Colliers × Costal — Interno

recomendacoes

Leitura de 8 min

Fomos consultados sobre a Colliers para a construção de uma plataforma para seu novo projeto de uma empresa de construção civil que já nasce digital, com foco em ganho de produtividade, assertividade e melhor gerenciamento de projetos. Compartilho com você as minutas da reunião inicial, e o memorando que precisamos compartilhar e refinar. Peço que revise os documentos e sugira contribuições e fundamentos, benchmarks para o nosso projeto, para que eu possa incorporar no memorando.

Segue uma proposta bem objetiva do que você pode incorporar no memorando, em três blocos: (1) ajustes de narrativa, (2) aprofundamentos técnicos e fundamentos, (3) benchmarks e referências para dar robustez.

1. Ajustes de narrativa no memorando

Sugestões de refinamento direto no texto atual do memorando, sem mudar a essência.1

  • Deixar mais explícito o “porquê agora”
    • Inserir logo no Resumo Executivo 3 pontos:
      • meta de faturar 100M no primeiro ano de operação da nova construtora,
      • uso da construtora como projeto-piloto para a “Colliers 2.0” LatAm,
      • ambição de operar com um pipeline semi-autônomo de ponta a ponta.23
  • Reforçar a linguagem de “plataforma” vs. “ferramentas”
    • Deixar mais claro que o entregável não é um software pontual, mas uma plataforma de dados multi-tenant, sobre a qual módulos de automação (orçamentação, planejamento, comunicação, captura de realidade etc.) serão plugados.12
    • Sugerir uma frase tipo: “A solução-alvo é uma plataforma de dados e serviços, não um SaaS tradicional.”3
  • Amarrar melhor o papel do ERP Sienge
    • Inserir um parágrafo explicando:
      • ERP melhora processos transacionais e controles;
      • Data Lake e Lakehouse são a camada analítica e de IA, que consome os dados do ERP e de todos os outros canais;
      • Sienge é tratado como fonte de verdade operacional de custos, contratos, medições, não como plataforma de analytics/IA.42
  • Deixar a metáfora de construção civil mais “didática”
    • Expandir a tabelinha que você já tem (fundação / estrutura / acabamentos) com 3 linhas adicionais: governança, APIs, reuso regional.1
    • Isso ajuda muito o Igor a “vender internamente” com linguagem de obra.
  • Apontar claramente os 3 “primeiros alvos de automação”
    • Ainda no Resumo Executivo, listar explicitamente:
  1. Orçamentação (core competitivo imediato).
  2. Análise de RFPs/contratos e equalização de propostas.
  3. Geração e automação de atas e relatórios (meeting minutes, visitas de obra).23

2. Aprofundar fundamentos e arquitetura (para “vender” o racional)

Você já fala em Data Lake, mas dá para reforçar o racional com mais densidade conceitual e ainda simples.1

2.1. Data Lake vs. SharePoint/ERP

Adicionar uma seção curta tipo “Por que não basta um ERP + SharePoint?”.

Pontos que você pode incorporar:

  • ERP (Sienge, SAP, etc.) foi desenhado para registrar transações (obras, contratos, lançamentos contábeis), não para:
    • Unificar dados estruturados e não estruturados (e-mails, WhatsApp, gravações, PDFs, imagens, nuvem de pontos).3
    • Treinar modelos de IA em histórico completo de projetos.54
  • SharePoint/Teams são ótimos repositórios/documentais, porém:
    • Não tratam grandes volumes de dados de sensores (drones, scanners, câmeras 360) de forma analítica.
    • Não oferecem engine de processamento distribuído nem catálogo de dados para IA/ML.653
  • O Lakehouse (Delta Lake em Databricks, por exemplo):
    • Combina data lake (qualquer tipo de dado) com governança e performance de data warehouse, permitindo BI e IA no mesmo lugar.65
    • Permite acoplar Power BI e ferramentas de mercado (Copilot, Tableau) sobre uma base única de dados confiáveis.54

2.2. Arquitetura de referência (alto nível)

No trecho de “Roadmap Proposto” e “Decisões-Chave” você pode ganhar precisão com uma arquitetura-alvo de 4 camadas.1

Sugestão de bullets para incorporar:

  1. Camada de Ingestão
    • Conectores/API para:
      • ERP Sienge, outros ERPs de fornecedores e bancos de custos.
      • E-mail, Teams, WhatsApp, Zoom/Teams calls, SharePoint, OneDrive.23
      • Drones, câmeras 360, scanners a laser (arquivos de nuvem de pontos / fotografias).
    • Estratégia: usar SaaS transitórios com APIs quando conveniente, sempre garantindo que o dado “termine” no Lake.431
  2. Camada de Data Lake / Lakehouse
    • Implementação em Databricks + Azure/AWS, com Delta Lake para versionamento e qualidade de dados.651
    • Catálogo único de dados (tabelas de custos, cronogramas, atas, registros de visita, nuvens de pontos, transcrições).
    • Arquitetura multi-tenant para replicar a solução de construtora para outros países e “linhas de negócio” (gerenciadora, diligências, transações).2
  3. Camada de Processamento e IA
    • Pipelines (jobs) que geram outputs específicos para:
      • Orçamentação (listas de insumos, composições, benchmarks).
      • Análise de RFP/contratos (extração de cláusulas, riscos, mudanças de escopo).
      • Geração automática de atas e relatórios de visita com base em áudio+vídeo+georreferenciamento.32
    • Lakehouse permite treinar modelos em histórico completo de projetos, não só em amostras.75
  4. Camada de Entrega (Experience)
    • Interfaces simples (Excel, Power BI, portais web, bots WhatsApp, Copilot) consumindo os outputs pré-processados.
    • Ideia central: “ninguém precisa aprender uma nova ferramenta complexa; a plataforma se adapta ao jeito de trabalhar do time”.21

2.3. Governança e segurança

Adicionar 1 parágrafo específico sobre governança de dados (isso ajuda com Ricardo/Bruno).31

  • Perfis e domínios de acesso (ex.: custos de RH, margens, dados sensíveis só para diretoria/financeiro).
  • Registro de todas as interações relevantes (decisões em WhatsApp, e-mails) dentro do contexto de cada projeto, com trilha de auditoria.3
  • Atendimento a requisitos de compliance (registros de obra, licenças, documentação de concessões).42

3. Benchmarks e argumentos de “prova de valor”

Você já cita Hapvida como case, mas pode enriquecer com benchmarks mais “genéricos” e dados de mercado para não expor demais cliente específico.23

3.1. Benchmarks de Data Lake / Lakehouse

  • Databricks Lakehouse consolidou-se como padrão de mercado justamente para cenários com múltiplas fontes de dados, grandes volumes e IA em escala, unindo lake + warehouse.56
  • Casos de modernização de plataformas de dados com Azure Data Lake + Databricks mostram:
    • Redução drástica de tempo de consultas (de semanas para horas ou minutos).
    • Capacidade de suportar múltiplos produtos de ciência de dados (feature store, modelos preditivos, relatórios analíticos) a partir da mesma base.87
  • Em setores intensivos em ativos (manufatura, logística, construção), Lakehouse permite:
    • Unir dados de ERP, sensores, documentos e imagens para otimizar planejamento e manutenção.95

Você pode sintetizar isso em 2–3 frases no memorando, para reforçar que o caminho proposto não é experimental, mas alinhado ao “state of the art”.

3.2. Benchmarks de IA em gestão de obras

Alguns números que ajudam a dar credibilidade ao business case:

  • Plataformas de “construction AI” reportam ganhos de até 58% em eficiência em funções de gestão de projeto, como rastreamento de despesas e otimização de recursos.10
  • Ferramentas especializadas em planejamento e workforce analytics conseguiram reduzir gargalos de mão de obra em torno de 10–15% por projeto, encurtando prazos.11
  • Estudos de adoção de IA em construção mostram:
    • Melhoria significativa em precisão de estimativa de custos quando os modelos são treinados em dados históricos de projetos (custos reais vs. orçados, produtividades).1210

Você pode transformar isso em bullets no memorando, associando explicitamente a Colliers:

  • “Ao usar os ~500 projetos históricos como base, a Colliers pode buscar patamares de:
    • redução de 10–15% em gargalos de mão de obra e atrasos,
    • ganhos de 50%+ em eficiência em processos de controle e reporte.”111032

3.3. Benchmarks de “ERP + Data Lake”

Para fundamentar a estratégia de Sienge + Lake:

  • Há cases em que cargas de BI e analytics foram migradas de ERPs (SAP, Salesforce, etc.) para um Data Lake central (ex.: Azure Data Lake), justamente para resolver limitação de relatórios e unificar visão de negócios.4
  • Essa combinação “ERP transacional + Lake analítico” é hoje um padrão de estratégia de dados corporativa, inclusive em indústrias de construção e materiais.124

Uma frase que você pode colocar na seção “Decisões-Chave”:

  • “A arquitetura proposta segue a boa prática global: manter o ERP como sistema transacional e mover análise avançada, IA e relatórios executivos para uma plataforma de dados (Lakehouse) independente, integrada via APIs.”41

4. Sugestão de enxerto direto no memorando (modelo de parágrafo)

Para facilitar sua edição, aqui vão 3 trechos que você pode praticamente colar/adaptar.

  1. No Resumo Executivo, após o primeiro parágrafo:12

“A nova construtora será o piloto de um modelo operacional digital para a Colliers 2.0, com meta de faturar aproximadamente R$ 100 milhões no primeiro ano de operação, operando com um pipeline de trabalho semi-autônomo, fortemente suportado por IA. A ambição é que as soluções construídas aqui sejam replicáveis para as demais linhas de negócio da Colliers no Brasil e na América Latina (gerenciadora, diligências, transações), por meio de uma plataforma de dados multi-tenant.”

  1. Na seção “Por que uma Fundação de Dados?”, ao explicar Data Lake vs. ferramentas pontuais:6531

“O Data Lakehouse (Data Lake com recursos de governança e performance de data warehouse) permite armazenar e processar dados estruturados (custos, cronogramas, medições do ERP Sienge) e não estruturados (e-mails, WhatsApp, atas, gravações de reuniões, imagens de obra, nuvens de pontos) em uma única plataforma. Esse modelo, atualmente adotado por grandes players globais, é o padrão de mercado para viabilizar projetos de IA em escala e fugir da limitação analítica dos ERPs tradicionais.”

  1. Na seção “Benefícios da Abordagem Proposta”, acrescentar um item:101112

“7. Ganhos comprovados de eficiência Plataformas de IA para construção vêm reportando ganhos de 10–15% na redução de gargalos de mão de obra e até 50%+ de eficiência em processos de controle e reporte quando a operação passa a ser orientada por dados históricos e capturas automáticas de campo. Ao usar o histórico de cerca de 500 projetos da Colliers combinado com dados da nova construtora, buscamos patamares semelhantes ou superiores.”

Footnotes

  1. Memorando_Colliers_Nova_Construtora_Digital.docx ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13

  2. 2025-01-28-Consulta_-Colliers-Nova-Construtora-Digital-Meeting-Summary.md ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13

  3. 2025-01-28-Consulta_-Colliers-Nova-Construtora-Digital-Meeting-Minutes.md ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13

  4. https://knowledgelens.com/new-launch/customer-success-stories/enterprise-and-cloud-data-lakes.html ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8

  5. https://dataforest.ai/blog/databricks-lakehouse-architecture ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9

  6. https://www.databricks.com/product/data-lakehouse ↩ ↩2 ↩3 ↩4 ↩5

  7. https://www.brillio.com/insights/case-study/building-a-scalable-data-lakehouse-architecture-with-azure-and-databricks/ ↩ ↩2

  8. https://www.linkedin.com/pulse/transforming-big-data-azure-lake-databricks-peter-krolczyk-tqk5e ↩

  9. https://www.databricks.com/blog/2023/04/04/the-lakehouse-for-manufacturing ↩

  10. https://www.openspace.ai/blog/construction-ai-for-project-management/ ↩ ↩2 ↩3 ↩4

  11. https://www.kwant.ai/blog/ai-construction-management-project-planning-2026 ↩ ↩2 ↩3

  12. https://m4erp.in/data-analysis-in-construction-erp-case-studies-and-examples/ ↩ ↩2

Visão de gráfico

Backlinks