O cliente confiou a opinião dele a quem pergunta. E agora? É aqui que entra a ética de dados.
Na Clínica Aurora
Foi um dia de dois pedidos na Clínica Aurora, rede de clínicas médicas. De manhã, o coordenador da unidade em reforma mandou mensagem para Wagner, o administrador: "as notas desta semana despencaram por causa da obra; dá pra apagar essas respostas? Não é justo contar". À tarde, um parceiro comercial pediu "a lista de telefones dos pacientes que avaliaram bem", para oferecer um plano odontológico.
Os dois pedidos eram razoáveis à primeira vista. Os dois vinham de gente boa, querendo o melhor para a casa. E aqui o dado tinha um peso a mais: era dado de paciente. Wagner levou os dois para a Dra. Beatriz, a sócia fundadora, na mesma conversa:
— Um quer apagar dado que dói. O outro quer usar dado que não foi emprestado para isso. Eu nego os dois?
O ativo invisível
Toda vez que alguém toca uma carinha num totem, acontece uma pequena transação de confiança: o cliente entrega uma opinião (às vezes um desabafo, às vezes dados pessoais), apostando que será feito bom uso dela.
Confiança é o ativo invisível de qualquer negócio que vive de perguntar. Invisível e assimétrico: leva anos para construir e pode ser perdida num único episódio. Uma série sobre pensar cientificamente precisa terminar aqui, porque rigor sem ética é só eficiência a serviço de qualquer coisa. Este artigo cobre os dois compromissos de quem vive de perguntar: cuidar do dado (a parte da lei) e não mentir com ele (a parte que nenhuma lei fiscaliza).
Ética de dados, parte 1: a LGPD traduzida para o dia a dia
A Lei Geral de Proteção de Dados (Lei nº 13.709/2018) regula o tratamento de dados pessoais no Brasil desde 2020, sob fiscalização da ANPD (Autoridade Nacional de Proteção de Dados). Mais do que um manual de proibições, ela é um princípio central com desdobramentos: o dado pessoal pertence ao titular; quem coleta é guardião temporário, com finalidade definida.
O vocabulário mínimo que qualquer equipe que lida com dados de pesquisa deveria dominar:
Dado pessoal é qualquer informação que identifique ou possa identificar uma pessoa: nome, e-mail, CPF, telefone, mas também combinações que identifiquem indiretamente. E os dados pessoais sensíveis são aqueles que, quando revelados, podem gerar algum tipo de discriminação, como raça, religião, orientação sexual ou política. Dado anonimizado, aquele que perdeu de forma irreversível o vínculo com a pessoa, está fora do alcance da lei. A nota "4 estrelas às 14h32" solta não identifica ninguém; associada ao CPF do programa de fidelidade, é dado pessoal e exige todo o cuidado da lei.
Finalidade: dado coletado para um propósito informado só pode ser usado para aquele propósito. O e-mail coletado "para enviarmos a resolução do seu problema" não pode virar lista de marketing, a menos que isso tenha sido informado e consentido.
Minimização: coletar apenas o necessário. Cada campo a mais num questionário não é só atrito de resposta; é passivo jurídico e ético. "Pode ser útil um dia" não é finalidade.
Direitos do titular: a pessoa pode saber o que existe sobre ela, corrigir, e pedir eliminação do que foi coletado com base em consentimento. Se um respondente aciona esses direitos, precisa existir processo: a resposta certa do atendimento é acionar o responsável interno, nunca improvisar.
Segurança e incidentes: vazamento de dados pessoais é incidente com obrigações legais de comunicação à ANPD e aos titulares em prazos definidos. A regra de ouro preventiva: dado pessoal não passeia: não vai em planilha por e-mail, não vai em print de WhatsApp, não vai em slide de apresentação com nome de cliente visível.
Há uma camada extra para quem, como fornecedor de pesquisa, processa dados dos clientes de outra empresa. Na linguagem da lei, esse fornecedor costuma ser operador, processando dados sob instruções do controlador (o cliente contratante). Cada descuido nessa cadeia compromete a confiança de duas relações ao mesmo tempo.
Parte 2: A honestidade com resultados (a parte que a lei não cobre)
Nenhum artigo da LGPD proíbe "maquiar" um resultado de pesquisa. Essa parte é uma questão de ofício.
Não caçar nota. Pressionar o cliente por um 10, escolher o momento da pergunta para inflar o placar, dificultar a resposta negativa: tudo isso produz um número bonito que mede a maquiagem, não a experiência. É a Lei de Goodhart operando pela via da tentação. Quem engana a métrica engana o gestor que decide por ela, e no limite engana a si mesmo (Feynman, sempre: você é a pessoa mais fácil de enganar).
Não esconder o recorte inconveniente. Apresentar o trimestre bom e omitir o mês ruim, mostrar a média e esconder a distribuição, citar "os dados" sem mostrar a amostra: cada uma dessas escolhas é uma pequena fraude estatística socialmente aceita. O padrão saudável é outro: o dado que enfraquece a história vai junto.
Não afirmar além do que o dado sustenta. "O NPS subiu" quando a variação está dentro da margem de erro; "a campanha causou o aumento" quando há só correlação. O vocabulário honesto existe e não é fraqueza: "os dados sugerem", "ainda não dá para separar do efeito da promoção", "a amostra é pequena para afirmar". Precisão sobre incerteza é sinal de sofisticação.
Resultado ruim se entrega com o mesmo capricho do bom. Se um cliente tem um NPS em queda, o relatório não deveria suavizar: precisa contextualizar, diagnosticar e apontar caminho. Quem pesquisa é contratado para dizer a verdade útil, não a verdade agradável. É exatamente por isso que a palavra de quem entrega o resultado vale alguma coisa.
Essa postura tem tradição: os códigos de ética das associações internacionais de pesquisa (como o Código ICC/ESOMAR, adotado em dezenas de países) estabelecem há décadas os mesmos pilares: voluntariedade do respondente, transparência de propósito, proteção do dado e obrigação de não distorcer ou deturpar resultados. São princípios de um ofício centenário — quem os segue está apenas se filiando a uma tradição bem estabelecida.
O teste rápido para o dia a dia
Diante de uma dúvida ética com dados, quatro perguntas:
- O respondente sabia que seria usado assim? (finalidade)
- Era preciso mesmo esse dado? (minimização)
- Esse número seria apresentado do mesmo jeito se o resultado fosse o oposto? (honestidade)
- Haveria conforto se o cliente (ou o respondente) visse exatamente como se chegou a esse gráfico? (transparência)
Qualquer "não" ou hesitação: pare e pergunte ao responsável interno antes de seguir. A pergunta feita antes custa minutos; a corrigida depois pode custar a confiança que sustenta tudo.
De volta à Aurora
Na Aurora, a Dra. Beatriz respondeu os dois pedidos com a mesma régua: a confiança de quem responde vale mais que a conveniência de quem lê. As notas da semana da obra ficaram no dado, com anotação de contexto visível ("reforma na unidade, 12 a 19 de maio"): quem olhar o histórico entende o vale, e ninguém aprende que dado incômodo se apaga. Os telefones, nunca: dado de paciente é empréstimo com finalidade e a LGPD trata saúde como dado sensível; oferta comercial só com consentimento explícito, colhido à parte.
A frase dela fechou o assunto e virou política: "no dia em que o paciente desconfiar do totem, ele volta a sorrir para a recepção e reclamar no convênio. E aí ficamos cegos".
O resumo de uma frase (teste Feynman)
"Alguém emprestou a opinião e os dados dele: use só para o combinado, guarde como coisa emprestada e nunca torça o que ele disse."
Fontes e leituras recomendadas
BRASIL. Lei nº 13.709, de 14 de agosto de 2018 (Lei Geral de Proteção de Dados Pessoais). Disponível no Planalto: planalto.gov.br.
ANPD — Autoridade Nacional de Proteção de Dados. Guias orientativos (incluindo o guia sobre agentes de tratamento e o de segurança da informação para pequenos agentes): gov.br/anpd.
ICC/ESOMAR. Código Internacional ICC/ESOMAR para a Prática de Pesquisa de Mercado, Opinião, Social e Analytics de Dados. Disponível em esomar.org.
FEYNMAN, Richard. "Cargo Cult Science" — discurso no Caltech, 1974. (Sobre integridade científica: reportar tudo o que possa invalidar o próprio resultado.)
O’NEIL, Cathy. Algoritmos de Destruição em Massa. Rua do Sabão, 2020. (Sobre as consequências sociais do uso descuidado de dados.)
