog

Frameworks orientadas por metadados no Microsoft Fabric: Logging com Eventhouse (Parte 2)

Logging no Microsoft Fabric com Eventhouse garante visibilidade centralizada e análise em tempo real de pipelines, usando KQL para ingestão escalável.

Como simplificar frameworks orientadas por metadados no Microsoft Fabric com YAML Blog

Como simplificar frameworks orientadas por metadados no Microsoft Fabric com YAML

Simplifique frameworks orientadas por metadados no Microsoft Fabric com YAML para ganhar escalabilidade, legibilidade e integração CI/CD.

Solução analítica em Fabric para garantir Escalabilidade, Single Source of Truth e Autonomia Use Cases

Solução analítica em Fabric para garantir Escalabilidade, Single Source of Truth e Autonomia

A nova arquitetura analítica baseada em Microsoft Fabric assegurou integração de dados, fiabilidade e escalabilidade, promovendo autonomia analítica e preparação para futuras exigências.

video title

Vamos começar

Tem uma questão? Quer iniciar um novo projeto?
Contacte-nos

Menu

  • Expertise
  • Knowledge Centre
  • Sobre Nós
  • Carreiras
  • Contactos

Mantenha-se atualizado e impulsione o sucesso com inovação

Newsletter

2025 Todos os direitos reservados

Política de Privacidade e Proteção de Dados Política de Segurança de Informação
URS - ISO 27001
URS - ISO 27701
Cookies Settings

BI4ALL may use cookies to memorise your login data, collect statistics to optimise the functionality of the website and to carry out marketing actions based on your interests.
You can customise the cookies used in .

Opções para ativar ou desativar cookies por preferência.

These cookies are essential to provide services available on our website and to enable you to use certain features on our website. Without these cookies, we cannot provide certain services on our website.

These cookies are used to provide a more personalised experience on our website and to remember the choices you make when using our website.

These cookies are used to recognise visitors when they return to our website. This enables us to personalise the content of the website for you, greet you by name and remember your preferences (for example, your choice of language or region).

These cookies are used to protect the security of our website and your data. This includes cookies that are used to enable you to log into secure areas of our website.

These cookies are used to collect information to analyse traffic on our website and understand how visitors are using our website. For example, these cookies can measure factors such as time spent on the website or pages visited, which will allow us to understand how we can improve our website for users. The information collected through these measurement and performance cookies does not identify any individual visitor.

These cookies are used to deliver advertisements that are more relevant to you and your interests. They are also used to limit the number of times you see an advertisement and to help measure the effectiveness of an advertising campaign. They may be placed by us or by third parties with our permission. They remember that you have visited a website and this information is shared with other organisations, such as advertisers.

Política de Privacidade