Quando se trata de governança de dados, os padrões que as empresas do setor de serviços financeiros precisam cumprir são especialmente elevados, devido às exigências regulatórias rigorosas que impactam a gestão de dados financeiros.
Ao mesmo tempo, a capacidade das empresas financeiras de atender a essas exigências costuma ser menor do que o desejado. Fatores como ativos de dados fragmentados e a dependência de sistemas legados frequentemente dificultam a implementação de práticas de governança de dados realmente eficientes e eficazes.
Isso não significa, porém, que as empresas de serviços financeiros precisem se contentar com uma governança de dados aquém do ideal. Com a estratégia de gestão de dados e as ferramentas certas, é possível enfrentar de forma eficaz os desafios específicos da governança de dados financeiros. Mais do que isso, essa capacidade se tornará cada vez mais crítica nos próximos anos, à medida que as instituições financeiras passem a depender ainda mais de dados seguros e de alta qualidade.
Os desafios da governança de dados nos serviços financeiros
É verdade que uma governança de dados eficaz, entendida como o processo de gerir ativos de dados para garantir consistência, qualidade, segurança e privacidade, nunca é simples. No entanto, para as empresas do setor financeiro, ela tende a ser ainda mais complexa devido a alguns fatores particularmente comuns nesse setor:
Dados em silos
As empresas de serviços financeiros costumam dividir suas operações em várias linhas de negócio, como varejo bancário, crédito comercial e subscrição de seguros. Cada uma dessas áreas geralmente armazena e gerencia dados em sistemas e processos distintos. Isso gera fragmentação e silos de dados, dificultando a consolidação da governança por meio de políticas consistentes e centralizadas.
Tecnologia legada
As stacks tecnológicas das empresas financeiras frequentemente incluem plataformas legadas, como sistemas locais desenvolvidos com sistemas operacionais proprietários e, em alguns casos, softwares com décadas de uso executados em mainframes. Essas plataformas nem sempre oferecem suporte direto a mecanismos modernos de controle de acesso ou ferramentas de segurança, o que complica a governança de dados.
Requisitos complexos
O setor financeiro está sujeito a regulações complexas e sobrepostas, como Basel III, Solvency II, Sarbanes-Oxley e o GDPR. Cada um desses frameworks impõe exigências específicas sobre como os dados devem ser governados e, em muitos casos, as regras variam entre países ou regiões. Tudo isso resulta em um alto nível de complexidade para definir quais requisitos de governança uma empresa precisa cumprir e como atendê-los da melhor forma.
A necessidade crescente de uma governança eficaz de dados financeiros
Deixar de enfrentar esses desafios e não gerenciar adequadamente os dados financeiros traz três grandes riscos.
O primeiro, e mais evidente, está relacionado à conformidade regulatória. A incapacidade de demonstrar boas práticas de higiene de dados para auditores e reguladores pode resultar em multas, danos à reputação e, em alguns casos, até restrições operacionais. Por exemplo, uma auditoria que identifique lógica inconsistente de score de crédito ou políticas inadequadas de retenção de dados pode levar a sanções ou à revogação de licenças.
Em segundo lugar, uma governança de dados deficiente compromete a capacidade das empresas de serviços financeiros de operar de forma eficiente e escalável. Torna-se difícil tomar decisões orientadas por dados com rapidez e precisão quando não há integração eficaz entre dados de fontes distintas ou quando a qualidade dos dados é baixa.
Vale destacar também que os riscos associados a uma governança inadequada tendem a aumentar nos próximos anos. O volume de dados que as empresas do setor financeiro precisam administrar cresce continuamente, o que torna ainda mais essencial a adoção de práticas de governança eficientes e escaláveis. Além disso, a capacidade de aproveitar novas soluções tecnológicas, como aquelas impulsionadas pelo avanço da IA generativa, depende, em grande parte, de uma governança de dados sólida. Não é possível, por exemplo, desenvolver modelos de IA personalizados sem dados de alta qualidade para alimentá-los.
Uma governança robusta impulsiona uma IA mais inteligente. Descubra se sua organização está pronta: faça o Diagnóstico de Maturidade em IA da Indicium.
Boas práticas de governança de dados para serviços financeiros
Não existe uma solução única que resolva magicamente os desafios específicos de governança de dados enfrentados pelas empresas de serviços financeiros. Ainda assim, há algumas ações concretas que podem ampliar significativamente a capacidade das organizações de governar seus dados de forma eficaz, mesmo diante de ativos cada vez mais volumosos e complexos.
1. Estabelecer uma governança de dados federada
O primeiro passo é adotar um modelo de governança de dados federado. Nesse modelo, os dados são armazenados e gerenciados de forma centralizada, mas permanecem acessíveis a cada área ou linha de negócio conforme a necessidade. A governança federada permite a aplicação consistente de políticas de governança sem comprometer o acesso aos dados pelos diferentes públicos internos.
Dessa forma, o modelo ajuda a reduzir problemas de segurança e consistência causados por silos, ao mesmo tempo em que mantém a responsabilidade pelos dados nos domínios de negócio.
Para implementar a governança federada, é necessário tornar os diversos ativos de dados acessíveis de forma centralizada. Princípios de data mesh, que promovem a responsabilidade orientada a domínios e a descentralização de produtos de dados, dentro de um arcabouço padronizado de governança, podem apoiar esse modelo em organizações grandes e complexas. Além disso, é importante designar responsáveis pelos dados ou product owners em cada linha de negócio (como crédito, seguros e compliance), que assumam a responsabilidade pela qualidade e pelo acesso aos dados em suas áreas. Paralelamente, uma equipe central de governança deve fornecer ferramentas, diretrizes de políticas e supervisão sobre os dados da organização como um todo.
2. Atualizar as ferramentas de dados
Também é fundamental investir em ferramentas modernas que viabilizem uma governança escalável e automatizada. Plataformas de armazenamento e análise como Databricks, ferramentas de transformação como o dbt e estruturas de orquestração como o Dagster ajudam a aplicar controles de acesso e a gerenciar a qualidade dos dados no nível da plataforma, reduzindo a necessidade de auditorias e controles manuais.
Muitas organizações vêm adotando o conceito de Modern Data Stack (MDS), que integra componentes nativos de nuvem e de melhor desempenho para criar ecossistemas de dados flexíveis, escaláveis e modulares. Essa abordagem permite otimizar armazenamento, processamento, transformação e governança de dados, com foco em interoperabilidade e automação.
Modernizar as ferramentas de dados não significa abandonar totalmente as plataformas legadas — algo que, em muitos casos, não é viável no curto prazo. Em vez disso, é possível conectar os dados hospedados em sistemas legados a ferramentas modernas e componentes do MDS, fortalecendo a governança sem a necessidade de reformular toda a infraestrutura de dados.
3. Automatizar a governança de dados
Ferramentas modernas caminham junto com processos automatizados de governança. Sempre que possível, processos manuais, como a identificação de problemas de qualidade ou a mitigação de acessos inseguros, devem ser substituídos por soluções automatizadas.
A automação é valiosa não apenas por economizar tempo e esforço das equipes, mas também por garantir eficiência e consistência. Diferentemente das pessoas, as ferramentas de governança aplicam sempre as mesmas decisões diante das mesmas condições.
4. Capacitar e treinar as equipes
A implementação de ferramentas e processos modernos só gera resultados quando as equipes estão preparadas para utilizá-los plenamente. Por isso, é essencial investir em programas de capacitação que aumentem a alfabetização em dados e deixem claras as responsabilidades de gestão de dados em toda a organização. Esse tipo de treinamento é importante em qualquer setor, mas se torna ainda mais crítico nos serviços financeiros, dada a complexidade das regulações e da infraestrutura.
O treinamento também é uma oportunidade para apresentar a governança de dados como um meio de aumentar a eficiência e fortalecer a confiança, ajudando as equipes a enxergarem novos processos e ferramentas como um benefício — e não apenas como mais uma obrigação.
Conclusão: uma abordagem moderna para a governança de dados financeiros
A governança de dados no setor de serviços financeiros nunca foi simples. E a tendência é que se torne ainda mais desafiadora, à medida que o volume de dados e sua complexidade continuem a crescer. Para as empresas que desejam se manter à frente das exigências de conformidade e, ao mesmo tempo, aproveitar plenamente novas oportunidades tecnológicas em áreas como IA, este é o momento de modernizar a governança de dados financeiros.
