Quanto valem os dados? O ativo estratégico que as empresas ainda não sabem medir

por Bergson Lopes

O avanço da inteligência artificial trouxe de volta um tema antigo às discussões corporativas. No discurso, os dados são tratados como ativos estratégicos. Na prática, ainda falta responder uma pergunta básica: quanto eles realmente valem?

A dificuldade em responder a essa questão expõe um problema relevante. Embora os dados estejam no centro da geração de valor das empresas, sua mensuração contínua é difusa, imprecisa e pouco conectada à lógica financeira que orienta investimentos e decisões.

Diferentemente de ativos tradicionais, como imóveis, estoques ou instrumentos financeiros, os dados não aparecem de forma explícita nos balanços. São intangíveis, dinâmicos e dependentes de contexto. Ainda assim, sustentam decisões críticas em praticamente todos os setores, do crédito bancário à gestão hospitalar, da personalização no varejo à eficiência industrial.

Esse descompasso cria um paradoxo evidente. As empresas afirmam que os dados são estratégicos, mas não conseguem medi-los de forma consistente nem traduzir seu valor em indicadores financeiros claros. O tema segue mais no discurso do que na gestão.

Há, no entanto, um grupo de empresas que avançou nesse desafio. São organizações que transformam dados em inteligência e a comercializam no mercado. Nesses casos, os dados deixam de ser apenas um insumo interno e passam a sustentar produtos e serviços, como análises, scores e relatórios.

De certa forma, o dado passa a ser tratado como um produto. Há portfólio, precificação e distribuição. Isso torna mais direta a relação entre dados e receita. Mas essa lógica resolve apenas parte do problema porque evidencia o valor que pode ser vendido, e não necessariamente aquele que transforma a operação, orienta decisões críticas e sustenta vantagem competitiva.

O modelo ajuda a tangibilizar valor, mas também levanta dúvidas importantes. Até que ponto o valor dos dados pode ser reduzido à receita que eles geram? Como medir seu impacto em decisões que não são monetizadas diretamente, mas definem o desempenho do negócio? E como avaliar um ativo que influencia praticamente tudo, mas não aparece com clareza em lugar algum?

Leia mais: Agentes de IA vão dar “superpoderes” a profissionais de TI, diz DJ Sampath, da Cisco

A comparação com outros setores ajuda a entender melhor o tamanho do desafio. Em bancos, seguradoras, empresas de saúde, educação, indústria e comércio, os dados raramente são vendidos. Ainda assim, são decisivos. Sustentam crédito, precificação, eficiência operacional, relacionamento com clientes e desenvolvimento de produtos. Nesses casos, o valor dos dados está diluído nas operações e nos resultados, e não concentrado em uma linha de receita específica.

Isso mostra que existem diferentes formas de gerar valor a partir dos dados. Nenhuma, isoladamente, resolve o problema. A monetização direta, comum nas empresas que vendem inteligência a partir dos dados, torna o valor mais visível, mas captura apenas uma parte do que ele representa. Já nas demais empresas, o valor é mais amplo, porém mais difícil de medir e de comunicar.

Independentemente do setor, há um fato em comum: o valor dos dados não surge sozinho. Ele precisa ser estruturado, e é nesse ponto que a governança de dados ganha relevância ao organizar, dar consistência e definir responsabilidades sobre os dados. É esse processo que começa a mudar a forma como as empresas enxergam e utilizam esse ativo, criando as condições para extrair valor de maneira mais consistente.

A partir daí, torna-se possível avançar em formas de geração de valor mais aderentes à realidade de cada organização, seja por eficiência operacional, melhoria na tomada de decisão ou, em alguns casos, monetização.

Esse desafio se torna ainda mais evidente com a expansão da inteligência artificial. Ao escalar o uso de dados nas decisões, a IA amplia também as consequências de sua má gestão. O que antes era um problema localizado passa a se propagar em larga escala.

Sem dados estruturados e confiáveis, modelos avançados não apenas perdem eficácia, como também passam a operar com riscos relevantes, apoiando decisões baseadas em inconsistências que muitas vezes não são visíveis.

Há ainda um impacto importante na forma como o mercado avalia as empresas. Organizações intensivas em dados frequentemente apresentam valor de mercado muito superior ao seu valor contábil, diferença que está, em grande parte, associada a ativos intangíveis que os modelos tradicionais ainda não capturam plenamente.

O problema é que essa diferença nem sempre é bem compreendida. Sem critérios claros de mensuração, fica difícil saber se esse valor está sendo subestimado ou inflado por expectativas.

Antes de discutir valuation, porém, há um ponto mais básico. Em muitas empresas, os dados ainda estão fragmentados, inconsistentes ou sem responsabilidade definida. Nesses casos, falar em mensuração é avançar sem ter resolvido o essencial.

O debate sobre dados como ativo ainda está em construção. O que já está claro é que tratá-los apenas como conceito estratégico não basta. Empresas que conseguirem estruturar, utilizar e avaliar melhor seus dados terão vantagem. As demais correm o risco de seguir operando com um dos ativos mais relevantes do ambiente de negócios sem saber exatamente o que têm nas mãos.