Customer Master Data — Migração Strangler

Substituí um monólito de Customer Master Data de missão crítica com zero downtime através do padrão Strangler Fig: uma camada fina de adapter (anti-corruption layer) continuou a expor os contratos SOAP e REST legados enquanto delegava na nova platform API, permitindo a cada consumidor migrar método a método, ao seu próprio ritmo, por trás de feature flags (rollback instantâneo). Migração validada por testes funcionais de paridade de alta cobertura que comparavam, endpoint a endpoint, a resposta legada vs a resposta com a flag ligada (golden master) — equivalência provada, não assumida.

Desenhei e operei pipelines de ETL + dados de ponta a ponta a alimentar o Snowflake e uma camada de data lake (raw + curated) para analytics a jusante e lineage de master data.

Automatizei com LLMs um fluxo de deduplicação de clientes corporativos até então feito por humanos, eval-first: antes de escrever o primeiro prompt, recolhi 1.000 casos reais decididos por humanos como golden dataset; cada candidato a prompt corria contra ele e produzia estatísticas de accuracy, e o mesmo harness tornou-se o regression gate para migrações de versão de modelo. A accuracy da IA superou a baseline humana medida — foi isso que justificou automatizar.