LGPD aplicada a dados e BI: o que muda na prática

O que é LGPD e por que importa para BI e dados

LGPD (Lei Geral de Proteção de Dados) entrou em vigor em 2020 no Brasil e transformou como empresas coletam, armazenam e analisam dados pessoais. Para gestores de dados e BI, LGPD significa que dados pessoais não são ativo livre — têm proprietário (o titular dos dados) e exigem base legal para ser processados. Isso impacta decisões práticas: que dados você coleta, por quanto tempo mantém, quem acessa, como os analisa, e como responde a requisições de exclusão.

A confusão frequente é tratar LGPD como "risco legal distante" em vez de realidade operacional. Na prática, projetos de BI com dados de clientes, funcionários ou parceiros precisam de conformidade — caso contrário, a empresa está exposta a multas de até R$ 100 milhões em violações graves, ações judiciais de titulares, e reputação comprometida.

Conceitos centrais: dado pessoal, sensível, pseudonimizado e anonimizado

Toda conformidade LGPD começa em definições claras, porque dados em diferentes categorias têm proteção distinta. Dado pessoal é qualquer informação que identifica ou pode identificar uma pessoa — nome, CPF, email, IP, cookie, até biometria. Dado sensível é categoria especial: raça, religião, saúde, orientação sexual, biometria. Dados sensíveis têm proteção reforçada e exigem consentimento explícito (não basta consentimento genérico).

Dois conceitos frequentemente confundidos são pseudonimização e anonimização. Pseudonimização substitui identificadores por tokens ou hashes — por exemplo, remover o nome e usar um ID interno. Dados pseudonimizados CONTINUAM sendo dados pessoais sob LGPD (porque ainda é possível voltar ao titular). Anonimização remove o nexo entre dados e pessoa de forma irreversível — por exemplo, agregar "clientes por faixa etária e região" sem possibilidade de re-identificar. Dados anonimizados legalmente NÃO são dados pessoais.

Sete bases legais para processar dados pessoais

LGPD permite processar dados pessoais apenas com base legal. Não é suficiente colhê-los — é necessário documentar por qual motivo. As sete bases legais são: (1) consentimento, quando a pessoa explicitamente autoriza; (2) contrato, quando necessário executar contrato com a pessoa; (3) obrigação legal, quando lei exige (imposto, trabalhista); (4) interesse legítimo, quando há propósito comercial legítimo sem prejudicar direitos da pessoa; (5) exercício de direito, quando necessário para defender direitos; (6) proteção à vida, em emergência; (7) políticas públicas, quando governo usa dados.

Para BI e analytics, as bases mais comuns são contrato (usar dados de cliente para análise de comportamento de compra está implícito no contrato) e interesse legítimo (melhorar produto, detecção de fraude). Consentimento é raro em BI porque exige autorização explícita para cada novo uso — algo impraticável em escala. Por isso, documentar "interesse legítimo" é prático: a empresa tem interesse em entender seu cliente (melhoria de produto) que não prejudica direitos do cliente.

Obrigações práticas de conformidade LGPD

LGPD impõe seis obrigações operacionais que afetam projetos de dados diretamente. Primeira: registrar consentimento documentado quando esse é a base legal. Segunda: permitir acesso — se pessoa pede "que dados você tem de mim?", deve-se fornecer em até 15 dias. Terceira: direito ao esquecimento — pessoa pode pedir exclusão de dados, e empresa tem até 60 dias para deletar (com exceções para obrigação legal ou interesse legítimo documentado).

Quarta obrigação: notificar em caso de vazamento. Se dados pessoais são expostos, a ANPD (Autoridade Nacional de Proteção de Dados) deve ser notificada em até 48 horas. Quinta: privacidade "by design" — novos projetos devem incorporar proteção de dados desde a concepção, não depois. Sexta: rastreabilidade — documentar de onde vieram dados, quem os processa, para quê, por quanto tempo, e quem tem acesso. Essa rastreabilidade é crítica em data warehouse porque dados passam por múltiplos sistemas.

Como LGPD muda projetos de BI e data warehouse

BI e data warehouse são frequentemente as áreas mais afetadas por LGPD, porque consolidam dados de múltiplas fontes. Primeiro impacto: dados pessoais em BI precisam de base legal justificada. Se seu data warehouse tem "CPF do cliente", precisa documentar por que esse campo existe — se é para análise de fraude (interesse legítimo) ou obrigação legal (débito automático), é válido; se é apenas para "análise de padrão de gasto", é mais frágil.

Segundo impacto: direito ao esquecimento é desafiador em warehouse histórico. Se cliente pede exclusão, você precisa deletar não só das tabelas operacionais, mas também de históricos, backups, data lakes. Isso exige arquitetura especial — usar IDs internos em vez de CPF, manter mapa de exclusões, e regenerar datasets regularmente. Terceiro: acesso a dados em BI deve ser controlado. Se analista de RH não precisa saber sobre dados financeiros de cliente, não deve ter acesso — mesmo que estejam no warehouse.

Técnicas de conformidade: pseudonimização, mascaramento e controle de acesso

Três técnicas ajudam a implementar LGPD em BI sem paralizar análise. Pseudonimização: remover identificadores óbvios (CPF, email) e usar ID interno. Exemplo — em vez de "João Silva, CPF 123.456.789-00", usar "Cliente_12345". Isso reduz risco de vazamento porque mesmo se alguém vazar o dataset, sem tabela de mapeamento não há como voltar ao nome real.

Mascaramento: esconder dados sensíveis de usuários que não precisam. Se um analista de vendas precisa de "faixa de gasto" mas não de "valor exato", o dashboard mostra faixa mas esconde valor. Criptografia de dados sensíveis em repouso também ajuda. Controle de acesso granular: definir quem pode ver qual dado — RH vê dados de funcionários, Vendas vê dados de clientes, Fraude vê ambos. Documentar e auditar quem acessou o quê, quando e para quê.

Cinco mitos sobre LGPD que travam conformidade

Mito 1: "Não é possível fazer BI com dados pessoais." Falso. É possível fazer BI com dados pessoais, desde que documentada a base legal (contrato, interesse legítimo) e implementados controles (pseudonimização, acesso restrito). Mito 2: "Direito ao esquecimento torna data warehouse impossível." Falso. É desafiador, mas factível — requer design especial (IDs internos, mapa de exclusões, regeneração de datasets), mas não é impossível.

Mito 3: "Anonimização é fácil — é só remover nome." Falso. Remover nome NÃO é anonimização se combinada com outros dados (idade + cidade + gênero frequentemente identificam pessoa). Anonimização verdadeira exige teste de re-identificação com dados externos. Mito 4: "LGPD vai parar inovação em dados." Falso. LGPD incentiva inovação responsável — design com privacidade, confiança de cliente, dados de melhor qualidade porque consentimento é explícito.

Mito 5: "Multa de LGPD é teórica, ninguém paga." Falso. ANPD aplicou multas em empresas brasileiras, e o valor é real: até R$ 100 milhões para violações graves, além de ações judiciais de clientes afetados.