O risco não estava só no sistema antigo
O ponto de partida era um ambiente legado em Sybase responsável por sustentar a comunicação com dez seguradoras. A migração para Google Cloud era necessária, mas o risco central não estava apenas em substituir uma tecnologia defasada por uma arquitetura moderna. O risco estava em tudo o que poderia se perder, travar ou se perpetuar se a mudança fosse feita sem critério.
Havia um primeiro problema visível: a possibilidade de a operação perder conexão com 23 dashboards críticos em Power BI. Isso significaria deixar áreas operacionais sem leitura confiável justamente no momento mais sensível da transição. Havia também um segundo problema, menos visível e mais grave: durante o diagnóstico, a MATH identificou cerca de 1 milhão de registros com falhas, inconsistências ou ausência de dados. Em uma migração feita apenas no modelo as-is, esse passivo seria transferido para o novo ambiente.
O impacto potencial era alto. Se o go-live acontecesse sem tratamento dessa base, a operação poderia conviver com interrupções, perda de eficiência, danos reputacionais e exposição regulatória. Em seguros, isso não afeta apenas relatório ou consulta. Afeta contratos, fluxos de valor e capacidade de operar com confiança.
O desafio, portanto, não era apenas mover dados. Era impedir que a modernização carregasse o problema antigo para dentro da nova arquitetura.
Uma transição desenhada para continuidade
A resposta foi tratar a migração como uma operação de segurança do negócio, e não apenas de tecnologia.
A MATH construiu um Data Warehouse em BigQuery para funcionar como nova fonte de verdade, mas o desenho não partiu de uma ruptura abrupta. A arquitetura foi organizada para operar em modo de transição, consolidando dados vindos tanto do legado quanto do novo ambiente em uma mesma camada de leitura.
Pipelines paralelos passaram a ingerir dados de Sybase e da nova estrutura BVSEG. No Power BI, fluxos dedicados de dados e ETLs normalizaram as regras de negócio de ambas as origens para que o usuário final continuasse operando sobre uma visão unificada. A complexidade técnica da migração ficou no backend. Para a operação, o que apareceu foi continuidade.
Esse ponto foi decisivo. Em vez de criar dois mundos separados, um antigo e outro novo, com custo humano duplicado e curva de aprendizado adicional, o projeto preservou o consumo analítico em um único painel de vidro. A equipe continuou vendo o negócio, independentemente da origem do dado.
Ao mesmo tempo, a MATH estruturou um fluxo específico de quality assurance para comparar integridade entre origem e destino. Isso permitiu tratar a governança como ativo técnico contínuo, e não como checklist de virada. Foi nesse processo que os 1 milhão de registros inconsistentes puderam ser identificados, corrigidos e impedidos de contaminar o novo ambiente.
A refatoração de queries complexas de Sybase para BigQuery também foi acelerada com apoio de IA, reduzindo esforço manual de desenvolvimento e encurtando o tempo de adaptação do legado sem inflar o projeto.
Além de sustentar a transição, a arquitetura foi deixada pronta para expansão. O ambiente em GCP passou a permitir entrada de novas seguradoras sem reestruturação relevante de código, ampliando a capacidade futura da operação.
O valor da solução não esteve só em migrar. Esteve em preservar a operação, corrigir o legado e criar uma base confiável para crescer.
O que foi protegido e o que passou a escalar
O primeiro resultado foi a preservação da receita. A correção preventiva de 1 milhão de registros protegeu a integridade dos fluxos ligados a novos contratos e evitou que a operação entrasse em produção com um passivo invisível dentro da nova arquitetura.
O segundo resultado foi operacional. A manutenção de uma visão unificada dos dados impediu a fragmentação da rotina dos times. Em vez de exigir adaptação simultânea a dois ambientes distintos, a solução manteve os mesmos painéis como ponto de consumo, reduzindo atrito, curva de aprendizado e perda de produtividade.
O terceiro resultado foi de eficiência de projeto. A aplicação de IA no processo de refatoração de queries acelerou a migração técnica entre Sybase e BigQuery, reduzindo horas de desenvolvimento sem comprometer transparência ou auditabilidade.
O quarto resultado foi de governança. A operação saiu de um cenário de baixa conformidade para 100% de aderência às diretrizes internas de governança de dados. Isso muda o papel da base modernizada. Ela deixa de ser apenas um ambiente novo e passa a funcionar como infraestrutura mais segura para operação e expansão.
O quinto resultado foi estrutural. A arquitetura ficou preparada para incorporar novas seguradoras em modelo plug-and-play, tornando a modernização não apenas corretiva, mas habilitadora de crescimento.
Ao final, o projeto evitou que a migração fosse apenas uma troca de sistema. Ela passou a funcionar como reorganização técnica e operacional do negócio.
