O que é um data concierge, e quando sua empresa precisa de um?

A maioria das pessoas que chega a este site nunca tinha ouvido o termo "data concierge". Foi de propósito: é o nome que escolhi para o que faço porque nenhum dos rótulos que já existem (consultor de dados, CDO fracionado, agência de analytics, engenheiro de dados contratado) descreve o trabalho com honestidade.

Se você está tentando descobrir se um data concierge é o que a sua empresa precisa, este texto passa pelas alternativas, mostra onde cada uma deixa a desejar e quando o modelo concierge faz sentido.

Os quatro caminhos que as empresas usam para trazer gente boa de dados

Antes de chegar ao que é um data concierge, vale falar com franqueza sobre as opções que existem. Quando uma empresa decide "precisamos de ajuda com os dados", ela quase sempre acaba olhando para um destes quatro:

1. Uma contratação full-time. Trazer um engenheiro de dados sênior, um analytics engineer ou um head of data. Demora pra contratar, pesa na folha, exige um job description claro (o que é difícil quando o problema ainda é ambíguo) e, se você erra na contratação, desfazer custa caro.
2. Uma consultoria tradicional. Consultoria estratégica ou de analytics de marca. Os slides são impecáveis, mas é caro, quem fechou o contrato não é quem põe a mão na massa e "implementação" quase sempre quer dizer entregar recomendações pro time executar.
3. Uma agência boutique de dados. Um time pequeno que constrói pra você do início ao fim. Mais rápido que uma firma grande, mas em geral você recebe um time generalista em que a pessoa sênior está vendendo e o trabalho fica com engenheiros mid-level que ficam pulando de projeto em projeto.
4. Um freelancer sênior. Um profissional experiente, sozinho, contratado por projeto. Costuma executar muito bem, mas o escopo é apertado demais, fica no "constrói essa coisa aqui" em vez de "arruma o problema de fundo", e não sobra continuidade depois que o contrato acaba.

O que um data concierge faz diferente

Um data concierge é o modelo do freelancer sênior com três diferenças, emprestadas do jeito que um concierge de hotel trabalha de verdade:

• Responsabilidade pessoal pela estadia inteira, não por uma tarefa. O concierge é dono do resultado da sua fundação de dados, warehouse, Dashboards, governança, AI-readiness, mesmo quando partes do trabalho são delegadas. A agência espalha a responsabilidade entre vários integrantes do time; o concierge concentra tudo numa pessoa só.
• Discreto, com opinião e sênior. Um bom concierge de hotel tem opinião firme sobre qual restaurante você devia experimentar e fala, em vez de te empurrar um cardápio. Um bom data concierge faz o mesmo com definição de métricas, escolha de ferramentas e decisões de arquitetura: não um leque de opções, mas uma recomendação com o raciocínio por trás.
• Uma relação contínua, não um projeto transacional. O concierge não some depois de entregar o warehouse. Ele fica num retainer enxuto, disponível pras perguntas e decisões que aparecem conforme a empresa cresce. A continuidade é a essência do modelo, não um upsell.

Quando um data concierge é a escolha certa

O modelo não serve pra todo mundo. Empresas grandes, com times internos de dados maduros, não precisam de um concierge: precisam ou de uma firma estratégica pra debater ideias, ou de contratados especializados pra um escopo bem fechado. Startups bem pequenas, antes do product-market-fit, também não precisam: um freelancer sênior por dez horas montando uma pipeline do Stripe pro Sheets já resolve.

O modelo concierge é o certo quando os três pontos abaixo valem pra você:

1. Você já saiu do "a gente só precisa de um Dashboard" e entrou no "a gente precisa de uma fundação". Normalmente são 30+ funcionários, várias fontes de dados e diretoria cobrando números que começam a se contradizer.
2. Você ainda não tem um líder sênior de dados, ou o líder que você tem precisa de alguém pra debater decisões de igual pra igual, não de mais um subordinado.
3. Você quer uma pessoa só responsável pelo todo, não uma equipe que você ainda precisa coordenar.

Como o trabalho de concierge se estrutura na prática

Nos meus projetos, costumo trabalhar em duas fases. Primeiro um diagnóstico pago de 1–2 semanas pra mapear, sem maquiagem, como as coisas estão hoje: as métricas que se contradizem, os Dashboards órfãos, as pipelines do "a gente não tem certeza". E dali sai uma sequência concreta de correções. Depois vem uma fase de build de 6–12 semanas, em que eu arrumo o que é prioritário, seguida de um retainer mensal enxuto pra continuidade, revisões de governança e as próximas perguntas que sempre acabam aparecendo.

É no retainer que o valor costuma se acumular. A maior parte das decisões caras de dados que uma empresa toma acontece em silêncio: alguém adota uma ferramenta nova, alguém inventa uma definição nova de métrica, uma analista sai e leva o contexto junto. Ter um concierge em retainer significa que tem alguém cuja função é registrar essas decisões antes que elas virem mais um caso de métrica duplicada.

Leituras relacionadas

Se você está avaliando jeitos de trazer gente boa de dados pra dentro, dois outros artigos do blog combinam bem com este: métricas duplicadas é o motivo clássico pelo qual a maioria das empresas começa a procurar ajuda de fora, e arrumar os dados antes da IA é a leitura estratégica que uso quando uma empresa chega perguntando sobre adoção de IA mas, na real, precisa primeiro arrumar a fundação.