O que é enriquecimento de dados? Como a web preenche lacunas

Publicado:

18 min de leitura

Acar Diveroli
Autor: Acar Diveroli
Fichas de empresas em grade: campos vazios de um lado de uma linha de varredura e preenchidos do outro; a azul está completa

Uma equipe de vendas exporta o CRM e encontra 4.000 contas de empresas. Metade não tem setor, um terço informa um site mas não o país, e a mesma torrefação de café aparece três vezes com três grafias diferentes. Ninguém vai corrigir isso à mão, mas distribuir os leads por região ou por setor depende justamente dessas colunas vazias. Preencher essas lacunas a partir de outras fontes se chama enriquecimento de dados (data enrichment).

Este artigo trata da definição, das etapas de um trabalho de enriquecimento, dos principais tipos e fontes, de por que a correspondência entre registros é a parte difícil, de como medir e atualizar o resultado e dos limites legais quando há pessoas envolvidas.

O que é enriquecimento de dados?

Enriquecimento de dados é o processo de acrescentar informações a registros que você já tem, vinculando-os a outras fontes. O registro continua sendo a mesma linha e ganha colunas: uma lista de nomes de empresas vira uma lista com razões sociais, países, setores e sites.

No marketing, isso costuma ser chamado de "data append" (acréscimo de dados). A diferença em relação à simples coleta de dados está no ponto de partida: a coleta cria registros novos e o enriquecimento completa os existentes, então cada valor novo precisa cair na linha certa. Um registro fictício de empresa, antes e depois:

CampoAntesDepoisFonte
NomeHarborlane CoffeeHarbor Lane Roasters LtdRegistro de empresas
Siteharborlane.exampleharborlane.exampleSeu CRM
País(vazio)Reino UnidoRegistro de empresas
Setor(vazio)Torrefação de caféCódigo de atividade do registro
Vende on-line(vazio)SimSite da empresa
Última verificação(vazio)17/11/2026Trabalho de enriquecimento

A última linha importa tanto quanto as outras. Sem uma fonte e uma data, ninguém consegue dizer um ano depois se um valor ainda é verdadeiro.

Qual é a diferença entre enriquecimento de dados, limpeza de dados e ETL?

A limpeza de dados corrige os valores que você já tem, o enriquecimento acrescenta os que faltam e o ETL é o pipeline que move os dados entre sistemas. A limpeza transforma "UK", "U.K." e "Britain" em um único código de país e remove linhas duplicadas; o enriquecimento preenche o país onde o campo estava vazio. A limpeza vem primeiro, porque um duplicado enriquecido duas vezes custa o dobro e pode terminar com duas respostas diferentes.

O ETL (extração, transformação, carga) puxa dados de uma fonte, dá a eles um formato fixo e os grava em um banco de dados. Um trabalho de enriquecimento costuma rodar como uma etapa desse pipeline; O que é ETL? mostra um passo a passo.

Como funciona o enriquecimento de dados?

Um trabalho de enriquecimento vincula cada registro a uma fonte externa por meio de uma chave comum, copia os campos de que precisa e os confere. Cinco etapas cobrem a maioria dos trabalhos:

  1. Escolha a chave. Escolha um valor que os dois lados tenham. Para empresas, as chaves mais fortes são números de registro, números de identificação fiscal e o Legal Entity Identifier (LEI), com o domínio do site como uma boa segunda opção; para produtos, o GTIN impresso sob o código de barras; para lugares, um endereço postal completo.
  2. Cruze. Procure cada registro por essa chave. Onde não houver chave, cruze pelo nome junto com o endereço ou o país, dê uma pontuação a cada candidato e mande os casos limítrofes para uma pessoa.
  3. Acrescente. Adicione só os campos que você vai usar, cada um com sua fonte e data de obtenção. Os valores que você mesmo verificou permanecem; um valor de terceiros só os substitui segundo uma regra que você deixou por escrito.
  4. Valide. Confira formatos (códigos de país, códigos postais, prefixos telefônicos), verifique se os campos batem entre si e compare à mão uma amostra aleatória com a fonte.
  5. Atualize. Refaça o cruzamento com uma frequência adequada a cada campo e anote quando cada valor foi confirmado pela última vez.

Quais são os principais tipos de enriquecimento de dados?

Os principais tipos são o enriquecimento firmográfico, de produto, geográfico e tecnográfico; eles diferem no que acrescentam, na origem dos dados e na velocidade com que envelhecem.

TipoO que acrescentaFontes típicasMudanças
FirmográficoRazão social, setor, porte, proprietárioRegistros, dados LEI, sites de empresasRaramente a uma vez por ano
ProdutoEspecificações, GTIN, categoria, estoquePáginas de fabricantes e varejistasDiárias em preço e estoque
GeográficoCoordenadas, região, fuso horárioGeocodificação, dados abertos de mapasRaramente
TecnográficoPlataforma do site, software da lojaCódigo-fonte público da páginaA cada poucos meses

Dados firmográficos descrevem uma empresa do mesmo jeito que dados demográficos descrevem uma população: o que ela faz, qual é o seu porte, onde está registrada e quem é o dono. O enriquecimento de produto completa itens de catálogo, como um feed de fornecedor que chega sem dimensões. O enriquecimento geográfico transforma um endereço em coordenadas e em uma região para zonas de entrega e territórios de vendas. O enriquecimento tecnográfico registra o software por trás do site de uma empresa; muitas páginas informam esse nome em uma meta tag generator, que o padrão HTML define exatamente para isso.

O enriquecimento de pessoas ou contatos (acrescentar e-mails, telefones ou perfis em redes sociais a pessoas identificadas pelo nome) é juridicamente sensível, e este artigo não o trata como método; a seção legal explica por quê.

De onde vêm os dados de enriquecimento?

Os dados de enriquecimento vêm de quatro lugares: os seus próprios dados, os registros oficiais e os dados abertos, as páginas públicas da web e os conjuntos de dados licenciados. Comece pelo primeiro e avance para fora; cada passo para longe dos seus sistemas acrescenta custo e questões de licença.

Dados próprios (first-party data) são os que você já tem dos seus clientes e das suas operações. Um endereço de cobrança no sistema financeiro muitas vezes preenche o campo de país vazio no CRM.

Registros oficiais guardam as informações de referência sobre empresas. A Companies House, do Reino Unido, por exemplo, oferece um retrato mensal gratuito com os dados básicos das empresas ativas. Para empresas com um Legal Entity Identifier, um código de 20 caracteres definido pela norma ISO 17442 e usado principalmente em transações financeiras, a GLEIF publica os dados LEI sob licença CC0 e emite arquivos completos três vezes por dia. Os dados estruturados do Wikidata também são CC0.

Dados abertos vêm com condições. Os dados do OpenStreetMap estão sob a Open Database License (ODbL), que exige crédito ao OpenStreetMap e, se você distribuir algo construído com esses dados, a mesma licença para o resultado, como explica a sua página de direitos autorais. O serviço público de geocodificação do projeto, o Nominatim, permite no máximo uma requisição por segundo e desaconselha a geocodificação em massa, então listas grandes de endereços precisam de um geocodificador próprio ou pago.

Páginas públicas da web cobrem o que os registros não guardam: o que uma empresa vende, onde ficam as suas lojas, quais produtos ela lista e a que preço. Muitos sites de empresas também publicam marcação schema.org, um bloco feito para máquinas que pode trazer um legalName, um endereço, um número fiscal (VAT ID) ou um leiCode. Público não quer dizer livre de regras: siga os termos do site e o robots.txt, mantenha baixa a taxa de requisições e colete fatos, não descrições e fotos, que continuam protegidas pelos direitos autorais do dono.

Fornecedores de dados vendem conjuntos de dados prontos. Eles economizam tempo, mas você herda os métodos de coleta deles; por isso, pergunte como cada campo foi obtido, sob quais termos e com que frequência é atualizado. São as mesmas perguntas que os compradores de dados alternativos fazem aos seus fornecedores.

Por que a correspondência é a parte mais difícil do enriquecimento?

A correspondência é a parte mais difícil porque a mesma empresa ou o mesmo produto raramente aparece igual em duas fontes, e uma correspondência errada causa mais dano do que nenhuma. Um campo vazio parece vazio; um campo preenchido com dados de outra empresa parece correto.

  • Variações de nome. "Harbor Lane Roasters Ltd", "Harborlane Coffee" e uma abreviação em uma nota fiscal podem ser a mesma empresa; sufixos societários, pontuação e transliteração criam ainda mais variações.
  • Mesmo nome, outra empresa. Duas firmas chamadas Atlas Logistics em dois países só têm o nome em comum, e um cruzamento feito só pelo nome junta as duas.
  • Filiais e grupos. Uma filial, a sua matriz e a controladora são registros diferentes; os dados LEI mantêm essas entidades separadas e anotam quem é dono de quem.
  • Duplicados nos seus próprios dados. Deduplique, ou seja, junte os registros que descrevem a mesma coisa, antes de enriquecer.
  • Mudanças com o tempo. Empresas mudam de nome e de endereço, se fundem e fecham, então a correspondência certa do ano passado pode hoje apontar para uma entidade extinta.

A regra prática: cruze por um identificador sempre que houver um, aceite correspondências por nome e endereço só acima de um limite de confiança e mantenha uma fila de revisão para os casos intermediários.

Como medir a qualidade dos dados enriquecidos?

Você mede dados enriquecidos com algumas proporções simples: quantos registros encontraram correspondência, quantos campos foram preenchidos e quantos dos valores preenchidos estão corretos e atualizados. O governo do Reino Unido recomenda seis dimensões de qualidade de dados definidas pela DAMA UK, uma associação de gestão de dados: completude, unicidade, consistência, atualidade, validade e acurácia. Cada uma é explicada em um breve artigo do GOV.UK. Em um trabalho de enriquecimento, elas viram verificações concretas:

  • Taxa de correspondência (match rate): a parcela de registros vinculados a um registro da fonte; uma taxa baixa indica chaves fracas ou uma fonte que não cobre o seu mercado.
  • Taxa de preenchimento (completude): a parcela de linhas em que um campo não está mais vazio.
  • Acurácia: a parcela de valores corretos em uma amostra aleatória conferida à mão.
  • Validade e consistência: valores no formato esperado e campos que batem entre si; um código postal do Reino Unido ao lado de um prefixo telefônico alemão merece uma conferida.
  • Unicidade e atualidade: os duplicados que sobram depois do cruzamento e a idade de cada valor desde a última confirmação.

Sempre informe a acurácia junto com a taxa de preenchimento: um trabalho que preenche quase todos os campos, mas erra muitos, piorou os dados.

Como manter os dados enriquecidos atualizados?

Você mantém os dados enriquecidos atualizados anotando de onde e quando veio cada valor e conferindo cada campo com a mesma frequência com que ele muda. Uma razão social pode durar décadas, um endereço anos, o número de funcionários meses, e um preço ou nível de estoque, horas.

Guarde uma fonte e uma data de "última confirmação" por valor, não por registro. Use os arquivos de alterações que a fonte oferece em vez de baixar tudo de novo; a GLEIF, por exemplo, publica arquivos delta só com as alterações das últimas 8 horas, do último dia, da última semana ou do último mês. E confira de novo quando surgirem sinais: um site de empresa que agora redireciona para outro domínio muitas vezes indica uma aquisição, e o status "extinta" no registro oficial deve impedir que esse cadastro continue em uso.

Enriquecer dados de empresas e de produtos é, em geral, legal; enriquecer dados sobre pessoas é onde a lei de proteção de dados se aplica por inteiro. Um endereço registrado ou um código de atividade normalmente não são dados pessoais, mas o nome comercial de um empresário individual, um contato identificado pelo nome ou um e-mail pessoal são.

Pelo GDPR (RGPD) da União Europeia, acrescentar dados sobre uma pessoa a partir de outra fonte exige uma base legal. O artigo 14 traz um dever que atinge muitos projetos de enriquecimento: quando os dados pessoais não foram obtidos da própria pessoa, você precisa informar a ela, em um prazo razoável e no máximo em um mês, de que fonte eles vieram e se essa fonte era de acesso público (texto do GDPR no EUR-Lex). Combinar dados para avaliar uma pessoa é definição de perfis (profiling) segundo o artigo 4.º, ponto 4, e as pessoas podem se opor a qualquer momento ao marketing direto, incluindo a definição de perfis ligada a ele.

A autoridade de proteção de dados da Türkiye (KVKK) destacou algo parecido em um comunicado público de 21 de julho de 2026: dados obtidos de terceiros não dão, por si sós, base legal para marketing, as pessoas precisam ser informadas em um prazo razoável, e o consentimento explícito é uma etapa à parte. Como reduzir os campos pessoais e proteger o restante está em Como tratar dados pessoais (PII) em dados de scraping.

Os direitos sobre os dados são outra questão: as licenças abertas impõem condições ao reuso, e o contrato do fornecedor define o que você pode fazer com os campos que comprou.

Onde os proxies entram no enriquecimento de dados?

Os proxies importam quando os dados públicos da web de que você precisa mudam conforme o país. Um fabricante mantém um site separado para cada mercado, com uma linha de produtos diferente, um varejista mostra preços e estoque para o país do visitante, e um localizador de lojas lista só as filiais próximas. Se a coleta sai de um único escritório, cada registro recebe a versão do país desse escritório.

Com os Proxies residenciais, cada requisição sai de uma conexão residencial no país a que os dados pertencem, ou até na cidade, em um ritmo que o site aguenta com folga. Os proxies não mudam o que você pode coletar: os termos do site, o robots.txt e as regras acima continuam valendo.

Equipes que preferem não operar a coleta por conta própria podem usar a extração gerenciada de páginas da nossa Web Scraping API, disponível por meio da nossa equipe de vendas.

Onde o enriquecimento de dados é usado?

  • Vendas e CRM: preencher setor, porte e país para que os leads cheguem à equipe certa.
  • Marketing B2B: segmentos por setor ou porte da empresa em vez de palpites a partir de um nome.
  • Catálogos de e-commerce: completar feeds de fornecedores com dimensões e GTINs das páginas dos fabricantes.
  • Verificação de fornecedores e clientes: confirmar que uma empresa existe, onde está registrada e quem é o dono.
  • Logística: transformar endereços em coordenadas para zonas de entrega e rotas.
  • Pesquisa de mercado: mapear por região as linhas de produtos, as redes de lojas e os preços dos concorrentes.

Erros comuns

  • Enriquecer antes de deduplicar. Os duplicados são enriquecidos duas vezes e se distanciam.
  • Sobrescrever os dados que você mesmo verificou. Um endereço confirmado pelo cliente vale mais do que o palpite de terceiros.
  • Não guardar fonte e data por valor. Depois ninguém consegue saber o que está atualizado.
  • Aceitar qualquer correspondência aproximada. Sem limite e sem fila de revisão, fusões erradas vão se infiltrando.
  • Comprar campos que ninguém usa. Cada um custa dinheiro, precisa ser atualizado e, quando se refere a pessoas, aumenta o risco jurídico.
  • Tratar o enriquecimento como um projeto pontual. Os dados começam a envelhecer no dia em que são acrescentados.
  • Coletar dados regionais a partir de um só país. Preços e listas de filiais saem errados para todos os outros mercados.

Guia de decisão

NecessidadeRecomendação
Razão social, setor e endereço de empresasUse o registro oficial; cruze pelo número dele ou pelo LEI
Confirmar que um parceiro comercial existeConsulta ao registro ou ao LEI; guarde a data
Coordenadas para endereçosGeocodifique dentro da licença do mapa e dos limites de taxa
Especificações de produto que faltamPáginas do fabricante, cruzadas pelo GTIN
Preços ou estoque por paísColete a partir desse país, em ritmo baixo
Dados de contato de pessoasPrimeiro base legal e aviso; consulte o seu DPO
Algumas centenas de registros, uma vezA pesquisa manual pode valer mais que ferramentas
Milhares de registros, todo mêsAutomatize; guarde fonte e data por valor

Perguntas frequentes

O que significa enriquecimento de dados?

Enriquecimento de dados significa deixar registros existentes mais completos, acrescentando informações de outras fontes. Uma lista de nomes de empresas vira uma lista com razões sociais, países, setores e sites; os registros continuam os mesmos e ganham campos.

O que é enriquecimento de dados no CRM?

No CRM, o enriquecimento de dados preenche os campos que faltam em contas e leads, como setor, porte da empresa, país e site, cruzando cada cadastro com registros oficiais, sites ou um fornecedor de dados. Muitos CRMs oferecem isso de forma nativa ou por meio de uma integração. Cruze por chaves confiáveis, guarde a fonte e a data e verifique quais dados pessoais o recurso acrescenta.

Qual é um exemplo de enriquecimento de dados?

Um varejista recebe um feed de fornecedor com nomes e preços de produtos, mas sem dimensões. Cruzar cada produto com a página do fabricante acrescenta o GTIN, o tamanho, o peso e o material. Transformar endereços de clientes em coordenadas para zonas de entrega é outro exemplo.

Preciso de uma ferramenta ou de um serviço de enriquecimento de dados?

Nem sempre. Para algumas centenas de registros, uma planilha e o registro oficial correspondente costumam bastar. Para milhares de registros atualizados todo mês, uma ferramenta, um fornecedor de dados ou um serviço gerenciado de coleta economizam tempo; avalie cada opção pela taxa de correspondência, pela acurácia em uma amostra, pelo método de coleta e pela frequência de atualização.

Enriquecer dados de empresas em geral não é problema. Enriquecer dados sobre pessoas exige uma base legal, e o artigo 14 obriga a informar a elas, em até um mês, de onde vieram os seus dados; consulte o seu encarregado de proteção de dados antes de começar.

Com que frequência os dados enriquecidos devem ser atualizados?

Atualize cada campo com a frequência com que ele muda: dados de registro uma vez por ano ou quando o registro oficial informar uma mudança, endereços e porte da empresa a cada poucos meses, preços e estoque diariamente ou com mais frequência. Uma data de "última confirmação" por valor torna esse calendário aplicável.

Em resumo

O enriquecimento de dados acrescenta o que falta aos registros que você já tem: razões sociais e setores para empresas, especificações para produtos, coordenadas para endereços, software para sites. Todo trabalho segue as mesmas cinco etapas, e a sua qualidade depende mais da correspondência e da atualidade do que do número de campos acrescentados. Comece pelos seus próprios dados e pelos registros oficiais, leia cada licença de dados abertos, não mexa em dados de pessoas sem base legal e colete os dados regionais da web a partir da região que eles descrevem; os nossos proxies para pesquisa de mercado foram feitos para esse tipo de coleta.