Temos trabalhado intensamente para eliminar a fricção entre uma ideia de negócio e modelos financeiros profissionais, executando a modelação financeira com Azure Functions totalmente em memória e persistindo os modelos financeiros com o Dataverse SDK for Python como dados estruturados.
Chamamos a esta nova abordagem modelos financeiros em memória. O tempo entre a ideia e o output já não se mede em horas ou dias, mas em segundos.
Esta mudança arquitetural desbloqueia uma classe completamente nova de funcionalidades. É possível graças à combinação de Azure Functions baseadas em Python para cálculo de alta performance com o novo Dataverse SDK for Python, permitindo que os modelos financeiros sejam simultaneamente rápidos na execução e robustos na persistência.
Como a FinModeler executa modelos financeiros em memória
No centro desta nova capacidade está um conjunto de Azure Functions baseadas em Python que funcionam como um motor de modelação financeira extremamente rápido. Em vez de construir o modelo como um artefacto lento, baseado em ficheiros e passo a passo, a FinModeler executa todo o pipeline de cálculo em memória e expõe-o através de um conjunto de APIs.
Podes pensar nisto da seguinte forma: “dado este conjunto de pressupostos para uma ideia de negócio, devolve-me um modelo financeiro completo como resposta”.
Caso queiras iterar e/ou alterar algum pressuposto, a API ajusta a resposta, devolve o modelo em memória e persiste os resultados no Dataverse.
Concretamente, o que podes esperar como resposta é a lógica financeira completa:
- Demonstração de Resultados
- Cash Flow
- Balanço Patrimonial
- Métricas de Avaliação
Também podes obter o modelo em Excel
A geração do Excel é tratada por uma função dedicada, sem automação de ambiente de trabalho nem armazenamento externo. O workbook é gerado em Python puro e devolvido diretamente ao utilizador. E sim, contém o conjunto completo de fórmulas Excel, tal como se um utilizador experiente o tivesse feito manualmente.
A persistência está intencionalmente desacoplada da computação. Os resultados do modelo podem ser guardados de forma síncrona quando necessário, ou persistidos de forma assíncrona em segundo plano. Esta separação é o que permite que os cálculos se mantenham rápidos, garantindo ao mesmo tempo um armazenamento fiável e rastreabilidade.
Do ponto de vista operacional, a arquitetura foi concebida para ser previsível e robusta. As bibliotecas numéricas e relacionadas com Excel de maior peso são carregadas apenas quando necessário, garantindo que o runtime das Functions se mantém estável e responsivo. Todos os endpoints estão protegidos com autenticação ao nível da função e foram desenhados para se integrarem de forma limpa com o Power Automate e o Power Apps.
Persistir modelos como dados estruturados com o Dataverse SDK for Python
O novo Dataverse SDK for Python foi lançado recentemente e adotado de imediato como a solução ideal para persistência de dados. Testámos a sua velocidade e segurança e decidimos avançar com ele.
Este SDK funciona como a ponte entre o motor de cálculo em memória e o Microsoft Dataverse, permitindo que os modelos financeiros sejam armazenados, consultados, versionados e reutilizados em toda a Power Platform.
O SDK gere a autenticação e os tokens de forma transparente e expõe operações genéricas para consultar, inserir e eliminar registos.
A performance é uma preocupação prioritária. Em vez de inserir registos um a um, o SDK utiliza operações em batch do Dataverse para fazer upsert de grandes volumes de dados numa fração do tempo. As operações de limpeza, como a remoção de versões desatualizadas do modelo, também são otimizadas para correr em paralelo. O resultado é uma persistência que escala com a complexidade do modelo sem abrandar a iteração.
Na prática, isto significa que cada execução de um modelo financeiro pode ser guardada como um dataset limpo e estruturado — pronto a ser consumido por canvas apps do Power Apps ou por fluxos de trabalho analíticos posteriores.
Tornar os modelos financeiros prontos para agentes de IA
E se pudesses falar com o teu modelo financeiro como se estivesses a falar com um especialista, fazer perguntas, simular cenários, avaliar riscos e oportunidades? Sem alucinações de IA.
Isto é algo que ainda está a ser desenvolvido — fica atento para mais novidades da nossa parte…
Os benefícios para consultores e equipas financeiras
Esta arquitetura não é sobre usar nova infraestrutura cloud pelo simples facto de ser nova. É sobre mudar a economia da modelação financeira.
Ao separar o cálculo, a persistência e a geração de outputs, estamos a permitir que as equipas iterem mais rapidamente sem sacrificar estrutura ou controlo. Os consultores podem explorar múltiplos cenários em minutos em vez de reconstruir folhas de cálculo.
As equipas financeiras ganham rastreabilidade, repetibilidade e a confiança de que os números com que trabalham são consistentes e reproduzíveis.
Os modelos financeiros deixam de ser ficheiros frágeis e passam a comportar-se como sistemas: rápidos a calcular, fáceis de persistir e prontos para suportar capacidades mais avançadas — desde análise de cenários a agentes analíticos.
Se quiseres ver como funcionam os modelos financeiros em memória na prática, podes solicitar uma demonstração pessoal da FinModeler e explorar a arquitetura e os outputs em primeira mão.