O PicPay cortou 44% dos custos operacionais de dados ao consolidar sua infraestrutura analítica em uma única plataforma. A fintech, que opera com 9 petabytes de dados curados e mais de 2.600 usuários internos acessando informações, atribui o resultado à adoção do ecossistema Databricks como camada unificada de dados e inteligência artificial.
ANTES → DEPOIS: JORNADA DE DADOS PICPAY
| Indicador |
Antes |
Depois |
| Custo operacional de dados |
Base |
-44% |
| Volume de dados curados |
Fragmentado |
9 petabytes |
| Usuários com acesso a dados |
Restrito |
2.600+ |
| Plataforma |
Múltiplas ferramentas |
Databricks (unificada) |
Fonte: Databricks AI Days / TI Inside
A aposta em dados como infraestrutura de produto
A transformação foi apresentada por Gustavo Tadao, Head de Dados do PicPay, durante o Databricks AI Days. Segundo Tadao, a decisão de unificar a infraestrutura partiu da necessidade de democratizar o acesso a dados entre áreas de negócio. “A gente acredita de fato na hiperpersonalização da experiência”, disse Tadao, referindo-se ao uso de dados para calibrar ofertas de crédito, cashback e seguros de forma individualizada.
O movimento acompanha um ciclo de resultados expressivos da fintech. O PicPay duplicou o lucro líquido em 2025, chegando a R$ 502 milhões, com receita líquida de R$ 10,3 bilhões. A carteira de crédito cresceu 128% e passou a responder por 52% da receita total. Para operar nessa escala, a capacidade de processar dados em tempo real é pré-requisito, não diferencial.
Databricks como eixo da estratégia de IA no Brasil
A escolha do Databricks pelo PicPay se insere num contexto mais amplo. A empresa americana, avaliada em US$ 62 bilhões após captação de US$ 10 bilhões, tem apostado no Brasil como mercado estratégico para IA corporativa. A operação local deve fechar 2026 com cerca de 200 funcionários e já trabalha com expectativa de expandir o time entre 15% e 20%. Além do PicPay, Bradesco, B3, Nubank, iFood e Casas Bahia estão na base de clientes brasileira.
Para o PicPay, a plataforma unificada viabiliza não apenas a redução de custo, mas a escala de modelos de machine learning para personalização. Com 42,7 milhões de contas ativas e volume transacionado de R$ 550 bilhões em 2025, a granularidade dos dados disponíveis para treinar modelos é um ativo competitivo difícil de replicar por operações menores.
O que observar
A consolidação de infraestrutura de dados em plataformas únicas é uma tendência entre fintechs que atingiram escala relevante. O ganho de eficiência operacional é imediato, com reduções de custo que costumam variar entre 20% e 50%, mas o valor de longo prazo está na capacidade de alimentar modelos de IA com dados proprietários. Instituições que operam na casa dos petabytes ganham vantagem na hiperpersonalização de crédito e seguros, duas verticais onde a precisão do modelo impacta diretamente inadimplência e sinistralidade.
Vale acompanhar se a democratização do acesso a dados, com milhares de usuários internos operando sobre a mesma plataforma, acelera ciclos de experimentação de produto. Para fintechs em fase de monetização, a velocidade com que um insight de dados vira feature em produção pode ser mais determinante que o próprio volume de informação armazenada.
Fontes: TI Inside • Blog do PicPay • Let’s Money • Let’s Money
