Painel de Análise Financeira
Fintech · Análise de Dados
2024
web
O que eles precisavam
Os analistas da empresa ficavam presos esperando por relatórios que não acompanhavam o ritmo do negócio. A plataforma precisava ingerir e renderizar mais de 10 milhões de pontos de dados por dia vindos de feeds financeiros ao vivo, permitindo que os analistas explorassem segmentos e janelas de tempo específicos sem recarregar a página. As abordagens tradicionais de gráficos não aguentavam esse volume — um único gráfico interativo podia levar segundos para ser desenhado, e mantê-lo atualizado conforme os dados subjacentes mudavam só piorava a lentidão. Os executivos precisavam de uma visão de toda a empresa que se mantivesse atual entre os ciclos de relatório, não de um retrato que já estava desatualizado no momento em que carregava. A meta era resposta em menos de um segundo em visualizações genuinamente interativas, em uma escala na qual renderização ingênua no cliente ou consultas não otimizadas tornariam o painel inutilizável.
O que nós construímos
Construímos o painel com React para a estrutura da interface, com gráficos personalizados em D3.js em vez de uma biblioteca de gráficos pronta, para termos controle total sobre como cada visualização era renderizada em escala. Um backend em Node.js expõe uma API GraphQL, permitindo que o front-end busque apenas os campos que cada tela precisa, em vez de sobrecarregar telas densas em dados. O MongoDB armazena os dados financeiros recebidos, modelados de acordo com os padrões de consulta que os painéis realmente utilizam. As atualizações ao vivo chegam ao navegador por conexões WebSocket em vez de polling, para que os gráficos se atualizem no instante em que novos dados chegam, e não em um ciclo de atualização. Insights preditivos com IA rodam sobre esse mesmo pipeline, revelando sinais prospectivos ao lado da visão histórica. A AWS hospeda toda a stack, dando às camadas de ingestão e streaming espaço para escalar à medida que o volume de dados cresce.
Como nós abordámos isso
Construímos componentes de gráficos personalizados em D3.js em vez de adotar uma biblioteca de gráficos genérica, trocando tempo de desenvolvimento pelo controle de renderização necessário para lidar com mais de 10 milhões de pontos de dados por dia.
Usamos GraphQL em vez de uma API REST para que cada tela do painel busque apenas os campos de que precisa, mantendo as cargas de dados pequenas em telas financeiras densas.
Colocamos as atualizações ao vivo em streaming via WebSocket em vez de polling, para que novos dados cheguem aos gráficos no instante em que ocorrem.
Adicionamos insights preditivos com IA sobre o mesmo pipeline de dados em tempo real que alimenta o painel ao vivo, mantendo as previsões atualizadas conforme novos dados chegam.
O impacto
Pontos de Dados/Dia
Velocidade de Relatórios
Adoção pelos Usuários
"O painel transformou a forma como tomamos decisões. Valeu cada centavo."
VP de Dados
Fintech / análise de dados
Diga-nos o que
construir.
Traga-nos aquela que todos disseram ser demasiado difícil. Resposta gratuita e sem compromisso em 24 horas — NDA mediante pedido.