Julho: transformar trabalho acumulado em base para evoluir

Julho foi menos sobre anunciar novidades e mais sobre construir estrutura.

Foi um mês de organizar projetos, reduzir incertezas e transformar coisas que estavam dispersas em bases mais claras: código, processos, infraestrutura, documentação e decisões.

Nem tudo ficou pronto. Mas muita coisa deixou de ser apenas intenção.

Olimpo: estabilizar antes de acelerar

No Olimpo, o foco foi fortalecer o MVP antes de ampliar escopo.

A versão 0.1.0 ganhou uma base mais consistente, com regras de acesso por perfil, controle de assinatura e bloqueio de clínicas, migrações organizadas e validação de isolamento entre clientes. A esteira de testes end-to-end chegou a 17 testes aprovados, cobrindo fluxos importantes da aplicação.

Esse tipo de avanço nem sempre aparece para quem usa o produto. Mas é o que torna possível evoluir sem perder confiança a cada mudança.

Também consolidamos a estrutura dos repositórios e a organização dos projetos. Parece detalhe, mas é uma forma de reduzir o custo das próximas decisões: saber onde cada parte vive, o que está em andamento e qual é a prioridade real.

Engenharia de Dados: sair da intenção e entrar em método

Julho também marcou uma retomada mais consciente dos meus estudos em Engenharia de Dados.

A conversa deixou de ser apenas ‘preciso voltar a estudar’ e passou a ter direção: um plano compatível com a rotina, foco na certificação Associate da Databricks e acompanhamento de tecnologias que aparecem cada vez mais nos problemas que quero resolver.

BigQuery, Dataform, Databricks, Azure Data Factory e práticas de CI/CD entraram como trilhas conectadas, não como uma lista aleatória de ferramentas. O objetivo é entender como desenhar fluxos de dados confiáveis, observáveis e sustentáveis - equilibrando custo, desempenho, manutenção e risco.

Um exercício importante desse período foi estruturar o inventário de centenas de objetos de dados de um ambiente de CRM. Em vez de tratar tabelas e campos apenas como itens soltos, a discussão passou por origem, frequência, volume, qualidade, acessos, políticas e dependências.

A arquitetura definida separa inventário, qualidade, catálogo de campos e relações entre objetos. Isso cria uma base para responder perguntas que normalmente aparecem tarde demais: o que alimenta este dado? Quem depende dele? Qual é sua frequência? Onde existe risco de qualidade? Qual automação realmente vale a pena?

Foi um lembrete importante: qualidade, rastreabilidade e governança não são etapas finais. Elas precisam entrar no desenho desde o início.

Um site que começa a representar melhor o trabalho

O site pessoal Godeguesi também ganhou uma fundação mais madura.

A construção passou por design system, componentes reutilizáveis, organização de páginas públicas e uma definição mais clara de posicionamento: Engenharia de Dados, modernização de ambientes, automação, qualidade, governança e software confiável.

Os estudos de caso começaram a transformar experiências em conteúdo estruturado. Não como vitrine vazia, mas como registro de contexto, decisões, aprendizados e resultados que podem ser comunicados com responsabilidade.

O objetivo não é apenas ter um site bonito. É ter um espaço que acompanhe o trabalho real e permita construir presença de forma consistente ao longo do tempo.

Revive: antes de modernizar, entender

Outro movimento importante foi no Revive, o projeto de análise de sistemas legados em Oracle Forms e Reports.

Antes de falar em conversão, era necessário entender o tamanho e a natureza do acervo. O catálogo técnico começou a organizar milhares de arquivos, fontes, relatórios, bibliotecas e dependências que estavam espalhados em backups antigos.

Esse levantamento revelou repetições, lacunas entre arquivos compilados e fontes disponíveis, além de caminhos possíveis para análise e futura migração.

Modernizar um sistema legado não começa reescrevendo código. Começa entendendo o que existe, o que é essencial e onde está o risco.

Menos improviso, mais contexto

Ao longo do mês, uma ideia apareceu em projetos diferentes: contexto reduz improviso.

Seja em um produto SaaS, em uma estrutura de dados, em um sistema legado ou em um site, a qualidade das próximas etapas depende da clareza construída antes. Clareza sobre o problema, sobre o público, sobre regras de negócio, dependências e o que precisa continuar funcionando.

É também por isso que a Inteligência Artificial vem ganhando espaço na forma como penso processos. Não como substituta de decisão, mas como apoio para organizar informação, documentar conhecimento, testar caminhos e reduzir tarefas repetitivas.

O que julho deixou

Julho deixou menos promessas abstratas e mais pontos de apoio.

• O Olimpo ficou mais estável.
• A direção em Engenharia de Dados ganhou método.
• O site ganhou estrutura e posicionamento.
• O legado começou a ser mapeado.
• Os projetos passaram a ter mais contexto, organização e critério.

O próximo passo não é fazer tudo ao mesmo tempo. É continuar evoluindo o que já começou a se provar importante.

Essa é a parte menos barulhenta da construção. E, quase sempre, é a que sustenta todo o resto.