Data concierge para médias empresas brasileiras: o estágio que o mercado ignora

Existe um estágio na vida de uma empresa brasileira que ninguém no mercado de consultoria atende bem. Não é a startup de cinco pessoas que ainda usa o Excel do CFO. Não é a corporação de dois mil funcionários com Chief Data Officer e quarenta dashboards no Power BI. É o meio. A empresa de 80 a 400 funcionários, faturamento na casa dos R$ 50–500 milhões, dois ou três sistemas legados, um BI improvisado pelo analista que entrou ano passado, e um diretor que toda segunda olha um relatório do qual não confia 100%.

Esse estágio é o que mais consome tempo de gestão e o que menos é servido pelo mercado. Consultoria grande não vem (escopo pequeno demais para a margem deles). Agência de BI vem mas vende ferramenta, não fundação. Freelancer vem mas some quando o contrato termina. E contratar um head of data full-time é um salto de R$ 30k+/mês de folha que a maioria das médias não está pronta para fazer ainda.

Os sintomas típicos de uma média empresa estagnada em dados

Antes de propor solução, deixa eu listar os sinais que vejo em quase toda média empresa brasileira que me procura. Se três ou mais bateram, você está nesse estágio:

• O CFO ou diretor industrial pede o mesmo relatório toda semana e o analista refaz na mão porque "tem detalhe que não dá pra automatizar".
• O Power BI / Looker / Metabase tem 30+ dashboards mas o time só usa três, e os outros 27 mostram números diferentes.
• O ERP é a fonte da verdade na teoria, mas todo relatório executivo passa por uma planilha de cálculo intermediária que mora no OneDrive de uma pessoa específica.
• A reunião mensal de resultado começa com discussão de número, não com discussão de decisão.
• Tem um projeto de "modernizar os dados" que está parado há oito meses porque ninguém tem clareza do que isso quer dizer concretamente.

Por que as alternativas tradicionais falham nesse porte

Olhando as quatro opções clássicas que detalhei em o que é um data concierge, cada uma tem um modo de falha específico para a média empresa:

• Full-time sênior. Custa caro, demora seis meses para contratar, e exige uma definição de função que ainda não está clara. Se a contratação dá errado, você gastou 12 meses e perdeu o momentum.
• Big Four / consultoria grande. A média empresa não é grande o suficiente para o tipo de contrato que essas firmas querem. Se aceitam, vão alocar gente júnior, e você paga preço de sênior por execução de júnior.
• Agência de BI. Vão entregar dashboards. O problema da média empresa não é falta de dashboard, é falta de fundação que sustente os dashboards. Tratar o sintoma sem tratar a causa.
• Freelancer. Pode entregar um pedaço excelente, mas não vai sentar com o CFO para discutir definição de margem contábil vs gerencial. O escopo é estreito demais para a sua confusão de meio.

O que muda com o modelo concierge na média empresa

O modelo concierge encaixa exatamente nesse porte porque os incentivos batem:

1. Senioridade sem headcount permanente. Você contrata o nível de julgamento que precisa para o problema sem assumir o custo de folha de um sênior em tempo integral. Quando o problema fica menor, o retainer encolhe.
2. Fundação modular que cresce com a empresa. Construo a base mínima viável que serve o cenário atual e suporta os próximos 24 meses de crescimento, sem sobre-engenharia para empresas que não precisam de Snowflake quando BigQuery resolve.
3. Continuidade real entre projetos. O retainer mensal mantém alguém que conhece o histórico das decisões disponível quando a próxima dúvida aparece, em vez de você reabrir o RFP a cada nova fase.
4. Transferência genuína para o time interno. O objetivo não é te deixar dependente. É te entregar a fundação, documentar tudo, e idealmente, daqui a 18 meses , você contratar um head of data que herda uma casa arrumada em vez de uma reforma a fazer.

O caso típico em 12 semanas

Para dar concretude: uma engagement típica de média empresa começa com 1–2 semanas de diagnóstico (mapear sistemas, entrevistar stakeholders, identificar as 3–5 decisões que mais movem ponteiro). Depois 6–10 semanas de build, geralmente um warehouse leve em BigQuery ou Snowflake, dbt para transformações, três a cinco dashboards de fato confiáveis no Metabase ou Power BI, e documentação que o seu próximo analista consegue ler. Depois um retainer mensal de 8–12 horas para continuidade.

A meta não é ter o melhor stack de dados do Brasil. É ter um stack que o seu time confia, que o seu CFO consulta sem ligar pra ninguém, e que cresce sem precisar ser refeito quando você dobrar de tamanho.

Leituras relacionadas

Para entender os sinais antes de qualquer projeto, comece por métricas duplicadas, o sintoma mais comum nesse estágio. Se a sua dúvida é "como contratar a pessoa/firma certa", o guia em como contratar uma consultoria de dados cobre as perguntas que valem fazer. E se a discussão na sua empresa já virou para IA antes da fundação, arrumar os dados antes de adotar IA generativa é o framing que recomendo.