Visão Geral

ste curso ensina como aplicar conceitos de Data Engineering especificamente ao domínio de FinOps, utilizando APIspara coletar, transformar, enriquecer, armazenar e disponibilizar dados financeiros de nuvem em larga escala.
O aluno aprenderá a construir pipelines de dados multi-cloud, integrar APIs de billing, criar data lakes financeiros, aplicar normalização, implementar governança e gerar estruturas analíticas para otimização contínua de custos.
O curso é altamente prático e orientado a projetos, simulando pipelines reais utilizados em empresas que operam em múltiplos provedores de nuvem.

Objetivo

Após realizar este curso FinOps Data Engineering with APIs, você será capaz de:

• Coletar dados de custos e uso multi-cloud usando APIs
• Construir pipelines de dados financeiros em escala
• Normalizar e unificar dados de billing entre provedores
• Criar data lakes e data warehouses FinOps
• Implementar governança e qualidade de dados
• Aplicar enriquecimentos de metadados e tagging via APIs
• Disponibilizar dados para dashboards, automações e análises avançadas
• Criar pipelines de otimização e auditoria contínua

Publico Alvo

•  
• Profissionais de FinOps
• Engenheiros e Arquitetos de Dados
• Engenheiros de Cloud e DevOps
• SREs, DataOps e CloudOps
• Analistas financeiros que trabalham com grande volume de dados de cloud
• Desenvolvedores com foco em integrações e pipelines de dados
• Equipes de governança, observabilidade e CCoE
•  

Pre-Requisitos

• Conhecimento básico de APIs REST
• Noções de FinOps (Framework, custos, otimizações)
• Experiência com cloud (AWS, Azure ou GCP)
• Conhecimento básico de pipelines de dados é desejável

Materiais

Conteúdo Programatico

Module 1: Introduction to FinOps Data Engineering

1. Role of Data Engineering in FinOps
2. FinOps data lifecycle
3. API-driven data ingestion vs export-based ingestion
4. Data challenges in multi-cloud environments
5. Hands-on: Setting up FinOps data environments

Module 2: Collecting Billing Data via APIs

1. AWS Cost Explorer API advanced usage
2. AWS CUR API and automated processing
3. Azure Cost Management API deep dive
4. GCP Cloud Billing API advanced configurations
5. Pagination, batch ingestion and throttling strategies
6. Hands-on: Building a multi-cloud billing ingestion pipeline

Module 3: Creating a FinOps Data Lake

1. Data lake architecture for financial data
2. Object storage integration (S3, Azure Blob, GCS)
3. Data zoning: Raw, Clean, Curated
4. Schema design for cloud billing data
5. Hands-on: Creating a FinOps data lake using API ingestion

Module 4: ETL/ELT Pipelines for Cloud Financial Data

1. ETL/ELT architectures
2. Transformations for cost and usage data
3. Aggregations, grouping and partitioning
4. Currency conversion, cost allocation, amortization
5. Hands-on: Building ETL pipelines for billing data

Module 5: Data Normalization and Correlation

1. Normalizing AWS, Azure and GCP billing schemas
2. Correlating billing with inventory APIs
3. Correlating billing with metrics and observability APIs
4. Handling missing tags, inconsistent accounts and anomalies
5. Hands-on: Designing a multi-cloud unified billing schema

Module 6: Metadata, Tagging and Governance APIs

1. Using APIs for metadata enrichment
2. Tagging enforcement and automated correction
3. Mapping business units, projects and environments
4. Policy-as-code for data governance
5. Hands-on: Implementing tagging correction pipelines

Module 7: Optimizations and Automation Pipelines

1. Rightsizing pipelines
2. Idle resource detection
3. Scheduling and shutdown automation
4. Using APIs to ingest optimization recommendations
5. Hands-on: Automating optimization data pipelines

Module 8: Data Storage and Analytics Layers

1. Data warehouse options (BigQuery, Redshift, Synapse, Snowflake)
2. Query acceleration for FinOps datasets
3. BI & analytics integration patterns
4. Data products for FinOps reporting
5. Hands-on: Building dashboards using unified billing data

Module 9: Final Project – FinOps Data Platform

1. Build a complete FinOps data pipeline:
2. Ingestion (multi-cloud billing + inventory via APIs)
3. Normalization and transformation
4. Data lake + DW storage
5. Optimization automation
6. Dashboard analysis
7. Presentation and evaluation