Operações e Gerenciamento de → Dashboard métricas e relatórios

Dashboard métricas e relatórios

1) Destino e abrangência

• Instantâneo de saúde dos sistemas e P&L,
• detecção precoce de desvios,
• transparência para o manual e comandos,
• unificação de indicadores para produtos, mercados e regiões.

Abrangência: métricas operacionais (SLA, incidentes), produtos (atividade, conversão), financeiras (GGR/NGR, ARPU, LTV), marketing (CAC, ROMI), risco e complacência (KYC/AML, marceback, fraude), suporte (SNI) LA tíquetes).

2) Papéis e consumidores

C-level/Diretoria: KPI sumário, tendências de metas OKR, P&L, riscos.
Operações/NOC: farmácia serviços, alertas, filas de tarefas, incidentes.
Produto/Growth: vórtices, A/B, análise de linha, retenção.
Finanças: relatórios diurnos/semanais de receitas e despesas, cortes fiscais.
Complacência/Risco: estados KYC, pattern suspeitos, relatórios para o regulador.
Suporte: SLA respostas, NPS/CSAT, tipologia de acessos.

• Accountable: Proprietário de Dashbord (Head of Ops/Analytics).
• Resolvível: Comando de dados/BI.
• Consulted: Produto, Finanças, Risco, SRE.
• Informed: Gerentes de áreas.

3) Arquitetura de dados e atualizações

Fontes: Eventos (strim), OLTP BD, logs, provedores de pagamentos, CRM/Helpdesk, plataforma A/B.
Camada de processamento: ETL/ELT, streaming (para T-15-T + 5 minutos), dedução, validação de esquema, SCD.
Modelo: estelar (dado da tabela de eventos/transações + medição: tempo, região, produto, canal).

• Real tempo: 1-5 minutos (operacionais, alertas).
• Batch Aumentativo: 15-60 minutos (marketing/produto).
• Batch diária de encerramento: 01: 00-03: 00 (finanças/complicações).
• Qualidade de dados: regras de validação (abrangência, exclusividade, faixas válidas), monitoramento de atrasos de piplins, controle de drible.

4) Catálogo KPI e fórmulas (modelo)

4. 1 Operações/SRE

Farmácia (%) = 1 - (tempo de inatividade/tempo total) x 100

MTTR (Mean Time To Restore)

MTTA / MTTD (Mean Time To Acknowledge / Detect)

Erro de consulta (%) = erros _ 5xx/todas as consultas

4. 2 Produto/Comportamento

DAU/WAU/MAU

Retention D1/D7/D30

Conversion Funnel: Visit → Sign-up → KYC → Deposit → First Action

ARPPU = receita/usuários pagantes

LTV (t) = (margem média do período x probabilidade de retenção)

4. 3 Marketing/Crescimento

CAC = custos de marketing/número de novos pagantes

ROMI = (margem adicional - gastos )/gastos

CR por canais (SEO/ASO/Ads/Affiliates), Cohorts por data de contratação

4. 4 Finanças

GGR (receita bruta)

NGR = GGR - bónus - comissões de provedores - impostos sobre jogos

Net Margin = (NGR - OPEX - CAPEX - Processamento )/NGR

4. 5 Risco/Complaens

KYC Complition (%) = novos registros/comprovados

SAR Rate (atividades suspeitas)

Marceback Rate = charjbeks/transações bem sucedidas

Fraud Score Médio/Percêntrico

4. 6 Suporte

SLA ответов (P1/P2/P3), First Response Time, CSAT/NPS, Backlog Size

5) Arquitetura de informação dashbord

Inicial (Executive): 8-12 cartões-chave + sparkline, cartões-calor por região, tendências YTD/MTD/WoW.
Painel operacional (Command Center): farmácia, alertas, filas, incidentes, desempenho API, atrasos ETL.
Produto/Crescimento: vórtices, grades, segmentos, A/B-MB (métricas de efeito).
Finanças: GGR/NGR, margem de provedores/mercados, pagamentos, processamento, impostos.
Risco/Complaens: KYC, anomalias, bandeiras de frod, relatórios para o regulador.
Suporte: SLA, volume de acessos, tipologia, tíquetes repetidos, VOC.

Navegação: filtros globais (período, região, produto, plataforma, canal), presídios rápidos (Hoje/Ontem/MTD/QTD/YTD), botão «Drill-through» em detalhes.

6) Widgets e modelos de visualização

Cartão KPI: Valor atual, Valor para o período anterior, Mini-Sparline, Status (green/amber/red).
Vórtice de conversão: lista de bar por estágio, conversão entre passos, largada (%).
Matriz de linha, retenção semanal/mês, escala térmica.
Tempo da série: valores diurnos/horários com limites de controle (£2gm).
Top N tabela: provedores/canais/regiões com contribuição para KPI, clicabável drill-down.
Mapa térmico dos incidentes, densidade por serviço x tempo.
Sanção/Flow: fluxo de usuários/dinheiro entre as etapas.
Geo-map: KPI por país/região, camada de restrições.

7) Sinais, alertas e liminares

Tipos: informação, aviso, crítica.
Liminares estáticos (rígidos) + dinâmicos (sazonalidade e variações históricas).
Modelos de notificação: resumidamente «o que aconteceu», contexto (intervalo, tendência), hipóteses de causa, referência ao painel detalhado, proprietário do incidente.
Deduplicação de alertas - supressão de «bursters», agrupamento de sinais relacionados.
SLO alerting: MTTA ≤ 5 min (crítica) , MTTR ≤ 30-60 min.

8) Acesso e segurança

RLS/CLS (Row/Column Level Security): filtros por região e jurisdição.
PII/finded: camuflagem e toquenização, acesso mínimo necessário.
Quem estava a ver o que estava a descarregar, os filtros que estava a usar.
Versionagem de artefatos: Git para visualizações SQL/e dicionário de métricas.

9) Regulamentos de relatórios

Diariamente (D-reports): corte operacional, incidentes, GGR/NGR, delta-chave.
Semanalmente, retenções, canais de atração, ROMI, frod-digest.
Mensalmente: P&L, relatórios de linha, KPI contra alvos OKR, relatórios complicados.
A pedido: relatórios para reguladores/auditoria, resultados A/B, pós-mortem.

Todos os relatórios são formados a partir de um único dicionário de métricas e um único modelo de dados - nenhum Excel manual com verdade alternativa.

10) Implementação: passo a passo

1. Inventário de métricas: recolher KPI atuais, eliminar duplicações/conflitos.
2. Dicionário de métricas: ID, fórmula, proprietário, fontes, frequência, liminares.
3. Modelo de dados: factos/medidas, SCD, unidades, cronologia.
4. Sly, estirpe para as métricas quentes, batch para as finanças.
5. Low-fi, high-fi, alinhamento com os papéis.
6. RLS/CLS e privacidade: acessibilidade, camuflagem, auditoria.
7. Alerting: regras, liminares, canais (bate-papo, correio, PagerDuty etc.).
8. Piloto e beta: 2-4 semanas por vertical (por exemplo, Operações), coleta de fidback.
9. Treinamento e playbook: vídeos curtos/hyde, modelos de pesquisa.
10. Melhoria contínua de backlog melhorias, lançamento de notas.

11) Anti-pattern

«Jardim zoológico», dezenas de versões de um KPI sem um único dicionário.
Relatórios manuais: instabilidade, riscos de erro e vazamento de PII.
«Ruído de informação» é um detalhe excessivo na tela principal.
Alert spam, falta de priorização e dedução.
Sem o dono da métrica, responsabilidade desmedida → verdade controversa.

12) Folhas de cheque

Antes do lançamento do dashbord

• KPI estão alinhados, descritos e possuem proprietários
• As unidades de medida e as zonas de tempo são unificadas
• RLS/CLS configurados, PII mascarado
• Liminares de alertas testados em dados históricos
• Carga e atualizações SLA testadas
• Onboarding-hyde e changelog publicados

Serviço mensal

• Rever dicionário de métricas (alterações, novas métricas)
• Validação de fontes e atrasos de piplins
• Retrospectiva de alertas (falsos/omitidos)
• melhorias OX: velocidade, filtros, presídios

13) Exemplos de SQL/lógica (simplificado)

ARPPU (diurno)

sql
SELECT d::date AS day,
SUM(revenue) / NULLIF(COUNT(DISTINCT CASE WHEN pay_count > 0 THEN user_id END), 0) AS arppu
FROM daily_user_finance
GROUP BY 1;

Grade de registro (MAU Retenção M1)

sql
WITH cohorts AS (
SELECT user_id, date_trunc('month', signup_at) AS cohort_month
FROM users
),
activity AS (
SELECT user_id, date_trunc('month', activity_at) AS active_month
FROM user_activity
)
SELECT cohort_month,
COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month) AS m0,
COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month + INTERVAL '1 month') AS m1,
ROUND(100. 0 COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month + INTERVAL '1 month')
/ NULLIF(COUNT(DISTINCT user_id) FILTER (WHERE active_month = cohort_month),0), 2) AS m1_retention_pct
FROM cohorts c
LEFT JOIN activity a USING (user_id)
GROUP BY 1
ORDER BY 1;

Alert à anomalia GGR (dia a dia)

sql
SELECT today. ggr,
yesterday. ggr,
(today. ggr - yesterday. ggr) / NULLIF(yesterday. ggr,0) AS delta
FROM revenue_daily today
JOIN revenue_daily yesterday ON yesterday. day = today. day - INTERVAL '1 day'
WHERE today. day = CURRENT_DATE
AND ABS((today. ggr - yesterday. ggr) / NULLIF(yesterday. ggr,0)) > 0. 25;

14) Localização e região multi

Taxonomia unificada de países/jurisdições, moedas, IVA/impostos de jogo.
Conversão de moedas de acordo com as regras fixadas (end-of-day vs average).
Fuso horário: armazenar UTC, visualizar no local do usuário.
Relatórios de regulação: modelos + configuração para o país.

15) Indicadores de qualidade do próprio dashbord

Coverage: proporção de KPI chave disponíveis no painel.
Freshness SLA: proporção de atualizações na janela declarada.
Adução: MAU dashbord, profundidade das sessões, precondições salvas.
Decision Lag: Tempo médio de alert até a ação.
Accuracy: proporção de divergências concordadas <limite permitido.

16) Resultado

Dashboard métricas e relatórios não são um conjunto de gráficos bonitos, mas uma ferramenta de gestão com um único dicionário de métricas, modelo de dados sustentável, SLA claro e responsabilidade. A sua missão é acelerar a tomada de decisões, reduzir os riscos operacionais e aumentar a previsibilidade do resultado.