Empresas de investimento usam dados da web para ver o que está acontecendo antes de aparecer em um relatório trimestral: preços mudando em milhares de produtos, vagas de emprego subindo ou caindo, aberturas de lojas, avaliações, rankings de aplicativos, prazos de entrega. Coletado bem, esse dado alternativo é uma vantagem real para equipes de pesquisa financeira. Coletado mal, é um risco regulatório e legal que pode acompanhar um fundo por anos.
A maior parte dos textos sobre dados alternativos aborda o que coletar. Muito menos aborda a camada de compliance ao redor disso: o que a equipe de compliance de um fundo precisa saber antes que os dados possam ser usados em uma decisão de investimento, e o que um provedor de dados precisa conseguir provar. Este guia cobre ambos. São informações gerais, não aconselhamento jurídico; empresas de investimento devem envolver seu próprio departamento jurídico e de compliance.
Por que dados alternativos precisam de sua própria revisão de compliance
Dados de mercado tradicionais vêm de bolsas e fornecedores licenciados com regras bem estabelecidas há muito tempo. Dados da web vêm de fontes que nunca concordaram em ser um insumo para a negociação de ninguém. Isso levanta questões que as equipes de compliance precisam responder antes que os dados sejam usados:
- Pode conter informação material não pública? Os dados só são seguros para negociação se tiverem sido obtidos licitamente de fontes públicas e não violarem um dever de confidencialidade. Consultores de investimento nos EUA devem manter políticas escritas destinadas a prevenir o uso indevido de informação material não pública, e as fontes de dados se enquadram nessas políticas.
- Foi coletado licitamente? Termos de serviço, logins, restrições técnicas e a legislação de proteção de dados se aplicam a como os dados foram coletados, não apenas ao que eles são.
- Contém dados pessoais? Muitos conjuntos de dados da web tocam indivíduos: avaliadores, funcionários, usuários de aplicativos. A legislação europeia de proteção de dados se aplica a esses dados, estejam eles públicos ou não.
- É o que o fornecedor diz que é? O valor de um conjunto de dados depende de como ele foi construído. Descrevê-lo incorretamente não é apenas um problema comercial.
Esse último ponto se tornou uma questão regulatória em 2021. A Securities and Exchange Commission (SEC) dos EUA acusou a App Annie, uma provedora de dados de aplicativos móveis, e seu cofundador de fraude de valores mobiliários por deturpar como seus dados eram derivados. A SEC afirmou que a empresa havia usado dados não agregados e não anonimizados para alterar as estimativas que vendia a empresas de negociação, apesar de dizer o contrário aos clientes. A App Annie concordou em pagar uma multa de 10 milhões de dólares. Foi a primeira ação de fiscalização da SEC acusando um provedor de dados alternativos de fraude de valores mobiliários, e ela colocou os métodos por trás de um conjunto de dados, não apenas seu conteúdo, sob escrutínio.
O que a equipe de compliance de um fundo vai perguntar
Empresas do lado comprador convergiram para um conjunto bastante padronizado de perguntas para fornecedores de dados. A entidade do setor de dados financeiros FISD publica um questionário de due diligence por meio de seu Alternative Data Council, usado por muitos fundos como ponto de partida, com versões para revisões completas de fornecedores, testes curtos de dados e, mais recentemente, IA generativa. As perguntas se dividem em alguns grupos:
| Área | O que querem saber |
|---|---|
| Fonte | De onde vêm os dados e se cada fonte permite esse uso |
| Coleta | Como são coletados: páginas públicas ou atrás de logins, quais métodos, a que taxa |
| Direitos | Se o fornecedor tem o direito de licenciar os dados e o que a licença permite |
| Dados pessoais | Se algum está incluído, como é filtrado ou anonimizado, e a base legal |
| Informação material não pública (MNPI) | Controles que mantêm informação confidencial ou não pública fora do conjunto de dados |
| Metodologia | Como os dados brutos se tornam o produto entregue, e como as mudanças são comunicadas |
| Governança | Políticas, auditorias, tratamento de reclamações e o que acontece se uma fonte se opuser |
Se você constrói dados alternativos para fundos, espere responder cada linha por escrito. Se você trabalha em um fundo coletando dados você mesmo, sua equipe de compliance fará as mesmas perguntas a você.
Os quatro controles mais importantes
1. Fontes públicas, coletadas sem violar controles de acesso. Colete o que qualquer visitante pode ver sem fazer login, aceitar termos especiais ou contornar restrições técnicas. Dados obtidos por meio do uso indevido de uma conta ou da burla de um paywall são exatamente o tipo que equipes de compliance não podem aceitar. Nosso guia sobre o que o jurídico vai perguntar antes de aprovar um projeto de scraping cobre as questões de coleta em detalhe.
2. Dados pessoais eliminados por design. A maioria dos sinais de investimento não precisa de indivíduos. Conte vagas de emprego sem armazenar candidatos; agregue avaliações sem manter identidades de avaliadores; meça rankings de aplicativos sem dados de usuários. Filtrar no momento da coleta é muito mais fácil de defender do que anonimizar depois. Nossa visão geral sobre GDPR cobre o básico para equipes de coleta.
3. Uma metodologia documentada e honesta. Registre como os dados brutos se tornam o produto: fontes, amostragem, limpeza, ponderação, imputação e quaisquer estimativas modeladas. Quando o método muda, informe isso aos clientes. O caso da App Annie mostra que a diferença entre a metodologia descrita e a usada pode ser, em si, a violação.
4. Proveniência que você consegue provar. Mantenha, para cada registro, a fonte, o horário de coleta e o método, e mantenha capturas brutas por um período razoável. Quando um fundo perguntar de onde veio um número, ou quando um regulador perguntar, você precisa demonstrar, não apenas descrever.
Direitos: o que você pode licenciar
Um provedor de dados só pode licenciar aquilo sobre o qual tem direito de licenciar. Fatos como preços e contagens geralmente não pertencem a ninguém; conteúdo criativo como texto de artigos e fotos pertence a seus autores; e na Europa, alguns bancos de dados são protegidos mesmo quando contêm apenas fatos. Vender sinais derivados, como índices, contagens e tendências, é muito diferente de redistribuir cópias do conteúdo de um site. Nosso guia sobre a quem pertencem os dados coletados por scraping cobre essas camadas e o que elas significam para a revenda.
A questão da infraestrutura
Os fundos também estão cada vez mais perguntando sobre a infraestrutura por trás da coleta, incluindo redes de proxy. A preocupação é razoável: se os endereços IP de um provedor vêm de dispositivos cujos proprietários não concordaram em compartilhar sua conexão, o conjunto de dados herda esse problema. Pergunte ao seu provedor de proxy como seus endereços são obtidos, que consentimento os proprietários dos dispositivos deram, e como o abuso é tratado. Nosso explicativo sobre como os provedores obtêm IPs residenciais de forma ética lista o que perguntar. Para a própria coleta, proxies residenciais muitas vezes são necessários para ver preços e anúncios como os clientes locais os veem, o que importa para qualquer sinal construído sobre o que os consumidores realmente pagam.
Juntando tudo
Um pacote de compliance prático para um conjunto de dados alternativos cabe em alguns documentos:
- Um registro de fontes: cada fonte, seu tipo de acesso, seus termos e sua posição no robots.txt, verificados em uma data declarada.
- Uma descrição da coleta: métodos, taxas, e uma declaração de que nenhum login, paywall ou controle de acesso é contornado.
- Uma avaliação de dados pessoais: o que foi excluído, como, e a base legal para o que foi mantido.
- Um documento de metodologia, com um registro de alterações.
- Um registro de proveniência: fonte e horário por registro, com capturas brutas preservadas.
- Um procedimento de reclamação e remoção: quem trata uma objeção de uma fonte, e com que rapidez a coleta dela pode ser interrompida.
Com esse pacote, um fornecedor pode responder a um questionário de due diligence em dias, e um fundo pode mostrar a seus reguladores como um sinal foi construído. Nosso artigo anterior sobre proxies residenciais para dados alternativos cobre o lado da coleta desse mesmo trabalho.
Perguntas frequentes
É legal usar dados da web coletados por scraping para investir?
Em geral, sim, quando os dados são públicos, coletados licitamente e livres de informação material não pública e de dados pessoais processados ilicitamente. Os detalhes dependem da jurisdição, da fonte e de como os dados foram coletados, então os fundos revisam cada conjunto de dados antes de usá-lo.
O que é um questionário de due diligence para dados alternativos?
Um conjunto padrão de perguntas que empresas de investimento enviam a fornecedores de dados sobre fontes, métodos de coleta, direitos, dados pessoais, controles de informação material não pública (MNPI), metodologia e governança. O FISD Alternative Data Council publica uma versão amplamente usada.
Por que a SEC acusou um provedor de dados alternativos?
Em 2021, a SEC acusou a App Annie e seu cofundador de fraude de valores mobiliários por deturpar como seus dados eram derivados, e a empresa concordou em pagar uma multa de 10 milhões de dólares. Foi o primeiro caso desse tipo da SEC contra um provedor de dados alternativos.
Dados alternativos podem conter dados pessoais?
Frequentemente podem, por meio de avaliações, vagas de emprego ou perfis. A abordagem mais segura é eliminar dados pessoais por design no momento da coleta e manter apenas sinais agregados.
Conclusão
Dados alternativos só são uma vantagem se sobreviverem à revisão de compliance. Colete de fontes públicas sem contornar controles de acesso, elimine dados pessoais por design, documente a metodologia honestamente e mantenha a proveniência de cada registro. Fornecedores que conseguem responder por escrito às perguntas de due diligence de um fundo ganham o negócio; fundos que fazem essas perguntas evitam herdar o problema de outra pessoa.
Fontes e referências
- U.S. Securities and Exchange Commission, SEC Charges App Annie and its Founder with Securities Fraud, 14 de setembro de 2021.
- FISD, Alternative Data Council, incluindo seus questionários de due diligence.