Perdemos integração entre sistemas que alimenta meu BI

Comunicar primeiro, diagnosticar depois

O reflexo de "deixar o aviso para quando souber a causa" é o erro mais caro. Usuário consumindo dashboard desatualizado sem saber toma decisão errada com confiança falsa. Coloque aviso visível nos dashboards afetados ("dados não atualizados desde X — em investigação") nos primeiros minutos da detecção. Diagnóstico vem em paralelo. A janela entre detecção e aviso é a janela em que erro acontece.

Diagnóstico em camadas

Integração quebrada tem alguns lugares previsíveis para falhar. Investigue em ordem do mais provável.

Credenciais e autenticação

Token expirou, senha foi rotacionada, permissão da conta de serviço foi revogada (talvez em revisão de acessos). Sinal: erro 401/403 nos logs. Costuma ser a causa mais comum e a correção mais rápida.

API ou contrato do sistema fonte

Sistema fonte atualizou versão da API, mudou contrato (campo removido, tipo alterado, paginação modificada), depreciou versão antiga. Sinal: erro 4xx ou 5xx específico, ou mudança silenciosa que só aparece em validação. Para SaaS, depreciação costuma ser anunciada com janela — vale verificar comunicação prévia perdida.

ETL ou ferramenta de pipeline

Job não rodou (agendamento mudou, recurso fora do ar), rodou e falhou (lógica errada, exceção não tratada), rodou e processou parcialmente (timeout, limite de memória). Sinal: status do job, logs de execução, monitoramento de fila.

Schema do banco ou estrutura do dado

Campo renomeado, tabela removida, tipo alterado, índice quebrado. Sinal: erro de SQL, transformação que não encontra coluna. Para mudança feita por outra área sem comunicação ao time de dados, esse é o cenário clássico.

Volume e performance

Crescimento de volume estourou janela de processamento, falta de capacidade, timeout. Sinal: job que antes rodava em X agora não termina em Y, fila acumulando, recursos saturados.

Reprocessar a janela afetada

Quando a integração volta, falta corrigir o passado. Dados que deveriam ter chegado entre a quebra e a correção não chegaram — dashboards estão sem essa janela. Reprocessar o período (rodar ETL para os dias afetados, popular o dado retroativamente) costuma ser parte da restauração. Validar que os dados reprocessados batem com a fonte é essencial — meio-restauração é confusão para o consumidor.

Observabilidade: detectar antes

Pipeline falhando silenciosamente é o pior cenário. Detectar só quando o usuário reclama significa que a janela de dado errado foi grande. As frentes de observabilidade que mudam isso.

Alerta de falha de job

Trivial e barato. Toda ferramenta de pipeline oferece. Configurar e direcionar para canal monitorado deveria ser padrão.

Alerta de freshness

"O dado X não foi atualizado há mais de Y horas" — alerta independente da execução do job. Pega o caso em que o job rodou e não falhou tecnicamente, mas não trouxe dado.

Validação de qualidade no destino

Após o dado aterrissar, validações automáticas: contagem dentro do esperado, soma cruzada com outra fonte, comparação com período anterior. Pega erro de dado mesmo quando a integração foi tecnicamente bem.

Lineage e impacto

Saber quais dashboards dependem de qual fonte permite avaliar impacto rápido quando algo quebra, e comunicar consumidores específicos.