Os dados são o combustível dos algoritmos de inteligência artificial que impulsionaram os mercados de acções a patamares históricos, com a promessa de transformar as economias. Mas como determinamos o valor dos dados

Os dados são o combustível dos algoritmos de inteligência artificial que impulsionaram os mercados de acções a patamares históricos, com a promessa de transformar as economias. Mas como determinamos o valor dos dados? Os dados não são extraídos da terra, nem fabricados em fábricas. Eles acumulam-se invisivelmente como um subproduto da vida moderna: cada busca, clique ou caminhada matinal com o telemóvel no bolso deixa um rasto de informações que alguém, em algum lugar, pode usar.

Quando um bem não tem um preço observável — como um serviço público, por exemplo — normalmente valorizamo-lo pelo custo. Mas os dados não têm um custo explícito. Quando um retalhista regista vendas ou uma aplicação de mapas anota a sua localização, isso é produção de dados. É claro que as empresas investem generosamente no processamento, análise e transformação de dados. Contratam verdadeiros exércitos de cientistas de dados e investem em infra-estrutura computacional para extrair padrões do ruído. Mas os dados brutos subjacentes são como a fumaça do escape do nosso motor económico. Como valorizamos algo que simplesmente aparece?

A verdade é que os dados não são gratuitos. Todos nós somos produtores de dados remunerados. Quando compreendemos que os dados são produzidos por meio de transacções, uma lógica económica mais profunda emerge. Se uma empresa que visa maximizar o lucro valoriza os dados que recebe dos clientes, ela tem um incentivo para estimular mais transacções, porque mais transacções significam mais dados. Os clientes compram mais quando pagam menos. Empresas que não oferecem descontos verão os clientes migrar para concorrentes que oferecem. Portanto, empresas que visam maximizar o lucro precisam de oferecer descontos nos seus produtos e serviços, não por justiça, mas para gerar mais vendas e mais dados.

Grande parte da economia actual opera sob esse acordo implícito. Cada compra digital, cada download de uma aplicação, cada clique é uma transacção dupla: os consumidores compram um bem ou serviço e, ao mesmo tempo, vendem os seus dados. O preço visível — a quantia de dinheiro que muda de mãos — é, na verdade, o preço líquido dessas duas trocas. As empresas obtêm receita e dados; os consumidores obtêm produtos e conveniência.

Agrupamento de preços

Eis o problema: como clientes, não sabemos que preço, que desconto, recebemos pelos dados. Isso torna impossível saber se recebemos o suficiente. Os consumidores normalmente não têm a opção de comprar um produto sem vender os seus dados. Exigir duas transacções simultâneas — neste caso, uma venda de dados e a compra de um produto — é o que os economistas chamam de venda casada. Ao ocultar o preço dos dados, a venda casada garante que os clientes recebam menos.

Imagine chegar a um país estrangeiro com uma moeda diferente. Ao chegar, paga o equivalente a 18 dólares por um almoço que deveria custar 3 dólares. Depois de alguns dias, aprende quando regatear, quando desistir e qual é o preço justo. Na economia digital, somos perpetuamente esse turista do primeiro dia. Vendemos os nossos dados cada vez que navegamos ou compramos algo. Mas, como a transacção é agrupada, nunca vemos o preço. Não podemos aprender com a experiência.

Regulamentações que exijam que as empresas desagreguem as transacções — divulgando tanto o preço com o direito de usar os dados da transacção quanto o preço para uma transacção privada — lançariam luz sobre o mercado de dados. Os consumidores poderiam observar o desconto nos dados. Alguns poderiam decidir que vale a pena; outros poderiam reter os seus dados, a menos que o desconto fosse substancial. Com o tempo, os consumidores evoluiriam de turistas ingénuos para fornecedores de dados experientes, exigindo a sua parte dos ganhos da economia de dados.

O desafio para economistas e decisores políticos é transformar os dados — um recurso invisível e omnipresente — em algo que possamos contabilizar, armazenar e precificar. Economistas começaram a desenvolver um conjunto de ferramentas para a mensuração de dados. Cada abordagem oferece uma perspectiva diferente sobre o “valor” e será viável em diferentes situações.

Cinco abordagens

Primeiro, considere a abordagem dos preços de mercado. Alguns dados são negociados em mercados abertos, em plataformas como Snowflake ou Datarade, onde conjuntos de dados são comprados e vendidos. Mas esses dados não representam uma amostra representativa dos dados economicamente importantes. A maioria das empresas não venderá os seus dados mais valiosos, pois eles são essenciais para a sua vantagem competitiva. Mas, para o subconjunto de dados representados nesses mercados, o preço é um sinal comprovado de valor.

Em segundo lugar, a abordagem da receita. Esta trata os dados como qualquer outro activo produtivo: valendo qualquer receita adicional que possam gerar. Este método levanta uma questão contrafactual: como seriam os lucros se uma empresa não tivesse determinados dados? Esta abordagem requer um modelo que possa prever quais teriam sido os lucros sem os dados. Em finanças, isso é viável porque sabemos que os investidores usam dados para comprar mais activos que gerarão elevados retornos. Em outros contextos, os dados podem ter múltiplos usos que são mais difíceis de medir e quantificar.

Terceiro, a abordagem dos insumos complementares. Uma forma de inferir o valor do stock de dados de uma empresa é observar os recursos que ela dedica à gestão e exploração desses dados. Os dados não geram valor por si só; tornam-se produtivos apenas quando combinados com pessoas e ferramentas. Se souber quanta mão-de-obra e poder computacional uma empresa emprega para trabalhar com dados, e quanto isso custa, poderá inferir o valor implícito do stock de dados que justifica esse investimento. É indirecto, mas o sinal mais seguro de que algo é valioso é o facto de as empresas pagarem dinheiro real para o utilizar.

Em quarto lugar, a abordagem do comportamento correlacionado. Se os dados melhoram as decisões, devemos observar isso no alinhamento entre o que as pessoas fazem e a recompensa por essas escolhas. Os economistas podem medir essas correlações entre acções e recompensas para estimar quanta informação os decisores devem ter tido. Nos mercados de consumo, isso pode significar rastrear com que precisão as recomendações correspondem às compras ou com que precisão uma empresa armazena produtos que terão boa saída. Uma elevada covariância implica dados valiosos em acção. Esta abordagem mede os dados pela sua pegada comportamental.

Por fim, a abordagem da contabilidade de custos. Por instinto, os contabilistas simplesmente somam as despesas para obter dados. Em certa medida, o novo Sistema de Contas Nacionais das Nações Unidas faz isso, contabilizando conjuntos de dados adquiridos como activos. O problema é que a maioria dos dados não é comprada, mas sim trocada. Os consumidores “pagam” com informação quando compram bens ou utilizam serviços digitais. Esses descontos implícitos raramente aparecem nos livros contabilísticos. Uma contabilização rigorosa do custo dos dados teria de imputar o valor dos euros ou cêntimos descontados em cada compra para incentivar mais transacções e mais divulgação de dados.

É a abordagem mais simples em teoria e a mais difícil na prática, porque exige analisar transacções de dados que nunca foram discriminadas. Desagregar as transacções de dados e de mercadorias, exigindo preços separados para transacções com e sem o direito de usar os dados dessas transacções, tornaria a contabilidade de custos viável.

Em direcção à quantificação

Em conjunto, estas cinco abordagens descrevem uma classe de activos invisível. Cada uma capta um aspecto do valor dos dados: trabalho empregado, receita obtida, precisão das acções, preço de mercado ou custo implícito. Nenhuma é infalível, viável em todos os casos ou holística na sua mensuração. A mensuração é sempre imperfeita. Contudo, para tomarmos decisões informadas e elaborarmos políticas sólidas, precisamos de levar os dados do reino da intuição para o reino da quantificação. Até lá, a economia funciona com base num recurso cujo preço só podemos estimar e cujo valor o Vale do Silício pode explorar livremente.