Em um negócio onde a rentabilidade depende diretamente de saber onde cada equipamento está, por quanto tempo ficou parado e quanto custou movimentá-lo, a ausência de dados confiáveis não é apenas um problema operacional, é uma limitação estratégica. A Objective estruturou, em parceria com um líder nacional em locação de equipamentos, uma plataforma centralizada de dados capaz de rastrear a jornada completa de cada ativo: da alocação à manutenção, da filial de origem ao cliente de destino. O resultado foi a criação de uma base de inteligência de dados que passou a sustentar decisões comerciais, logísticas e de manutenção, e que se tornou o alicerce para as iniciativas de Inteligência Artificial que vieram na sequência.
Histórico completo de localização, alocação, desalocação e manutenções de cada equipamento, antes inexistente ou disperso em sistemas isolados, viabilizando o cálculo assertivo dos KPIs de utilização e rentabilidade e a definição de metas acompanhadas com base em dados reais
Arquitetura com monitoramento e rastreabilidade de ponta a ponta, incluindo origem, destino e forma de disponibilização dos dados
Controle de acesso, Row Level Security (RLS) e ofuscação de dados implementados como parte estrutural da solução, não como camada adicional
projeto reconhecido internamente como pré-Requisito direto para as iniciativas de Inteligência Artificial desenvolvidas na fase seguinte
Com operações distribuídas em múltiplas filiais e equipamentos em constante trânsito entre estados e clientes, a empresa enfrentava um problema de rastreabilidade que comprometia decisões em várias frentes do negócio. Um equipamento alocado por uma unidade em São Paulo poderia estar em uso na Bahia, e nenhum sistema era capaz de narrar essa jornada de forma integrada. Sem esse histórico, a empresa operava com lacunas críticas:
Ausência de visibilidade sobre tempo de alocação e desalocação por equipamento
Incapacidade de planejar estoque de peças com base no histórico real de manutenções
Decisões logísticas tomadas sem dados de custo de transporte ou impacto fiscal entre estados
Planejamento de novos ativos e regiões de maior demanda baseado em percepção, não em dados
O processo era inteiramente manual. Dados existiam, mas estavam fragmentados em sistemas distintos (SAP, Oracle e SQL Server) sem integração ou governança centralizada.
A Objective estruturou uma plataforma de dados no Databricks, integrando fontes heterogêneas em uma arquitetura unificada com governança, rastreabilidade e capacidade de escala.
Integração de múltiplas fontes (SAP, Oracle, SQL Server) com processo de onboarding de novos dados simplificado e fluido
Captura de alterações em tempo real via AWS DMS, garantindo dados atualizados sem latência crítica para o negócio
Controle de acesso granular com Row Level Security (RLS), ofuscação de dados sensíveis e rastreabilidade de origem e destino de cada dado
Visualização da jornada completa do equipamento: localização por cliente e estado, histórico de manutenções preventivas e corretivas, e horas trabalhadas por ativo
Após retrabalhos iniciais, a Objective adotou uma metodologia de alinhamento prévio com o negócio: indicadores foram definidos e validados antes do desenvolvimento técnico, garantindo entregas aderentes à real necessidade do cliente
AWS (cloud), Databricks, Unity Catalog, CDC, AWS DMS, Oracle, SQL Server, Power BI
Com a plataforma estruturada, a empresa passou a operar com dados confiáveis sobre seus ativos pela primeira vez, criando as condições para um novo nível de inteligência de negócio.
A visão 360° dos ativos permitiu calcular com precisão indicadores de utilização, rentabilidade e tempo de ciclo de cada equipamento, criando a base para definição de metas por área e o acompanhamento contínuo da performance operacional
Capacidade de avaliar custo de transporte e impacto tributário entre estados antes de cada movimentação de equipamento
Visibilidade sobre tempo de alocação por cliente permite identificar contratos próximos do vencimento e agir proativamente
Histórico estruturado de manutenções e horas de uso por ativo cria a base para modelos preditivos de falha e planejamento de peças
Após retrabalhos iniciais, a Objective adotou uma metodologia de alinhamento prévio com o negócio: indicadores foram definidos e validados antes do desenvolvimento técnico, garantindo entregas aderentes à real necessidade do cliente
Dados geográficos de alocação permitem decisões mais precisas sobre onde posicionar novos equipamentos
Os dados estruturados neste projeto foram o pré-requisito direto para as iniciativas de Inteligência Artificial desenvolvidas na fase seguinte, que não teriam sido viáveis sem essa base
