BI de RH, Financeiro e Facilities no Jira: o dado corporativo que ninguém está lendo

Guilherme Matos • July 17, 2026

Quando o Jira sai do papel de ferramenta de desenvolvimento e vira plataforma corporativa (via Jira Service Management em modo Enterprise Service Management), ele começa a registrar a operação inteira da empresa: onboarding de novo colaborador no RH, aprovação de despesa no Financeiro, ordem de manutenção no Facilities, revisão de contrato no Jurídico. Segundo a Atlassian, esse modelo estende as práticas de service management do TI para todas as áreas, com portal único, SLAs, catálogo de serviços e workflows por time. O que ninguém está olhando é o dado gerado por trás disso. O BI da casa foi desenhado para acompanhar entrega de software e continua rodando sprint burndown enquanto a diretoria pergunta o custo médio de onboarding, o volume de chamados de RH por área e o tempo de resolução de despesa. É outro dataset, outro buyer e outra consultoria de BI, montada sobre o mesmo Jira.

 Quando o Jira vira Enterprise Service Management, ele passa a registrar a operação de RH, Financeiro e Facilities. Mas o BI da casa continua olhando só desenvolvimento. Veja o dado corporativo que fica escondido no JSM e a consultoria de BI que responde à diretoria de negócio, não só à TI.

O ponto cego: a diretoria já pergunta e a TI ainda entrega dashboard de sprint


A cena repete em empresa de porte que expandiu o Jira para além da TI. A liderança de RH quer saber quanto tempo leva um onboarding do início ao fim, cruzando o pedido inicial com o dia em que o colaborador está 100% operacional. O CFO quer o custo médio por tipo de solicitação de despesa, comparado ao mês anterior. O head de Facilities quer o ranking de tipos de chamado que mais consomem tempo do time de manutenção. Perguntas legítimas, com dado disponível, e sem resposta.


A resposta não chega por três razões que se combinam. Primeira: o BI foi montado para o time de desenvolvimento, com métricas de fluxo (cycle time, throughput) que respondem à operação técnica. Segunda: as áreas de negócio não têm autonomia para extrair sozinhas o dado que precisam, e a fila da BI da TI está cheia de solicitação de sprint. Terceira: quando o dashboard finalmente sai, ele mostra o que a TI conhece do JSM (número de chamados, tempo médio de resposta) e não o que a diretoria de negócio quer ver (custo, aderência de SLA por processo de negócio, produtividade cruzada).


A tese deste guia: BI que olha só desenvolvimento é BI que só serve à TI. Quando o Jira vira ferramenta corporativa via ESM, o BI precisa cruzar áreas, medir custo por serviço e responder à diretoria financeira, ao RH e ao Facilities. É outra consultoria de BI, com outro dataset, outra modelagem e outro buyer, não a mesma vestida com relatório diferente. E ela mora exatamente sobre o Jira que a empresa já paga.


O que o Jira em modo ESM gera de dado corporativo (e que ninguém está lendo)


A Atlassian documenta que times como RH, Financeiro, Jurídico, Marketing e Facilities operam no Jira Service Management com portais próprios, catálogos de serviço, SLAs e workflows por área. Cada uma dessas operações gera um dataset específico que a diretoria de negócio quer ver. Alguns exemplos concretos:

O ponto cross-área é o mais poderoso e o menos explorado. Um onboarding real envolve RH (pedido), TI (provisionamento de acesso), Facilities (mesa e crachá) e Financeiro (folha). Quando essas quatro operações estão no mesmo Jira, é possível medir a jornada inteira, e não só o pedaço de cada área. É análise de processo corporativo com dado, não com percepção.

As três camadas de BI que resolvem esse problema (na ordem de custo)


O erro comum é escolher a camada mais cara antes de entender qual é o problema. As três camadas se somam, cada uma resolvendo uma classe de pergunta:


Camada 1 · Relatórios nativos do JSM (o que o Jira já traz)

O JSM entrega, sem custo adicional, relatórios operacionais por projeto: volume de chamados, SLA por tipo, backlog, resolução por agente. Resolve a pergunta do gestor de área (“meu time está no prazo?”). Não resolve a pergunta da diretoria (“como estamos como empresa?”), porque cada projeto é uma ilha e nada cruza.


Camada 2 · Dashboards executivos consolidados

Quando a pergunta cresce, entra a camada de BI executivo. Duas opções ancoradas na plataforma: o Atlassian Analytics, documentado pela Atlassian como a ferramenta que quebra silos entre projetos e constrói dashboards interativos sobre dados de Jira e Confluence; e o Power BI conectado ao Jira, que a CSP Tech entrega via Power BI for Jira, conector no-code publicado no Atlassian Marketplace. Nas duas opções, o entregável é o mesmo: dashboards que consolidam áreas, com modelo semântico governado e métricas de negócio definidas uma vez para valer em toda leitura. Aqui aparecem a leitura por área, o cruzamento, o cross-área. Aqui a diretoria começa a responder as próprias perguntas sem abrir chamado.


Camada 3 · Analítica em escala e IA

Quando a leitura descritiva não basta (previsão de volume por sazonalidade, detecção automática de exceção, agente de IA respondendo sobre a operação inteira), o dado do JSM entra no pipeline analítico que já cobrimos no cluster. Não é substituição da camada 2, é continuação. E não é a primeira parada: só faz sentido quando as duas primeiras camadas já estão maduras e a pergunta genuinamente cresceu.


O que muda numa consultoria de BI de ESM em relação à consultoria de BI de desenvolvimento


Consultoria de BI para desenvolvimento (que já cobrimos em artigos anteriores) é sobre fluxo, ciclo, entrega. Consultoria de BI para ESM é outro trabalho, com três diferenças estruturais:


     O buyer muda. Não é o head de engenharia querendo entender o time. É a diretoria de negócio (CFO, head de RH, head de Facilities) querendo entender a operação corporativa. O que se apresenta no board é diferente do que se apresenta na reunião de engenharia.

     As métricas são de negócio, não de fluxo. Aderência a SLA por processo, custo por unidade de serviço, produtividade cruzada. Story point não entra na conversa.

     A modelagem tem que suportar cross-área. O modelo semântico precisa costurar dado de projetos diferentes (RH + TI + Facilities num onboarding) sem quebrar governança de acesso. É desenho de arquitetura que a consultoria de BI comum não faz.


É por isso que Atlassian Gold + expertise em Power BI é o cruzamento que faz diferença: a mesma consultoria precisa entender do lado Atlassian (como o JSM registra a operação de cada área, como o ESM se estrutura, como os projetos se relacionam) e do lado BI (modelo semântico com métricas de negócio definidas uma vez, governança de acesso cross-área, dashboards que a diretoria consome sem abrir chamado). É um único trabalho, não dois vendidos separados. A CSP Tech opera com essa combinação: Atlassian Gold na origem, Microsoft Gold no BI e produto próprio Power BI for Jira ligando os dois lados.


Quando ainda não vale investir nessa consultoria


     O JSM ainda não é modo ESM. Se as áreas de negócio ainda operam por e-mail, planilha ou ferramenta separada, o dado corporativo não existe no Jira. A ordem é levar as áreas para o JSM primeiro (Enterprise Service Management é um trabalho anterior), e depois montar a leitura em BI.

     O JSM está mal configurado nas áreas de negócio. Workflow que não reflete o processo real da área e campos preenchidos por obrigação produzem dado sujo, e o dashboard sobre dado sujo mente com autoridade. Higiene de configuração na origem vem antes.

     A diretoria ainda não pergunta. Se a demanda por leitura de negócio ainda não chegou, montar o BI antes é dimensionar para pergunta que ninguém está fazendo. Consultoria de BI de ESM se justifica quando existe demanda concreta de leitura por parte do buyer de negócio.


Perguntas frequentes


O que é Enterprise Service Management (ESM) no Jira?

Segundo a Atlassian, ESM estende as práticas de IT Service Management (ITSM) para além da TI, aplicando-as a áreas como RH, Financeiro, Jurídico, Facilities e Marketing. Na prática, no Jira Service Management significa que essas áreas ganham portais próprios, catálogos de serviço, SLAs e workflows customizados, operando sob a mesma plataforma.


Preciso de Power BI para ter BI sobre o JSM?

Não obrigatoriamente. A Atlassian oferece o Atlassian Analytics para dashboards consolidados sobre Jira e Confluence, documentado como ferramenta para quebrar silos entre projetos. O Power BI conectado ao Jira, via conectores como o Power BI for Jira da CSP, entra quando a leitura precisa integrar dado de fora do Atlassian (ERP, CRM) ou aproveitar um investimento já feito em Microsoft 365. As duas opções são válidas e podem coexistir.


Qual a diferença entre BI de desenvolvimento e BI de ESM?

BI de desenvolvimento acompanha fluxo de entrega técnica (cycle time, throughput, sprint). BI de ESM acompanha operação corporativa por área de negócio (aderência de SLA, custo por processo, jornada cross-área). São datasets diferentes, buyers diferentes e modelagens diferentes, mesmo quando rodam sobre o mesmo Jira. Confundir os dois é o erro que faz a diretoria receber dashboard de sprint quando pediu leitura de RH.


Como começar? Precisamos refazer tudo?

Não. O caminho que reduz risco é começar por uma área com demanda clara da diretoria (tipicamente RH ou Facilities), montar a camada 2 de BI executivo sobre essa área, validar em produção, e expandir. É trabalho por onda, não big-bang. O primeiro passo é um diagnóstico que mapeia quais áreas já estão em ESM, quais perguntas a diretoria faz, e onde a leitura existe versus onde precisa ser construída.


Próximo passo


Se a sua diretoria de negócio já pergunta e o BI da casa continua entregando dashboard de sprint, o problema não é a ferramenta e não é a área de dados. É que ninguém desenhou o BI corporativo sobre o Jira que a empresa já tem. Solicite um diagnóstico de BI corporativo sobre Jira Service Management com a CSP Tech e receba o mapa das perguntas de negócio que já podem ser respondidas, das áreas mais maduras para começar e das camadas de BI que fazem sentido para o seu estágio.


Autor: Guilherme Matos, estrategista de conteúdo e IA, certificado HubSpot, Google e Anthropic. Revisão técnica por especialistas Atlassian e Microsoft da CSP Tech (Atlassian Gold Partner, Microsoft Gold Partner, 34 anos de mercado, produto próprio Power BI for Jira no Atlassian Marketplace).

Fontes (oficiais, acesso jul/2026): Atlassian, “Enterprise Service Management” (atlassian.com/software/jira/service-management/features/enterprise-service-management); Atlassian, “The complete guide to Enterprise Service Management (ESM)” (atlassian.com/software/jira/service-management/whats-new/expanding-service-management-beyond-it); Atlassian, “Jira Service Management for Enterprises” e Atlassian Analytics (atlassian.com/software/jira/service-management/for-enterprises); Atlassian, “Enterprise Service Management in Jira Service Management” (atlassian.com/.../product-guide/getting-started/enterprise-service-management). CSP Tech, Power BI for Jira, conector no-code no Atlassian Marketplace (csptech.com.br).

Fale com a CSP Tech

.

Por Guilherme Matos 17 de julho de 2026
A Databricks não vende um produto de MDM, e isso é uma vantagem. Veja como construir dados mestres e golden records no Lakehouse com os blocos oficiais da plataforma, e quando um app parceiro ou uma plataforma dedicada faz mais sentido.
Por Guilherme Matos 15 de julho de 2026
Speech analytics gera evidência do que aconteceu na conversa. O Jira registra o que foi feito sobre isso. IA de atendimento só funciona de verdade quando os dois datasets se encontram. Veja como fechar esse loop. Speech analytics gera um tipo de dado que o Jira não tem: o que realmente aconteceu na conversa com o cliente. Aderência ao script, objeções mal tratadas, sentimento do interlocutor, termos obrigatórios ditos ou omitidos. O Jira, por sua vez, registra o que o time fez a respeito: o chamado aberto, a ação executada, o tempo de resolução. São dois datasets sobre a mesma operação, cada um com uma metade da história. Separados, cada um conta uma verdade parcial. Juntos, fecham o loop que transforma atendimento em melhoria contínua baseada em evidência. E é esse dataset combinado, conversa mais ação, que a IA de atendimento precisa para funcionar em produção, porque previsão e agente sem contexto operacional são chute sofisticado.
Por Guilherme Matos 14 de julho de 2026
O conector traz o dado bruto do Jira para o Databricks . A IA precisa de dado curado. Veja a arquitetura medalhão (bronze, prata, ouro) aplicada ao dado do Jira e o trabalho de consultoria de dados para IA que ninguém orça. 
governança de IA agêntica; como medir o ROI de agentes de IA
Por Romildo Burguez 13 de julho de 2026
53% das empresas brasileiras já priorizam agentes de IA, mas poucas sabem medir o retorno. Entenda a governança de IA agêntica e veja como aplicar
agentes de IA bancária, o que é IA agêntica, arquitetura multiagente, governança de agentes de IA
Por Romildo Burguez 13 de julho de 2026
O Banco do Brasil elevou conversões de Pix com agentes de IA bancária orquestrados. Veja a arquitetura por trás disso e como aplicar no seu setor
Por Guilherme Matos 13 de julho de 2026
Antes de comprar mais uma ferramenta de IA, vale consolidar dado analítico e operacional numa camada só. Veja como o Databricks Lakehouse resolve isso e como modelos Claude rodam dentro dessa arquitetura com governança unificada. Databricks Lakehouse é uma plataforma unificada que combina, em uma única camada, o armazenamento de dado bruto de um data lake e a estrutura analítica de um data warehouse, governada por um catálogo único (Unity Catalog). Segundo a documentação oficial da Databricks , essa unificação existe justamente para eliminar as cópias, os pipelines redundantes e a governança fragmentada que travam a maioria das iniciativas de IA em empresa de porte. Modelos de linguagem de última geração, incluindo a família Claude da Anthropic, são acessíveis diretamente de dentro do workspace via Foundation Model APIs e External Models, com governança centralizada e credenciais protegidas. A implicação prática: antes de comprar outra ferramenta de IA, vale checar se o problema não está na base, e não no modelo.
Por Guilherme Matos 11 de julho de 2026
O Jira guarda anos de história operacional que o BI lê só de forma descritiva. Veja quando esse dado justifica o Databricks Lakehouse, como ingerir via conector oficial Lakeflow Connect e o que o Unity Catalog governa. 
Por Guilherme Matos 10 de julho de 2026
A intranet moderna não é mural de avisos. É a interface onde o colaborador acessa dado governado, dispara ação no Jira e conversa com IA sem trocar de tela. Veja como amarrar SharePoint, Confluence, Copilot e Rovo. 
Por Guilherme Matos 9 de julho de 2026
Antes de comprar mais uma ferramenta de IA, vale consolidar dado analítico e operacional numa camada só. Veja como o Databricks Lakehouse resolve isso e como modelos Claude rodam dentro dessa arquitetura com governança unificada.