Valuation de Datasets. Quando planilhas explicam custo, mas não explicam valor.

Valuation de Datasets. Quando planilhas explicam custo, mas não explicam valor.

Introdução

Ao longo de avaliações recentes conduzidas em contextos de M&A, disputas judiciais e situações de estresse financeiro, tornou-se evidente um padrão incômodo: muitos processos de valuation ainda partem de uma premissa excessivamente confortável; a de que dados podem ser tratados como ativos homogêneos, mensuráveis sobretudo por volume, custo histórico ou esforço de reprodução.

Essas abordagens produzem planilhas tecnicamente corretas. Mas deixam de lado uma lacuna crítica.

Explicam quanto custou construir um dataset, mas raramente conseguem sustentar porque ele vale o que se pretende defender.

Em negociações complexas e judicializações cada vez mais sofisticadas, essa diferença deixou de ser teórica. Tornou-se decisiva.

O contexto: por que o tema voltou ao centro do debate

Tenho observado um padrão recorrente nas conversas com investidores, advogados e advisors: o desconforto não está na ausência de números, mas na fragilidade explicativa de muitos deles quando submetidos a escrutínio real.

A centralidade dos dados nas decisões estratégicas, o aumento de disputas envolvendo ativos digitais e a redução acelerada dos custos de geração e análise de dados impulsionada pela IA expuseram um ponto cego relevante:

nem todo dado carrega o mesmo tipo de valor econômico, ainda que seja tecnicamente sofisticado.

Nesse novo contexto, quantificar deixou de ser o problema principal. Qualificar passou a ser o verdadeiro desafio.

O problema: frameworks que explicam o passado, não o valor

Durante muitos anos, frameworks baseados em custo de reprodução, esforço acumulado ou tempo histórico cumpriram um papel legítimo.

Eles explicam investimento, mas não explicam valor.

Tenho visto avaliações em que o método responde com precisão ao passado, mas falha em questões centrais para M&A e judicializações:

• O dataset reduz incerteza decisória?
• Cria dependência econômica real?
• Seu valor persiste sob mudança de controle ou governança?
• Se persistir, ele pode ser alavancado com segurança?

É nesse hiato que nasce a fragilidade.

Soft data e hard data: uma distinção estrutural

Para quem atua em Private Equity ou no Direito, essa distinção não é semântica. É estrutural.

Hard data tende a ser replicável, padronizável e sensível à redução de custo tecnológico. Seu valor econômico se deteriora rapidamente com a disponibilidade de alternativas.

Soft data, por outro lado, incorpora contexto, curadoria, continuidade histórica, governança, confiança e uso recorrente em decisões reais. É menos visível, mas significativamente mais difícil de substituir.

Tenho observado datasets com volumes semelhantes receberem avaliações radicalmente distintas quando se analisa quem os utiliza, para quê e sob quais condições de credibilidade e controle.

Em litígios e investimentos de grande porte, essa diferença costuma ser determinante

Da aplicação automática à leitura estratégica

Não se trata de descartar frameworks tradicionais, mas de reposicioná-los.

Abordagens baseadas em custo continuam úteis como referência histórica ou limite inferior de valor.

O que mudou é a necessidade de complementá-las com leitura estratégica, capaz de responder questões que as planilhas isoladas não respondem.

O valuation, nesse contexto, exige menos automatismo e mais critério.

Para onde tudo isso nos leva

Para as empresas, a implicação é direta e imediata. Grande parte do valor já existe, ainda que permaneça invisível ou subestruturado do ponto de vista financeiro. Isso significa, na prática, um capital não acessado.

Implicações práticas para M&A e judicializações

Ao atuar no valuation de datasets em operações de M&A, observamos que ignorar essa distinção leva a distorções relevantes:

Ativos tecnicamente sofisticados sendo superavaliados, apesar de frágeis economicamente;

Datasets estratégicos sendo subavaliados por falta de linguagem adequada.

No campo jurídico, o risco é ainda mais sensível:

aceitam-se narrativas técnicas incapazes de sustentar valor econômico real, ou descartam-se ativos relevantes por ausência de estrutura argumentativa adequada.

Sob as tensões próprias de M&A e disputas, esse não é o ambiente ideal para improvisação.

Quando a distinção entre soft e hard data é corretamente incorporada, observamos negociações mais estáveis, teses mais claras e decisões mais consistentes.

Conclusão

1. O que transforma dados em ativos

Dados não são ativos por definição. Eles se tornam ativos quando:

• produzem significado econômico;
• reduzem incerteza;
• e restringem alternativas de forma recorrente.

É nesse campo, das finanças simbólicas, que os datasets deixam de ser repositórios e passam a operar como instrumentos de decisão e poder econômico.

Valuation, portanto, não é mensuração neutra. É interpretação econômica qualificada, com método.

2. O papel do valuation em defense e advocacy

Na Global Brands®, a convicção é clara:

o desafio do valuation contemporâneo não é medir mais. É compreender melhor para que se avalia.

Sem essa clareza, produzem-se números frágeis. E números frágeis não resistem a contraparte.

Os novos critérios começam exatamente nesse ponto:

no propósito da avaliação e na sua capacidade de sustentar, com consistência, a defesa e o posicionamento desses ativos.

Sugestão

Para aprofundar essa discussão e compreender como as finanças simbólicas influenciam decisões de M&A, disputas judiciais e valuation de intangíveis inovadores, a leitura de O Que Faltava ao Valuation oferece uma base conceitual que muitas planilhas ainda não alcançam.

©2026 José Roberto Martins, fundador da Global Brands®, uma das mais tradicionais empresas independentes de consultoria da América Latina,
com 31 anos de atuação. É autor de múltiplos livros sobre marcas, intangíveis e estratégia, incluindo O Que Faltava ao Valuation (2026). 
Como Administrador, atua como perito e parecerista em processos judiciais, arbitragens e finanças envolvendo ativos intangíveis.

#globalbrandsframework