O que é um data catalog e por que marketing deveria se importar

Um data catalog é um repositório centralizado de metadados: documenta de onde cada dado vem, o que ele significa e como se relaciona com outros dados da organização. Não é o dado em si, mas a descrição estruturada dele, com contexto suficiente para que qualquer pessoa saiba como e quando usá-lo.

Três conceitos são frequentemente confundidos. O data dictionary é uma lista estática de campos e definições, geralmente mantida em planilha ou documento. O data lake é o repositório físico onde os dados brutos ficam armazenados. O data catalog fica uma camada acima: indexa ativos de dados de múltiplas fontes, registra sua linhagem e permite busca inteligente, inclusive dentro do data lake quando houver um.

Equipes de marketing acumulam dados fragmentados quase por definição. CRM, plataformas de anúncios, web analytics, ferramentas de automação de e-mail, plataformas de BI: cada uma tem seu próprio modelo de dados, suas próprias nomenclaturas e seus próprios critérios de atribuição. Sem um ponto central de referência, cada analista resolve isso do próprio jeito.

O resultado prático é retrabalho constante: reuniões de resultado que começam com 20 minutos de debate sobre qual número está certo, dashboards que divergem entre si e projetos de análise que demoram semanas para chegar em dados minimamente confiáveis. O data catalog não resolve problemas de qualidade de dados, mas elimina a ambiguidade sobre o que cada número representa.

Como um data catalog funciona na prática

Ingestão e rastreamento de metadados

Catálogos modernos se conectam a pipelines de dados, ferramentas de ETL e APIs para capturar metadados automaticamente. Quando um novo dataset chega ao data warehouse, o catálogo detecta sua estrutura, registra a origem e inicia o rastreamento. Isso reduz a dependência de documentação manual, que tende a ficar desatualizada rapidamente.

Classificação e tagging de ativos

O catálogo permite que as equipes atribuam tags e definições padronizadas aos ativos de dados. O campo lead_id no CRM e o campo prospect_id na plataforma de automação podem ser mapeados como referências ao mesmo conceito de negócio. Isso é especialmente relevante para marketing, onde termos como “lead”, “oportunidade” e “conversão” têm significados distintos dependendo do sistema que os originou.

Linhagem de dados

A data lineage responde à pergunta: de onde veio esse número? Um relatório de CPL consolidado pode agregar dados do Google Ads, Meta Ads e LinkedIn. A linhagem mostra cada transformação que esses dados sofreram antes de chegar ao dashboard, permitindo identificar onde uma inconsistência foi introduzida sem precisar abrir todos os scripts SQL do pipeline.

Busca e descoberta

Analistas de marketing gastam tempo considerável procurando qual tabela contém determinado dado, e frequentemente recorrem a um engenheiro de dados para isso. Com um catálogo, a busca funciona como um mecanismo interno: o analista digita “sessões por campanha” e encontra os datasets disponíveis, com descrições, donos responsáveis e exemplos de uso.

Governança integrada

Catálogos maduros incluem controle de acesso por ativo, rastreabilidade de quem consultou ou modificou uma definição e alertas de mudança. Para marketing, isso é relevante tanto para segurança de dados competitivos quanto para conformidade regulatória.

Casos de uso concretos em equipes de marketing

Unificação de definições de KPIs entre canais

O CPL reportado pelo Google Ads raramente coincide com o CPL calculado no CRM. Isso acontece porque os critérios de atribuição, a janela de conversão e a definição de “lead válido” diferem entre os sistemas. Com um catálogo, cada definição fica documentada com suas regras de cálculo, e qualquer discrepância entre fontes fica visível em vez de gerar confusão em toda reunião mensal de resultado.

Onboarding de novos analistas

Quando um analista entra no time, parte significativa da curva de aprendizado envolve descobrir onde estão os dados e o que significam. Um data catalog bem mantido funciona como documentação viva: o novo colaborador acessa o glossário de negócios, vê quais datasets existem, quem os mantém e como foram usados em projetos anteriores. Isso reduz a dependência de conhecimento tácito concentrado em poucas pessoas.

Suporte a MMM e atribuição multicanal

Projetos de Marketing Mix Modeling e atribuição multicanal exigem dados históricos de múltiplos canais com granularidade e qualidade consistentes. O catálogo documenta quais datasets estão disponíveis, qual é o período coberto, quais transformações foram aplicadas e quais limitações existem, informações essenciais para que um modelo estatístico seja construído sobre bases sólidas.

Conformidade com LGPD

Identificar quais datasets contêm dados pessoais de clientes, como nome, e-mail, comportamento de navegação e histórico de compra, é uma exigência prática da LGPD. Um catálogo com classificação de sensibilidade de dados permite localizar essas informações rapidamente em caso de solicitação de titular, incidente de segurança ou auditoria interna.

Quando faz sentido adotar um data catalog — e quando não faz

Alguns sinais indicam que o time de marketing já precisa de um catálogo: mais de três fontes de dados integradas sendo consumidas de forma recorrente, mais de dois analistas acessando os mesmos datasets de formas diferentes, e erros de definição recorrentes em reuniões de resultado. Se esses três cenários coexistem, o custo do caos já é maior do que o custo de implementar uma solução.

Um data catalog é prematuro em operações com stack simples: uma ferramenta de analytics, um CRM e nenhum pipeline automatizado. Sem volume de dados, sem múltiplos consumidores e sem engenharia de dados dedicada, o esforço de manutenção supera os benefícios. Nesses casos, um dicionário de dados em Notion ou Confluence resolve o problema imediato.

O data catalog também não se confunde com o CDP. Um Customer Data Platform pode oferecer funcionalidades básicas de catalogação para dados de clientes, como mapeamento de atributos e regras de unificação de identidade, mas o escopo é restrito: um CDP não documenta dados de campanha, dados financeiros ou métricas operacionais de outras áreas. São ferramentas complementares, não substitutas.

No contexto brasileiro, a adoção de data catalogs ainda é concentrada em médias e grandes empresas com squads de dados estruturados. Times menores geralmente começam com wikis manuais ou dicionários de dados em planilha, o que é válido como ponto de partida desde que haja disciplina para mantê-los atualizados.

Critérios para avaliar soluções de data catalog

Conectores nativos: verifique se a solução se integra às fontes que o time já usa: GA4, Meta Ads, BigQuery, Snowflake, Redshift, Salesforce, HubSpot. Integrações via conector nativo reduzem o esforço de configuração e garantem atualização automática de metadados. Ferramentas como Atlan, Collibra e Alation oferecem conectores para os principais sistemas de marketing e dados; soluções open source como OpenMetadata e DataHub permitem customização maior, mas exigem mais esforço de engenharia.

Usabilidade para não-técnicos: o catálogo precisa ser acessível para analistas e gestores de marketing, não apenas para engenheiros de dados. Interfaces de busca por linguagem natural, glossários navegáveis e visualizações de linhagem simplificadas são diferenciais relevantes para adoção real pelo time de negócios.

Linhagem automática versus manual: linhagem automática é capturada diretamente dos pipelines de dados sem intervenção humana. Linhagem manual depende de anotações feitas pelo time de engenharia. A primeira exige integração mais profunda com a infraestrutura de dados; a segunda é mais flexível, mas tende a ficar desatualizada. O impacto no esforço de manutenção é direto e deve ser considerado antes da escolha.

Governança e segurança: avalie se a solução permite classificar dados por sensibilidade (PII, dados financeiros), configurar controle de acesso por ativo e gerar logs de auditoria. Para operações sujeitas à LGPD, esses recursos não são opcionais.

Modelo de precificação: os modelos variam: por usuário ativo, por número de ativos catalogados ou por volume de metadados processados. Operações com muitos datasets mas poucos usuários frequentes se beneficiam de modelos baseados em ativos; equipes grandes com alto volume de consultas devem calcular o custo por usuário com cuidado.

Primeiros passos para implementar um data catalog em marketing

Mapeie as fontes antes de escolher ferramenta. Liste todas as origens de dados que o time consome: quais plataformas, quais tabelas no data warehouse, quais relatórios exportados manualmente. Esse inventário inicial já revela onde está a fragmentação e orienta quais conectores são prioritários.

Comece pelo glossário de negócios. Antes de catalogar datasets técnicos, documente os 10 a 15 termos mais disputados pelo time: o que é um lead, o que caracteriza uma conversão, como é calculada a receita atribuída. Esse glossário é o alicerce do catálogo. Sem ele, a documentação técnica fica sem contexto de negócio.

Envolva engenharia e marketing desde o início. O catálogo falha quando é visto como responsabilidade exclusiva de um lado. Engenharia de dados sabe onde os dados estão e como foram transformados; marketing sabe o que os termos de negócio significam e como os dados são consumidos. As duas perspectivas são necessárias para que o catálogo reflita a realidade operacional.

Designe um data steward. Sem uma pessoa responsável pela manutenção, o catálogo vira documentação desatualizada em poucos meses. O data steward não precisa ser um engenheiro: pode ser um analista sênior de marketing com acesso às ferramentas de edição. O importante é que exista um processo claro de atualização quando fontes mudam ou novos datasets são criados.