Produto · Data Quality Intelligence
Seus dados mentem para você. O DataVault descobre onde.
Transforme seus dados no seu ativo mais confiável.
Você conecta suas fontes em minutos, read-only — warehouses, bancos de dados operacionais, SaaS, arquivos, documentos e streaming (Kafka e Pub/Sub, ainda por instalar no SaaS). O DataVault faz profiling, monitora sem configuração, lê as reclamações no Jira e no Slack, propõe a correção em SQL e PySpark como Pull Request, e diz aos seus agentes de IA se podem confiar em cada dataset.
Ver a apresentaçãoDataVault
erp_demo · scan #1282/100
Score de qualidade
Agente IA · Recomendação
Fundir 214 duplicados fuzzy em clientes (confiança 0,94).
CREATE TABLE customers_clean AS SELECT DISTINCT ON (email) …
O problema
Quatro problemas que você não vê. Até custarem dinheiro.
Verificar qualidade à mão não escala. Estes quatro padrões se repetem em quase todas as empresas com dados em mais de um lugar.
Proliferação multi-cloud
Três a cinco plataformas de dados por empresa. Nenhuma visão unificada de qualidade. Verificações manuais, plataforma a plataforma.
Duplicados e inconsistências
Métricas infladas, modelos de ML corrompidos, storage desperdiçado. Fuzzy matching à mão é impraticável.
Schema drift silencioso
Colunas novas, tipos alterados, picos de nulls quebram pipelines sem aviso. PII exposta descoberta tarde demais.
Modelos de ML em degradação
Garbage in, garbage out. Encontrar a causa raiz à mão é lento, caro — e chega sempre depois do estrago.
50%
do tempo dos trabalhadores do conhecimento vai para procurar dados, corrigir erros e confirmar números em que não confiam.
Estimativa de Thomas C. Redman, Harvard Business Review (2016)
Como funciona
Descobre. Valida. Otimiza.
Não é monitoramento passivo. O DataVault encontra os problemas — e propõe a correção.
Descobre
Auto-descoberta e profiling automático de todas as tabelas conectadas. Sem configuração coluna a coluna.
- Métricas por coluna: contagens, nulls, distintos, min/máx/média/desvio
- Cardinalidade e amostras anonimizáveis
- Histórico por tabela: série temporal de qualidade, scan a scan
Valida
Motor de regras, duplicados e drift em execução a cada scan. Tudo converge em um score comparável.
- 6 tipos de regra: not null, unicidade, padrão, intervalo, atualidade, contagem mínima
- Duplicados exatos (hash) e fuzzy (ML), em clusters com nível de confiança
- Drift de schema e de estatísticas em relação ao scan anterior
- Score 0–100 por dataset, em 5 dimensões: completude, unicidade, validade, atualidade, consistência
Otimiza
O Agente de IA analisa schema, problemas e padrões de uso — e devolve correções concretas, não conselhos vagos.
- Recomendações com SQL gerado, pronto para revisar e aplicar
- Estimativa de economia em € e % — storage, compute, horas
- Análise de risco por alteração: safe ou breaking
- Relatórios por persona: técnico, custo-benefício, digest executivo
Fluxo
Do zero ao primeiro relatório em três passos.
01
Conecte
Acesso read-only com métodos oficiais dos vendors. Credenciais criptografadas antes de tocarem o disco. Menos de 15 minutos até o primeiro scan.
02
Analise
Scans manuais ou agendados — diário, semanal ou mensal. Profiling, regras, duplicados e drift em cada execução. Alertas por severidade.
03
Otimize
Sugestões acionáveis com SQL e impacto estimado. Relatórios por persona. Resolva, o score sobe — e o histórico prova.
Para quem
Uma plataforma, três leituras.
Cada stakeholder vê o que lhe interessa. Ninguém perde tempo traduzindo dashboards.
Pipelines eficientes, menos verificação manual
Engenheiro de Dados
- Score por tabela e issue browser com drill-down
- Clusters de duplicados: revisar, mesclar ou ignorar
- Alertas de drift de schema e estatísticas
- Relatórios de refatoração com SQL gerado
O que você deixa de verificar à mão: nulls, duplicados, regras e drift, em cada scan.
Custo-benefício e eficiência operacional
Gestor de Dados / Produto
- Tendência de score, issues abertos vs resolvidos
- Horas economizadas estimadas
- Custo de má qualidade por dataset
- Adoção das recomendações
Meta: priorizar com números, não com opiniões
Risco visível, eficiência financeira
Executivo (CFO/CTO)
- Impacto financeiro total estimado, em euros
- Custo estimado de storage e compute por dataset, com o desperdício à vista
- Digest de incidentes críticos: severidade e exposição
- Ação recomendada para cada incidente
Meta: risco visível, ROI mensurável
Por indústria
O DataVault falando a língua do seu setor.
Prova real
Conectamos a uma fonte pública. Sem preparar nada.
O arquivo aberto da OpenAQ — medições de qualidade do ar de sensores reais, em um bucket S3 público — conectado em modo anônimo, sem conta e sem credenciais. O DataVault descobriu os arquivos, executou o scan e devolveu o veredito em meio minuto.
A mesma fonte está na galeria de fontes públicas do app — conecte-a na sua conta gratuita e veja o mesmo resultado.
Experimentar com esta fonte30
arquivos descobertos como datasets
32 s
duração do scan completo
30
problemas encontrados e explicados
O que apareceu — sujeira genuína de sensores no mundo real:
- —Valores-sentinela (-999) misturados com medições válidas
- —Concentrações negativas de poluentes — fisicamente impossíveis
- —Arquivos diários com buracos e colunas inconsistentes
O que faz hoje
O ciclo completo: detectar, explicar, corrigir, provar.
Você conecta em minutos, read-only por construção
29 tipos de fonte — warehouses, bancos de dados operacionais, SaaS, arquivos, object storage, streaming, documentos e chat — sempre por métodos oficiais dos fornecedores, 22 deles já disponíveis no SaaS. Credenciais criptografadas, cliente HTTP somente de leitura e proteção anti-SSRF: não há caminho para o DataVault escrever na sua fonte.
Comece sem dados próprios
«Explorar com dados de demonstração» cria um workspace de ERP, loja online, neobanco ou hospital anonimizado com problemas plantados e a história por trás. Ou você conecta em 1 clique a fontes públicas verificadas (Ensembl, OpenAQ, NOAA) — e a checklist de primeiro valor guia você até o primeiro scan, em PT, EN ou ES.
Profiling profundo com tipos semânticos
Quantis, histogramas, correlações e alertas de perfil calculados por pushdown nos bancos de dados SQL e sobre a amostra nas demais fontes, com amostras limitadas. Cada coluna é classificada automaticamente — email, NIF, IBAN, telefone, código postal — e as máscaras de formato aparecem sem você configurar nada.
Tabelas gigantes sem custo gigante
Profiling incremental por dataset: o re-scan lê só a janela temporal nova e faz merge estatístico (HLL para distintos), com perfil completo periódico.
Streaming como dataset
Os conectores do Kafka e do Google Pub/Sub estão feitos, com os drivers ainda por instalar no SaaS. Com eles instalados, os tópicos aparecem no catálogo com perfil por amostra, Schema Registry opcional e painel em tempo real. Idade máxima do evento, conformidade com o schema, campos obrigatórios e % de mensagens malformadas são regras de 1.ª classe.
Documentos para RAG, com gate na entrada
Confluence, GCS e S3 tratados como corpus: duplicados, idioma, PII, texto corrompido e arquivos que ninguém atualiza há anos, com score e issues como qualquer dataset. Os conectores do SharePoint e do Google Drive estão feitos, com os drivers ainda por instalar no SaaS. Antes de indexar, o gate pré-ingestão (API batch e middleware LangChain/LlamaIndex) barra o que não deve entrar.
Monitores automáticos, zero configuração
Cada tabela da conexão, até 500 por conexão, ganha por padrão um monitor de frescor que aprende a cadência, um de volume e um de schema. As mudanças de schema chegam com diff, renomeações sugeridas, impacto a jusante e timeline por dataset.
Anomalias sem regras, com sazonalidade
Volume, nulos e cardinalidade comparados com o histórico (mediana+MAD) e com o mesmo dia da semana, para a segunda-feira não parecer um incidente. O card de explicação mostra a faixa normal e o segmento que causou o desvio; um feedback de falso positivo silencia a métrica.
Duplicados, drift e camadas medallion
Duplicados exatos e aproximados em clusters, com ações por cluster e visualização em constelação. Picos de nulos e quedas de linhas entre scans, e camadas Bronze, Silver e Gold detectadas pelo nome — a correção se adapta: quarentena na Bronze, limpeza na Silver, contrato na Gold.
Trust score e prontidão para IA por caso de uso
Cada dataset tem um score de confiança explicável (A–E) com componentes e bloqueadores, e um perfil de prontidão para RAG, treinamento, agente ou BI com bloqueadores duros — PII no RAG, drift no treinamento. Radar comparável entre datasets e detecção de rótulos suspeitos em datasets de treinamento.
Motor de regras com validação portuguesa
not-null, unicidade, padrão, intervalo, frescor e volume mínimo verificados em cada scan. Mais dígito de controle de NIF e IBAN e listas de referência — países ISO, moedas, códigos postais PT — para a regra «este campo é válido» não ser um regex à mão.
Regras que nascem sozinhas — sem IA
O gerador determinístico propõe regras com thresholds calculados a partir do seu perfil; ao resolver um issue, o DataVault sugere a regra que o teria detectado («nunca mais»); uma reclamação no Jira vira proposta de regra. Nada entra sem você aceitar, e packs por indústria — ecommerce, financeiro, SaaS, saúde PT — são aplicados com um clique.
Importe os testes que você já tem
dbt tests, Great Expectations, SodaCL e ODCS entram com um upload, com preview, dedupe e skips declarados. Você exporta de volta tests dbt e model contracts gerados do que observamos. Zero migração, zero lock-in.
Contratos ODCS que o producer aceita
Contrato ODCS v3.1 gerado do observado — métricas, dimensões, SLA — e formato ODCS v3.1 validado com o datacontract-cli no nosso CI de interoperabilidade. Você envia um link ao dono do sistema fonte: comenta e aceita seção por seção sem conta, e o aceite passa a ser contrato ativo, com versões numeradas e diff.
Gate de CI, data-diff e reconciliação
O verdict pass/warn/fail barra o pipeline quando os dados falham — via script, API ou `datavault gate` no SDK. Data-diff determinístico entre dev e prod ou origem e destino, e reconciliação de contagens entre dois datasets de conectores diferentes sem queries na fonte.
Sinais do Jira e do Slack
O DataVault lê tickets e canais escolhidos (opt-in, autores anonimizados) e transforma «a coluna vem sempre nula» em um issue vinculado ao dataset certo — errado, desatualizado, duplicado, ausente. O conhecimento tribal vira fila de trabalho. O conector do Teams está feito, com o driver ainda por instalar no SaaS.
Varredura de notebooks, jobs e DDL
No Databricks e Snowflake, os ativos de engenharia também são inspecionados: SELECT * em produção, jobs sem retry, timeout ou alerta, notebooks órfãos. Issues agregados por prática, para você corrigir o hábito e não só o sintoma.
Diagnóstico de causa-raiz com evidência
Um clique e o agente cruza perfis, drift, linhagem, sinais humanos citados e runs do orquestrador — «o job dbt X falhou 20 minutos antes» — para explicar a causa provável, com passos de verificação. Funciona offline, sem chave de IA.
Correção em SQL e PySpark, com aprovação
Cada sugestão traz diagnóstico safe e correção breaking — ALTER TABLE, CHECK, dedup — em SQL e no PySpark equivalente, por camada. Ciclo proposto → aceito → aplicado → verificado: o scan seguinte confirma se resolveu, e você exporta tudo em remediation.sql. Nunca escrevemos nas suas fontes.
Correção como Pull Request
A sugestão aceita abre um PR no GitHub ou um MR no GitLab do seu repositório e o DataVault acompanha o status do PR — aberto, fechado ou merged — e marca a sugestão como aplicada quando entra. A correção entra no fluxo de revisão que a sua equipe já usa.
Fila de trabalho e incidentes
Issues com dono, prazo, snooze e histórico, em um board kanban com arrastar e soltar. Problemas a montante e a jusante são agrupados em um só incidente, e um clique cria o ticket no Jira ou no Linear.
Alertas, plantão e horas de silêncio
Slack, Teams, email e webhooks com severidade mínima por canal e digest semanal ativado por padrão. Políticas de escalonamento por severidade, rotações de plantão por domínio e quiet hours por usuário — o alerta certo chega à pessoa certa, e não às 3 da manhã.
Linhagem até a coluna, com o dbt dentro
Chaves estrangeiras, SQL das views e arestas declaradas dão linhagem automática no nível da coluna. O manifest do dbt entra no grafo com exposures como consumidores e gap de testes como sugestões; a mesma métrica com fórmulas diferentes gera um issue de metric drift, e o dbt Cloud dizendo «fresh» quando os dados dizem outra coisa também.
Domínios com SLA declarado e SLOs medidos
Você agrupa datasets por domínio com equipe responsável e scorecard próprio. O SLA declarado alimenta o SLO: cumprimento de frescor e latência ao longo do tempo, por dataset e domínio, exportável em CSV — e, se quiser, um badge e uma página pública de qualidade por dataset.
Uso real e custo ao lado da qualidade
Query logs do BigQuery, Snowflake e Databricks classificam as tabelas em hot, active, cold ou dead — 90 dias sem queries gera um aviso de descomissionamento. O custo de compute por dataset e os picos de custo aparecem ao lado do score: quanto do que você paga roda sobre dados errados.
Pergunte ao DataVault
Um chat com acesso read-only ao seu catálogo, as mesmas tools do servidor MCP e guardas de custo: «que datasets têm PII?», «por que caiu o score dos pedidos?». Quando propõe uma ação — criar uma regra, abrir um issue — só a executa com a sua aprovação.
Relatórios e dashboards por persona
Relatórios para engenheiro, gestor e executivo com SQL, PySpark e gráficos, exportáveis em PDF ou HTML e compartilháveis por link com expiração para quem não tem conta. Agendamento diário, semanal ou mensal com entrega por email, Slack ou Teams; dashboards por persona, calendário de qualidade, treemap do catálogo e modo TV para a sala de controle.
Memória que se acumula
README de cada dataset gerado pela IA, editado e aprovado antes de publicar. Relatórios e diagnósticos entram em uma base de conhecimento com pesquisa semântica e grafo fontes↔dados↔saber, que os prompts e o assistente citam — o seu feedback (útil / não útil) alimenta o golden set.
Encaixa no stack que você já tem
Servidor MCP para agentes, SDK Python com CLI, provider Terraform, provider Airflow, tokens de API e configuração do workspace em YAML. Emite e consome OpenLineage, publica verdicts no OpenMetadata e no DataHub, e o webhook do dbt Cloud dispara o scan quando o job acaba.
IA na sua conta, do seu jeito
Chave Anthropic própria, Claude na sua conta AWS (Bedrock) ou GCP (Vertex), política de modelos por workspace com modo «IA desligada». Router por tipo de tarefa com amostras anonimizadas (NIF, NISS, IBAN, telefone) antes de qualquer fornecedor econômico, e golden set com juiz fail-closed antes de trocar de modelo.
Privacidade e AI Act
Classificação de sensibilidade por coluna com curadoria manual, mapa transversal de PII do workspace e política de dados por camada — PII na gold, owner obrigatório em confidencial — verificada em cada scan e em CI. Rótulo art. 50.º em todo o output de IA e dossiê do art. 10.º alínea a alínea, pronto para o Anexo IV.
Segurança de equipe, RGPD incluído
Papéis admin, member e viewer, convites, SSO OIDC (Google, Entra ID, Keycloak) na instância dedicada e organizações com vários workspaces e pesquisa federada no catálogo. Audit log de administração exportável, rotação de chaves de criptografia, rate limiting na API, e o admin exporta ou exclui o workspace sozinho — sem ticket de suporte.
Conectores
Conecta com o que você já tem.
Warehouses, bancos de dados operacionais, arquivos, aplicativos de negócio, documentos, streaming e chat: 29 tipos de fonte, 22 já disponíveis no SaaS. Sempre read-only, sempre por métodos oficiais.
Porquê diferente
Detecta — e propõe a correção.
As suites enterprise corrigem com um projeto e credenciais de escrita. O open-source é grátis até você contar as horas de engenharia. O DataVault encontra o problema e propõe a correção, sem escrever nas suas fontes — e cada afirmação sobre os outros cita a fonte.
| Dimensão | Enterprise (Collibra, Informatica) | Open-source DIY (Great Expectations, Soda) | Observabilidade cloud (Monte Carlo, Sifflet) | DataVault |
|---|---|---|---|---|
| Prova antes de comprar | Demonstração e prova de conceito acompanhadas pelo fornecedor ou por um integrador[1][2] | Instalas e experimentas já: GX Core e Soda Core são open-source[3][4] | Demonstração ou trial pedidos por formulário à equipa comercial[5] | Conta gratuita em self-service, sem cartão nem chamada comercial, e prova pública com dados abertos: 30 ficheiros analisados em 32 s |
| Time-to-value | Projeto com integrador e serviços de implementação; o Collibra DQ instala-se no ambiente do cliente[1][2] | Primeiro check em horas; cobertura e investigação são trabalho contínuo de engenharia | Monitores por metadados depois de ligar o warehouse, sem query às tabelas (Monte Carlo), em SaaS ou com um coletor no teu ambiente; a Metaplane documenta exceções em Postgres, MySQL e SQL Server[6][7][8] | Primeiro scan em menos de 15 minutos; monitores por metadados em todos os datasets da conexão desde o primeiro scan, até 500 por conexão |
| Correção | Limpeza, standardização e MDM que escrevem nos teus sistemas (Informatica IDMC) — exige credenciais de escrita e projeto[2] | Testes falham. Alguém investiga e corrige à mão | Deteta, alerta e ajuda a investigar; a correção fica com a equipa[5][7] | Propõe a correção em SQL/PySpark ou como Pull Request, com poupança em € e risco — read-only por contrato Evidência |
| Correção onde o código vive | Workflows dentro da plataforma[1][2] | Tu escreves o PR | Alerta com link para a plataforma; o PR fica com a equipa[5] | A correção aceite abre um Pull Request no GitHub ou GitLab, acompanha o estado do PR e o scan seguinte confirma que resolveu Evidência |
| Testes que já tens | Regras nativas da suite; importação de dbt, Great Expectations ou Soda não anunciada[1][2] | São os teus testes — e a tua manutenção | Monitores em YAML próprio ou no meta do dbt; o Monte Carlo gera monitores a partir dos testes dbt, singulares incluídos, e a Sifflet abre incidentes quando um teste dbt falha; devolução como testes dbt e importação de Great Expectations ou Soda não anunciadas[9][10][11][12][13] | Importa testes dbt, singulares incluídos, suites Great Expectations e SodaCL e devolve dbt, SodaCL e GX; o relationships vira uma regra de integridade referencial; o que não converte (macros e Jinja além de ref, source e config), ou não volta igual na exportação para SodaCL e GX, fica declarado, não se perde em silêncio |
| Checks à medida | Informatica: rule specifications com elementos gráficos ou expressões IF-THEN-ELSE; Collibra: regras SQL à medida, com joins e agregações, escritas à mão ou sugeridas por IA — só em jobs pushdown[14][15][16] | SQL e Python sem limites: testes singulares e macros (dbt), expectations próprias em Python ou SQL (Great Expectations), checks SQL (Soda)[17][18][19][20] | Monitores por metadados; o Monte Carlo aceita monitores SQL à medida, com limiares manuais ou aprendidos[6][21] | 16 tipos de regra (nulos, unicidade, padrões, intervalos, frescura, volume, validade de NIF/IBAN e listas de referência, exatidão contra fontes autoritativas (opt-in), streams (Kafka e Pub/Sub, ainda por instalar no SaaS), condições entre colunas, SQL à medida e integridade referencial entre datasets), packs por indústria e sugestões a partir do perfil e do histórico de aceitação; o SQL à medida é um só SELECT só de leitura, validado antes de correr na fonte (só fontes SQL); sem checks em Python à medida |
| Sinais do trabalho e regras novas | Workflows de stewardship: o issue entra à mão e as regras são escritas por stewards[1] | A queixa chega por ticket; tu escreves e manténs cada teste | Abrem tickets no Jira ou no ServiceNow e aprendem monitores; não leem as queixas das equipas[5] | Lê Jira, Confluence e Slack e converte queixas em issues ligadas ao dataset certo; propõe regras a partir do perfil, do issue resolvido e dessas queixas — só entram quando as aceitas. O conector do Teams está feito, com o driver ainda por instalar no SaaS Evidência |
| Memória do que já aconteceu | Glossário e stewardship manual[1] | — | Histórico de incidentes por tabela[5] | Base de conhecimento com relatórios e diagnósticos, pesquisa semântica e grafo fontes↔dados↔saber; o assistente e os diagnósticos citam-na |
| Governação e stewardship | Catálogo e glossário de negócio são o sistema de registo da suite; na Collibra, os scores de qualidade aparecem no próprio marketplace de dados[22] | Fora do âmbito: os testes vivem no teu repositório e ligá-los ao catálogo fica contigo | O foco é detetar e investigar incidentes; governação e stewardship formais não são o produto[5][7] | Glossário de negócio ligado a colunas, dono e steward por dataset, tags e dicionário de dados exportável; publica veredictos no teu OpenMetadata ou DataHub e lê de lá donos, domínios e tags |
| Visão multi-fonte | Suite ampla, licenciada por módulo[1][2] | Um repositório de testes por fonte | Forte em warehouses; fontes SaaS operacionais limitadas[5][7] | Warehouses, BDs operacionais e SaaS numa só visão Evidência |
| Integração com processos (SAP, Salesforce) | Qualidade dentro do processo, com escrita: o SAP MDG valida as alterações aos dados mestre contra regras de negócio antes de as ativar; a Informatica limpa, standardiza e valida com agentes e leva a qualidade de dados às aplicações (Informatica Headless). A Collibra liga-se ao S/4HANA pelo Edge, para o catálogo[23][24][25] | Os testes correm no teu pipeline, sobre dados já gravados; chamá-los a partir do SAP ou do Salesforce é integração que escreves e manténs | O Monte Carlo liga-se ao Salesforce CRM e ao SAP HANA e monitoriza os dados já gravados (frescura, volume, schema, regras SQL); validação no ponto de entrada não anunciada[26][27] | Lê o SAP S/4HANA e o SAP Gateway por OData, o Salesforce, o Dynamics 365 e as bases dos ERP em SQL Server (Primavera, PHC, Sage). Valida os registos no ponto de entrada: o integrador chama por API as regras do dataset antes de os escrever e recebe o veredito de cada registo, sem que o DataVault guarde nada. Nunca escreve no ERP nem no CRM: a correção sai em SQL/PySpark ou PR |
| Confiança para agentes de IA | Governança de catálogo e de IA; veredito de prontidão por caso de uso não anunciado[1][28] | — | Monitorizam dados e pipelines; veredito sobre o dataset antes de o agente o consumir não anunciado[5][7] | Trust score explicável e prontidão por finalidade (RAG, treino, agente, BI), gate pré-ingestão para RAG e servidor MCP para o agente perguntar antes de usar Evidência |
| Onde corre o trabalho — e o que sai do teu perímetro | SaaS do fornecedor ou instalação no ambiente do cliente (o Collibra DQ instala-se lá): instalado, o processamento fica na tua infraestrutura[1][28] | Corre no teu pipeline, sobre o teu warehouse ou o teu Spark: nada sai — a operação e a escala são tuas | Leem metadados e query logs do warehouse, em SaaS ou com o coletor no teu ambiente (Monte Carlo)[7] | Nas fontes SQL, o perfil corre na própria fonte e só voltam agregados e poucos exemplos por coluna; regras de linha e duplicados usam uma amostra de até 5 000 linhas por tabela, processada na UE. Guardamos resultados e exemplos limitados, nunca a tabela. Com IA ativa, os exemplos seguem a política de IA do workspace |
| IA na tua conta | IA integrada na plataforma do fornecedor; chave própria ou modelo na tua conta cloud não anunciados[1][2] | — | IA integrada na plataforma do fornecedor; modelo na tua conta cloud não anunciado[5][7] | Chave própria, Claude na tua conta AWS ou GCP, política de modelos por workspace com modo «IA desligada» e amostras anonimizadas antes de qualquer fornecedor económico |
| Conformidade do AI Act | Governança de IA como módulo da suite (Collibra: ISO 42001)[28] | — | Rotulagem do art. 50.º e dossiê do art. 10.º não anunciados[5][29] | Rotulagem art. 50.º em todo o output de IA + dossiê do art. 10.º exportável |
| Segurança, residência e certificações | Informatica: ISO 27001 (BSI) e SOC 2 Type II; Collibra: SOC 2 e ISO 27001/42001, com trust center público. SaaS ou instalação no ambiente do cliente[1][2][28] | Corre no teu perímetro: a segurança e a certificação são as da tua infraestrutura | Monte Carlo e Sifflet: SOC 2 Type II e ISO 27001; Monte Carlo em SaaS ou híbrido, com o coletor no teu ambiente[5][7][29] | SaaS alojado na UE (Google Cloud europe-west1), só de leitura imposto no código e IA opcional com a tua chave ou na tua conta AWS ou GCP (Bedrock ou Vertex), com amostras anonimizáveis antes do modelo. IP de saída fixo (Cloud NAT) para a allow-list da tua firewall: preparado, ainda por ativar em produção. SOC 2 Type I em programa, ISO 27001 a seguir — sem selos que não temos: não os afirmamos e respondemos com a evidência técnica de cada controlo |
| Identidade e administração | SSO e controlo de acessos por papéis, incluídos na suite[1][2] | O open-source não tem utilizadores; SSO e papéis vêm com os planos cloud pagos (ex.: Soda Team)[4] | SSO e papéis nos planos de gama alta[5] | SSO por OIDC com o teu IdP (Entra ID, Google Workspace, Keycloak…), MFA por TOTP obrigatória para administradores de organização e exigível a todo o workspace, papéis por workspace, equipas, registo de auditoria exportável em CSV e acesso do suporte só com o teu consentimento, em leitura e por 72 h no máximo; ainda sem SCIM |
| Suporte e SLA | Níveis de suporte e de disponibilidade no contrato — Informatica IDMC: 99,5% com créditos de serviço; Collibra: página de estado pública[1][2][30] | Comunidade no open-source; suporte com SLA só nos planos pagos[3][4] | Suporte e SLA por plano, no contrato anual[5] | Ainda sem SLA contratual de disponibilidade nem de suporte: só entra no contrato depois de um trimestre de disponibilidade medida e de uma política de suporte por severidade, ainda em definição. Hoje: backups diários com PITR de 7 dias e modo offline se a IA falhar |
| Saída de dados | Extração dos dados no fim do contrato, nos termos do serviço[1][2] | Os testes e os resultados já são teus, em código e no teu warehouse | Exportação de dados só nos planos Scale e Enterprise (Monte Carlo)[31] | Exportação dos dados do workspace em self-service (RGPD) e da configuração como código (datavault.yaml) |
| Custo real | Preço público no UK G-Cloud: Collibra DQ £122.919 por licença/ano; Informatica IDMC £74.999/ano, mais implementação[1][2] | Licença 0; Soda Team 750 $/mês, mais compute no warehouse e horas de engenharia[4] | Contratos anuais ou por tabela monitorizada (Metaplane, com 10 tabelas grátis); Sifflet ≈48 k$/ano no preço publicado[5][32] | Plano gratuito; pagos desde € 490/mês, sem projeto de implementação Evidência |
Fontes
Páginas públicas dos fornecedores que sustentam as colunas dos concorrentes. Os números na tabela apontam para aqui; a coluna DataVault liga às respostas para RFP e à página de segurança.
- 1.UK G-Cloud — Collibra Data Quality (serviço 136629392504870) · applytosupply.digitalmarketplace.service.gov.uk ·
- 2.UK G-Cloud — Informatica IDMC (serviço 727452156234281) · applytosupply.digitalmarketplace.service.gov.uk ·
- 3.Great Expectations — planos e preços · greatexpectations.io ·
- 4.Soda — planos e preços · soda.io ·
- 5.Sifflet — planos e preços · siffletdata.com ·
- 6.Monte Carlo — documentação: visão geral dos monitores · docs.getmontecarlo.com ·
- 7.Monte Carlo — documentação: segurança e conformidade · docs.getmontecarlo.com ·
- 8.Metaplane — documentação: tipos de monitor · docs.metaplane.dev ·
- 9.Monte Carlo — documentação: Monitors as Code (montecarlo.yml e meta do schema.yml do dbt) · docs.getmontecarlo.com ·
- 10.Monte Carlo — documentação: gerar monitores a partir dos testes dbt · docs.getmontecarlo.com ·
- 11.Sifflet — documentação: Monitors as Code (workspaces e monitores em YAML) · docs.siffletdata.com ·
- 12.Sifflet — documentação: incidentes a partir de monitores ou de testes dbt · docs.siffletdata.com ·
- 13.Metaplane — documentação: Monitors as Code (no meta dos modelos dbt) · docs.metaplane.dev ·
- 14.Informatica — documentação: modos da rule specification · docs.informatica.com ·
- 15.Collibra — documentação: rule workbench (regras SQL à medida) · productresources.collibra.com ·
- 16.Collibra — documentação: tipos de regra SQL suportados · productresources.collibra.com ·
- 17.dbt — documentação: data tests (singulares e genéricos) · docs.getdbt.com ·
- 18.Great Expectations — documentação: definir uma classe de Expectation própria · docs.greatexpectations.io ·
- 19.Great Expectations — documentação: Expectation à medida em SQL · docs.greatexpectations.io ·
- 20.Soda — documentação: checks definidos pelo utilizador (SodaCL) · docs.soda.io ·
- 21.Monte Carlo — documentação: monitores Custom SQL · docs.getmontecarlo.com ·
- 22.Collibra — Data Quality & Observability · collibra.com ·
- 23.SAP — Master Data Governance · sap.com ·
- 24.Informatica — Data Quality & Observability · informatica.com ·
- 25.Collibra Marketplace — driver para a integração com o S/4HANA · marketplace.collibra.com ·
- 26.Monte Carlo — documentação: integração Salesforce CRM · docs.getmontecarlo.com ·
- 27.Monte Carlo — documentação: integração SAP HANA · docs.getmontecarlo.com ·
- 28.Collibra — Trust Center · collibra.com ·
- 29.Monte Carlo — Trust Center · trust.montecarlo.ai ·
- 30.Collibra — página de estado · status.collibra.com ·
- 31.Monte Carlo — documentação: exportação de dados · docs.getmontecarlo.com ·
- 32.Metaplane — planos e preços · metaplane.dev ·
Segurança
Seus dados ficam onde estão.
Acesso read-only
O DataVault nunca escreve, move nem altera dados nas suas fontes. Lê, analisa, reporta.
Métodos oficiais dos vendors
Drivers e APIs oficiais de cada plataforma. Sem scraping, sem atalhos.
Credenciais criptografadas
Criptografadas com Fernet antes de serem persistidas. Nunca aparecem em logs.
Amostras controladas
Nas fontes SQL, o perfil roda na própria fonte. As regras de linha e os duplicados usam no máximo 5 000 linhas por tabela, processadas na UE — a tabela nunca é copiada. As amostras usadas pela IA são limitadas e anonimizáveis.
Preços
Preços simples. Sem projeto de implementação.
Gratuito
€ 0/mês
Para conectar uma fonte e ver o motor trabalhando.
- Fontes de dados
- 1
- Datasets
- 25
- Scans por mês
- 30
- Relatórios IA por mês
- 5
- Histórico de medições
- 30 dias
- Motor de qualidade completo + sugestões IA de amostra
- Sem cartão
Team
€ 490/mês
Para a equipe de dados colocar a qualidade em produção.
- Fontes de dados
- 5
- Datasets
- 500
- Scans por mês
- Sem limite
- Relatórios IA por mês
- 200
- Histórico de medições
- 1 ano
Tudo do Gratuito, mais:
- Tokens de API
- Webhooks de alertas
- Análise de documentos para RAG
- Relatórios agendados por email
- Dados sintéticos a partir do perfil
- Correspondência de entidades entre datasets
- Glossário de negócio ligado às colunas
- Ensaio só-leitura da correção antes de a aceitar
- Usuários ilimitados
- Contratos ODCS + gate de CI
Business
€ 1.190/mês
Para quem responde por conformidade, custo e remediação.
- Fontes de dados
- 15
- Datasets
- 2.000
- Scans por mês
- Sem limite
- Relatórios IA por mês
- 1.000
- Histórico de medições
- 2 anos
Tudo do Team, mais:
- Dossiê de conformidade do AI Act
- Telemetria de custo das plataformas
- Remediação como Pull Request (GitHub/GitLab)
- Chave Anthropic própria (BYOK)
- Escolha de modelos de IA por tarefa
- Profiling profundo por padrão (correlações e co-nulidade)
- Teto de IA 4× o do Team
Enterprise
Sob consulta
Para volumes e requisitos de procurement sob medida.
Volumes sob medida: sem tetos de fontes, datasets, scans ou IA
Tudo do Business, mais:
- Claude na conta cloud da organização (Amazon Bedrock ou Google Vertex AI)
- Onboarding assistido
Sob pedido, em programa
- Instância dedicada, gerenciada pela Praxis
- DPA com termos negociados (o modelo já existe)
- SLA de disponibilidade contratual
Preços de lançamento, por mês e por workspace, sem IVA, com faturamento anual; no faturamento mensal, há um acréscimo de 20%. O Team e o Business são ativados no app, com cartão e fatura com o NIF/VAT ID da empresa; o Enterprise é contratado conosco. A zona entre o open-source DIY e as suites enterprise — com os preços públicos citados na comparação acima — é onde vivemos, de propósito.
Ver tudo o que cada plano incluiVeja o DataVault trabalhando nos seus dados.
Demonstração de 30 minutos, com os seus dados ou com o nosso ERP de demonstração. Você sai sabendo o que ele encontraria na sua conta.