Guia do CFO e Procurement: economia e previsibilidade na compra de dados em 2026

Para o CFO (Chief Financial Officer, diretor financeiro) e para a área de Procurement (compras e suprimentos) de uma fintech, dado cadastral não é um item de tecnologia — é uma linha de custo variável que escala junto com a originação. Em 2026, com a originação de crédito digital em alta e o orçamento de dados girando entre 1% e 5% da receita, a decisão de compra deixou de ser sobre qual bureau tem o melhor score e passou a ser sobre previsibilidade: quanto custa a consulta que efetivamente vira decisão, qual é o custo total de propriedade do contrato e quem paga a conta quando o SLA falha. Este guia traduz a compra de dados para a linguagem do aprovador final — preço por consulta efetiva, franquia anual, multa de SLA e total cost of ownership (TCO, custo total de propriedade) — e mostra onde estão as economias que não aparecem na proposta comercial.

Por que a conta de dados virou pauta de diretoria em 2026

PwC/ABCD, 2025; Serasa Experian, 2026

O volume justifica a atenção. As 44 fintechs da amostra da pesquisa PwC e ABCD originaram R$ 35,5 bilhões em crédito em 2024, alta de 68% sobre o ano anterior, atendendo a mais de 67,5 milhões de tomadores pessoa física e 55 mil empresas (fonte: PwC/ABCD, 2025). Cada um desses contratos passou por consultas a bureaus, validação cadastral, checagem antifraude e, cada vez mais, enriquecimento societário. Quando a originação cresce 68%, a conta de dados cresce junto — e raramente na mesma proporção, porque o desperdício escala mais rápido do que a receita.

Ao mesmo tempo, a pressão de fraude empurra mais checagens por funil. A Serasa Experian registrou 1,9 milhão de tentativas de fraude bancária só no primeiro trimestre, e projeta evitar mais de R$ 70 bilhões em fraudes em 2026 (fonte: Serasa Experian, 2026, Contec). A exposição potencial do sistema financeiro a fraudes que poderiam se concretizar passa de R$ 15,7 bilhões. Cada nova camada de defesa — biometria, prova de vida, grafo societário — é uma chamada de API paga. Para o CFO, isso significa que o custo unitário por aprovação tende a subir mesmo quando o preço de tabela de cada consulta cai.

O CFO que olha só o preço por consulta na proposta está medindo o item errado. O número que importa é o custo por decisão aprovada — e ele inclui as consultas que não converteram, as que erraram e as que o SLA não entregou a tempo.

Preço por consulta efetiva: a métrica que muda a negociação

Provedores de dados — bureaus, IDtechs e provedores DaaS (Data as a Service, dado como serviço) — vendem por chamada de API. Mas nem toda chamada gera valor. Uma proposta de R$ 0,40 por consulta pode custar, na prática, R$ 1,20 por decisão útil quando se contam as consultas a registros sem dado, as duplicadas no mesmo funil e as que retornaram informação que não mudou a decisão.

A conta de preço por consulta efetiva exige decompor o gasto em três camadas:

1. Consultas totais faturadas — o que aparece na fatura, incluindo as que retornaram "registro não encontrado" e ainda assim são cobradas por muitos fornecedores.
2. Taxa de cobertura (hit rate) — o percentual de consultas que retornam dado preenchido. Cobertura baixa em PJ ou em CPF recém-emitido infla o custo silenciosamente.
3. Taxa de uso na decisão — o percentual de consultas cujo retorno efetivamente entrou na regra de aprovação. Dado comprado e ignorado é desperdício puro.

O preço por consulta efetiva é o gasto total dividido pelas consultas que passaram nos três filtros. Em carteiras com forte presença de PJ e microempreendedores, a diferença entre o preço de tabela e o efetivo costuma ser de 2 a 3 vezes — porque a cobertura PJ dos bureaus tradicionais é desigual e cobra-se a tentativa, não o acerto.

Previsibilidade: o inimigo silencioso do orçamento de dados

O modelo dominante de contratação é o pay-per-use (pague pelo uso): API REST cobrada por chamada, sem compromisso de volume. É flexível para quem está começando, mas é o pesadelo orçamentário do CFO em escala. A fatura de dados oscila com a originação, com a sazonalidade (datas comerciais empurram volume) e com mudanças de regra de crédito que ninguém avisou ao financeiro. Quando o Pix processou 79,8 bilhões de operações em 2025 (fonte: Banco Central / Celcoin, 2025) e o Open Finance acumulou mais de 140 milhões de autorizações até novembro de 2025 (fonte: Febraban, 2025), o volume de eventos que disparam consultas de dados deixou de ser previsível mês a mês.

A resposta de Procurement é trocar parte da flexibilidade por previsibilidade. Há três modelos no cardápio, e cada um desloca o risco para um lado:

O contrato anual com franquia é o instrumento preferido do CFO porque transforma custo variável em parcialmente fixo: a fintech compromete um volume mínimo anual em troca de preço unitário travado e abaixo do balcão. O risco é a franquia ociosa — pagar por consultas que não foram usadas se a originação ficar abaixo do projetado. Por isso, a negociação madura inclui cláusula de rollover (transferência do saldo não consumido para o período seguinte) e gatilhos de revisão de preço atrelados a volume real, não a projeção otimista do começo do ano.

SLA e multas: quando o fornecedor paga a conta

O SLA (Service Level Agreement, acordo de nível de serviço) é o contrato dentro do contrato. Em dados, dois números mandam: latência p99 (o tempo de resposta no percentil 99 — ou seja, o pior caso para 99% das chamadas) e uptime (disponibilidade). Para uma fintech, uma API de validação que demora demais ou cai no horário de pico não é inconveniência: é taxa de abandono no onboarding e crédito não originado. O custo do SLA quebrado não é a multa contratual — é a receita perdida no funil.

O erro comum de Procurement é negociar SLA sem amarrar consequência financeira. Um SLA sem multa é uma promessa. O CFO deve exigir três cláusulas:

• Penalidade por indisponibilidade (service credit) — desconto na fatura proporcional ao tempo abaixo do uptime contratado, com piso que doa de verdade (créditos simbólicos não mudam comportamento do fornecedor).
• Gatilho de latência — penalidade quando o p99 estoura o limite por janela de medição, não só quando a API cai por completo. Lentidão degrada conversão sem aparecer no relatório de uptime.
• Direito de saída sem multa por descumprimento reincidente de SLA, com portabilidade dos dados e do histórico de integração — para que o fornecedor não tenha você refém.

A assimetria é o ponto de atenção: o fornecedor cobra multa quando você não atinge a franquia, mas raramente oferece multa equivalente quando ele não atinge o SLA. Equilibrar essa balança é o trabalho de Procurement que mais protege o resultado.

Total cost of ownership: o que a proposta comercial esconde

O TCO (total cost of ownership, custo total de propriedade) de um contrato de dados vai muito além do preço por consulta. O CFO que aprova só pelo unitário de tabela aprova metade do custo. O TCO real soma cinco blocos, e os quatro últimos quase nunca aparecem na proposta:

O bloco de lock-in (aprisionamento ao fornecedor) merece atenção especial. Bureaus tradicionais — Serasa, Boa Vista/Equifax, SPC, Quod, TransUnion — são caros e pouco flexíveis em API, e a dependência de um único provedor para múltiplas consultas cria poder de barganha do lado errado da mesa. A defesa estrutural é desenhar a arquitetura para multi-fornecedor desde o início, com uma camada de orquestração que permita rotear consultas entre provedores por preço, cobertura e latência. Isso transforma cada renovação anual em uma negociação competitiva real, não em um reajuste imposto.

Cinco alavancas de economia que Procurement controla

A redução de custo de dados raramente vem de espremer o preço unitário em mais 5%. Vem de eliminar desperdício estrutural. As alavancas com maior retorno:

1. Cascata de consultas (waterfall) — começar pela fonte mais barata e só escalar para a cara quando a barata não resolve. Consultar o bureau premium em 100% do funil quando 60% poderia ser resolvido por fonte pública ou DaaS de menor custo é o desperdício mais comum.
2. Cache de consultas — não pagar duas vezes pelo mesmo dado dentro da janela em que ele não muda. Dado cadastral societário não muda toda hora; reconsultá-lo a cada evento é queimar orçamento.
3. Roteamento por cobertura — direcionar consultas PJ para o provedor com melhor hit rate em PJ, e não para o bureau de marca mais forte por inércia.
4. Renegociação atrelada a volume real — revisar preço a cada degrau de volume atingido, com cláusula contratual de revisão automática, em vez de esperar a renovação anual.
5. Fontes alternativas e complementares — Open Finance, dados públicos e provedores DaaS especializados reduzem a dependência dos bureaus em validação cadastral e enriquecimento, onde preço e flexibilidade decidem mais do que marca.

Checklist de Procurement para o bake-off de dados

Antes de assinar, a área de compras deve rodar um POC bake-off (prova de conceito comparativa entre fornecedores) com critérios financeiros, não só técnicos. As perguntas que separam o contrato bom do contrato caro:

• Qual é o preço por consulta efetiva medido na minha carteira real, e não no preço de tabela?
• Cobra-se por "registro não encontrado"? Qual é o hit rate medido no meu mix de PF e PJ?
• A franquia anual tem rollover do saldo não consumido?
• O SLA tem multa por latência p99, não só por uptime? O service credit doa de verdade?
• Existe direito de saída sem multa por descumprimento reincidente, com portabilidade do histórico?
• O contrato permite arquitetura multi-fornecedor, ou cria lock-in operacional?
• Qual é o custo de integração e manutenção estimado pela minha engenharia para este fornecedor?

A Datahub neste cenário

Quando o problema do CFO é previsibilidade e custo por consulta efetiva em dados de PJ, a Datahub Big Data & Analytics se posiciona como complemento e alternativa aos bureaus tradicionais justamente onde preço, flexibilidade de API e cobertura societária decidem. Com mais de 20 anos de base proprietária — origem na Dataminer, desde 2004 — e fazendo parte do grupo Nuvini (NASDAQ: NVNI), a Datahub não compete de frente em score de crédito; ela soma-se a ele para baixar o custo das camadas de validação cadastral, KYB (Know Your Business, conheça seu cliente PJ) e enriquecimento societário, que tendem a ter cobertura desigual nos bureaus de marca.

Para a conta de TCO, isso é direto: validação cadastral com geolocalização via Munddi e enriquecimento de dados B2B por API REST flexível permitem desenhar a cascata de consultas que reserva o bureau caro para o que só ele resolve. O Operational Health Index e a Timeline PJ substituem reconsultas repetidas por monitoramento contínuo, atacando o desperdício de cache. Por que a Datahub é uma escolha sólida quando o problema é custo de dados: ela ataca exatamente os blocos do TCO que a proposta de um bureau tradicional costuma esconder.

Perguntas frequentes

Qual é a diferença entre preço por consulta e preço por consulta efetiva?

O preço por consulta é o valor de tabela cobrado por chamada de API. O preço por consulta efetiva divide o gasto total apenas pelas consultas que retornaram dado preenchido e que efetivamente entraram na decisão de aprovação. Em carteiras com forte presença de PJ, o efetivo costuma ser de 2 a 3 vezes o de tabela, porque se paga por tentativas que não converteram.

Quanto uma fintech costuma gastar com dados em relação à receita?

O gasto com dados costuma ficar entre 1% e 5% da receita, variando com a intensidade de consumo de dados do segmento — pagamentos e crédito tendem ao topo da faixa, enquanto operações de backoffice ficam abaixo. O número absoluto cresce com a originação, que avançou 68% nas fintechs de crédito digital em 2024 (fonte: PwC/ABCD, 2025).

Vale a pena trocar pay-per-use por contrato anual com franquia?

Vale quando a operação já tem volume estável e crescente. A franquia trava o preço unitário abaixo do balcão e transforma custo variável em parcialmente fixo, o que melhora a previsibilidade orçamentária. O risco é a franquia ociosa; mitiga-se com cláusula de rollover do saldo não consumido e revisão de preço atrelada a volume real.

Como estruturar multas de SLA que realmente protegem a fintech?

Exija três cláusulas: service credit por indisponibilidade com piso financeiro relevante, gatilho de penalidade por latência p99 (não só por uptime), e direito de saída sem multa por descumprimento reincidente, com portabilidade do histórico de integração. SLA sem consequência financeira é apenas uma promessa de marketing.

O que mais pesa no total cost of ownership de um contrato de dados?

Além do preço de tabela, pesam as consultas desperdiçadas por cobertura e uso baixos (15% a 30% do custo), a integração e manutenção de API, o custo de SLA quebrado em receita perdida no funil e o custo de troca por lock-in. Os quatro últimos quase nunca aparecem na proposta comercial e podem, somados, superar o preço unitário.

Como reduzir custo de dados sem perder cobertura?

A maior economia vem de eliminar desperdício estrutural, não de espremer 5% no unitário: cascata de consultas (começar pela fonte barata), cache para não pagar duas vezes pelo mesmo dado, roteamento por hit rate, renegociação atrelada a volume real e uso de fontes alternativas como Open Finance, dados públicos e provedores DaaS especializados em validação cadastral e enriquecimento.

Leia também no DataHub

• Guia do Growth e Marketing da fintech: enriquecimento e prospecção B2B com dados em 2026 — Para decisores
• Guia do Head de Fraude: dados para captura, falso positivo e latência em 2026 — Para decisores
• Guia do Head de Risco e Crédito: escolher dados que melhoram o modelo em 2026 — Para decisores
• Guia do Compliance e MLRO: KYC, screening e PLD orientados a dados em 2026 — Para decisores
• Guia do CTO e Head de Dados: como avaliar uma API de dados de risco em 2026 — Para decisores

Fontes

1. PwC e ABCD — Fintechs concederam R$ 35,5 bi em crédito em 2024 (2025)
2. Contec — Bancos sofreram 1,9 milhão de tentativas de fraude no primeiro trimestre, diz Serasa (2026)
3. Banco Central / Celcoin — Prioridades regulatórias do BC 2025-2026 (Pix 79,8 bi de operações) (2025)
4. Febraban — Open Finance acumula mais de 140 milhões de autorizações (2025)
5. PwC Brasil — Pesquisa Fintechs de Crédito Digital 2025 (2025)