Como este tema funciona na sua empresa
Orçamento inicial R$ 30 a 100 mil/ano focado em SaaS e ferramentas simples com equipe mínima (0,5 a 1 pessoa). Proporção: 30% pessoas, 60% tools, 10% serviços. Restrição: budget limitado, decisões CapEx evitadas.
Orçamento inicial R$ 150 a 500 mil/ano com mix de SaaS e on-premise, equipe dedicada (1 a 3 pessoas). Proporção: 40% pessoas, 40% tools, 20% serviços. Capacidade de negociar licenças corporativas, investimento em infraestrutura modesta.
Orçamento inicial R$ 500 mil a 5 milhões/ano com infraestrutura customizada, equipe grande (5 a 20 pessoas), centro de excelência. Proporção: 50% pessoas, 30% tools, 20% serviços/consultoria. Investimento em CapEx significativo, contato direto com fornecedores.
Orçamento para projetos de dados é a estimativa estruturada dos custos totais de um programa de dados ao longo de 12 a 36 meses, desagregando pessoas, tecnologia, serviços, overhead e contingência, e conectando cada componente aos objetivos de negócio e valor esperado[1].
Por que subestimamos orçamento de dados
A maioria das empresas subestima orçamento de dados em 20 a 40% porque ignora custos invisíveis. O BI custa mais caro que a ferramenta de BI. Data warehouse custa mais caro que infraestrutura. Projetos de dados custam mais caro que pessoal técnico porque incluem governança, integração, limpeza de dados, treinamento e manutenção operacional que frequentemente não aparecem na estimativa inicial.
Segundo pesquisas de Gartner, o custo total de propriedade (TCO) de um programa de BI é típicamente 2 a 3 vezes o custo da licença de software. Razões: infraestrutura (servidores, armazenamento), pessoal para operação, consultoria para customização, integração com sistemas, limpeza de dados históricos, e treinamento de usuários.
Um orçamento realista inclui quatro componentes que frequentemente são subestimados: pessoas, tecnologia, serviços e overhead.
Componente 1: Pessoas
O que inclui: salários e benefícios de profissionais de dados (arquitetos, analistas, engenheiros), consultoria externa, treinamento, recrutamento. Não é apenas salário — inclua também encargos (40% acima), benefícios (vale refeição, saúde), e despesas de recrutamento (agência, entrevistas, onboarding).
Típicas funções por porte: pequena empresa (1 analista de BI ou engenheiro de dados part-time), média empresa (1 arquiteto + 2 analistas + 1 engenheiro de dados), grande empresa (1 head de dados + 2-3 arquitetos + 5-10 analistas + 3-5 engenheiros de dados). Salários de mercado no Brasil variam: analista de BI (R$ 80-150k/ano), engenheiro de dados (R$ 120-200k/ano), arquiteto de dados (R$ 150-250k/ano).
Consultoria externa: para implementação inicial, limpeza de dados, treinamento especializado. Típico: 20% a 30% do custo de pessoas internas. Exemplo: se 1 pessoa de dados custa R$ 100k/ano, consultoria de R$ 20-30k/ano é razoável para primeiros 18-24 meses.
Exemplo: 0,5 pessoa de dados (30% de um analista em R$ 100k/ano = R$ 30k) + consultoria pontual (R$ 15k). Total pessoas: R$ 45k/ano. Considere que será part-time de alguém que também faz operação.
Exemplo: 1 arquiteto (R$ 200k) + 2 analistas (R$ 100k each = R$ 200k) + consultoria (R$ 60k). Total pessoas: R$ 460k/ano. Year 1 pode ser menor se contratar em junho; Year 2+ é custo completo.
Exemplo: 1 VP de Dados (R$ 300k) + 2 arquitetos (R$ 400k) + 5 analistas (R$ 500k) + 3 engenheiros (R$ 450k) + consultoria (R$ 200k). Total pessoas: R$ 1,85M/ano. Year 1 pode ter contratações escalonadas — comece com 50% e rampe para 100% até mês 9.
Componente 2: Tecnologia (Licenças e Infraestrutura)
O que inclui: licenças de software (BI, data warehouse, integração), infraestrutura (cloud ou on-premise), armazenamento, backup, segurança, governança, data quality tools. Escolha entre modelo SaaS (custo variável, previsível) ou on-premise (alto CapEx inicial, baixo OpEx). Cloud (AWS, GCP, Azure) é tendência para novas implementações.
Opções de BI e seus custos aproximados (por usuário/ano): Power BI (R$ 150-250), Tableau (R$ 800-1.500), Looker (R$ 500-1.200), Sisense (R$ 300-700). Escolha depende de número de usuários, complexidade de análises, integração com stack existente.
Infraestrutura em cloud (AWS/Azure): para data warehouse pequeno, R$ 500-1.000/mês. Para warehouse médio, R$ 2.000-5.000/mês. Para warehouse grande, R$ 10.000+/mês. Esses números variam muito conforme query volume, retenção de dados, replicação.
Ferramentas adicionais não tão óbvias: integração de dados (Talend, Informatica, Apache NiFi), data quality e profiling (Great Expectations, Soda), governança (Collibra, Alation), segurança de dados (Varonis, BigID). Cada uma custa de R$ 10k a R$ 100k/ano.
Exemplo: Power BI (R$ 3k/ano para 3 users) + cloud AWS (R$ 1k/mês = R$ 12k/ano) + tools menores (R$ 5k/ano). Total tecnologia: R$ 20k/ano. Opte por SaaS — CapEx baixo, OpEx previsível.
Exemplo: Tableau (R$ 15k/ano para 10 users) + cloud AWS (R$ 5k/mês = R$ 60k/ano) + integração Talend (R$ 40k/ano) + governança básica (R$ 20k/ano). Total tecnologia: R$ 135k/ano. Mix de SaaS (BI) com cloud (infraestrutura).
Exemplo: Tableau ou Looker (R$ 200k/ano para 100+ users) + AWS data warehouse (R$ 20k/mês = R$ 240k/ano) + Talend (R$ 150k/ano) + Collibra (R$ 80k/ano) + segurança (R$ 50k/ano). Total tecnologia: R$ 720k/ano. Pode incluir on-premise privado além de cloud.
Componente 3: Serviços
O que inclui: implementação e customização (consultoria), suporte técnico, treinamento de usuários, projeto de dados, integração com sistemas legados, limpeza de dados históricos. Tipicamente 15% a 25% do orçamento total, principalmente nos primeiros 18 meses.
Fases onde serviços mais custam: Discovery e Design (mapeamento de requisitos, especificação técnica), Build (implementação, customização, integração), Testing (validação de qualidade), Go-live (treinamento de equipe), e sustentação inicial (bugs, ajustes). Suporte contínuo após go-live é menor (5-10k/mês).
Tipos de serviços: implementação (R$ 150-300/hora para consultor sênior), treinamento (R$ 3-5k por workshop de meia-dia), suporte (retainer de R$ 5-15k/mês pós go-live), data cleansing (R$ 50-100k dependendo de volume e complexidade).
Exemplo: Implementação de BI + treinamento (R$ 20k total). Suporte mensal (R$ 2k/mês = R$ 24k/ano). Total serviços Year 1: R$ 44k. Year 2+: R$ 24k/ano (apenas suporte contínuo).
Exemplo: Implementação DW + BI (R$ 200k), data cleansing (R$ 50k), treinamento (R$ 30k), suporte (R$ 8k/mês = R$ 96k/ano). Total serviços Year 1: R$ 376k. Year 2: R$ 96k. Year 3+: R$ 96k/ano.
Exemplo: Implementação multi-fase (R$ 600k), data migration e cleansing (R$ 200k), treinamento em larga escala (R$ 100k), suporte 24/5 (R$ 30k/mês = R$ 360k/ano). Total serviços Year 1: R$ 1.26M. Year 2: R$ 360k. Year 3+: R$ 360k/ano.
Componente 4: Overhead e Contingência
Overhead inclui: gestão de projeto (PMO, project manager), documentação, comunicação, treinamento interno, manutenção de compliance, segurança de dados, auditoria. Tipicamente 5-10% do orçamento total.
Contingência é buffer para incertezas: requisitos mudam, dados têm qualidade pior, equipe fica retida com demandas operacionais. Recomendação por porte: pequena (10%), média (15-20%), grande (20-25%). Exemplo: se orçamento é R$ 300k, contingência de 20% é R$ 60k reservado.
Modelo de orçamento de 24 meses por porte
Pequena empresa: Ano 1: Pessoas R$ 45k, Tecnologia R$ 20k, Serviços R$ 44k, Overhead R$ 6k, Contingência (10%) R$ 11,5k. Total: R$ 126,5k. Ano 2: Pessoas R$ 45k, Tecnologia R$ 20k, Serviços R$ 24k, Overhead R$ 5k, Contingência (5%) R$ 4,7k. Total: R$ 98,7k. TOTAL 24 MESES: R$ 225k.
Média empresa: Ano 1: Pessoas R$ 460k, Tecnologia R$ 135k, Serviços R$ 376k, Overhead R$ 50k, Contingência (20%) R$ 204k. Total: R$ 1.225k. Ano 2: Pessoas R$ 460k, Tecnologia R$ 135k, Serviços R$ 96k, Overhead R$ 40k, Contingência (10%) R$ 73k. Total: R$ 804k. TOTAL 24 MESES: R$ 2.029k.
Grande empresa: Ano 1: Pessoas R$ 1.85M, Tecnologia R$ 720k, Serviços R$ 1.26M, Overhead R$ 150k, Contingência (25%) R$ 995k. Total: R$ 4.975M. Ano 2: Pessoas R$ 1.85M, Tecnologia R$ 720k, Serviços R$ 360k, Overhead R$ 100k, Contingência (15%) R$ 405k. Total: R$ 3.435M. TOTAL 24 MESES: R$ 8.41M.
CapEx vs OpEx: implicações financeiras
CapEx (Capital Expenditure): investimento inicial em infraestrutura, software on-premise, que será depreciado ao longo de 3-5 anos. Impacto: grande despesa inicial, mas reduz custo anual. Exemplo: comprar servidor por R$ 500k e depreciar em 5 anos = R$ 100k/ano em despesa contábil.
OpEx (Operational Expenditure): custo recorrente mensal/anual em SaaS, cloud, pessoas. Impacto: custo previsível, mas recorrente indefinidamente. Exemplo: Power BI em R$ 250/mês = R$ 3k/ano indefinidamente.
Recomendação moderna: preferir OpEx (cloud + SaaS) ao invés de CapEx. Motivos: flexibilidade (pode cancelar SaaS se não funcionar), menores riscos (fornecedor atualiza, não você), previsibilidade (custo fixo mensal), e melhor cash flow (não amarra grande volume upfront). Exceção: grandes empresas com dados muito sensíveis podem justificar on-premise, mas ainda assim é tendência para cloud privado.
Custos ocultos que frequentemente são esquecidos
Integração de dados: conectar data warehouse a sistemas de origem (ERP, CRM, sistemas legados) é mais caro que parece. Tipicamente 2-3 vezes o custo da ferramenta de integração. Razão: dados em sistemas diferentes têm formatos diferentes, qualidade diferente, e requerem transformação complexa.
Limpeza de dados históricos: quando começa projeto de dados, base de dados histórica está suja. Endereços incompletos, datas inválidas, duplicatas. Limpeza manual é caro; limpeza automatizada requer ferramenta e expertise. Orçamento: R$ 50-200k dependendo do volume.
Governança de dados: documentação, políticas de acesso, auditoria, conformidade (LGPD). Não é tech — é processo. Requer profissional dedicado e ferramentas. Custo: 1 pessoa + ferramenta = R$ 80-150k/ano.
Treinamento de usuários em escala: quando BI é lançado, usuários não sabem usar. Treinamento não é feito uma vez — é contínuo (novos colaboradores, novas features). Orçamento: R$ 20-50k/ano em workshops, docs, suporte.
Manutenção contínua de data quality: dashboard quebra quando qualidade de origem cai. Monitoramento de qualidade de dados é contínuo, não é custo único. Requer ferramenta + pessoa. Custo: R$ 30-80k/ano.
Sinais de que seu orçamento pode ser subestimado
- Orçamento inclui apenas licenças de software, não conta com infraestrutura nem pessoas.
- Timeline de implementação é muito curta (6 meses para projeto que deveria levar 18).
- Não há buffer/contingência — orçamento promete usar 100% da capacidade.
- Dados de qualidade e integração não foram mapeados — pode ser surpresa cara durante projeto.
- Orçamento de pessoa é só salário — não inclui encargos (40%), benefícios, recrutamento.
- Não há plano para suporte pós go-live — assume que tudo funcionará perfeito.
- Treinamento de usuários foi alocado como item pequeno — provavelmente vai custar mais.
- Comparação com "orçamento de BI em outra empresa" sem considerar diferenças de contexto (porte, complexidade, maturidade).
Caminhos para estimar orçamento realista
Estimar orçamento pode ser feito internamente ou com apoio especializado, dependendo de complexidade e maturidade atual.
Viável se tem alguém com experiência em projetos de dados.
- Perfil necessário: Project Manager ou Arquiteto de Dados com experiência em orçamentação
- Processo: mapeamento de requisitos (1 semana), cotação de fornecedores (1 semana), consolidação de estimativas (3 dias)
- Tempo total: 2 a 3 semanas para orçamento preliminar de 24 meses
- Risco: sem benchmark, pode subestimar; fornecedores podem ajustar preço após assinatura
Recomendado se não há expertise interna ou precisa de validação externa.
- Tipo de fornecedor: Consultoria de Transformação, Consultoria de Dados e BI
- Processo: diagnóstico de requisitos (3 dias), benchmarking de mercado (3 dias), orçamento detalhado (3 dias)
- Resultado: orçamento documentado por componente, cenários (pessimista/realista/otimista), validação com mercado
- Vantagem: benchmark com mercado, validação com outros projetos similares, confiabilidade maior
Precisa validar ou estimar orçamento para seu projeto de dados?
Se tem dúvida se o orçamento é realista ou precisa de benchmark de mercado, o oHub conecta você gratuitamente a consultores de dados e gestão de projetos especializados em orçamentação. Em menos de 3 minutos, descreva seu projeto e receba propostas de especialistas, sem compromisso.
Encontrar fornecedores de TI no oHub
Sem custo, sem compromisso. Você recebe propostas e decide se e com quem avançar.
Perguntas frequentes
Qual é a proporção ideal entre pessoas, tecnologia e serviços?
Depende do porte: pequena (30% pessoas, 60% tools, 10% serviços), média (40%-40%-20%), grande (50%-30%-20%). Esses percentuais são para ano 1 de projeto. Após go-live, tecnologia e serviços podem reduzir enquanto pessoas crescem (mais analistas).
Cloud ou on-premise? O que é mais barato?
Para a maioria das empresas, cloud (SaaS + AWS/Azure) é mais barato e menos riscoso. CapEx inicial é zero ou baixo, custo é OpEx previsível. On-premise só é mais barato depois de 5-7 anos de operação (se volume é muito alto), mas requer expertise interna e risco operacional maior. Recomendação: comece com cloud.
Como calcular ROI de um projeto de dados?
ROI = (Benefício - Custo) / Custo. Benefício = redução de tempo em decisão (x horas/ano × custo/hora) + melhoria em precisão ($ economizado em erros) + novos insights ($ gerado). Exemplo: poupar 5 horas/semana de decisão (R$ 500/hora) = R$ 130k/ano. Se custo é R$ 200k/ano, ROI = (130-200)/200 = -35% (negativo no ano 1, mas pode ser positivo no ano 2).
Qual é o custo anual de manutenção após go-live?
Típico: 15-20% do custo inicial anual. Exemplo: se ano 1 custou R$ 500k, manutenção anual é R$ 75-100k (pessoas + suporte + upgrades + ferramentas). Inclua isso no business case — dados é custo recorrente, não é investimento único.
Quando fazer CapEx (investimento) vs OpEx (custo)?
Modernamente, preferir OpEx. SaaS é OpEx (mais flexível). Cloud é OpEx (paga conforme usa). On-premise é CapEx (pesado). Exceto em casos muito específicos (dados super sensíveis, ou volume de dados tão grande que on-premise é realmente mais barato após 5+ anos), a tendência é OpEx por causa de flexibilidade.
Qual contingência deveria alocar?
Recomendação: 10% (pequena, projeto simples), 15-20% (média empresa, projeto com dependências), 20-25% (grande empresa, transformação). Alocar menos de 10% é arriscado. Mais de 25% sugere que estimativa não é confiável — reavalie.