Arquitetura medalhão é um padrão de organização de dados em três camadas (bronze, prata e ouro) em que cada camada representa um nível maior de qualidade: o dado chega bruto no bronze, é limpo e validado na prata e vira informação pronta para o negócio no ouro.
A arquitetura medalhão (do inglês medallion architecture) se tornou o padrão recomendado pelas principais plataformas de dados, como Databricks e Microsoft Fabric, para estruturar um data lakehouse. Neste guia prático, você vai entender o que entra em cada camada, quando o modelo faz sentido para a sua empresa e quais erros transformam um projeto de bronze, prata e ouro em mais uma fonte de retrabalho.
O que é arquitetura medalhão?
Arquitetura medalhão é um padrão de design de dados que melhora a estrutura e a qualidade da informação de forma incremental, à medida que ela passa de uma camada para a próxima. Por isso também é chamada de arquitetura multi-hop (em vários saltos).
A documentação oficial da Databricks define as camadas pelo nível de qualidade do dado: bronze (bruto), prata (validado) e ouro (enriquecido). A Microsoft adota o mesmo desenho e afirma que a arquitetura medalhão é a abordagem de design recomendada para o Fabric.
Em termos de negócio, a lógica é simples:
- Bronze guarda tudo como chegou, para nunca perder o original.
- Prata resolve os problemas de qualidade uma única vez, para toda a empresa.
- Ouro entrega o número que o gestor usa para decidir.
Um ponto importante: a própria Databricks descreve o padrão como uma boa prática recomendada, não uma obrigação. Ele faz sentido quando há várias fontes de dados e necessidade de rastreabilidade, e pode ser exagero para operações muito simples.
O que vai em cada camada: bronze, prata e ouro?
Cada camada tem um objetivo, um público e um tipo de tratamento diferente. A tabela abaixo resume o papel de cada uma, com base nas documentações da Databricks e da Microsoft.
| Camada | O que acontece | Quem usa | Exemplo prático |
|---|---|---|---|
| Bronze (bruto) | Ingestão do dado como veio da origem, sem limpeza | Engenharia de dados, auditoria e compliance | Exportação diária do ERP, eventos do site em JSON, planilha de metas |
| Prata (validado) | Limpeza, deduplicação, padronização de tipos e datas, junções entre fontes | Engenheiros, analistas e cientistas de dados | Tabela única de clientes conciliando CRM e ERP |
| Ouro (curado) | Modelagem dimensional, agregações e métricas de negócio | Gestores, analistas de BI, times de ML | Receita semanal por produto, margem por cliente, funil de vendas |
Camada bronze: o dado bruto como fonte de verdade
A camada bronze é a zona de pouso dos dados. Ela recebe as informações exatamente no formato da origem (tabelas, CSV, JSON, eventos de streaming) e vai crescendo de forma incremental, sem apagar o histórico.
A regra principal é limitar a limpeza ao mínimo. A Databricks recomenda armazenar a maioria dos campos como texto ou formatos flexíveis para que uma mudança inesperada no sistema de origem não faça a empresa perder dados. É comum acrescentar apenas metadados técnicos, como o nome do arquivo e a data de carga.
Por que isso importa para o gestor? Porque o bronze é o ponto de reprocessamento. Se uma regra de negócio mudar ou um erro for descoberto meses depois, a equipe reconstrói as camadas seguintes sem precisar voltar ao sistema de origem, o que muitas vezes nem é mais possível.
Camada prata: onde a qualidade do dado é construída
A camada prata é onde o dado bruto vira dado confiável. É nela que acontecem as operações de qualidade:
- validação e aplicação de esquema (tipos, formatos, campos obrigatórios);
- tratamento de nulos e valores ausentes;
- remoção de duplicidades;
- padronização de datas, moedas e códigos;
- conciliação de registros entre sistemas (o mesmo cliente no CRM e no ERP);
- tratamento de dados que chegam atrasados ou fora de ordem.
A prata mantém o dado no nível de detalhe (sem agregar), o que a torna a camada preferida de cientistas de dados para modelos preditivos. A Databricks também não recomenda gravar direto da ingestão para a prata: sempre passar pelo bronze antes evita que um registro corrompido na origem quebre todo o pipeline.
Camada ouro: o dado pronto para decisão
A camada ouro organiza os dados por domínio de negócio (vendas, financeiro, operações, RH) e entrega tabelas modeladas, geralmente em modelo dimensional, com métricas já calculadas.
É dessa camada que o Power BI, os dashboards executivos e os modelos de machine learning devem consumir. Ela costuma ter menos tabelas que as anteriores, mas tabelas mais agregadas e otimizadas para consulta rápida. Algumas empresas criam mais de uma camada ouro, uma por área, para atender necessidades específicas sem misturar regras.
Quando usar a arquitetura medalhão na sua empresa?
A arquitetura medalhão vale a pena quando a empresa tem múltiplas fontes de dados, precisa de rastreabilidade e quer reutilizar o mesmo dado tratado em vários relatórios ou modelos. Os sinais mais comuns de que chegou a hora são:
- relatórios de áreas diferentes mostram números diferentes para o mesmo indicador;
- cada analista refaz a limpeza dos dados na própria planilha ou no próprio relatório;
- a empresa precisa auditar de onde veio um número (exigência de compliance, LGPD ou auditoria contábil);
- há planos de usar IA ou machine learning sobre os dados históricos;
- o volume e a variedade de dados cresceram além do que um único banco relacional resolve bem.
Já em operações pequenas, com uma ou duas fontes e poucos relatórios, um data warehouse bem modelado pode ser suficiente. Se você ainda está decidindo onde os dados vão morar, vale ler nosso comparativo entre data lake e data warehouse antes de definir as camadas.
Como implementar bronze, prata e ouro na prática?
A implementação mais segura começa pequena: um domínio de negócio, poucas fontes e um dashboard de valor claro, expandindo depois. Um roteiro típico tem cinco passos:
- Comece pela decisão, não pela ferramenta. Defina quais perguntas de negócio a camada ouro precisa responder (por exemplo: margem por cliente, ruptura de estoque, inadimplência).
- Mapeie as fontes e leve tudo para o bronze. ERP, CRM, planilhas e APIs entram no formato original, com data de carga e origem registradas.
- Escreva as regras de qualidade da prata. Documente o que é duplicidade, qual campo identifica o cliente, como tratar nulos. Essas regras devem ser acordadas com as áreas de negócio.
- Modele o ouro por domínio. Crie tabelas fato e dimensão com as métricas oficiais da empresa, para que o Power BI consuma sempre a mesma definição.
- Automatize e monitore. Orquestre as cargas, crie alertas de qualidade e defina com que frequência cada camada é atualizada.
No Microsoft Fabric, a Microsoft sugere dois desenhos principais: criar as três camadas como lakehouses no OneLake, ou usar lakehouses para bronze e prata e um data warehouse para o ouro. A recomendação é manter cada camada em um workspace separado, para ter mais controle de governança. Os detalhes estão na documentação da Microsoft sobre arquitetura medalhão no Fabric.
Um ponto de atenção sobre custo: a frequência de atualização pesa no orçamento. Ingestão contínua (streaming) entrega menor latência, mas custa mais. Cargas agendadas ou disparadas por chegada de arquivo custam menos e atendem a maioria dos dashboards gerenciais, que raramente precisam de atualização em segundos.
Quais são os erros mais comuns na arquitetura medalhão?
Os erros mais caros em projetos de arquitetura medalhão não são técnicos: são de desenho e governança. Os mais frequentes são:
- Limpar dados no bronze. Aplicar regras de negócio na camada bruta elimina justamente o que ela tem de mais valioso: a capacidade de reprocessar a partir do original.
- Pular a prata. Levar dados do bronze direto para o dashboard parece mais rápido, mas espalha a limpeza por dezenas de relatórios e reabre o problema de “cada área com seu número”.
- Transformar o ouro em cópia da prata. Se a camada ouro tem tantas tabelas quanto a prata e nenhuma métrica de negócio definida, ela não está cumprindo seu papel.
- Regras de qualidade sem dono. Quem decide o que é um cliente ativo ou uma venda válida é o negócio, não a engenharia. Sem esse acordo, a prata vira palco de discussão infinita.
- Ignorar retenção de histórico. Guardar todas as versões de tudo para sempre aumenta o custo de armazenamento. A Microsoft recomenda definir por quanto tempo o histórico de alterações deve ser mantido em cada tabela.
- Criar camadas demais. Algumas equipes inventam “platina”, “diamante” e camadas intermediárias sem critério. Mais camadas significam mais pipelines para manter, não necessariamente mais qualidade.
O impacto de errar aqui não é pequeno. Segundo pesquisa do Gartner de 2020, a baixa qualidade de dados custa às organizações, em média, pelo menos US$ 12,9 milhões por ano. A camada prata existe justamente para atacar esse custo na raiz, uma única vez, em vez de deixá-lo se repetir em cada relatório.
Arquitetura medalhão e Power BI: como se conectam?
O Power BI deve consumir a camada ouro, onde as métricas já estão calculadas e padronizadas. Isso deixa os relatórios mais rápidos, reduz a lógica escondida em fórmulas DAX complexas e garante que diferentes dashboards usem a mesma definição de receita, margem ou churn.
No Microsoft Fabric, essa integração é nativa: as tabelas Delta da camada ouro ficam no OneLake e podem ser lidas pelo Power BI sem cópias adicionais. Em ambientes Databricks, o caminho mais comum é expor o ouro via SQL para o Power BI. Em ambos os casos, o princípio é o mesmo: o relatório mostra o dado; quem trata o dado é a arquitetura.
A arquitetura medalhão é uma peça de algo maior: a arquitetura de dados da empresa, que define também ingestão, governança, segurança e consumo. Antes de escolher plataforma, vale entender em que nível de maturidade de dados sua empresa está hoje.
Perguntas frequentes sobre arquitetura medalhão
Arquitetura medalhão é a mesma coisa que data lakehouse?
Não. O lakehouse é a plataforma que combina data lake e data warehouse. A arquitetura medalhão é a forma de organizar os dados dentro desse lakehouse, em camadas de qualidade crescente.
Preciso de Databricks ou Microsoft Fabric para usar a arquitetura medalhão?
Não. O padrão foi popularizado por essas plataformas, mas o conceito de bronze, prata e ouro pode ser aplicado em outros ambientes de nuvem ou até em bancos relacionais, com schemas separados para cada camada.
Qual a diferença entre a camada prata e a camada ouro?
A prata guarda o dado limpo e no nível de detalhe, útil para análises profundas e modelos de ML. A ouro guarda o dado agregado e modelado por área de negócio, pronto para dashboards e decisões.
Toda empresa precisa de arquitetura medalhão?
Não. A própria Databricks trata o padrão como boa prática, não como obrigação. Ele compensa quando há várias fontes, necessidade de auditoria e reutilização do mesmo dado em muitos relatórios.
Quanto tempo leva para implementar bronze, prata e ouro?
Depende do número de fontes e da qualidade dos dados de origem. Começar por um único domínio de negócio, com poucas fontes, permite entregar valor em semanas e expandir de forma gradual.
Comece pelo diagnóstico, não pela camada
A arquitetura medalhão funciona quando nasce de uma pergunta de negócio clara e de regras de qualidade acordadas com as áreas. Sem isso, bronze, prata e ouro viram apenas três lugares diferentes para guardar o mesmo problema.
A beAnalytic desenha e implementa arquiteturas de dados com camadas medalhão para empresas de médio e grande porte, do lakehouse ao dashboard em Power BI. O primeiro passo é o Diagnóstico de Maturidade, que mapeia suas fontes, gargalos de qualidade e prioridades antes de qualquer escolha de plataforma. Agende o Diagnóstico de Maturidade em dados da beAnalytic e descubra por onde começar.
Daniel Luz
CEO da beAnalytic. Na liderança da empresa há mais de 6 anos, minha missão é transformar a forma como as organizações enxergam e utilizam dados para tomar decisões estratégicas. Ajudo empresas a destravar insights valiosos, impulsionar eficiência operacional e gerar impacto financeiro real, com uma equipe especializada em Business Intelligence, Engenharia de Dados e Machine Learning.
- marconi
- marconi
- marconi
- marconi
