Ferramentas e Tech Stack do Analista de Negócios: O Guia Honesto do Comprador 2026

Participei de uma reunião de finanças no último trimestre onde uma empresa Série C percebeu que estava pagando R$70K por mês por um data stack que produzia exatamente um painel semanal. Conta do Snowflake: R$24K. Fivetran: R$15K. Looker: R$22K. Uma licença de "catálogo de dados": R$9K. O painel tinha 11 visualizadores. Três deles eram a equipe de dados.

Esse é o problema moderno de ferramentas de BA em um slide. Não "não temos ferramentas suficientes." Não "precisamos de insights com IA." Temos ferramentas demais, a maioria duplicada, e o trabalho de cortar não é de ninguém.

Este guia é a versão opinativa de como um stack real de BA se parece em 2026. Preços reais. Trade-offs reais. A versão do deck de vendas deste artigo seria oito vezes mais longa e não te diria nada. Vou te dizer o que comprar, o que pular e como auditar um stack que já saiu dos trilhos.

O problema do BA com excesso de ferramentas

Entre em qualquer empresa SaaS de 200 pessoas e você encontrará basicamente o mesmo stack: um warehouse, uma ferramenta de ELT, dbt, dois BI tools, um produto de notebook, um "catálogo de dados", uma ferramenta de reverse-ETL que ninguém documentou e Slack como o intake de solicitações de fato. Conta total: em algum lugar entre R$40K e R$120K por mês. Valor de negócio total: um painel semanal de receita e três CSVs que o CFO envia por e-mail para si mesmo.

Já assisti três empresas passarem exatamente por esse padrão. A correção nunca é "compre uma ferramenta melhor." A correção é sempre "corte três ferramentas e faça as quatro que restam cumprirem seu trabalho."

O motivo pelo qual os BAs chegam aqui é estrutural. Fornecedores vendem para gestores de engenharia e líderes financeiros. Ninguém vende "delete essa ferramenta que você comprou no ano passado." Então o stack se acumula. Todo trimestre alguém adiciona uma. Ninguém remove. Depois de três anos você tem um museu.

O seu trabalho, especialmente se você é o BA sênior ou Líder de BI, é ser a única pessoa que remove coisas.

Os 6 Essenciais: O Que um Stack Real de BA Realmente Precisa

Seis categorias. Só isso. Se o seu stack tem mais de seis ferramentas fazendo trabalho de analytics, duas delas são redundantes.

1. Data warehouse

Esse é o alicerce do seu stack. Erre aqui e tudo acima estará alugado do proprietário errado.

Snowflake: baseado em uso, aproximadamente R$10-20 por crédito dependendo do seu nível. O pitch é "escala elástica." A realidade é que é muito fácil queimar R$25K por mês em queries ruins escritas por analistas que não sabem o que SELECT * faz em uma tabela de 4TB. Já vi contas do Snowflake dobrarem em um trimestre porque alguém deixou um extract do Tableau atualizando a cada 15 minutos contra uma tabela fato de 200 milhões de linhas. Ótimo produto. Perigoso se você não monitorar custos de queries semanalmente.

BigQuery: precificação por demanda a aproximadamente R$32 por TB escaneado. Se você tem menos de 1TB de dados e já está no Google Cloud, essa é a escolha óbvia. Previsível, barato, sem cluster para gerenciar. A desvantagem é que quando você escala além de alguns TBs o custo por query fica visível e as pessoas começam a reclamar. Mude para slots de taxa fixa nesse ponto ou migre para Snowflake.

Redshift: mais barato que Snowflake em escala se você já está fundo no AWS. Operacionalmente trabalhoso. Você vai gastar tempo real ajustando sort keys e agendamentos de vacuum. Escolha isso apenas se sua função de engenharia de dados é madura e está presa no AWS. Uma equipe de BA de dois pessoas não deveria estar rodando Redshift.

A escolha honesta: BigQuery abaixo de 1TB. Snowflake de 1TB a 50TB. Redshift somente se você já vive no AWS e tem alguém cujo trabalho real é "infraestrutura de dados."

2. ELT / ingestão

Colocar dados no warehouse. Essa é a linha de item que mais surpreende os CFOs.

Fivetran: de R$5K a R$50K+ por mês dependendo do MAR (Monthly Active Rows). Rápido de configurar, ampla biblioteca de conectores, bem engenheirado. Também é a linha de item que dobra a cada seis meses se você não monitorar o que está sincronizando. A armadilha: Fivetran autodescobre tabelas e começa a sincronizá-las. Você acorda uma manhã e está pagando por 200 objetos customizados do Salesforce que ninguém consulta. Audite suas configurações de sincronização a cada trimestre ou pague o imposto.

Airbyte: open-source, auto-hospedado gratuito, versão Cloud em torno de R$12 por crédito. A qualidade dos conectores é desigual. Os populares (Postgres, Stripe, Salesforce, Hubspot) são sólidos. A cauda longa é variável. Se você tem um engenheiro disposto a cuidar do deploy, a versão auto-hospedada é genuinamente gratuita. Se não tem, Cloud está bem, mas você está pagando por um Fivetran menos polido.

A escolha honesta: Fivetran para os 8 conectores que realmente importam (Salesforce, Hubspot, Stripe, NetSuite, Postgres, seu banco de dados de produto, Zendesk, Marketo). Airbyte para a cauda longa onde o preço por conector do Fivetran faz você hesitar. Rode-os lado a lado; ninguém tem cartão de fidelidade de fornecedor.

3. Transformação

Essa é a camada onde dados brutos se tornam algo em que um humano pode confiar.

dbt Core: gratuito. Você mesmo executa. Você escreve modelos em SQL, o dbt cuida da resolução de dependências, testes e lineage. A ressalva é que "você mesmo executa" significa agendamento, logging, alertas, gerenciamento de segredos e um IDE que ninguém ama. Uma equipe de dois que escolhe dbt Core para "economizar dinheiro" geralmente perde de 8 a 10 horas por semana com trabalho de operações.

dbt Cloud: R$250-1500 por desenvolvedor por mês para o IDE básico, mais no Enterprise. Uma vez que sua equipe tem mais de dois desenvolvedores, isso se paga na primeira semana. O agendador hospedado, o IDE, a integração com CI, o site de documentação hospedado. É o raro preço de SaaS onde a matemática é óbvia.

dbt não é negociável. Digo isso claramente: se o seu stack não tem dbt ou um equivalente direto (SQLMesh é a única alternativa real, e está em estágio inicial), você não tem lineage, não tem testes e seu "data warehouse" é uma pilha de stored procedures com passos extras. Escolha a camada. Pague pela versão Cloud assim que passar de dois desenvolvedores.

4. BI

A ferramenta de painéis. Onde a maior parte do sangramento de orçamento e das brigas políticas vivem.

Looker: precificado como Enterprise, mínimo anual de R$250K+, muitas vezes seis dígitos anuais até o segundo ano. O pitch é governança: LookML permite definir métricas uma vez e reutilizá-las. A realidade é que LookML é uma linguagem de programação que apenas a equipe de BA escreve, usuários de negócios ainda não sabem o que é um "explore" e você está preso no roadmap do Google. Looker é a escolha certa se você já está preso ou se precisa de governança semântica genuinamente rigorosa com 100+ assentos de analista. Caso contrário, é exagero.

Tableau: R$375 por Creator por mês, R$210 por Explorer, R$75 por Viewer. O líder de mercado por uma razão. Visualmente flexível, equipes de TI o conhecem, executivos de grandes empresas o esperam. As desvantagens: a ferramenta de autoria no desktop é pesada, o custo por assento fica feio após 50 usuários e as integrações com o data stack moderno parecem uma geração atrás.

Hex: R$200-400 por usuário por mês. Híbrido de notebook mais painel. Esse é cada vez mais o padrão para novas equipes de BA em 2026 porque faz dois trabalhos (análise ad hoc e painéis) com uma licença. Forte com Snowflake e BigQuery. Produto mais novo, menos checkboxes enterprise.

Metabase: open-source, R$425 por mês para Cloud Starter, escala a partir daí. A escolha honesta para equipes de BA com menos de 30 assentos que não têm orçamento ou política para o Looker. Menos polido que Tableau ou Hex, mas você o coloca em pé numa tarde e 80% dos usuários de negócio obtêm o que precisam.

A escolha honesta: menos de 30 assentos, Metabase ou Hex. 30 a 100 assentos, Hex ou Tableau dependendo de quem são suas partes interessadas. Looker apenas se você já assinou o contrato e não consegue sair.

5. Notebook / análise ad hoc

O espaço entre "tenho uma pergunta" e "tenho um painel."

Jupyter: gratuito, solitário. Roda no seu laptop, os resultados morrem quando você fecha a aba, compartilhar requer Git ou um screenshot. Bom para exploração individual, terrível para colaboração. Se sua "estratégia de notebook" é Jupyter nos laptops das pessoas, você não tem estratégia.

Hex: R$200-400 por usuário por mês. Colaborativo por padrão, roda no navegador, células compartilham estado entre usuários. O motivo pelo qual Hex continua aparecendo neste guia é que para a maioria das equipes de BA ele absorve tanto a ferramenta de BI quanto a de notebook, o que elimina uma linha de item inteiramente.

Deepnote: R$155-250 por usuário por mês. Competidor direto do Hex. Bom produto, menor presença de mercado. Se você é sensível ao preço e não precisa da sobreposição com BI, é uma boa escolha. A maioria das equipes que vejo acaba no Hex de qualquer forma porque a absorção do BI importa mais do que a diferença de R$100.

A escolha honesta: Hex se puder, porque elimina uma licença de BI separada. Caso contrário, Jupyter para trabalho solo mais uma ferramenta de BI real. Não rode Deepnote e Hex lado a lado; eles fazem o mesmo trabalho.

6. Workflow / intake de solicitações

O não glamouroso. Também o que decide se sua equipe de BA escala ou esgota.

Engenharia vai viver no Jira, e você vai precisar lidar com isso para trabalho cross-team. Mas Jira é a ferramenta errada para intake de solicitações de analytics, pesado demais, vocabulário errado, ninguém fora de engenharia quer usá-lo.

O que BAs realmente precisam é de uma única porta de entrada para "tenho uma pergunta sobre dados." Um painel no Rework, um projeto no Linear, um banco de dados no Notion, até mesmo um projeto bem gerido no Asana. A ferramenta exata importa menos do que o princípio: toda solicitação passa por um único lugar, recebe prioridade, recebe um status e acaba em um painel.

A coisa que você absolutamente não pode fazer é deixar solicitações de analytics viverem em mensagens diretas no Slack. É assim que uma equipe de BA de quatro pessoas acaba fazendo 60 horas de trabalho ad hoc não agendado por semana e não entrega nada. Se você for corrigir apenas uma coisa neste trimestre, corrija isso.

CRM como fonte de dados: a camada subestimada

A maioria das dores de BA que acompanhou de perto começa com dados de CRM sujos. Nomes de estágios inconsistentes, contatos sem ID de conta, oportunidades que se fecham duas vezes, campos customizados que ninguém documentou em 2022.

O Rework CRM começa em R$60 por usuário por mês e oferece exportações B2B limpas com schemas consistentes: pipeline, contatos, contas, atividade, tudo consultável por meio de uma API estável. Não é a escolha certa para todo ambiente, mas se você está reconstruindo seu stack e tem lutado contra a sopa de objetos customizados do Salesforce por dois anos, vale uma análise séria. Uma fonte de CRM limpa economiza mais horas de BA do que qualquer ferramenta de catálogo que você vai comprar.

O princípio geral vale independentemente do fornecedor: invista em dados upstream limpos antes de investir em ferramentas downstream mais sofisticadas. Um catálogo de dados não pode salvar um CRM onde "Cliente", "cliente" e "CLIENTE" são três tipos de conta diferentes.

A Auditoria de 30 Dias do Stack

Se você herdou um stack que já saiu dos trilhos, aqui está o Playbook. Já rodei isso três vezes. Funciona. O entregável no final é um memorando para seu gestor e finanças, com números.

Dias 1-7: Inventário

Puxe cada fatura relacionada a analytics do financeiro. Cada licença, cada conta mensal, cada contrato anual. Construa uma planilha:

Nome da ferramenta
Custo mensal (anualizado se for contrato anual)
Data de vencimento do contrato
Responsável (quem assinou)
Usuários ativos (puxe do painel de administração)
Último login significativo (quem logou nos últimos 30 dias)

Quando você vir Tableau com 47 assentos licenciados e 11 usuários ativos, anote. Isso é R$12K por mês de nada.

Dias 8-14: Mapeie perguntas para ferramentas

Liste cada pergunta que o negócio realmente faz para a equipe de dados. Não o que os painéis mostram. O que executivos, vendedores e PMs perguntam. Escreva 30 delas. Depois percorra a lista e identifique qual ferramenta responde cada pergunta.

Dois padrões vão emergir. Primeiro, 80% das perguntas são respondidas por 20% das ferramentas. Segundo, algumas ferramentas não respondem nenhuma pergunta da lista. Essas são as candidatas ao corte.

Dias 15-21: Encontre as duplicatas

Dois BI tools? Um precisa ir. Três produtos de notebook? Escolha um. Um catálogo de dados mais uma camada de métricas separada mais documentação do dbt? Você tem uma fonte única da verdade para o que uma métrica é, e as outras duas são decorativas.

Seja implacável aqui. O movimento político é "vamos manter os dois por enquanto." É assim que você acaba pagando pelos dois para sempre. Escolha um vencedor, escolha uma data de encerramento, comunique ambos.

Dias 22-30: Escreva o memorando de recomendação

Uma página. Três seções.

Manter: as ferramentas que conquistaram seu espaço. Por que o conquistaram. Custo anual.
Cortar: as ferramentas que não conquistaram. Por quê. Economia anualizada. Plano de migração.
Consolidar: as ferramentas onde duas estão fazendo um trabalho. Escolha o vencedor. Cronograma de migração.

Projete a economia anual. Envie para o seu gestor e para finanças no mesmo dia. Não deixe na rascunho. O ponto de fazer essa auditoria é concretizar a economia; a economia só se concretiza se finanças tem o número num slide.

Já rodei essa auditoria três vezes e a economia anual média foi de R$450K a R$900K para uma empresa de 100 a 300 pessoas. Isso é uma contratação real que você pode fazer no próximo ano.

Erros comuns que continuo vendo as empresas cometer

Uma lista curta, sem ordem particular:

Comprar Looker porque um fornecedor disse "governança." Governança é um processo. LookML é uma forma de codificar esse processo. Se você não tem o processo, o produto não vai corrigir. Você só vai ter uma conta de R$1M e as mesmas métricas caóticas.
Deixar o Fivetran sincronizar automaticamente 200 tabelas que ninguém consulta. Audite a lista de sincronização trimestralmente. Desative tudo que não foi consultado em 90 dias.
Rodar dbt Core "para economizar dinheiro" em uma equipe pequena. Você vai perder a economia para trabalho de operações em três meses. Pague pelo dbt Cloud assim que passar de dois desenvolvedores. A matemática é óbvia se você custar a hora de um analista.
Tratar o catálogo de dados como um problema de ferramenta. É um problema de documentação. Comprar uma ferramenta de catálogo de R$150K e não escrever os documentos resulta num belo quarto vazio.
Colocar o intake de solicitações de analytics em mensagens diretas no Slack. Essa é a maior causa de burnout de BA que já vi. Centralize o intake. Use um painel. Qualquer painel.

Os stacks padrão opinativos

Para os impacientes. Estes são os stacks que eu construiria hoje, no dia um de uma nova equipe de BA, por tamanho de empresa:

Menos de 50 pessoas, principalmente product-led: BigQuery + Airbyte (auto-hospedado ou Cloud) + dbt Cloud (nível Team) + Metabase + Hex. Custo total: aproximadamente R$7K a R$15K por mês. Você pode rodar isso com um BA e um engenheiro que cuida 4 horas por semana.

50 a 500 pessoas, movimento misto de produto e vendas: Snowflake + Fivetran (seletivo, audite trimestralmente) + dbt Cloud + Hex ou Tableau (dependendo de quem é seu CFO) + um painel no Rework para intake. Custo total: R$40K a R$100K por mês. Rode com dois a quatro BAs.

Mais de 500 pessoas: você tem uma equipe de dados, este guia não é para você. Envie-o para o IC sênior da sua equipe de qualquer forma; ainda é mais barato do que o consultor de auditoria que vão trazer.

O padrão entre os três é o mesmo. Seis categorias. Uma ferramenta por categoria. Sem duplicatas. Audite trimestralmente. Corte mais do que adiciona.

Playbooks para Analistas de Negócios