Case Suspensys

Modernização para Lakehouse com IA generativa no Databricks: escalabilidade, governança e agilidade nas decisões da operação fabril

Desafio

A Suspensys, uma das principais fabricantes mundiais de sistemas de suspensões, eixos, cubos e tambores de freio para veículos comerciais, caminhões e reboques, e uma empresa que pertence à Randoncorp, operava seu consumo de dados majoritariamente no Microsoft Fabric e em dashboards Power BI em modo Import, enfrentando gargalos de performance e latência à medida que o volume e a complexidade dos dados cresciam.

Além disso, parte relevante das informações provinha de bancos e Data Warehouses não integrados ao Data Lake/DataSphere, dificultando governança, aumentando custos de manutenção e limitando o reuso. Esse cenário concentrava o acesso à informação em poucos perfis técnicos, tornando a democratização dos dados uma barreira real para a operação.

As áreas de negócio dependiam de intermediários para obter respostas, sem autonomia para explorar os dados por conta própria. O que antes era visto como limitação técnica revelava-se, na prática, um obstáculo à cultura data-driven que a Suspensys buscava construir.

Problemas de negócio e de tecnologia identificados:

• Gargalos no Power BI, em modo Import, para cenários com alto volume e alta cardinalidade;
• Dispersão de fontes, como SAP S/4HANA via DataSphere, arquivos CSV, sistemas legados e APIs, elevando esforço de integração e retrabalho;
• Tabelas compartilhadas por clientes exigindo cálculos de rateio e regras de negócio complexas;
• Baixa escalabilidade multi-planta, com impacto na velocidade de entrega analítica para diferentes áreas da organização, como PCP, PCM, Suprimentos, Logística, Controladoria e Comercial;
• Necessidade de governança corporativa e trilhas de auditoria, com controle de acesso alinhado às diretrizes da TI Corporativa;
• Demanda crescente por consulta em linguagem natural e geração de insights autônomos por parte dos usuários de negócio;
• Baixa democratização dos dados, com informações concentradas em poucos perfis técnicos, gerando dependência de intermediários para obtenção de insights e limitando a autonomia das áreas de negócio na tomada de decisão;
• Falta de visibilidade operacional: a rastreabilidade, essencial para controle e governança, era tratada como algo distante da realidade operacional, mais aspiração do que prática consolidada na operação fabril.

Do ponto de vista de transformação digital, era crítico migrar para uma arquitetura Lakehouse capaz de:

• Centralizar e padronizar dados;
• Operar com baixa latência, usando DirectQuery;
• Escalar para novas plantas e domínios de negócio;
• Suportar agentes inteligentes e previsão de demanda de forma nativa.

Solução

A solução proposta foi iniciar a modernização para um Lakehouse no Databricks, substituindo a camada de processamento do Fabric por uma arquitetura robusta, governada e preparada para IA.

A squad da DB liderou a modernização da plataforma analítica por meio da implementação de uma arquitetura Lakehouse, desenhada para eliminar gargalos de performance, aumentar a governança e preparar o ambiente para o uso intensivo de IA e analytics avançado, atuando desde a definição da arquitetura até a implementação das camadas de dados e práticas de engenharia.

A DB integrou diversas fontes corporativas em uma fundação única, escalável e confiável, viabilizando análises em tempo quase real, maior autonomia para as áreas de negócio e suporte à expansão multi-planta.

A solução consolidou padrões de governança, segurança e rastreabilidade, alinhados às diretrizes corporativas da Randoncorp e, ao mesmo tempo, acelerou a geração de insights estratégicos para a operação fabril.

“Mais do que implementar tecnologia, o time da DB atuou como parceiro estratégico da Suspensys, traduzindo desafios operacionais em soluções de dados robustas, com governança e escala para a operação. Este projeto demonstra nossa capacidade de conduzir a jornada de dados de ponta a ponta, conectando arquitetura moderna à geração de valor para o negócio.”

Júlia Citon, Engenheira de Dados na DB.

Arquitetura e componentes principais

• Plataforma de dados moderna baseada em arquitetura Lakehouse, habilitando escalabilidade, integração e agilidade na geração de insights;
• Governança de dados centralizada, com controle de acessos, auditoria, segurança e rastreabilidade ponta a ponta;
• Estruturação dos dados em camadas Bronze, Silver e Gold, garantindo padronização, qualidade e reuso para diferentes necessidades do negócio;
• Práticas de Engenharia de Dados com versionamento e integração contínua, CI/CD, aumentando a robustez e a velocidade de evolução das soluções;
• Modelo de acesso seguro e integrado aos padrões corporativos, garantindo governança e conformidade;
• Dashboards integrados nativamente ao Databricks, com uso de IA para acelerar a geração de insights e apoiar decisões mais ágeis e assertivas;
• Aplicação de IA para consultas em linguagem natural e automação de análises, acelerando insights e aumentando a autonomia das áreas de negócio.

Metodologias e confiabilidade

• Salas de teste e validação funcional das regras de negócio com as áreas;
• Testes de performance e regressão comparando Power BI vs. Genie e medindo consistência das consultas;
• Acompanhamento diário de performance e custos para otimização contínua;
• Capacitação dos usuários no uso do Genie para acelerar adoção e reduzir dependência da TI.

Inovação e roadmap 2026

• Spark Declarative Pipelines, SDP: adoção planejada para automatizar e padronizar fluxos, com ganhos de performance e custos na atualização de dados entre múltiplas plantas;
• Agentes inteligentes integrados ao Lakehouse: previsão de demanda, simulação e automação de consultas e rotinas;
• Colaboração com arquitetos da Databricks: aceleração de melhores práticas para escalabilidade, governança e MLOps;
• Escopo 2026 multi-área: Logística de Planejamento, PPCPM, Logística Operacional, Produção, Manutenção, Qualidade, Controladoria, Comercial e Engenharias, com arquitetura única, governada e escalável para toda a cadeia.

Resultados

Eficiência e performance

• Eliminação dos gargalos do modo Import no Power BI por meio da migração para Databricks AI/BI, com IA embarcada e maior agilidade no consumo de dados;
• Redução do tempo de execução de pipelines graças à automação ponta a ponta.

Escalabilidade e cobertura fabril

• Arquitetura Lakehouse preparada para novas plantas e domínios de dados, com onboarding acelerado de novas fontes;
• Aumento expressivo no nível de complexidade das bases suportadas, com capacidade de consultas simultâneas em cenários de maior complexidade;
• Consultas para análises ad-hoc e uso da ferramenta Genie trazendo bons resultados no cruzamento de informações de negócio.

Governança, custo e confiabilidade

• Centralização no Data Lake via DataSphere e Databricks, com padrões únicos de dados nas camadas Bronze, Silver e Gold;
• Transparência de custos com rateio por cliente implementado na camada Gold;
• Redução de 100% das falhas por inconsistências ou versão de planilha, com eliminação total de planilhas ou arquivos manuais no catálogo de dados e nos desenvolvimentos previstos na Suspensys;
• Redução de 100% do esforço de manutenção na área de negócio, saindo de 12 horas por mês para 0 hora;
• Extinção da necessidade de retificação de fluxos de automação, correção de erros em dataflows e ajustes de tuning;
• Suporte técnico centralizado no time de DB, com demanda reduzida de aproximadamente 2 horas por mês.

Autonomia do usuário e decisões data-driven

• Consultas em linguagem natural, com Genie, e self-service para times como PCP/PCM, Materiais, Produção, Logística e Controladoria;
• Redução do tempo para obter um insight crítico, de 2 horas para 5 minutos;
• Análises de release do cliente passaram a transformar horas de manipulação manual em disponibilidade imediata da informação;
• Redução estratégica de usuários ativos de negócio por mês, com foco no alinhamento do fluxo de informação e na garantia de que apenas os perfis responsáveis por tomar decisões e repassar dados críticos tenham acesso, otimizando a governança e a validação dos dados;
• Análises de Forecast evoluíram de um processo manual realizado 2 vezes por semana, envolvendo 1 a 2 analistas sênior, com esforço aproximado de 6 horas por ciclo, para um fluxo automatizado e contínuo, em que o input de variáveis de mercado é realizado em cerca de 15 minutos, com integração direta ao SAP, incentivo à manutenção sistêmica e maior foco na análise do cenário de mercado;
• Indicadores de Performance evoluíram de um ambiente com 8 ou mais indicadores, operado por 4 analistas júnior e demandando cerca de 5 horas entre extrações, validações e revisões manuais, para um processo automatizado e instantâneo, com redução de interrupções na rotina operacional, maior confiabilidade dos dados e disponibilidade imediata das informações;
• Análises Preditivas evoluíram de um processo manual de 6 horas, além de tempo adicional para apresentações, envolvendo 1 a 2 analistas, para análises automatizadas e instantâneas, liberando mais tempo para ação, aumentando a assertividade no direcionamento e fortalecendo a tomada de decisão preditiva.

Impacto na cadeia produtiva

• Planejamento e Controle: automação de análises de demanda, nível de estoque, consumo de materiais, cumprimento de cronograma, custos e eficiência;
• Visão integrada e histórica: comparativo planejado vs. realizado atualizado automaticamente;
• Apoio tático e operacional: visibilidade de variações de volume, atrasos, reprogramações e impactos financeiros, possibilitando correções rápidas.

Conclusão

“Com o Lakehouse do Databricks e o Genie, transformamos a velocidade e a autonomia da análise fabril, além de abrir o leque de possibilidades de evolução do negócio. Saímos de uma arquitetura limitada por importações e gargalos para um ambiente escalável, governado e pronto para IA, que, por consequência, alinha o fluxo de informação interna, possibilitando decisões mais rápidas e precisas.”

Allan Klopper, Analista de Dados Sr. na Suspensys/Randoncorp.

Ao migrar do Fabric para o Lakehouse no Databricks, a DB conduziu a Suspensys na construção de uma base escalável, governada e preparada para IA, eliminando gargalos de performance, reduzindo o tempo de execução de pipelines e entregando insights em tempo quase real.

A solução promove autonomia do usuário, transparência de custos, rateio por cliente, e governança corporativa alinhada às diretrizes de TI. O roadmap 2026, com Spark Declarative Pipelines e agentes inteligentes para previsão de demanda, amplia o impacto da plataforma na cadeia produtiva, acelerando decisões tático-operacionais e sustentando a expansão para novas plantas e áreas, como Logística de Planejamento, PPCPM, Logística Operacional, Produção, Manutenção, Qualidade, Controladoria, Comercial e Engenharias.

Com o apoio de arquitetos da Databricks, a DB consolida um padrão Lakehouse Enterprise para a Suspensys/Randoncorp.