Projetos de adequação à LGPD costumam travar num ponto previsível: o jurídico pergunta quais dados pessoais a empresa trata, onde ficam e quem tem acesso, e ninguém consegue responder com segurança. A resposta está nos sistemas e nos bancos de dados, e levantar isso é trabalho técnico.

Este artigo trata só dessa parte. Definir finalidades, escolher bases legais, redigir avisos de privacidade, avaliar a necessidade de relatório de impacto e revisar contratos são decisões do jurídico e do encarregado de dados. O papel da TI é entregar a eles um retrato fiel e atualizado do que existe.

Por que começar pelo inventário

Não se protege, não se apaga e não se informa ao titular o que não se sabe que existe. A LGPD pede que controlador e operador mantenham registro das operações de tratamento, e esse registro depende de informação que só a área técnica tem. Além disso, o mapeamento costuma revelar riscos que valem a correção imediata, independentemente de qualquer discussão jurídica.

Passo 1: liste onde há dados

Comece amplo. A lista deve incluir tudo que armazena ou copia dados, não só os sistemas principais:

  • servidores e instâncias de banco de dados, com todos os bancos de cada um;
  • sistemas em nuvem e SaaS (CRM, ERP, folha, atendimento);
  • bases de BI, data warehouse e modelos do Power BI;
  • planilhas e exportações em pastas de rede e serviços de arquivos;
  • cópias de produção usadas em desenvolvimento e homologação;
  • backups, com o tempo de guarda de cada um;
  • logs de aplicação, de servidor web e de banco.

Para cada item, registre um responsável. Inventário sem dono fica desatualizado em poucos meses.

Passo 2: descubra onde estão os dados pessoais

Busca por nome de coluna

Num SQL Server, uma consulta ao catálogo dá o primeiro mapa:

SELECT s.name AS esquema,
       t.name AS tabela,
       c.name AS coluna,
       ty.name AS tipo
FROM sys.columns AS c
JOIN sys.tables  AS t  ON t.object_id = c.object_id
JOIN sys.schemas AS s  ON s.schema_id = t.schema_id
JOIN sys.types   AS ty ON ty.user_type_id = c.user_type_id
WHERE c.name LIKE '%cpf%'
   OR c.name LIKE '%email%'
   OR c.name LIKE '%telefone%'
   OR c.name LIKE '%celular%'
   OR c.name LIKE '%nascimento%'
   OR c.name LIKE '%endereco%'
   OR c.name LIKE '%nome%'
   OR c.name LIKE '%rg%'
ORDER BY esquema, tabela, coluna;

Ela vai trazer falsos positivos (cargo contém “rg”, nome_produto contém “nome”) e vai deixar passar colunas com nomes genéricos. É o ponto de partida, não a resposta.

Amostragem do conteúdo

Nomes de coluna enganam. Campos como observacao, campo_livre, dados_extras ou colunas com JSON frequentemente guardam CPF, telefone ou informação de saúde digitados pelo usuário. Para essas colunas, olhe uma amostra do conteúdo, com cuidado para que a própria análise não espalhe os dados (nada de exportar a amostra para planilha pessoal).

Classificação registrada no banco

O SQL Server permite registrar a classificação diretamente nas colunas, e o SSMS tem um assistente de descoberta e classificação que sugere colunas a partir dos nomes:

ADD SENSITIVITY CLASSIFICATION TO dbo.Cliente.CPF
WITH (LABEL = 'Confidencial', INFORMATION_TYPE = 'Documento pessoal', RANK = HIGH);

As classificações ficam em sys.sensitivity_classifications e podem ser consultadas e auditadas. Confira se a sua versão do SQL Server tem esse recurso. Em ambientes maiores, ferramentas de catálogo como o Microsoft Purview fazem varredura em várias fontes.

Separe, já nesta etapa, os dados pessoais sensíveis, como os de saúde, biometria e origem racial ou étnica. A lei dá a eles tratamento mais restrito, e o jurídico vai precisar saber exatamente onde estão.

Passo 3: siga o caminho dos dados

Um dado pessoal raramente fica num lugar só. Ele entra por um formulário, vai para o banco do sistema, é copiado por uma rotina de integração para o data warehouse, aparece num relatório do Power BI, é exportado para uma planilha e enviado por e-mail a um fornecedor.

Para cada base relevante, anote:

  • de onde o dado vem (sistema, formulário, importação, parceiro);
  • para onde é copiado (integrações, ETL, APIs, exportações agendadas);
  • quais terceiros recebem ou acessam (fornecedores de sistema, nuvem, suporte).

Um diagrama simples desses fluxos ajuda muito o jurídico a identificar quem são os operadores e onde há compartilhamento.

Passo 4: quem acessa

Levante quem pode ler os dados pessoais, não só quem deveria. No banco, comece pelos papéis:

SELECT r.name AS papel,
       m.name AS membro,
       m.type_desc
FROM sys.database_role_members AS rm
JOIN sys.database_principals AS r ON r.principal_id = rm.role_principal_id
JOIN sys.database_principals AS m ON m.principal_id = rm.member_principal_id
ORDER BY papel, membro;

Pontos frequentes de atenção:

  • aplicações e integrações usando contas com db_owner ou sysadmin;
  • analistas de BI com acesso de leitura a todas as tabelas, inclusive às de pessoas;
  • relatórios publicados para toda a empresa com colunas de CPF, telefone ou salário;
  • contas de ex-colaboradores e de fornecedores que já saíram.

Os recursos técnicos para reduzir exposição são conhecidos: menor privilégio por papel, segurança em nível de linha, criptografia em repouso (TDE) e em trânsito (TLS) e, para colunas específicas, Always Encrypted. A máscara dinâmica de dados ajuda a esconder valores em telas e relatórios, mas não é barreira de segurança contra quem pode executar consultas livres.

Passo 5: por quanto tempo os dados ficam

Prazos de guarda são definidos pelo jurídico, a partir de obrigações legais e da finalidade. A TI precisa informar quanto tempo os dados ficam hoje e, depois, implementar o que for decidido.

Levante:

  • tabelas que nunca tiveram expurgo e guardam registros desde a implantação do sistema;
  • backups e seus prazos de retenção (um dado apagado em produção continua existindo nos backups até eles expirarem);
  • cópias em desenvolvimento e homologação, que muitas vezes são as mais antigas e as menos protegidas;
  • logs, que também contêm dados pessoais, como IP e identificação de usuário.

Quando o dado precisa sair, há duas saídas técnicas: excluir ou anonimizar. Atenção à diferença: dado pseudonimizado (com o identificador trocado por um código, mas ainda reversível) continua sendo dado pessoal.

Passo 6: logs e rastreabilidade

Se houver um incidente, a primeira pergunta será quem acessou o quê e quando. Sem registro, a resposta é um palpite. No SQL Server, o recurso de auditoria registra acessos a tabelas específicas:

CREATE SERVER AUDIT Auditoria_DadosPessoais
  TO FILE (FILEPATH = N'E:\Auditoria\');
ALTER SERVER AUDIT Auditoria_DadosPessoais WITH (STATE = ON);

USE Vendas;
CREATE DATABASE AUDIT SPECIFICATION Acesso_Cliente
  FOR SERVER AUDIT Auditoria_DadosPessoais
  ADD (SELECT, UPDATE, DELETE ON OBJECT::dbo.Cliente BY public)
  WITH (STATE = ON);

Auditar tudo gera volume difícil de armazenar e de ler. Comece pelas tabelas com dados sensíveis e pelas operações de maior risco. Defina onde os arquivos de auditoria ficam, quem pode lê-los e por quanto tempo são guardados, e proteja esse local contra alteração.

O que entregar ao jurídico

O resultado do trabalho técnico é um inventário organizado, que pode começar numa planilha bem estruturada e evoluir para um catálogo. Para cada conjunto de dados:

  • sistema, banco, tabela e colunas;
  • categoria do dado (identificação, contato, financeiro, saúde e assim por diante) e se é sensível;
  • de quem são os dados (clientes, colaboradores, fornecedores, pacientes);
  • origem e destinos, inclusive terceiros;
  • quem acessa e com que tipo de permissão;
  • tempo de guarda atual e onde há cópias;
  • medidas de segurança já existentes.

Com isso em mãos, o jurídico preenche finalidade e base legal, e as duas áreas decidem juntas o que muda.

Precisa levantar isso nos seus sistemas?

Se o projeto de adequação parou por falta de informação técnica, um diagnóstico ajuda a dimensionar o mapeamento e a priorizar os riscos. Veja como funciona a adequação à LGPD na Trustwise ou peça um diagnóstico.