O setor de seguros movimenta um volume de dados que cresce a cada novo canal, produto, parceiro e integração.
Apólices, sinistros, resseguro, cobrança, precificação e Open Insurance dependem de informações confiáveis para funcionar. Quando os dados estão fragmentados entre sistemas, planilhas, arquivos e áreas que adotam critérios diferentes, uma inconsistência pode atravessar toda a operação antes de ser identificada.
Ao mesmo tempo, as exigências regulatórias avançaram.
A Lei Geral de Proteção de Dados Pessoais — LGPD — estabeleceu regras sobre o tratamento de dados pessoais. A Resolução CNSP nº 416/2021 definiu requisitos para controles internos, gestão de riscos e auditoria. O Open Insurance passou a exigir consentimento, registros, interfaces padronizadas e mecanismos de acompanhamento. A Circular SUSEP nº 638/2021, por sua vez, estabeleceu requisitos de segurança cibernética para entidades supervisionadas.
Essas normas não criam, em conjunto, uma estrutura única denominada “governança de dados”. No entanto, exigem controles, evidências, segurança, qualidade e capacidade de auditoria que dificilmente podem ser sustentados quando a organização não sabe onde os dados nascem, por quais sistemas passam, quem responde por eles e como são utilizados.
Por isso, a governança de dados em seguradoras deixou de ser uma discussão restrita à tecnologia. Ela atravessa compliance, riscos, auditoria, atuária, operações, segurança da informação e estratégia.
O problema é que muitas empresas ainda tratam o assunto como uma política genérica de proteção de dados, desconectada da arquitetura que efetivamente movimenta as informações.
Este artigo mostra onde essa limitação aparece, o que as principais normas exigem diretamente e como estruturar um modelo capaz de sustentar a operação, a conformidade e a evolução tecnológica.
Este conteúdo apresenta uma leitura informativa e operacional das normas citadas. A aplicação das exigências deve considerar as características de cada instituição e não substitui uma avaliação jurídica ou regulatória especializada.
Principais pontos sobre governança de dados em seguradoras
- Governança de dados em seguradoras vai além da LGPD e precisa considerar controles internos, segurança cibernética, auditoria e Open Insurance.
- A Resolução CNSP nº 416/2021 não institui um programa autônomo de governança de dados, mas exige sistemas completos, atualizados, fidedignos, seguros e auditáveis.
- Quando a governança existe apenas como documento de compliance, sem conexão com os sistemas, os dados continuam desorganizados na prática.
- Open Insurance exige mais do que disponibilizar APIs: consentimentos, registros, compartilhamentos e informações internas precisam permanecer conectados.
- Iniciativas de inteligência artificial dependem de dados adequados, contextualizados e monitorados para avançar com responsabilidade.
- O primeiro passo não é adquirir uma ferramenta, mas mapear onde os dados nascem, por quais sistemas trafegam e como chegam às decisões e aos relatórios.
- A estrutura deve ser proporcional ao porte, à complexidade, ao perfil de risco e ao modelo de negócio da instituição.
⚠️ Ponto de atenção
Quando o compartilhamento de dados do Open Insurance ou a consolidação de informações para auditorias depende de conciliações manuais entre sistemas, o impacto pode permanecer pouco visível nos primeiros ciclos.
Com o aumento do volume de apólices, canais, produtos e integrações, a limitação tende a aparecer em forma de:
- Divergências entre bases.
- Informações desatualizadas.
- Retrabalho na geração de relatórios.
- Dificuldade para demonstrar a origem de um dado.
- Atrasos na abertura de novos fluxos.
- Dependência de conhecimento individual.
- Correções emergenciais próximas a entregas regulatórias.
O ponto central é criar rastreabilidade e capacidade de evolução antes que o crescimento da operação transforme uma inconsistência pontual em um problema estrutural.
Se essa resposta depende de consultas manuais ou de conhecimento individual, vale identificar onde estão os principais gargalos de integração, rastreabilidade e governança.
O que é governança de dados em seguradoras?
Governança de dados é a prática de definir quem responde por cada conjunto de informações, quem pode acessá-las e quais políticas, padrões e controles devem ser aplicados ao longo de seu ciclo de vida.
No setor de seguros, isso significa organizar dados usados em processos como:
- Cotação.
- Subscrição.
- Emissão.
- Cobrança.
- Sinistros.
- Resseguro.
- Relacionamento com corretores.
- Atendimento ao segurado.
- Relatórios regulatórios.
- Open Insurance.
- Modelos analíticos e aplicações de IA.
Estabelece as regras.
Coloca essas regras em prática por meio de processos, tecnologias e rotinas operacionais.
Essa diferença é importante.
Uma operação pode possuir ferramentas de armazenamento, integração e análise sem ter clareza sobre qual sistema contém a informação oficial, quem decide uma alteração, como uma inconsistência é tratada ou por quanto tempo determinado dado deve ser mantido.
Da mesma forma, pode possuir uma política formal sem que ela seja executada nos sistemas que movimentam as informações diariamente.
Para aprofundar essa distinção, veja também o conteúdo sobre gestão de dados corporativos.
Em uma seguradora, a governança de dados precisa responder, pelo menos, às seguintes perguntas:
Quais são os dados críticos para cada processo?
Onde esses dados são criados?
Qual sistema funciona como fonte oficial?
Quem responde por sua qualidade?
Quem pode acessá-los?
Como as alterações são registradas?
Quais regras de retenção e descarte se aplicam?
Como uma informação chega a uma decisão ou relatório?
Como inconsistências são identificadas e corrigidas?
Quais controles demonstram o cumprimento das regras?
O que a regulação exige diretamente e o que a governança viabiliza
A governança de dados ajuda a conectar exigências que aparecem em diferentes normas, mas é importante não confundir obrigação regulatória direta com mecanismo operacional de atendimento.
| Referência | O que exige diretamente | Como a governança de dados apoia |
|---|---|---|
| LGPD | Bases legais, direitos dos titulares, segurança, prevenção e responsabilização | Organiza finalidade, acesso, classificação, retenção, compartilhamento e evidências |
| Resolução CNSP nº 416/2021 | Controles internos, gestão de riscos, auditoria e sistemas de informação confiáveis e auditáveis | Define fontes oficiais, responsabilidades, critérios de qualidade e rastreabilidade |
| Resolução CNSP nº 415/2021 e normas do Open Insurance | Consentimento, autenticação, confirmação, interfaces dedicadas, registros e controles | Conecta consentimentos, dados internos, APIs, compartilhamentos e trilhas de auditoria |
| Circular SUSEP nº 638/2021 | Política e controles de segurança cibernética | Integra proteção, acesso, terceiros, armazenamento, processamento e continuidade |
| Resolução CNSP nº 494/2026 | Regras para resseguro, retrocessão e cosseguro, válidas a partir de 2 de janeiro de 2027 | Demanda dados e evidências consistentes para acompanhar propostas, contratos e prazos |
LGPD
A LGPD estabelece princípios, bases legais, direitos dos titulares e responsabilidades relacionados ao tratamento de dados pessoais.
Isso significa que a seguradora precisa compreender:
- Quais dados pessoais utiliza.
- Para quais finalidades.
- Com qual base legal.
- Quem pode acessá-los.
- Com quem são compartilhados.
- Por quanto tempo são mantidos.
- Como os direitos dos titulares são atendidos.
- Quais medidas de segurança e prevenção são aplicadas.
A lei não determina que todo tratamento de dados dependa de consentimento. A base legal precisa ser definida conforme a finalidade e o contexto da operação.
As sanções administrativas podem incluir multa simples de até 2% do faturamento da pessoa jurídica, grupo ou conglomerado no Brasil, limitada a R$ 50 milhões por infração, além de outras medidas previstas na legislação.
Resolução CNSP nº 416/2021
A Resolução CNSP nº 416/2021 trata do Sistema de Controles Internos, da Estrutura de Gestão de Riscos e da atividade de Auditoria Interna.
Para as supervisionadas alcançadas pelo capítulo de gestão de riscos, a norma exige, entre outros elementos, a utilização de sistemas de informação completos, atualizados, fidedignos, seguros e auditáveis.
A norma não cria expressamente um programa chamado “governança de dados”. Entretanto, uma estrutura que define fontes, responsabilidades, regras de qualidade e trilhas de auditoria ajuda a sustentar os requisitos relacionados aos sistemas e às informações usadas na gestão de riscos.
A proporcionalidade também precisa ser considerada: controles e estruturas devem ser compatíveis com a natureza, o porte, a complexidade, o perfil de risco e o modelo de negócio da supervisionada.
Open Insurance
O Open Insurance operacionaliza o compartilhamento padronizado de dados e serviços por meio da abertura e da integração de sistemas.
No caso do compartilhamento de dados abertos e pessoais, a participação é obrigatória para determinadas supervisionadas enquadradas nos segmentos S1 e S2 e voluntária para as demais, observadas as condições e exceções da regulamentação.
Para dados pessoais e serviços, a solicitação de compartilhamento compreende etapas como consentimento, autenticação e confirmação.
O consentimento deve:
- Ser apresentado em linguagem clara.
- Estar vinculado a finalidades determinadas.
- Identificar a sociedade transmissora.
- Discriminar os dados ou serviços compartilhados.
- Possuir prazo compatível com a finalidade, limitado, em regra, a doze meses;
- Permitir revogação.
Além disso, as participantes devem manter registros, mecanismos de acompanhamento, trilhas de auditoria e controles relacionados ao compartilhamento.
Por isso, conectar APIs externas sem relacioná-las às fontes internas, aos consentimentos e aos registros da operação cria uma integração tecnicamente ativa, mas com governança insuficiente.
Entenda com mais profundidade como conectar APIs, consentimentos e sistemas legados no Open Insurance.
Circular SUSEP nº 638/2021
A Circular SUSEP nº 638/2021 estabelece requisitos de segurança cibernética para seguradoras, entidades abertas de previdência complementar, sociedades de capitalização e resseguradores locais.
A norma aborda políticas, controles, prevenção, detecção, resposta, recuperação e contratação de serviços relevantes de processamento e armazenamento de dados.
Governança e segurança não são conceitos idênticos, mas precisam funcionar de forma coordenada.
Definir quem pode acessar uma informação sem garantir proteção técnica é insuficiente. Da mesma forma, implementar segurança sem compreender a classificação, a origem e a finalidade dos dados dificulta a priorização dos controles.
Resolução CNSP nº 494/2026
A Resolução CNSP nº 494/2026 foi publicada em julho de 2026 e entra em vigor em 2 de janeiro de 2027.
Entre as mudanças, a norma reduzirá de 180 para 90 dias o prazo de formalização dos contratos de resseguro e disciplinará a formação do contrato pelo silêncio do ressegurador após o prazo aplicável, contado da recepção da proposta. A regra de aceitação tácita não se aplica aos endossos.
Essas alterações não criam uma obrigação direta de governança de dados. No entanto, aumentam a importância operacional de registrar eventos, acompanhar prazos, relacionar propostas e contratos e preservar evidências.
Veja os principais impactos da Resolução CNSP nº 494/2026 sobre o resseguro e aprofunde a análise das mudanças regulatórias.
Onde o problema aparece na operação?
Na prática, uma governança frágil raramente aparece como um problema único. Ela se manifesta em pontos específicos da operação.
No resseguro
Dados de apólices, contratos, limites, percentuais, prêmios, sinistros e recuperações podem estar distribuídos entre sistemas e planilhas.
Quando a informação precisa ser reconciliada manualmente, a equipe gasta tempo reconstruindo o cenário antes de verificar o contrato, acompanhar um prazo ou gerar um relatório.
Com a entrada em vigor da Resolução CNSP nº 494/2026, a capacidade de registrar a recepção de propostas, acompanhar manifestações e controlar a formalização contratual ganhará importância adicional.
No Open Insurance
O compartilhamento depende de consentimentos válidos, interfaces, registros e dados compatíveis com o escopo autorizado.
Sem inventário, classificação e conexão com as fontes internas, divergências podem ser identificadas apenas depois que a informação percorreu diferentes sistemas ou foi exposta por uma API.
O desafio não termina quando a integração entra em produção. Especificações, versões, jornadas e sistemas internos continuam evoluindo.
Na adoção de inteligência artificial
Aplicações de IA em subscrição, atendimento, análise documental, precificação e detecção de fraude dependem de dados adequados ao caso de uso.
Quando a base está fragmentada ou não possui contexto suficiente, a aplicação pode reproduzir inconsistências, utilizar informações desatualizadas ou gerar respostas que não podem ser explicadas com segurança.
Quanto maior o impacto da decisão sobre o segurado, maior deve ser a atenção a qualidade, documentação, monitoramento e supervisão humana.
Veja também as principais aplicações e os riscos da inteligência artificial em seguros e entenda os pontos que exigem atenção na adoção dessa tecnologia.
Nas auditorias e fiscalizações
Sem visibilidade sobre origem, transformação e destino, a equipe precisa reconstruir o caminho do dado durante a auditoria.
Esse cenário aumenta o retrabalho e dificulta explicar por que duas bases apresentam resultados diferentes.
A rastreabilidade permite responder:
- De qual sistema a informação veio.
- Quando foi atualizada.
- Quais regras foram aplicadas.
- Quem realizou alterações.
- Por quais integrações passou.
- Qual versão foi usada no relatório.
Na segurança e na gestão de terceiros
Serviços em nuvem, fornecedores de processamento, plataformas externas e integrações ampliam a quantidade de ambientes pelos quais os dados podem passar.
Sem inventário e classificação, a instituição pode aplicar o mesmo nível de controle a informações com riscos diferentes ou deixar de identificar dependências críticas de terceiros.
O impacto de uma governança frágil no negócio
Quando a governança de dados não está estruturada, o impacto raramente surge de uma única vez. Ele se acumula.
No curto prazo
O efeito mais visível é o retrabalho:
- Relatórios refeitos.
- Cadastros corrigidos.
- Informações conciliadas manualmente.
- Chamados entre áreas.
- Tempo técnico consumido em correções.
- Dependência de planilhas paralelas.
No médio prazo
O impacto passa a atingir a capacidade de resposta.
Uma seguradora que não consegue explicar rapidamente a origem de uma inconsistência tende a mobilizar diferentes equipes para reconstruir o fluxo.
No longo prazo
O impacto se torna estratégico.
Iniciativas de IA, personalização, novos canais e produtos digitais dependem de informações confiáveis e acessíveis.
A empresa não deixa apenas de aproveitar os dados. Ela perde capacidade de evoluir com previsibilidade.
Riscos regulatórios e operacionais
Os principais riscos associados a uma governança de dados insuficiente incluem:
Tratamento sem base legal adequada, acesso indevido, retenção incompatível ou dificuldade para atender direitos dos titulares.
Ausência de clareza sobre fontes, responsabilidades e critérios aplicados às informações.
Dificuldade para demonstrar o caminho completo de um dado até o relatório ou a decisão final.
Falhas na conexão entre consentimentos, dados autorizados, registros internos e informações compartilhadas.
Controles incompatíveis com a criticidade dos dados, dos sistemas ou dos serviços terceirizados.
Propostas, contratos, percentuais e eventos acompanhados em fontes diferentes.
Resultados baseados em informações desatualizadas, incompletas ou sem contexto.
Conhecimento concentrado em pessoas ou áreas específicas.
Esses riscos se conectam.
Uma informação sem qualidade pode comprometer uma análise operacional, um relatório, uma integração e uma aplicação de IA ao mesmo tempo.
O que costuma dar errado na prática?
| Erro recorrente | Por que acontece | Consequência possível | Como reduzir o risco |
|---|---|---|---|
| Tratar a governança como documento de compliance | A política não chega aos sistemas e processos | Os dados continuam sem rastreabilidade, mesmo com a política aprovada | Conectar regras, papéis, arquitetura e execução técnica |
| Avançar no Open Insurance sem inventário consolidado | Prazos e integrações são priorizados antes das fontes internas | Divergências, retrabalho e dificuldade de explicar o compartilhamento | Mapear e classificar os dados antes de ampliar os fluxos |
| Adotar IA sem validar a base | O caso de uso avança antes da análise de qualidade e contexto | Respostas inconsistentes e decisões pouco confiáveis | Validar origem, atualização, finalidade e limitações dos dados |
| Concentrar a governança em uma área | Não existe responsabilidade formal por domínio | Dependência individual e conflitos entre áreas | Definir responsáveis de negócio e técnicos |
| Criar integrações sem definir a fonte oficial | Dois ou mais sistemas podem atualizar a mesma informação | Divergências e correções manuais recorrentes | Definir qual sistema responde por cada domínio |
| Validar apenas o relatório final | Não há monitoramento ao longo do fluxo | O erro é identificado quando já produziu impacto | Aplicar validações na entrada, transformação e saída |
| Escolher uma ferramenta antes do diagnóstico | A tecnologia é tratada como solução isolada | Novo sistema sem adesão ou sem conexão com os processos | Mapear riscos, fluxos e responsabilidades antes da escolha |
Escolha uma informação crítica e tente rastreá-la da origem até o relatório final. Se o caminho depender de várias consultas manuais, há pontos de integração e rastreabilidade que merecem ser avaliados.
Critérios de decisão para estruturar a governança
Antes de definir ferramentas ou arquitetura, avalie objetivamente o cenário.
Escopo regulatório
Quais normas se aplicam à instituição?
Qual é o segmento prudencial?
A participação no Open Insurance é obrigatória ou voluntária?
Existem mudanças regulatórias com impacto planejado?
Integração de sistemas
Quantos sistemas trocam dados entre si?
Quais fluxos ainda dependem de arquivos ou planilhas?
Há validação automática?
Qual sistema é a fonte oficial para cada informação?
Capacidade de auditoria
É possível explicar a origem de um dado?
As transformações ficam registradas?
Alterações de regras e cadastros podem ser recuperadas?
As evidências permanecem vinculadas ao processo?
Qualidade dos dados
Existem critérios de completude, validade, consistência e atualização?
Os erros são medidos?
Há responsáveis por corrigi-los?
A mesma informação apresenta valores diferentes entre sistemas?
Open Insurance
Consentimentos estão conectados aos dados compartilhados?
A operação consegue identificar o escopo autorizado?
APIs e fontes internas evoluem de forma coordenada?
Existem trilhas de auditoria e monitoramento?
Inteligência artificial
Há aplicações em produção ou planejadas?
Os dados utilizados têm origem conhecida?
O modelo ou aplicação é monitorado?
Há supervisão humana proporcional ao impacto?
Segurança e terceiros
Os dados estão classificados conforme sua criticidade?
Os acessos seguem perfis e responsabilidades?
Serviços terceirizados relevantes estão inventariados?
Incidentes e vulnerabilidades possuem fluxos de tratamento?
Capacidade interna
Existe patrocínio da liderança?
Há responsáveis de negócio e tecnologia?
As áreas conseguem trabalhar de forma coordenada?
A estrutura continuará funcionando em caso de troca de pessoas?
Comparação com alternativas
Avalie o cenário antes de transformar uma necessidade de governança em outro projeto isolado e identifique quais mudanças realmente precisam ser priorizadas.
Quando faz sentido avançar agora e quando estruturar por etapas?
Governança de dados não precisa significar uma substituição completa da tecnologia. A decisão deve considerar risco, complexidade, obrigações e capacidade de execução.
Os sistemas existentes conseguem sustentar os controles aplicáveis, há poucas fontes para cada domínio e a operação consegue demonstrar origem, atualização e responsabilidade sem reconstrução manual.
Nesse cenário, pode ser suficiente formalizar papéis, documentar fontes, revisar acessos e criar indicadores de qualidade.
Existem múltiplos sistemas trocando dados, mas os problemas estão concentrados em determinados fluxos.
Nesse caso, faz sentido priorizar:
- Inventário.
- Definição de fontes oficiais.
- Regras de qualidade.
- Integrações críticas.
- Monitoramento.
- Documentação de responsabilidades.
A operação:
- Participa do Open Insurance.
- Possui auditorias recorrentes.
- Depende de vários sistemas legados.
- Enfrenta divergências entre bases.
- Utiliza serviços relevantes de terceiros.
- Pretende escalar aplicações de IA.
- Não consegue rastrear os dados usados em decisões.
- Precisa preparar controles para as mudanças do resseguro em 2027.
Como estruturar o próximo passo?
Uma estrutura de governança de dados pode evoluir pelas seguintes etapas.
1. Defina o escopo inicial
Não tente organizar todos os dados ao mesmo tempo.
Comece pelos domínios que concentram:
- Maior risco regulatório.
- Mais retrabalho.
- Maior impacto financeiro.
- Maior volume de inconsistências.
- Dependência de várias áreas.
- Iniciativas estratégicas bloqueadas.
2. Mapeie onde os dados nascem e circulam
Registre:
- Sistema de origem.
- Sistemas consumidores.
- Integrações.
- Arquivos intermediários.
- Transformações.
- Relatórios.
- Responsáveis.
- Terceiros envolvidos.
Esse mapa revela pontos em que a informação perde contexto ou precisa ser corrigida manualmente.
3. Defina fontes oficiais
Para cada domínio, estabeleça qual sistema contém a informação oficial.
Exemplos:
- Cadastro do segurado.
- Produto.
- Apólice.
- Prêmio.
- Sinistro.
- Contrato de resseguro.
- Consentimento.
- Pagamento.
- Relatório regulatório.
Uma fonte oficial não significa que o dado só possa existir em um sistema. Significa que existe uma referência reconhecida para resolver divergências.
4. Formalize papéis e responsabilidades
Defina quem:
- Aprova regras.
- Responde pela qualidade.
- Administra acessos.
- Trata inconsistências.
- Acompanha indicadores.
- Autoriza mudanças.
- Preserva evidências.
Governança não deve ficar concentrada apenas em tecnologia ou compliance. As áreas de negócio precisam participar das decisões sobre significado, uso e qualidade.
5. Classifique os dados
Considere critérios como:
- Dado pessoal.
- Dado pessoal sensível.
- Criticidade operacional.
- Confidencialidade.
- Obrigação de retenção.
- Compartilhamento externo.
- Impacto em decisões.
- Relevância regulatória.
A classificação orienta controles de acesso, segurança, armazenamento e monitoramento.
6. Estabeleça regras de qualidade
Defina critérios mensuráveis para:
- Completude.
- Precisão.
- Consistência.
- Validade.
- Atualização.
- Unicidade.
Uma regra de qualidade precisa ter responsável, indicador, limite aceitável e procedimento para tratamento de exceções.
7. Conecte governança e integração
A integração de sistemas empresariais deve refletir as decisões de governança.
Isso envolve:
- Validar dados antes do envio.
- Registrar falhas.
- Controlar versões.
- Preservar identificadores.
- Monitorar indisponibilidades.
- Impedir alterações não autorizadas.
- Manter evidências do fluxo.
8. Monitore continuamente
A governança não termina com a publicação da política. Acompanhe indicadores como:
- Número de inconsistências.
- Tempo de correção.
- Percentual de campos incompletos.
- Divergências entre sistemas.
- Falhas de integração.
- Acessos indevidos.
- Exceções manuais.
- Tempo para reconstruir a origem de um dado.
- Reincidência de problemas.
Diagnóstico rápido de governança de dados em seguradoras
Avalie se as afirmações abaixo representam a realidade atual da operação
Marque os critérios que já fazem parte da estrutura atual de dados, integração e governança.
0 de 10 critérios atendidos
Comece a avaliação
Marque os critérios que já representam a realidade da operação para visualizar o estágio atual.
O diagnóstico revelou dependências manuais ou fontes conflitantes?
Converse com a Tecnologia Única sobre os fluxos que precisam de mais estrutura para evoluir.
Como a Tecnologia Única apoia essa estruturação?
A Tecnologia Única atua na interseção entre tecnologia, operação e negócio.
Em um projeto relacionado à governança de dados, o desafio tecnológico não está apenas em armazenar informações. É necessário compreender como elas nascem, trafegam entre sistemas e chegam aos pontos de decisão.
A estruturação pode começar pela avaliação de:
- Sistemas envolvidos.
- Integrações existentes.
- Dependências manuais.
- Fontes conflitantes.
- Pontos de validação.
- Necessidades de rastreabilidade.
- Limitações da arquitetura.
- Prioridades do negócio.
A partir desse diagnóstico, é possível avaliar se o caminho mais adequado envolve reorganizar integrações, evoluir componentes, automatizar controles ou construir uma arquitetura capaz de sustentar o crescimento da operação.
A atuação não precisa partir de um modelo fechado.
Cada seguradora possui sistemas, produtos, responsabilidades, riscos e níveis de maturidade diferentes. Por isso, o desenho deve considerar o contexto atual antes de definir a tecnologia.
Essa abordagem ajuda a evitar dois extremos:
Adquirir uma plataforma sem compreender o problema.
Manter controles manuais mesmo quando a operação já superou sua capacidade.
A tecnologia entra como meio para organizar fluxos, reduzir dependências e criar uma estrutura capaz de evoluir.
Conclusão
Governança de dados em seguradoras conecta decisões que muitas vezes são tratadas separadamente.
A LGPD organiza responsabilidades sobre dados pessoais. A Resolução CNSP nº 416/2021 estabelece controles internos, gestão de riscos e requisitos para sistemas auditáveis. O Open Insurance exige consentimentos, interfaces, registros e mecanismos de acompanhamento. A Circular SUSEP nº 638/2021 reforça a necessidade de segurança cibernética.
Essas normas não criam uma única estrutura universal de governança de dados. Elas estabelecem obrigações e riscos que precisam ser traduzidos para a realidade dos sistemas, das equipes e dos processos.
Quando essa tradução não acontece, o custo aparece em forma de:
- Retrabalho.
- Inconsistências.
- Dificuldade de auditoria.
- Integrações frágeis.
- Dependência de conhecimento individual.
- Aplicações de IA sem base confiável.
- Menor capacidade de evolução.
O caminho mais seguro começa pela operação atual.
Antes de substituir sistemas ou ampliar automações, é necessário compreender onde os dados nascem, como são transformados, quem responde por eles e quais fluxos concentram mais risco.
A Tecnologia Única pode apoiar essa construção ao conectar visão de negócio, inteligência técnica, integração e arquitetura.
Perguntas frequentes sobre governança de dados em seguradoras
Governança de dados define papéis, políticas, padrões e critérios de decisão. Gestão de dados executa essas definições por meio de processos, ferramentas e rotinas.
A governança determina quem responde pelo dado e quais regras se aplicam. A gestão implementa e mantém essas regras no dia a dia.
A LGPD estabelece princípios, bases legais, direitos e responsabilidades relacionados aos dados pessoais. Seguradoras também precisam considerar normas específicas sobre controles internos, riscos, segurança cibernética e Open Insurance.
A governança ajuda a organizar essas exigências, mas não substitui a análise jurídica ou regulatória de cada tratamento.
A resolução não institui expressamente um programa autônomo com esse nome.
Ela exige controles internos, gestão de riscos, auditoria e, para as supervisionadas alcançadas pelos respectivos dispositivos, sistemas completos, atualizados, fidedignos, seguros e auditáveis.
A governança de dados ajuda a criar as condições operacionais para sustentar esses requisitos.
O Open Insurance depende de consentimentos, autenticação, confirmação, interfaces padronizadas, registros e mecanismos de acompanhamento.
A governança conecta esses elementos aos dados e sistemas internos, ajudando a demonstrar qual informação foi compartilhada, com qual finalidade, por quanto tempo e a partir de qual fonte.
Uma estrutura completa não é requisito formal para todo experimento de IA. Entretanto, aplicações em produção, especialmente as que influenciam subscrição, precificação, sinistros ou atendimento, precisam de dados adequados, monitoramento e controles proporcionais ao impacto.
Sem essa base, a IA pode ampliar inconsistências que já existiam nos processos.
Não necessariamente.
O ponto de partida é compreender os sistemas, os fluxos, os riscos e as obrigações da operação. Dependendo do cenário, a evolução pode ocorrer com ajustes nos sistemas atuais, novas integrações, automação de controles ou adoção de ferramentas especializadas.
A responsabilidade deve ser compartilhada entre negócio, tecnologia, riscos, compliance, segurança e outras áreas envolvidas.
A liderança define direcionamento e prioridades. Os responsáveis por cada domínio estabelecem significado e qualidade. A tecnologia implementa e sustenta os controles necessários.
Comece pelo mapeamento de onde os dados críticos nascem, em quais sistemas circulam e como chegam às decisões e aos relatórios.
Depois, defina fontes oficiais, responsáveis e critérios de qualidade. Esse diagnóstico ajuda a distinguir ajustes pontuais de problemas que exigem evolução arquitetural.
A resolução não cria uma obrigação específica de governança de dados.
No entanto, suas regras sobre propostas, aceitação, formalização e prazos de resseguro, válidas a partir de 2 de janeiro de 2027, aumentam a importância de registros, evidências e informações consistentes entre sistemas.
Referências
[4] Superintendência de Seguros Privados. Documentos de referência do Open Insurance.
[6] Superintendência de Seguros Privados. Manual de Orientações sobre Segurança Cibernética.
[8] Superintendência de Seguros Privados. Plano de Regulação para 2026.
ES 
PT 
EN 
FR 
IT 
DE 