Conversar sobre seu caso LinkedIn
Consultoria em Dados & Business Analytics

Dados em que a diretoria confia.

A S³ Labs conecta a pergunta de negócio à engenharia de dados: modelagem auditável, painéis que sustentam decisão e automação que devolve tempo ao seu time. Conduzido do diagnóstico ao handover pelo próprio fundador.

Conversar sobre seu caso Ver cases
JAN JUN DEZ
01 O ponto de partida Você reconhece algum destes?

O problema quase nunca aparece como problema de dados.

01

Três relatórios, três números diferentes

A mesma métrica aparece com valores distintos em cada área, e a reunião virou uma discussão sobre qual planilha está certa — não sobre a decisão.

02

O time monta o relatório em vez de analisar

Boa parte da semana vai em extrair, copiar e formatar. A análise, que é o trabalho de verdade, fica para o final — quando sobra tempo.

03

Ninguém sabe de onde veio o número do slide

A métrica existe, mas não tem dono, nem definição escrita, nem caminho de volta até a origem. Quando alguém questiona, não há resposta.

04

A decisão espera um dado que nunca fica pronto

O projeto se arrasta sem entregar nada utilizável, e no fim a decisão é tomada por intuição — exatamente o que o projeto queria evitar.

Se você reconheceu mais de um, o gargalo provavelmente não é a ferramenta que você usa. É a camada que deveria existir entre o dado bruto e a decisão.

02 Abordagem Por que projetos de dados falham

Quase nenhum problema de dados começa técnico.

Na maior parte dos casos a ferramenta funciona bem. O que falta é anterior a ela: uma pergunta de negócio bem formulada, uma métrica com dono e definição e uma base que alguém auditou de verdade.

Cheguei a essa conclusão pelo caminho mais longo. Passei anos em controladoria, FP&A, pricing e revenue management — do lado de quem precisa olhar um número e decidir o que fazer com ele na segunda-feira. Vi de perto o custo de decidir sobre um dado que ninguém validou.

Foi por isso que migrei para engenharia e análise de dados: para resolver o problema onde ele nasce, em vez de maquiar o sintoma num gráfico bem desenhado. É esse repertório duplo — negócio e engenharia — que a S³ Labs coloca à mesa.

Dado que ninguém confia não é ativo, é passivo.
Meu trabalho é virar essa conta.
03 Método Um entregável por etapa

Cada fase fecha com algo que você usa, mesmo se o projeto parar ali.

Sem projeto de seis meses que só mostra resultado no fim. O escopo é fechado depois do diagnóstico, não antes — porque antes seria chute.

ETAPA 01

Diagnóstico

Começo pela decisão que precisa ser tomada, não pela ferramenta. Mapeio fontes, processos, donos e o que já existe funcionando.

Entregável
Diagnóstico + escopo fechado
ETAPA 02

Arquitetura & modelagem

Desenho as camadas e o modelo de dados, com testes automatizados e documentação nascendo junto do código — não depois.

Entregável
Modelo versionado em dbt/SQL
ETAPA 03

Entrega & validação

Construo o painel ou a automação sobre o modelo pronto, validando número por número com quem vai usar aquilo para decidir.

Entregável
Painel em produção
ETAPA 04

Autonomia & handover

Documentação, treinamento e transferência de conhecimento. O objetivo declarado é o seu time não depender de mim depois.

Entregável
Time autônomo + documentação
04 Frentes de atuação Onde o método se aplica

Seis frentes, uma régua: precisa sustentar decisão.

FRENTE 01

Analytics Engineering

Transformo dados crus em modelos confiáveis, testados e documentados — a base que todo painel honesto exige.

  • Modelagem dimensional e camadas
  • dbt com testes, lineage e documentação
  • Versionamento em Git e revisão de código
dbtSQLDuckDB
FRENTE 02

BI & dashboards

Painéis que respondem perguntas e cabem na rotina de quem decide, sem poluição visual e sem métrica órfã.

  • Power BI, Metabase, Tableau, Looker Studio
  • Definição de KPIs e dicionário de métricas
  • Storytelling e desenho de leitura
Power BIMetabaseDAX
FRENTE 03

Pipelines & automação

Integração de ponta a ponta: o dado chega no lugar certo, na hora certa, sem ninguém apertando botão.

  • ETL/ELT e orquestração de cargas
  • Databricks, Snowflake e Spark
  • Automação de relatórios recorrentes
DatabricksSparkPython
FRENTE 04

FP&A & analytics financeiro

O diferencial da casa: anos de controladoria por trás da análise. Falo a língua do CFO e a do engenheiro.

  • DRE gerencial, rentabilidade e break-even
  • Pricing e revenue management
  • Orçamento, forecast e análise de desvios
DREPricingForecast
FRENTE 05

IA aplicada

IA onde ela paga a conta: classificar, prever e resumir volumes que nenhum time daria conta de ler à mão.

  • NLP e classificação de feedbacks
  • Modelos preditivos — churn, propensão, risco
  • IA generativa dentro do fluxo analítico
NLPGenAIPython
FRENTE 06

Diagnóstico & governança

Antes de construir, medir. Auditoria da base atual e treinamento para o time seguir sozinho depois da entrega.

  • Auditoria de qualidade e consistência
  • Governança, documentação e dicionário
  • Treinamento e mentoria de times
Data QualityGovernançaMentoria
05 Cases Código aberto e demo navegável

Método é conversa. Execução é isto.

Projetos construídos com dados demonstrativos para mostrar execução de ponta a ponta — do dado cru à decisão. Cada um tem repositório público, então você pode auditar o trabalho, não só ler sobre ele.

Analytics Engineering Dashboard executivo de e-commerce construído em Metabase

Stack dbt + Metabase

Pipeline analítico completo, do dado cru ao painel executivo: modelagem em dbt sobre DuckDB, testes automatizados e visualização em Metabase.

4Camadas modeladas
100%Modelos testados
1Comando p/ reproduzir
dbtDuckDBMetabaseSQL
GitHub ↗
IA & NLP Dashboard de Voice of Customer com análise de sentimento

Voice of Customer

Classificação automática de feedbacks com NLP para extrair sentimento e tópico, substituindo a leitura manual de milhares de comentários.

−90%Tempo de análise
AutoSentimento e tópicos
LiveDemo publicada
Power BIPythonNLPDatabricks
GitHub ↗
Machine Learning Painel de predição de churn de clientes

Churn Prediction

Modelo preditivo que ranqueia clientes por risco de evasão e aponta o motivo, transformando a lista em ação de retenção.

−18%Evasão potencial
SparkEm escala
PythonSparkPlotly
GitHub ↗
Financeiro Análise de DRE por ponto de venda

DRE por PDV

Análise autônoma dos ofensores da DRE por ponto de venda, com plano de ação sugerido para cada unidade.

AutoDiagnóstico
PDVGranularidade
PythonPlotlyETL
GitHub ↗
Produto Base Clara, ferramenta de diagnóstico de qualidade de dados

Base Clara

Ferramenta gratuita que diagnostica a qualidade de um CSV/XLSX antes da análise — sem upload: o arquivo não sai da máquina.

0Dados enviados
FreeSem cadastro
Data QualityClient-side
Abrir ↗
Todos os repositórios no GitHub
06 Quem conduz Do primeiro e-mail ao handover

Dez anos entre o número e a decisão.

Sou Mário Schenkel, fundador da S³ Labs. Minha formação é em Administração, com MBA em Administração de Banco de Dados — e essa combinação não é acidente: ela descreve exatamente o lugar onde eu trabalho, no cruzamento entre a área que decide e a que constrói.

Atendi banco, SaaS de capital aberto, meios de pagamento e educação. São setores com réguas de rigor muito diferentes, e passar por todos ensinou a distinguir o que é exigência real de negócio do que é preferência de quem pediu o relatório.

Trajetória

Mar 2025 — Fev 2026
Data Analyst Paraná Banco S/A

Tradução de necessidades das áreas de negócio em modelagens e painéis de performance de jornadas de marketing, atuando como interface direta com stakeholders.

Jun 2023 — Jan 2025
Data Analyst & Senior Controllership Analyst Zenvia

Projetos de dados com integração de IA e construção de painéis em Metabase e Tableau para análise financeira numa operação SaaS de capital aberto.

Ago 2022 — Jun 2023
Controller Data Analyst Saque e Pague

Desenvolvimento e automação de relatórios e pipelines em Power BI e SQL, sustentando as métricas estratégicas de um negócio de meios de pagamento.

Jun 2018 — Ago 2022
Controllership Specialist Universidade Feevale

Integridade e confiabilidade das informações financeiras e suporte à gestão em projetos de controladoria — onde a régua de "número confiável" foi calibrada.

FORMAÇÃO

Formação & certificações

  • Administração de Empresas — Unisinos (2015–2020)
  • MBA em Administração de Banco de Dados — FAMESP (2022–2023)
  • Power BI para Business Intelligence e Data Science
  • Fundamentos de Python para Análise de Dados
COMPETÊNCIAS

Onde sou mais forte

SQL & modelagemEspecialista
Power BI & DAXEspecialista
FP&A & controladoriaEspecialista
Analytics engineering (dbt)Avançado
Python & automaçãoAvançado
07 Como contratar Três formatos

O formato sai da conversa, não de um cardápio pronto.

Formato 01 · 1 a 2 semanas

Diagnóstico

Auditoria da base e do que já existe, com relatório de achados e recomendações priorizadas.

Para quem precisa saber o tamanho do problema antes de decidir quanto investir.

Formato 02 · 2 a 10 semanas

Projeto com escopo fechado

Entrega e prazo definidos: modelagem, painel ou automação, com handover e documentação.

Para quem já sabe o que precisa e quer prazo e preço fechados.

Formato 03 · recorrente

Alocação parcial

Algumas horas por semana com continuidade, evoluindo o que já está em produção.

Para quem precisa de capacidade analítica sem abrir uma vaga.

Perguntas frequentes

Você descreve o problema pelo formulário e eu respondo em até 24 horas úteis com uma primeira leitura. Se fizer sentido, marcamos uma conversa de 30 a 45 minutos, sem custo, para entender o contexto. Só depois disso eu proponho escopo e valor — nunca antes de entender o problema.
Sim, e essa é a preferência. Se a empresa já roda Power BI, Metabase, Tableau ou Looker, eu construo em cima disso. Troca de ferramenta só entra na mesa quando o custo da migração é claramente menor que o custo de continuar — e nesse caso eu mostro a conta antes de recomendar.
Depende do estado da base, que é justamente o que o diagnóstico revela. Como referência: diagnóstico, de 1 a 2 semanas; painel sobre dados já organizados, de 2 a 4 semanas; modelagem completa com dbt e handover, de 6 a 10 semanas. Como cada fase entrega um artefato utilizável, você não espera o fim para ver valor.
Assino NDA sem burocracia e trabalho preferencialmente dentro do ambiente do cliente, com os acessos mínimos necessários. Todos os cases publicados aqui usam dados demonstrativos ou sintéticos — nenhum dado real de cliente aparece neste site, e essa regra não tem exceção.
Hoje sou eu, e a transparência sobre isso é proposital. A S³ Labs é a estrutura pela qual atuo como consultor independente: você fala com quem executa, do primeiro e-mail ao handover — sem camada comercial no meio e sem projeto repassado para um júnior. Para demandas que exigem mais mãos, componho com parceiros de confiança e digo isso abertamente antes de começar.
Isso já é parte do método, não um adicional. A etapa de handover inclui documentação e treinamento, porque um entregável que só eu consigo operar é um problema novo em vez de uma solução. Para times que querem ir além, também presto mentoria e capacitação como frente própria.
Próximo passo

Me conte qual decisão está travada por falta de dado confiável.

Resposta em até 24 horas úteis. A conversa inicial não tem custo nem compromisso.

Envie uma mensagem

Seus dados são usados apenas para responder este contato. Prefere e-mail direto? schenkel.mario@hotmail.com

Falar no WhatsApp