Em 25 de setembro de 2026, a AWS detalhou como a Datacor, fornecedora de software para manufatura de processos, distribuição química e engenharia, transformou a análise de receita de aluguel de cilindros e tanques em uma experiência de autoatendimento. A empresa embarcou o Amazon Quick Sight, capacidade de analytics embarcado dentro do Amazon Quick, no TrackAbout, sua plataforma de rastreamento de ativos usada por distribuidoras de gases industriais e soldagem.
O resultado combina dashboards interativos e uma barra de busca em linguagem natural sobre dados que antes dependiam de relatórios manuais.
O problema: dados dispersos e decisões travadas
Para as distribuidoras atendidas pelo TrackAbout, a cobrança de aluguel de ativos como cilindros e tanques a granel representa uma fatia relevante da receita total.
O problema era o caminho até esses números. As informações ficavam presas em sistemas operacionais desconectados.
Extrair qualquer insight exigia acionar a equipe de suporte da Datacor, que produzia relatórios personalizados em SSRS (SQL Server Reporting Services) ou exportações de dados brutos.
A espera podia levar dias ou semanas. O material entregue respondia apenas à pergunta original.
Qualquer análise adicional reiniciava o ciclo.
O custo disso não era apenas operacional. Sem capacidade de iterar, os clientes não conseguiam testar cenários como o impacto de um aumento de 5% nas tarifas de acetileno e obter resposta no mesmo dia.
Decisões de preço que governam diretamente a recuperação de receita eram tomadas com informação incompleta. A escala envolvida ajuda a explicar a urgência: os clientes do TrackAbout administram, juntos, 27,5 milhões de ativos e mais de 725 mil faturas por mês.
Pipeline entre nuvens e segurança multi-locatário
Relatórios prontos não resolviam o problema. Distribuidoras diferem em tamanho de frota, mix de produtos, geografia e estrutura de cobrança.
Nenhum modelo padrão serve para todos, e o processo manual não escala.
A Datacor optou então por construir uma solução multi-locatário que integra dashboards e busca em linguagem natural diretamente ao TrackAbout. A solução se apoia em um pipeline automatizado de dados entre nuvens, validação de contagem de linhas e um modelo auditável de isolamento entre locatários.
A segurança em nível de linha multi-locatário garante que cada distribuidora enxergue apenas seus próprios dados.
Linguagem natural sobre dados de receita
No centro da experiência está a capacidade de BI generativo do Amazon Quick Sight (Amazon Q in Quick Sight). É um assistente baseado em IA generativa que permite a usuários de negócio fazer perguntas em linguagem simples sobre seus dados de aluguel.
O usuário não precisa abrir chamados para a área de tecnologia nem esperar por relatórios sob medida.
Sundar Kuppuswamy, chief AI officer da Datacor, afirmou que a parte interessante não foi a IA em si, mas o trabalho pouco glamouroso por baixo dela: ingestão entre nuvens, validação de contagens e um modelo de isolamento de locatários que pudesse ser auditado de fato. Segundo ele, é isso que dá à empresa o direito de colocar consultas em linguagem natural diante dos dados de receita de um cliente.
Kuppuswamy disse ainda que o retorno é medido por um único critério: se a ferramenta devolve a decisão para as mãos do cliente, com a resposta a uma pergunta de cenário chegando durante a própria reunião. Ele acrescentou que a Datacor é deliberadamente conservadora sobre onde aplica esse recurso, porque uma resposta errada dita com confiança sobre dados de receita é pior do que nenhuma resposta.
Por que isso importa
O caso ilustra uma mudança de foco na adoção corporativa de IA: menos brilho no modelo, mais engenharia de dados. A camada que sustenta a análise, com ingestão entre ambientes de nuvem, checagens de integridade e controle de acesso por cliente, é o que determina se um recurso generativo pode ser exposto a dados financeiros sensíveis.
Para distribuidoras de gases e soldagem, isso se traduz em decisões de precificação mais rápidas e em menos dias de aluguel não faturados. A Datacor descreve esse problema como receita que nunca chega a ser capturada.
Ao tirar a dependência de tickets de TI e de relatórios estáticos, a empresa também amplia quem pode explorar os dados. Gestores de frota, times comerciais e financeiros passam a responder suas próprias perguntas sobre utilização de ativos e desempenho de tarifas.
O ganho de escala, nesse arranjo, vem de não precisar construir um relatório sob medida para cada distribuidora.
