RC18 além do compliance: como a arquitetura de dados fortalece a qualidade regulatória 

Quando o IASB publicou a IFRS 18, posteriormente incorporada ao Brasil pela RC18, grande parte da discussão passou a se concentrar nas mudanças relacionadas à apresentação das demonstrações financeiras e aos novos requisitos de divulgação. De fato, a norma representa um avanço importante ao buscar maior comparabilidade, transparência e consistência na forma como o desempenho das organizações é apresentado ao mercado. 

Mas, na minha leitura, esse não é o principal impacto da RC18. 

Mais do que alterar a apresentação das informações financeiras, a norma amplia a necessidade de demonstrar como elas foram produzidas. Isso significa conseguir explicar de onde os dados vieram, como foram transformados, quais controles foram aplicados ao longo do processo e quais evidências sustentam o resultado apresentado. 

Isso muda a maneira como as instituições precisam olhar para a informação regulatória. 

Durante muito tempo, boa parte do esforço esteve concentrada na preparação e na validação do reporte. Agora, a qualidade regulatória deixa de depender apenas da entrega final e passa a refletir toda a jornada do dado. É justamente nesse ponto que a discussão deixa de ser exclusivamente contábil e passa a envolver arquitetura de dados, governança, rastreabilidade e capacidade de produzir evidências de forma contínua. 

Se antes o desafio era garantir que os números estivessem corretos no momento da divulgação, agora é preciso demonstrar que todo o processo que levou até eles também é confiável. E isso começa muito antes da Contabilidade. 

Neste artigo, proponho uma leitura que vai além das mudanças no reporte financeiro e discuto por que a arquitetura de dados passa a ocupar um papel estratégico nesse contexto. 

Da origem do dado ao reporte: onde está o verdadeiro desafio da RC18 

É comum associar a RC18 às áreas de Contabilidade e Controladoria, já que são elas que conduzem a elaboração e a divulgação das demonstrações financeiras. No entanto, os principais desafios da norma começam muito antes dessa etapa. 

As informações que chegam ao reporte financeiro percorrem uma cadeia complexa. Elas passam por diferentes sistemas, áreas de negócio, processos de integração, regras de transformação e reconciliações até serem consolidadas. Quanto maior essa jornada, maior também a necessidade de garantir que cada etapa seja consistente, transparente e passível de comprovação. 

Na prática, basta que uma regra de transformação não esteja devidamente documentada, que uma reconciliação dependa de controles manuais ou que a origem de um dado não possa ser rastreada para que a explicação de um indicador financeiro se torne mais lenta, mais complexa e mais suscetível a inconsistências. Em um cenário regulatório cada vez mais exigente, isso representa um risco que vai além da eficiência operacional. 

É exatamente por isso que conceitos como rastreabilidade, data lineage, metadados e governança de dados deixam de ser tratados apenas como temas tecnológicos. Eles passam a sustentar a capacidade da instituição de explicar, com clareza e evidências, como uma informação foi construída ao longo de toda a sua jornada. 

Essa mudança de perspectiva também amplia o papel da arquitetura de dados. Para além de organizar informações ou integrar sistemas, ela passa a oferecer a estrutura necessária para preservar histórico, documentar transformações, reduzir dependências de processos manuais e fortalecer a confiança sobre os dados utilizados no reporte financeiro. 

A RC18 não determina qual arquitetura uma instituição deve adotar. Mas evidencia que, sem uma base capaz de garantir rastreabilidade e governança de ponta a ponta, atender às exigências da norma tende a se tornar um processo mais complexo, mais custoso e menos sustentável ao longo do tempo. 

Essa é uma mudança que reforça a importância de arquiteturas modernas, desenhadas para acompanhar toda a jornada do dado e não apenas a etapa final do reporte. 

“A RC18 amplia o foco do reporte para a capacidade de explicar toda a jornada do dado.” 

Juan Las Casas, Diretor de Soluções e Dados FS da BIP Brasil

Arquitetura de dados: da infraestrutura à qualidade regulatória 

Se, como vimos, o desafio passa a ser explicar toda a jornada do dado, a pergunta deixa de ser apenas “como armazenar informações?” e passa a ser “como preservar evidências ao longo de todo esse caminho?” 

É justamente aí que a arquitetura de dados entra na discussão sobre a RC18. 

Por muito tempo, decisões sobre arquitetura estiveram associadas principalmente à performance, integração entre sistemas ou capacidade de processamento. Esses fatores continuam importantes, mas deixam de responder sozinhos às necessidades impostas por um ambiente regulatório que exige rastreabilidade, transparência e consistência. 

A instituição precisa ser capaz de responder perguntas simples, mas que nem sempre possuem respostas igualmente simples: de onde veio este indicador? Quais regras de negócio foram aplicadas? Em que momento um dado foi transformado? Existe histórico suficiente para reconstruir esse processo caso seja necessário? 

São as arquiteturas modernas que ajudam a responder esse tipo de questionamento. 

Um exemplo é o modelo Lakehouse, que concentra dados de diferentes fontes em um ambiente único, preservando contexto e histórico ao longo do processo. Quando organizado segundo a arquitetura Medalhão, esse ambiente passa a separar os dados em camadas com objetivos bem definidos. 

A camada Bronze preserva os dados exatamente como foram recebidos, funcionando como um registro fiel da origem das informações. A Silver concentra os tratamentos, padronizações, validações e reconciliações necessárias para garantir consistência. Já a Gold disponibiliza dados refinados e prontos para alimentar indicadores, análises e demonstrações financeiras. 

Essa organização facilita algo que a RC18 passa a exigir com mais intensidade: explicar a trajetória percorrida por uma informação até chegar ao reporte. 

O mesmo acontece com recursos como data lineage. Ao registrar a origem dos dados, os sistemas pelos quais passaram e as transformações realizadas ao longo do caminho, o lineage cria uma trilha capaz de sustentar auditorias, responder questionamentos regulatórios e reduzir o esforço necessário para reconstruir informações. 

Perceba que nenhuma dessas arquiteturas surgiu para atender à RC18. O ponto é que elas oferecem características que passam a responder naturalmente às exigências evidenciadas pela norma, especialmente em temas como rastreabilidade, documentação e capacidade de reconstruir a trajetória de uma informação. 

Naturalmente, essa não é a única abordagem possível. Arquiteturas federadas também podem atender a esse desafio quando conseguem equilibrar autonomia das áreas de negócio com padrões consistentes de governança. 

O ponto, porém, não está na tecnologia escolhida. Está na capacidade de construir uma arquitetura em que origem, transformação, reconciliação e evidências façam parte do mesmo processo. 

Da estratégia à execução: como acelerar a jornada de adequação à RC18 

Ao longo deste artigo, defendi que atender à RC18 não depende apenas da arquitetura escolhida. Depende, principalmente, da capacidade de construir uma jornada do dado em que origem, transformações, regras de negócio e evidências possam ser compreendidas de ponta a ponta. 

Mas existe um desafio anterior a tudo isso. 

Antes de definir uma arquitetura, é preciso entender como a informação circula pela organização. Onde os dados são gerados? Quais sistemas participam desse processo? Quais regras de negócio são aplicadas? Quem responde por cada informação? E, principalmente, quais evidências existem para sustentar esse fluxo? 

Encontrar essas respostas costuma ser uma das etapas mais complexas de qualquer iniciativa de governança de dados. Grande parte desse conhecimento está distribuída entre documentos, planilhas, apresentações, entrevistas e, muitas vezes, na experiência das próprias equipes. Consolidar essas informações exige tempo, alinhamento entre áreas e um esforço significativo de documentação. 

Foi justamente observando esse cenário que estruturamos nossa abordagem para projetos de adequação à RC18. 

Em uma iniciativa conduzida para uma instituição financeira de grande porte, por exemplo, o trabalho começou pela priorização de cinco reportes críticos do BACEN, abrangendo 116 relatórios e CADOCs. O objetivo não era apenas produzir o próximo reporte, mas estabelecer um método que pudesse ser replicado e evoluído continuamente. 

A jornada foi organizada em quatro etapas: 

• Diagnóstico e plano de adequação: mapeamento dos reportes prioritários, fontes de dados, linhagem, critérios de qualidade, identificação de gaps e plano de ação.  

• Validação da metodologia: execução de testes de qualidade, produção de evidências auditáveis e consolidação de uma abordagem reutilizável para os demais reportes.  

• Escala: expansão da metodologia para novos reportes, priorizando criticidade, volumetria e capacidade de execução.  

• Governança e monitoramento contínuo: evolução dos controles, acompanhamento da qualidade dos dados e preparação para os próximos ciclos regulatórios.  

Muito além de um cronograma de implementação, essa estrutura permitiu transformar a adequação regulatória em um processo contínuo de construção de governança, criando bases para evolução dos próximos reportes. 

Foi nesse contexto que utilizamos a DAMAI, uma solução desenvolvida pela BIP para acelerar uma das etapas mais trabalhosas da jornada de adequação: transformar conhecimento disperso em artefatos estruturados de governança. 

A solução foi concebida para transformar conhecimento disperso em artefatos estruturados de governança. A partir de entrevistas, workshops, documentos e outros registros corporativos, a DAMAI organiza automaticamente informações, identifica entidades, owners, regras de negócio, relações entre sistemas e lacunas de informação, sempre seguindo o referencial DAMA-DMBOK e mantendo a validação humana como etapa obrigatória. 

Na prática, isso permite acelerar a geração de entregas fundamentais para iniciativas como a RC18, entre elas: 

• discovery governado dos processos e ativos de dados;  

• catálogo de dados, glossário e dicionário corporativo;  

• identificação de owners, domínios e regras de negócio;  

• pré-lineagem e fluxogramas candidatos;  

• estruturação de evidências vinculadas à sua origem;  

• documentação inicial para evolução da governança.  

Esses artefatos deixam de ser apenas documentação do projeto. Eles passam a formar a base necessária para sustentar rastreabilidade, evidências e evolução contínua da governança. 

O diferencial, porém, não está apenas na velocidade. 

Ao manter o especialista no centro do processo de validação, a inteligência artificial acelera atividades repetitivas sem substituir o conhecimento do negócio. O resultado é uma base de governança construída com maior agilidade, preservando contexto, evidências e rastreabilidade desde o início da jornada. 

Essa combinação faz diferença especialmente em iniciativas como a RC18, em que o desafio não termina quando o reporte é entregue. Ele continua na capacidade da instituição de explicar, revisar e sustentar cada informação ao longo do tempo. É por isso que tratamos a adequação à RC18 como a construção de uma capacidade permanente de governança e qualidade da informação, e não como um projeto pontual de conformidade regulatória. 

RC18 como um catalisador para a governança de dados 

Embora a RC18 seja o ponto de partida desta discussão, seus impactos não se limitam ao atendimento de uma exigência regulatória. 

Ao exigir maior transparência sobre a origem das informações, a norma acaba evidenciando desafios que muitas instituições já enfrentavam: dados distribuídos em diferentes sistemas, regras de negócio pouco documentadas, dependência de controles manuais e dificuldades para reconstruir a trajetória de uma informação quando ela precisa ser explicada. 

Esses desafios não surgiram com a RC18. A norma apenas tornou mais evidente a necessidade de enfrentá-los. 

Por isso, vejo esse movimento como uma oportunidade para revisar a forma como a organização produz, governa e utiliza seus dados. Instituições que aproveitarem esse momento para fortalecer sua arquitetura, padronizar conceitos, ampliar a rastreabilidade e estruturar processos de governança tendem a capturar benefícios que vão muito além da conformidade regulatória. 

Os ganhos aparecem em diferentes frentes: 

• maior confiança sobre as informações utilizadas na tomada de decisão; 

• redução da dependência de processos manuais e controles paralelos; 

• mais agilidade para responder a auditorias e demandas regulatórias; 

• evolução contínua da qualidade e da governança dos dados; 

• uma base mais preparada para futuras iniciativas de analytics e inteligência artificial. 

No fim, a RC18 deixa uma mensagem importante: a qualidade do reporte financeiro é consequência da qualidade da jornada do dado. 

Instituições que tratarem a jornada do dado como um ativo estratégico estarão mais preparadas não apenas para atender à RC18, mas para responder às próximas evoluções regulatórias com uma base de informação mais confiável, transparente e sustentável. 

---

Artigo de opinião de Juan Las Casas, Diretor de Soluções e Dados FS da BIP Brasil