Dados registrais digitais e o seu uso indevido

Os dados digitais dos Registro de Imóveis brasileiro são protegidos pela legislação de proteção de dados pessoais? Os dados do registro de imóveis são negociáveis? Qual o valor desse ativo?

São perguntas sobre as quais o NEAR_lab do IRIB (Laboratório de Estudos Avançados de Registro de Imóveis eletrônico) vai se debruçar na busca de uma senda segura para lidar com um tema novo e de grande interesse.

O NEAR_lab é o think tank do Registro de Imóveis brasileiro. Coordenado pela engenheira Adriana P. Unger (POLI-USP) visa a atrair os maiores especialistas nas áreas de direito e tecnologia da informação para formular propostas, discutir ideias, buscar soluções nas áreas conexas e de interesse do Registro de Imóveis.

O tema da proteção de dados pessoais, postos sob a guarda e conservação dos oficiais de registro de imóveis (art. 22 e ss. da Lei 6.015/1973 c.c. art. 46 da Lei 8.935/1994), ganha uma importância singular na era digital. Após o advento da LGPDP (Lei 13.719/2018), o interesse do NEAR_lab agora se volta para o aspecto mais sensível da proteção dos dados pessoais registrais: sua captura, processamento e tredestinação para fins diversos daqueles que a entrega e acolhimento nos repositórios registrais torna legítimo e regular.

Segundo os estudos preliminares, há uma fronteira incerta em que a entrega de dados pessoais a terceiros, dados que originalmente foram confiados ao registro imobiliário para fins muito específicos e determinados, pode configurar uma extrapolação indevida dos limites legais e pode desestabilizar o modelo institucional de tratamento de dados pessoais mantidos e conservados em repositórios registrais. A monetização dos dados pode representar uma subversão das atividades próprias dos registradores.

Sabemos que esses dados são ativos econômicos apreciáveis na economia digital e, ainda quando tratados e anonimizados, representam grandes vantagens econômicas a quem os obtenha. Questão aguda é saber se o aproveitamento dos dados registrais para outras atividades não dependeria do consentimento do titular – no caso do cidadão que deposita seus dados pessoais e patrimoniais para fins de publicidade jurídica que vem a aparelhar os intercâmbios econômicos de bens entre os particulares.

Não são especulações cerebrinas. Há pouco houve a compra de dados de uma central estadual que representam praticamente um bairro da cidade. Cópias de milhares de matrículas, com todas as suas naturais vicissitudes, redundâncias e estruturação basicamente narrativa, servem para algo?

Vivemos uma fase em que a estruturação dos dados não é requisito indispensável para que deles se possa extrair valor. Por que a tecnologia de Big Data se impõe no dia a dia dos grandes negócios? Responde-nos Cezar Taurion: “o imenso volume de dados gerados a cada dia excede a capacidade das tecnologias atuais de os tratarem adequadamente”. É famosa a equação que bem define o fenômeno: Big Data = volume + variedade + velocidade + veracidade + geração de valor [1].

Os dados que os Registros Públicos albergam estão protegidos pela LGPDP?

Hoje as estratégias de marketing atuam com base em tecnologias NoSQL (Not onlyStructured Query Language) para gerar padrões aferíveis em coleções de dados tratados com a tecnologia de big data. São dados que se originam de fontes estruturadas e não estruturadas, de bases ordenadas em tabelas, textos técnicos, descritivos, livros, etc. Não é difícil imaginar quanto valeriam os dados do registro civil para a indústria alimentícia e de produtos maternais (papinhas de nenê, fraldas, berços, etc.). O exemplo da norte-americana Target, que pôde identificar as consumidoras grávidas e com isso se posicionar de modo extraordinariamente vantajoso no mercado, é bastante impressivo[2].

Talvez os dados que hoje povoam os tradicionais banco de dados dos cartórios – seus indicadores pessoal e real, por exemplo – valham muito menos que o volume representado por centenas de milhares de matrículas, com seu fólios desestruturados e assíncronos. As matrículas, com suas narrativas do século XIX, talvez valham mais do que dados mal estruturados. Pense nisso!

[1] TAURION. Cézar. Big data. São Paulo: Brasport, 2013, cap. VI passim.

[2] DUHIGG. Charles. How companies learn your secrets. https://charlesduhigg.com/how-companies-learn-your-secrets-part-1/

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google

Você está comentando utilizando sua conta Google. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s