Com a ascensão da era da IA generativa (Gen AI), empresas enfrentam oportunidades sem precedentes para criar produtos transformadores. No entanto, o sucesso dessa jornada exige uma mudança estratégica na infraestrutura tecnológica. Há alguns anos, o PayPal, um gigante nativo digital, enfrentava um desafio crítico: após 25 anos de expansão, sua infraestrutura de data analytics tornou-se um ecossistema complexo e fragmentado. Cerca de 400 petabytes de dados estavam espalhados por uma dezena de sistemas isolados em silos, fruto de limitações de escala e aquisições de empresas como Venmo, Braintree e outras.
O próprio sucesso do crescimento gerou uma complexidade que ameaçava o próximo passo da evolução da companhia. Para continuar liderando a inovação em serviços financeiros, a modernização da base de dados não era apenas uma opção, mas uma necessidade de sobrevivência e competitividade. Recentemente, o PayPal concluiu o que é considerada uma das maiores migrações de dados da história, consolidando seu analytics no BigQuery, o data warehouse empresarial do Google Cloud.
Esta migração foi essencial devido à escala monumental. Ao desativar sistemas legados como o Teradata, o PayPal não apenas trocou de ambiente, mas estabeleceu um novo framework de dados para suportar prioridades de negócio e as necessidades financeiras em constante mudança dos clientes.
O potencial inexplorado dos dados
Como pioneiro em pagamentos digitais, o PayPal processa bilhões de transações e armazena décadas de insights valiosos. Contudo, essa "cordilheira" de dados desenvolvida ao longo de décadas não era totalmente aproveitada. Cada nova aquisição introduzia desafios de integração. Por exemplo, um lojista que utilizasse PayPal para vendas online e Venmo para transações locais tinha seus dados divididos, exigindo processos lentos e custosos para uma visão unificada.
A fragmentação limitava a personalização da experiência do usuário e dificultava a extração de insights profundos. Com a IA tornando-se uma força transformadora no setor financeiro — com alto potencial de ROI —, dados fragmentados impediriam a criação de experiências inteligentes, como detecção de fraudes em tempo real e plataformas de comércio preditivas.
Sistemas legados vs. ambições modernas
O escopo era massivo. Foi necessário consolidar múltiplas plataformas, incluindo o que se acredita ser a maior implementação de Teradata do mundo, além de clusters Hadoop, Redshift, Snowflake e outros sistemas processando petabytes de transação. Tudo isso com a exigência de zero downtime e manutenção rigorosa da segurança.
A decisão de migrar para a nuvem em vez de tentar escalar a infraestrutura on-premise envolveu uma análise de custo-benefício (FinOps). O custo e o tempo para unificar o ambiente legado seriam proibitivos. Além disso, a inovação em IA acontece de forma acelerada na nuvem. O BigQuery foi escolhido por ser uma plataforma cloud-native, totalmente gerenciada, com desagregação de compute e storage (permitindo escala independente) e uma interface SQL familiar, o que reduziu a curva de aprendizado do time de engenharia.
A jornada para os dados unificados
Com o suporte do Google Cloud Consulting, o PayPal migrou mais de 300 petabytes de dados, simplificando operações e desativando cerca de 25% das cargas de trabalho desnecessárias. O sucesso da operação baseou-se em quatro pilares:
- Alinhamento: A transformação foi tratada como prioridade máxima de toda a empresa.
- Descoberta e Análise: Inventários detalhados de workloads e linhagem de dados (lineage) permitiram mapear dependências críticas e prever orçamentos.
- Estratégia: Definição clara entre lift-and-shift versus modernização, além de guardrails de segurança e governança.
- Execução: Automação de tarefas e uso de dashboards em tempo real para monitorar a migração. O FinOps foi integrado nativamente para garantir visibilidade de consumo e performance.
Impactos Reais: Do BigQuery para o Negócio
Os resultados práticos demonstram o valor da modernização:
- Agilidade nos insights: Consultas (queries) complexas estão entre 2,5x e 10x mais rápidas, permitindo recomendações de produtos personalizadas em tempo real.
- Base para IA: Os dados disponíveis para treinamento de modelos são 16x mais recentes (freshness). O feature engineering foi otimizado pelo acesso instantâneo a dados limpos e governados.
- Eficiência Operacional: A redução de quatro fornecedores de infraestrutura de dados para apenas um simplificou o gerenciamento e eliminou a duplicidade de dados.
O futuro: Inovação impulsionada por IA
Com a plataforma unificada, o PayPal agora explora capacidades antes impossíveis:
- Prevenção preditiva de fraudes antes que o cliente seja afetado.
- Insights financeiros personalizados para ajudar lojistas a otimizarem seus negócios.
- Experiências de pagamento que se adaptam às preferências e padrões de cada usuário.
- Avaliação de risco inteligente para expandir o acesso financeiro.
O conceito de Agentic Commerce (comércio agêntico) passa a ser uma realidade tangível, onde agentes de IA podem tomar decisões e agir em nome de usuários e empresas.
Lições para a Era da IA
A experiência do PayPal oferece dois ensinamentos vitais para o mercado brasileiro. Primeiro: não subestime o quanto seus dados podem estar desorganizados ou subutilizados. Organizar o data fabric é o pré-requisito para colocar machine learning e IA generativa em produção com escala. Segundo: democratizar o acesso aos dados com os controles de segurança adequados (SecOps) quebra silos organizacionais e acelera a tomada de decisão.
A transformação do PayPal prova que mesmo empresas estabelecidas podem se reinventar, desde que enfrentem os desafios fundamentais de sua infraestrutura de dados.
Artigo originalmente publicado por Vaishali WaliaSr Director Data Analytics, PayPal em Cloud Blog.
