Após expansão, Farmácias São João moderniza estrutura tecnológica com Snowflake

A trajetória das Farmácias São João é marcada por forte expansão. Em pouco mais de duas décadas, a rede passou das primeiras 100 lojas para mais de 1.200 unidades ativas no Sul do Brasil, com 23 mil colaboradores e 11 milhões de clientes atendidos por mês. Mas esse avanço exponencial trouxe consigo um problema que se tornava mais crítico a cada nova loja inaugurada: a infraestrutura de dados não acompanhava o ritmo da operação. Os dados da empresa estavam dispersos em pelo menos sete fontes distintas, cada uma com suas próprias regras de negócio, periodicidades e definições. Vendas, estoque, fornecedores, operações e comercial trabalhavam com sua própria "verdade". O resultado era previsível e, quando um executivo precisava de uma resposta simples, a discussão começava antes mesmo da análise, pois ninguém sabia ao certo qual informação utilizar como referência.

O custo da fragmentação

Decisões que deveriam ser tomadas em horas levavam dias. As reuniões se transformavam em debates sobre qual sistema estava correto, ao invés de discutir estratégias. A ausência de uma visão única dos dados dificultava análises consistentes e tornava mais lenta a tomada de decisões estratégicas. A arquitetura legada — baseada em bancos relacionais tradicionais, pipelines de manutenção intensiva e sistemas engessados — sofria de quatro males simultâneos: baixa escalabilidade; dependência de inúmeros sistemas legados e bases operacionais; lentidão e baixa confiabilidade na integração das informações. Provisionar um novo ambiente podia levar de dias a semanas. O time de engenharia passava mais tempo corrigindo falhas do que construindo soluções. E qualquer projeto de analytics avançado ou Inteligência Artificial permanecia travado.

A arquitetura legada — baseada em bancos relacionais tradicionais, pipelines de manutenção intensiva e sistemas engessados — sofria de quatro males simultâneos: baixa escalabilidade; dependência de inúmeros sistemas legados e bases operacionais; lentidão e baixa confiabilidade na integração das informações. Provisionar um novo ambiente podia levar de dias a semanas. O time de engenharia passava mais tempo corrigindo falhas do que construindo soluções. E qualquer projeto de analytics avançado ou Inteligência Artificial permanecia travado.

No final de 2023, a FSJ iniciou uma avaliação criteriosa entre as principais plataformas do mercado e optou pela Snowflake. O ponto central não era apenas resolver o problema imediato, mas escolher uma arquitetura capaz de acolher os projetos de analytics avançado e IA que já estavam no horizonte.

A Snowflake se destacou em todos os quesitos decisivos:

• Escalabilidade elástica com separação real entre armazenamento e processamento
• Alta performance sem interferência entre cargas de trabalho distintas
• Robustez em governança nativa, controle granular de acesso e segurança
• Cultura de FinOps — transparência e proporcionalidade de custos
• Roadmap acelerado de IA generativa já integrado à plataforma

A aposta estratégica foi clara: enquanto a FSJ estruturasse sua arquitetura de dados a Snowflake continuaria evoluindo em IA, de modo que, ao finalizar a base, a infraestrutura já estaria pronta para os próximos passos sem necessidade de nova migração.

O cronograma original previa seis meses para entregar apenas o domínio de vendas. No entanto, com a facilidade de uso da plataforma Snowflake, em três meses, a FSJ havia superado esse escopo, colocando em produção um volume de informações muito superior ao planejado. E sem nenhum parceiro externo, apenas aproveitando o manuseio intuitivo da Snowflake. Toda a implementação foi conduzida internamente pelas equipes de Engenharia de Dados, DBAs e BI da FSJ.

A stack construída ao redor da Snowflake incluiu Apache Airflow para orquestração, Apache Kafka para streaming e integração de dados em tempo real, dbt para transformação e padronização das camadas, Dynamic Tables para simplificação dos pipelines, e Snowpark com Cortex AI para execução de modelos na plataforma — sem movimentação de dados para fora do ambiente.

Aprendizado-chave

A migração gradual, com os dois ambientes rodando em paralelo durante a validação, garante integridade dos dados e confiança das equipes antes do desligamento definitivo do legado.

Na prática, o efeito mais sentido pelas equipes foi a eliminação do gargalo de entrega. "O que antes levava semanas de engenharia pesada, hoje entregamos em dias" — a frase, repetida como mantra pelo time de analytics da companhia, resume com precisão o salto de produtividade que a plataforma proporcionou. A padronização das camadas da arquitetura de dados e a automação de pipelines via dbt tornaram a reutilização de dados uma regra da FSJ.

O provisionamento de novos ambientes, que no modelo anterior consumia dias ou semanas por conta de limitações físicas de infraestrutura, passou a ser concluído em minutos ou poucas horas — dependendo apenas dos trâmites de governança, não mais de filas técnicas. Outra prova concreta das melhorias é exemplificada nos processos de extração de dados regulares da empresa, que antes duravam de 6 a 7 horas e agora são enviados em até 30 minutos.

Além disso, um ganho adicional percebido foi o uso do CoCo, funcionalidade nativa da plataforma da Snowflake, que permitiu desenvolvimentos mais rápidos e reduziu prazos de tarefas que antes levavam semanas ou meses.

Um dos ganhos mais transformadores da plataforma foi a democratização do acesso à informação. Antes da Snowflake, cada área operava com seus próprios silos e versões da verdade. Com a arquitetura de dados centralizada, todas as frentes da empresa passaram a trabalhar com dados consistentes, confiáveis e disponíveis em tempo real.

As áreas passaram a operar com autonomia plena, destravando processos internos e viabilizando decisões estratégicas mais ágeis.

• Vendas e Comercial — análise em tempo real de desempenho por loja, região e produto
• Produtos e Estoque — visibilidade integrada para decisões de abastecimento
• Operações de Lojas — monitoramento padronizado de indicadores em toda a rede
• Fornecedores — compartilhamento direto de dados via Data Sharing, eliminando integrações por SFTP
• Inteligência de Negócios — dashboards e análises entregues em dias, não em semanas
• Engenharia e Ciência de Dados — foco em inovação, não em manutenção de infraestrutura

Parte relevante nesse processo integrado, por exemplo, é o Snowflake Intelligence, que tem gerado insights estratégicos para as áreas de negócio da FSJ — sem depender de times técnicos. Com a ferramenta, os gestores conseguem, com autonomia, fazer perguntas, cruzar informações e analisar dados de vendas por loja, produto ou categoria rapidamente. A solução também atua em mapeamentos inteligentes da concorrência e de quem visita as unidades, identificando a abertura de lojas concorrentes próximas aos PDVs e os perfis de consumidores que compram mais de uma vez nas lojas.

Hoje, mais de 25 mil usuários provenientes do sistema corporativo são impactados, direta ou indiretamente, pelas informações processadas na plataforma para tomar decisões no dia a dia da operação. Usuários técnicos e executivos acessam a plataforma para consultas avançadas e uso do Snowflake CoWork; os demais consomem os dados por meio dos sistemas e dashboards de BI que abastecem toda a rede.

Se a centralização dos dados foi o primeiro capítulo dessa transformação, o segundo é protagonizado pela Inteligência Artificial. E aqui a Snowflake demonstrou sua capacidade de acompanhar as demandas crescentes do cliente, a partir de um ecossistema de IA que evoluiu junto com a plataforma, sem exigir migrações ou infraestruturas paralelas.

O símbolo dessa transformação é a Mar.ia — a assistente farmacêutica inteligente desenvolvida inteiramente dentro da Snowflake, utilizando os recursos nativos de IA da plataforma (Snowpark e Cortex AI). Mar.ia auxilia os farmacêuticos no atendimento ao cliente com informações precisas sobre medicamentos, realizando curadoria sobre pedidos e elevando a qualidade e a agilidade do suporte em escala.

O impacto é direto na jornada de vendas: ao dar ao farmacêutico respostas mais rápidas e confiáveis, a Mar.ia contribui para uma experiência de atendimento superior — que se traduz em conversão e agilidade operacional. Em uma das medições realizadas pela companhia, a solução contribuiu com R$ 50 mil nas vendas em um único dia — não porque foi construída para isso, mas porque a qualidade da inteligência aplicada ao atendimento impacta diretamente a jornada de compra dos clientes.

Escala do impacto

Mar.ia é o exemplo mais concreto de como a Snowflake viabilizou projetos de IA generativa que seriam inviáveis — ou levariam anos — sem uma base de dados centralizada e confiável. Toda a inteligência roda onde o dado está, sem infraestruturas externas complexas.

A arquitetura consolidada e a cultura Data Driven estabelecida, os próximos passos da FSJ envolvem escalar IA em todas as verticais do negócio — da logística ao atendimento ao cliente. A meta é criar ferramentas que não apenas entreguem dados, mas recomendações inteligentes e automações que otimizem a operação de ponta a ponta.

A FSJ enxerga a Snowflake não como um repositório estático, mas como um ecossistema em constante evolução. Cada nova funcionalidade lançada pela plataforma representa uma nova alavanca de inovação — e esse alinhamento entre o roadmap da Snowflake e a estratégia da empresa é o que garante que a transformação digital continue acontecendo na velocidade que o varejo farmacêutico exige.

A experiência da Farmácias São João mostra como uma estratégia de dados estruturada pode gerar impactos que vão além da eficiência operacional. Ao consolidar informações, ampliar a capacidade analítica e criar uma base sólida para IA, a companhia passou a transformar dados em um ativo estratégico para suportar seu crescimento e acelerar a inovação.