Migração travada, capacidade estourada, dashboards que ninguém usa. Eu resolvo isso.

Uma consultoria externa já tinha passado meses num lift-and-shift sem planejar a capacidade de nuvem necessária para renderizar os relatórios fora do Databricks. Quando os dashboards foram entregues, estavam lentos e já desatualizados: o time legado seguia atualizando os antigos em paralelo, sem controle de escopo.

Usei dados de uso da API de administração do Power BI para provar que os dashboards entregues tinham adoção próxima de zero — interrompendo mais gasto com evidência, não com opinião. A causa raiz era outra: uma camada semântica mal modelada que nunca teria performance no Fabric.

Conduzi um refinamento Gold→Platinum para corrigir o problema na origem, reconstruí o modelo semântico centralizado, defini padrões de desenvolvimento (especificação em Figma, documentação de requisitos, processo) e treinei o time durante uma reestruturação organizacional.

Cerca de 200 dashboards rodando sobre 1 TB de dados on-premise precisavam caber numa capacidade Microsoft Fabric F64 fixa — um teto de recurso rígido, sem espaço para a abordagem de reconstruir tudo. A mesma consultoria externa também não entregou aqui.

Construí um plano de rollout e ganhei visibilidade total de onde a abordagem anterior estava falhando — antes de mover qualquer coisa.

Orquestrei o time de engenharia e cortei escopo de dashboards de forma estratégica, em vez de forçar um sistema superdimensionado dentro de uma capacidade subdimensionada. Defini diretrizes para reduzir e otimizar o modelo semântico sem perder o reporting crítico.