A Gerdau, uma das maiores empresas brasileiras e uma das principais produtoras de aço do mundo, possui um ambiente de tecnologia amplo e complexo. Com operações que envolvem diferentes provedores de cloud, plataformas gerenciadas e soluções SaaS, a empresa precisava ir além da gestão dos custos de cloud pública para construir uma visão mais completa e confiável de seus investimentos em tecnologia.
Iniciativas de FinOps normalmente começam pela cloud pública, onde o aumento acelerado dos gastos costuma gerar a necessidade de maior visibilidade e controle. Porém, depois de seis a doze meses, um desafio comum começa a aparecer: o custo apresentado nos dashboards de FinOps não corresponde ao valor registrado pela área financeira.
Ao investigar essa diferença, surgem custos relacionados a plataformas como Databricks, Kafka, MongoDB e OpenShift, muitas vezes executadas em ambientes compartilhados por diferentes times, além de despesas com SaaS que ainda não fazem parte do modelo de alocação.
A transformação da Gerdau: de custos fragmentados a uma operação de FinOps confiável
Como uma das maiores produtoras de aço do mundo, a Gerdau possui um ambiente tecnológico extenso e diversificado. Sua infraestrutura contempla ambientes multi-cloud — AWS, Azure e GCP — além de plataformas gerenciadas como Databricks, OpenShift/ROSA, MongoDB e Kafka, cada uma com modelos próprios de cobrança, métricas de consumo e desafios específicos de alocação de custos.
Antes da iniciativa de FinOps, esse cenário apresentava alguns desafios importantes:
- Custos de plataformas sem visibilidade: despesas com SaaS e plataformas gerenciadas estavam fora do modelo de accountability, permanecendo apenas nos invoices, sem uma alocação adequada.
- Fechamento financeiro manual: o processo mensal exigia um esforço significativo para consolidar dados de diferentes fontes, reconciliar formatos e aplicar regras de alocação que nem sempre estavam documentadas ou eram aplicadas de forma consistente.
- Baixa confiança no chargeback: os times questionavam a justiça dos valores alocados porque as regras não eram suficientemente claras, auditáveis e reproduzíveis.
- Escopo limitado de FinOps: a gestão estava concentrada na cloud pública, deixando uma parcela relevante dos gastos totais de tecnologia fora do modelo de governança.
O objetivo da Gerdau, portanto, não era apenas corrigir o reporting.
A empresa buscava estabelecer um modelo operacional de accountability confiável, que pudesse ser utilizado tanto pelas equipes de Finanças quanto de Engenharia e que tivesse capacidade de escalar para aproximadamente 100 projetos e iniciativas.
O insight: Cloud+ exige uma nova arquitetura de FinOps
Expandir FinOps para SaaS e plataformas gerenciadas não é apenas uma questão de integrar novas fontes de dados.
A experiência da Gerdau mostrou que esse modelo exige quatro elementos conectados:
1. Hierarquia unificada de custos
Um modelo consistente de custos precisa utilizar uma taxonomia única, capaz de atravessar diferentes plataformas.
Essa estrutura precisa funcionar com diferentes padrões de identificação de tags da AWS e namespaces do Kubernetes a labels do Databricks e nomes de bancos no MongoDB.
Sem uma taxonomia unificada, a alocação de custos se transforma em uma série de soluções específicas para cada plataforma, em vez de seguir uma lógica única e consistente.
2. Métricas específicas baseadas em consumo
Um dos principais pontos críticos está na escolha da métrica correta.
A métrica utilizada precisa representar o consumo real da plataforma, e não simplesmente aquilo que é mais fácil de medir.
Por exemplo, utilizar apenas a quantidade de tópicos do Kafka não é suficiente para representar o consumo de cada time.
Cada plataforma exige uma métrica de consumo adequada à sua realidade.
3. Tratamento explícito dos custos compartilhados
Infraestruturas compartilhadas são inevitáveis em ambientes complexos.
Ignorar esses custos cria lacunas no modelo de alocação. Por outro lado, distribuí-los de forma arbitrária gera conflitos entre as equipes.
Por isso, é necessário estabelecer regras claras, reproduzíveis e auditáveis para tratar custos compartilhados e não alocados.
4. Adoção multifuncional
FinOps não pode ser uma iniciativa pertencente exclusivamente à área financeira ou à área de tecnologia.
Seu sucesso depende da responsabilidade compartilhada entre Finanças e Tecnologia, incluindo a governança contínua do modelo e a gestão do backlog de melhorias.
Como o modelo foi construído: plataforma por plataforma
“Nossa estratégia está baseada em três capacidades principais. Primeiro, Integração: unificamos SaaS e plataformas de dados diretamente no Pier Cloud, nossa plataforma de FinOps. Segundo, Escala: expandimos nosso modelo para além da cloud pública, incorporando custos de SaaS e plataformas em uma única estrutura, tornando a visibilidade consistente e acionável. Terceiro, Automação Financeira: ao integrar o Pier Cloud ao SAP Ariba, transformamos a alocação de custos de uma atividade mensal e manual em um processo automatizado de ponta a ponta.”
— Thais Minelvino, Global IT Infrastructure & Operations Manager
ROSA / OpenShift
A alocação dos recursos de OpenShift é realizada no nível de namespace e utiliza metadados baseados em tags.
Um dos principais desafios estava relacionado aos custos não alocados, que representam uma infraestrutura que não pode ser facilmente atribuída a um time ou projeto específico.
A solução envolveu a criação de regras claras para a distribuição dos custos compartilhados e não alocados.
Além disso, o backlog de governança passou a ser automatizado para identificar recursos sem tags e direcioná-los para correção operacional, indo além da simples identificação do problema em dashboards.
Kafka
A Gerdau evoluiu seu modelo de alocação de custos do Kafka, deixando de utilizar um proxy simples para adotar uma abordagem baseada no consumo real.
Inicialmente, os custos eram distribuídos de acordo com a quantidade de tópicos, o que oferecia pouca visibilidade sobre o consumo efetivo de cada time.
A empresa substituiu esse modelo por uma abordagem volumétrica, baseada no volume de mensagens e throughput dos tópicos e clusters.
O resultado foi uma alocação mais precisa e transparente dos custos de infraestrutura do Kafka, permitindo que cada equipe tivesse uma visão mais clara do seu consumo real e reduzindo significativamente os questionamentos sobre a atribuição dos custos.
MongoDB
O MongoDB apresentava um desafio comum em ambientes compartilhados: diversos projetos utilizavam a mesma infraestrutura, tornando impossível separar claramente os custos diretamente no billing.
Para resolver esse problema, foi desenvolvida uma metodologia que combina dados de billing com métricas de consumo dos bancos de dados.
Isso permitiu calcular percentuais de custo específicos para cada projeto, criando um modelo tecnicamente consistente e totalmente auditável.
Resultado: redução de aproximadamente 42% nos custos de MongoDB após ganhos de visibilidade e otimizações direcionadas.
Databricks
A adoção de diferentes preços de DBU no Databricks, de acordo com o tipo de serviço e nível de desconto, adicionava complexidade ao modelo de alocação.
Uma simples distribuição baseada no gasto bruto não era suficiente.
Para solucionar esse desafio, foi desenvolvido um modelo que oferece visibilidade em nível de DBU, conectando o consumo aos projetos e considerando corretamente as diferenças de preço entre os serviços.
Mais importante: os dados de consumo e custo passaram a ser relacionados à unit economics, permitindo que os times de Engenharia entendessem o custo real dos produtos que estavam desenvolvendo.
Resultado: redução de aproximadamente 49% nos custos de Databricks após ganhos de visibilidade e otimizações direcionadas.
O que mudou: resultados que realmente importam
Ao expandir o escopo de FinOps para o modelo Cloud+, abrangendo multi-cloud, SaaS e plataformas gerenciadas , a Gerdau alcançou resultados em três dimensões principais.
1. Governança
- As regras de alocação foram formalizadas em processos explícitos, documentados e reproduzíveis.
- O fechamento financeiro mensal deixou de depender de reconciliações manuais e passou a contar com distribuição automatizada.
- A governança de recursos sem tags evoluiu de uma atuação reativa para um backlog operacional proativo.
2. Confiança
- Os questionamentos sobre a alocação diminuíram à medida que os times passaram a compreender a lógica utilizada.
- Os custos compartilhados passaram a ser distribuídos com base em regras claras, em vez de critérios subjetivos.
- Começou a surgir maior convergência entre os valores reportados por Finanças e a visão dos números pelas equipes de Engenharia.
3. Valor
A conexão entre sinais técnicos de consumo, como DBUs consumidas, volumetria do Kafka e utilização de namespaces e a alocação de custos mudou a natureza das conversas.
O foco deixou de ser apenas: “Por que nossa conta de cloud está aumentando?”
E passou a ser: “Qual é o custo real de cada iniciativa e ela está entregando valor suficiente?”
4. Escalando o chargeback por meio da automação
A Gerdau transformou seu processo de chargeback de uma operação altamente manual em um workflow de FinOps automatizado e escalável.
78% menos esforço operacional
336 horas → 72 horas
28% mais projetos gerenciados
302 → 386 projetos
100% de automação do processo
20 planilhas → 0
Ao automatizar ponta a ponta os processos de alocação e reconciliação, a Gerdau reduziu significativamente o esforço operacional necessário para executar seu ciclo de FinOps e, ao mesmo tempo, ampliou o número de projetos que consegue gerenciar.
“Uma parte importante desse processo veio da automação. O que antes era um trabalho manual de alocação e reconciliação agora é realizado de ponta a ponta pelo modelo, reduzindo significativamente o tempo necessário para executar todo o nosso ciclo de FinOps.”
— Thais Minelvino, Global IT Infrastructure & Operations Manager
O que não funciona: aprendizados importantes
A experiência da Gerdau também trouxe aprendizados importantes sobre o que é necessário para construir um modelo de alocação de custos confiável.
Regras fundamentais para um chargeback eficiente
Métricas precisas são indispensáveis
Não é possível implementar um modelo de chargeback para SaaS ou plataformas gerenciadas sem uma métrica de alocação que represente precisamente o consumo real.
Quando a métrica não representa o uso efetivo, os próprios times consumidores tendem a questionar ou rejeitar o modelo.
Por isso, definir corretamente a métrica técnica é a base de todo o sistema de alocação.
Regras explícitas para custos compartilhados
Abordagens não documentadas ou inconsistentes para distribuir custos de infraestrutura compartilhada inevitavelmente geram questionamentos.
Regras claras e explícitas são essenciais para evitar conflitos que comprometam a credibilidade de todo o modelo de alocação.
Governança e backlog operacional são críticos
Dashboard não é suficiente.
O valor de um dashboard de alocação diminui quando problemas de governança continuam sem resolução — como baixa aderência às regras de tagging.
Um relatório visualmente completo não resolve um problema de credibilidade.
É necessário também realizar o trabalho operacional: identificar recursos sem tags, atribuir responsáveis e garantir que os problemas sejam efetivamente resolvidos.
Próximos passos: ampliando o escopo
A expansão do modelo Cloud+ continua, com novas iniciativas no roadmap:
- GitLab: implementação do chargeback a partir da estrutura de governança de licenças já estabelecida.
- Datadog: evolução da automação de alocação, após limitações iniciais relacionadas às APIs.
- Microsoft 365: otimização de licenças e manutenção de visibilidade contínua à medida que o escopo incorpora ferramentas de produtividade.
FinOps além da Cloud
A Pier Cloud colaborou com a Gerdau no desenvolvimento e implementação do modelo operacional Cloud+.
A solução combina capacidades de ingestão de dados, alocação automatizada e reporting de unit economics com a experiência necessária para tornar esse modelo operacional em diferentes plataformas SaaS e gerenciadas simultaneamente.
A arquitetura, baseada em taxonomia unificada, modelagem de métricas específicas por plataforma, tratamento de custos compartilhados e automação de governança, é sustentada pela Platforma de FinOps da Pier Cloud, desenvolvida para lidar com a complexidade que surge quando FinOps ultrapassa os limites da cloud pública.
O case da Gerdau demonstra que expandir FinOps para além da cloud pública não significa simplesmente conectar novas fontes de billing.
É necessário construir um modelo confiável de accountability, baseado em métricas de consumo adequadas, regras claras de alocação, governança contínua e automação.
É assim que FinOps deixa de ser apenas uma disciplina de controle de custos e passa a conectar consumo de tecnologia, investimentos e valor para o negócio.
