Paper Information | SBC BOOKS

Fill in your paper information

Language (*)

Title (*)

Keywords (*)

Abstract (*)

A crescente centralidade dos dados nas atividades organizacionais impulsionou a adoção de arquiteturas flexíveis como os data lakes, que permitem o armazenamento de dados em estado bruto para múltiplos fins analíticos. Contudo, a ausência de estratégias sistemáticas de metadados compromete a interoperabilidade e o reuso, levando frequentemente à degradação desses ambientes em data swamps onerosos e ineficientes. Este artigo investiga o papel da governança de metadados não apenas como suporte informacional, mas como driver fundamental de FinOps para a otimização do Custo Total de Propriedade (TCO). Articulando fundamentos da Ciência da Informação e da Engenharia de Dados, a pesquisa analisa o impacto de motores de consulta otimizados, como o Photon, e frameworks de alocação elástica, como o BigOPERA, na redução de custos operacionais. Os resultados sugerem que abordagens orientadas por metadados semânticos e proveniência ampliam a transparência e a confiabilidade dos dados, permitindo que otimizações técnicas atinjam seu potencial máximo de economia. Conclui-se que a integração entre governança rigorosa e eficiência de processamento é o único caminho para a evolução de data lakes em infraestruturas analíticas financeiramente sustentáveis.

Pages (*)

File Link

English Information

Title

Keywords

Abstract

The increasing centrality of data in organizational activities has driven the adoption of flexible architectures such as data lakes, which allow for the storage of raw data for multiple analytical purposes. However, the absence of systematic metadata strategies compromises interoperability and reuse, frequently leading to the degradation of these environments into costly and inefficient ”data swamps”. This paper investigates the role of metadata governance not merely as informational support, but as a fundamental FinOps driver for optimizing Total Cost of Ownership (TCO). By articulating foundations of Information Science and Data Engineering, the research analyzes the impact of optimized query engines, such as Photon, and elastic allocation frameworks, like BigOPERA, on reducing operational costs. The results suggest that approaches guided by semantic metadata and provenance enhance data transparency and reliability, allowing technical optimizations to reach their full savings potential. It is concluded that the integration of rigorous governance and processing efficiency is the only path for the evolution of data lakes into financially sustainable analytical infrastructures.

(*) To change the order drag the item to the new position.

Authors

#	Name
1	Marcio Ortolan(marcio.ortolan@gmail.com)
2	Felipe da Silva(felipe ivodasilva@hotmail.com)
3	Marilde Santos(marilde.santos@ufscar.br)

(*) To change the order drag the item to the new position.

Reference

#	Reference
1	Almeida, J. M., Braganholo, V., and Oliveira, D. (2025). Governanca de dados em sistemas-de-sistemas: Uma abordagem orientada a dados de proveniencia. In Anais do 40 Simposio Brasileiro de Bancos de Dados, Fortaleza, CE, Brazil.
2	Behm, A., Palkar, S., Agarwal, U., Armstrong, T., Cashman, D., Dave, A., et al. (2022). Photon: A fast query engine for lakehouse systems. In Proceedings of the 2022 International Conference on Management of Data (SIGMOD '22), pages 2326-2339, New York, NY, USA. ACM.
3	Bezerra, A. L. d. S., Batalha, I. S., Filho, L. R. A., Almeida, C. M., Dantas, M. I. N., and Gouvea, N. A. (2025). Rpas e data lakes para a industria 4.0: Um estudo de caso de ecossistema de dados integrados. In Anais do 40 Simposio Brasileiro de Bancos de Dados, Fortaleza, CE, Brazil.
4	Caderno, P. V., Awaysheh, F., Cabaleiro, J. C., and Pena, T. F. (2025). Bigopera: An opportunistic and elastic resource allocation for big data frameworks. Cluster Computing, 28(383):1-16.
5	da Silva, F. I. (2025). Proveniencia de dados e metadados em repositorios de dados de pesquisa. Dissertacao (mestrado), Universidade Federal de Sao Carlos, Sao Carlos, SP, Brasil.
6	Giebler, C., Groger, C., Hoos, E., Eichler, R., Schwarz, H., and Mitschang, B. (2021). The data lake architecture framework: A foundation for building a comprehensive data lake architecture.
7	Gil, Y. and Miles, S. (2013). Prov model primer. https://www.w3.org/TR/2013/ NOTE-prov-primer-20130430/. Acesso em: 25 mar. 2026.
8	Jordao, T., Bedo, M., and Oliveira, D. (2025). Arani: Uma abordagem baseada em linha de experimento para preservacao de privacidade em data lakes. In Anais do 40 Simposio Brasileiro de Bancos de Dados, Fortaleza, CE, Brazil.
9	Lima, D. M. et al. (2021). Uma proposta de data lake para pesquisa em saude a partir de data pools multicentricos interoperaveis. In Anais do Simposio Brasileiro de Bancos de Dados, Brasil.
10	Lis, D. and Otto, B. (2020). Data governance in data ecosystems- insights from organizations. In Americas Conference on Information Systems (AMCIS).
11	Madera, C. (2018). L'evolution des systemes et architectures d'information sous l'influence des donnees massives: les lacs de donnees. Tese (doutorado em informatica), LIRMM, Universite de Montpellier, Montpellier, France.
12	Magagna, B., Goldfarb, D., Martin, P., Atkinson, M., Koulouzis, S., and Zhao, Z. (2020). Data provenance. In Towards Interoperable Research Infrastructures for Environmental and Earth Sciences: A Reference Model Guided Approach for Common Challenges, pages 208-225. Springer.
13	Moreau, L. and Lebo, T. (2013). Prov-links. https://www.w3.org/TR/2013/ NOTE-prov-links-20130430/. Acesso em: 25 mar. 2026.
14	Moreau, L. and Missier, P. (2013). Prov-dm: The prov data model.
15	Nargesian, F., Zhu, E., Miller, R. J., Pu, K. Q., and Arocena, P. C. (2019). Data lake management: Challenges and opportunities. Proceedings of the VLDB Endowment, 12(12):1986-1989
16	Rodrigues, J. and Mello, R. (2022). Um estudo sobre arquiteturas e metadados em data lakes. In Anais da XVII Escola Regional de Banco de Dados, pages 131-134, Porto Alegre, RS, Brazil. SBC.
17	Rolim, T. V. et al. (2024). An approach to construct a metadata graph for specifying enterprise knowledge graphs. In Anais do Simposio Brasileiro de Bancos de Dados, Brasil.
18	Silva, F. and Mattoso, M. (2023). Integrador de metadados modular para aprendizado de maquina com visualizacao em tempo de execucao. In Anais do Simposio Brasileiro de Bancos de Dados, Brasil.
19	Silva, H. A. B. et al. (2024). Uma proposta baseada no dublin core para catalogacao de metadados de fontes de dados governamentais. In Anais do Simposio Brasileiro de Bancos de Dados, Brasil.
20	Simmhan, Y. L., Plale, B., and Gannon, D. (2005). A survey of data provenance in e-science. SIGMOD Record, 34(3):31-36.
21	Suriarachchi, I. and Plale, B. (2016). Crossing analytics systems: A case for integrated provenance in data lakes. In 2016 IEEE 12th International Conference on e-Science (e-Science), pages 349-354. IEEE.
22	Vasconcelos, F. F. and Coutinho, F. J. (2024). Data lakehouses para a analise de dados geoespaciais em larga escala. In Anais do Simposio Brasileiro de Bancos de Dados, Brasil.
23	Yamada, H., Kitsuregawa, M., and Goda, K. (2024). Lakeharbor: Making structures first-class citizens in data lakes. In 2024 IEEE 40th International Conference on Data Engineering (ICDE), pages 5583-5592. IEEE.
24	Yuan, J. et al. (2021). Data lakehouse: A new generation of data architecture. Proceedings of the VLDB Endowment, 14(12):xxxx-xxxx.
25	Zhao, J., Miles, A., Klyne, G., and Shotton, D. (2009). Linked data and provenance in biological data webs. Briefings in bioinformatics, 10(2):139-152.

Paper Registration

Fill in your paper information

English Information

Authors

Reference