Análise funcional comparativa de ferramentas para governança e catalogação de dados

Abstract

O avanço do Big Data e o crescimento acelerado da produção de dados consolidaram os dados como um ativo estratégico para a tomada de decisão. Nesse contexto, arquiteturas flexíveis como data lakes e data lakehouses passaram a ser amplamente adotadas para armazenar e processar dados em múltiplos formatos e escalas. Entretanto, quando não acompanhadas por práticas adequadas de gestão de metadados, essas arquiteturas tendem a se degradar em data swamps, caracterizadas pela perda de organização, rastreabilidade e contexto, comprometendo a confiabilidade e a utilização efetiva dos dados. Diante desse cenário, ferramentas de catalogação de dados assumem papel central ao possibilitar a organização, padronização e rastreabilidade dos ativos informacionais, por meio de funcionalidades como linhagem de dados, controle de qualidade, políticas de acesso e contextualização semântica. Apesar da ampla oferta dessas soluções no mercado, observa-se uma diversidade significativa de abordagens e escopos funcionais, o que dificulta a compreensão de seus papéis e a identificação dos contextos mais adequados para sua adoção. Este trabalho propõe uma análise funcional comparativa de ferramentas de catalogação de dados aplicada a arquiteturas modernas do tipo lakehouse. Inicialmente, é realizada uma seleção sistemática de ferramentas a partir de levantamentos amplamente reconhecidos na literatura técnica e no mercado, seguida da aplicação de critérios de exclusão fundamentados em boas práticas e na aderência a formatos transacionais amplamente utilizados. Como resultado desse processo, são selecionadas as ferramentas DataHub e OpenMetadata para análise aprofundada. A comparação é conduzida com base em um checklist funcional estruturado, permitindo identificar pontos fortes, limitações e diferenças relevantes entre as abordagens adotadas. Por fim, discute-se a contribuição dessas ferramentas para a construção de infraestruturas robustas de governança de dados em ecossistemas modernos.