Voltar ao blog
Logical Data Management
11/11/2026

Virtualização de dados mudou de nome: o que avaliar além do rótulo

M

Marketing FinanceIT

Virtualização de dados mudou de nome: o que avaliar além do rótulo

Quem procura hoje uma ferramenta de "virtualização de dados" encontra o termo em menos listas do que encontrava há alguns anos. A necessidade continua a mesma: consultar dados espalhados por vários sistemas sem copiar tudo para um único lugar. O nome é que mudou.

Essa troca de nome pode confundir a decisão. Se o rótulo da categoria muda, a avaliação precisa se apoiar em critérios mais estáveis do que o nome que cada fornecedor dá ao próprio produto.

O que mudou no nome da categoria

No Gartner Peer Insights, a categoria aparece agora como Data Virtualization (Retired), com a indicação de que foi aposentada em 22 de abril de 2026. O guia de mercado do Gartner sobre o tema também aparece como aposentado na mesma página.

Isso não quer dizer que a técnica acabou. Uma análise do site Data Warehouse Info sobre consulta federada em arquiteturas modernas observa que o que se chamava "virtualização de dados" nos anos 2010 se sobrepõe quase por completo ao que os motores nativos de nuvem hoje chamam de consulta federada ou tabelas externas.

Ao mesmo tempo, outros nomes ganharam espaço. A ISG Research projeta que, até 2028, três quartos das empresas vão adotar tecnologias de data fabric para gerenciar dados em várias plataformas e ambientes de nuvem. A projeção está numa análise da ISG sobre a plataforma Denodo, fabricante que hoje se posiciona como gestão lógica de dados.

Nomes parecidos, escopos diferentes

Os três rótulos têm a mesma base, mas não cobrem o mesmo escopo. A consulta federada é a capacidade técnica de executar uma única consulta sobre várias fontes. A gestão lógica de dados e o data fabric costumam somar a isso catálogo, metadados, governança e camada semântica.

A própria ISG registra essa ampliação: segundo a análise, a Denodo foi além da virtualização e passou a abranger gestão de metadados, governança, integração com a nuvem e acesso de autoatendimento. Por isso, duas ferramentas com o mesmo rótulo podem entregar coisas bem diferentes.

Critério 1: quais fontes precisam ser conectadas

O ponto de partida é o inventário: bancos transacionais, data warehouse, data lake, aplicações SaaS, planilhas. Vale verificar se há conectores nativos para cada uma e como o produto lida com fontes que ninguém pode copiar por restrição regulatória ou contratual.

O Data Warehouse Info aponta que a virtualização funciona bem para acesso exploratório, para dados consultados com pouca frequência e para casos em que copiar o dado não é permitido.

Critério 2: onde a governança é aplicada

Uma camada de acesso única pode concentrar regras de permissão, mascaramento e auditoria, em vez de repeti-las em cada sistema. A pergunta prática é se essas políticas valem para todos os consumidores, inclusive ferramentas de BI, notebooks e aplicações de IA.

Também vale perguntar se existe catálogo com linhagem e definições de negócio. Sem isso, a camada lógica dá acesso ao dado, mas não explica o que ele significa.

Critério 3: desempenho e custo por consulta

A consulta federada tem limites conhecidos. Segundo o Data Warehouse Info, uma consulta que precisa trazer grandes volumes de uma base operacional para completar uma junção fica lenta e sobrecarrega a origem. Por isso, a capacidade de levar filtros até a fonte (o chamado pushdown) e as estratégias de cache pesam na escolha.

O custo também se acumula: crédito do warehouse, cobrança por dado lido e carga sobre os sistemas de origem entram em cada consulta. A mesma fonte observa que a maioria dos ambientes em produção combina integração materializada e consulta federada, conforme a carga de trabalho.

Critério 4: como a IA vai consumir os dados

Modelos e agentes de IA precisam de dados encontráveis, descritos e governados. Na análise da ISG, a versão 9.5 da plataforma Denodo trouxe melhorias em usabilidade, governança, desempenho e prontidão para IA, sinal de que a categoria passou a ser avaliada também por esse uso.

Na prática, vale testar se a camada expõe metadados e contexto de negócio de forma que uma aplicação de IA consiga interpretar, e se as permissões continuam valendo quando quem consulta é um agente, e não uma pessoa.

Quando a camada lógica não é necessária

Nem todo ambiente precisa dela. O Data Warehouse Info lembra que uma equipe com um único warehouse em nuvem e transformações já organizadas dentro dele, em geral, já tem o que precisa. A camada lógica faz mais sentido quando os dados estão espalhados por várias plataformas e a consolidação física fica cara ou inviável.

Vale registrar que a Financeit é parceira da Denodo e que a projeção sobre data fabric vem de uma análise de mercado centrada em um fornecedor. Os critérios acima servem para comparar qualquer opção.

Por onde começar

Um caminho prático é escolher um caso de uso real, com três ou quatro fontes e um consumidor definido, e usá-lo como teste. Nele, a equipe pode verificar conectores, aplicação de políticas, tempo de resposta, carga nas origens e o comportamento com uma aplicação de IA. A comparação com dados próprios mostra muito mais do que o nome da categoria. Se precisar de apoio nesse diagnóstico, a equipe de estruturação de dados da Financeit pode ajudar a montar o teste.

Fontes