Cada fonte de dados exige uma lógica própria de extração. Essa heterogeneidade é genuína e inevitável, e é exatamente ela que torna os scripts de extração um quadro em branco: sem uma estrutura compartilhada, pessoas diferentes trabalhando em fontes diferentes produzem soluções que crescem como dialetos paralelos dentro do mesmo time, repetindo estratégias de jeitos incompatíveis.

A saída óbvia seria adotar uma ferramenta ou plataforma baseada em conectores, mas essa troca tem dois custos que costumam aparecer cedo. O primeiro é estrutural: a ferramenta vive como um componente separado na arquitetura, com seu próprio ciclo de vida e overhead operacional. O segundo aparece quando as fontes são diversas ou pouco convencionais: as restrições para criar conectores customizados se tornam uma limitação de design, exatamente no ponto em que mais se precisaria de flexibilidade.

dlt oferece um terceiro caminho. Com conceitos como resources, sources e pipelines implementados em Python, a biblioteca traz comportamento e consistência de framework diretamente para a codebase, sem abrir mão da flexibilidade da linguagem. Nesta palestra vamos explorar esses componentes na prática e entender por que dlt vem se tornando uma escolha consolidada em plataformas de dados modernas.