O dado unificado que faz a IA funcionar na sua loja

Este guia é para quem quer usar IA na loja e não sabe por onde começar. Você vai ver quais dados precisam estar juntos antes de qualquer projeto, e o que acontece quando eles não estão. No fim tem cinco tarefas para esta semana.

Cenário: uma loja de roupa contratou uma plataforma de IA para recomendar produto e prever quem ia parar de comprar. Seis meses depois, arquivou o projeto. O modelo estava bom. O dado embaixo dele estava partido em sete sistemas.

A venda da loja física não batia com o uso do aplicativo. O cliente do marketplace era um estranho para a agenda de clientes. A margem vivia numa planilha desatualizada. A IA lia meio retrato e devolvia palpite.

A lição serve para quem compra IA antes de arrumar o dado. Sem um lugar único que junte tudo, o projeto vira demonstração bonita que não muda o lucro no fim do mês.

O guia AI agents e modelos de decisão automatizada trata do que se constrói em cima dessa base. Aqui tratamos da base que sustenta tudo.

Por que o dado espalhado derruba a IA antes do modelo?

Porque a previsão vale o que vale o dado que a alimenta. Dado espalhado entrega meio retrato, e o time deixa de confiar no resultado logo na segunda semana.

O armazém de dados é o lugar central onde tudo se junta: a navegação no site, o pedido, a ficha do produto, o estoque e a margem. Chame de armazém ou de lago; o papel é o mesmo.

Essas peças só fazem sentido juntas. Uma ficha de cliente montada sobre uma navegação que não bate com o pedido é um retrato com metade do rosto faltando.

O sintoma é sempre o mesmo: projeto de IA que brilha na apresentação e some na operação. A projeção da Gartner é de que mais de 40% dos projetos de IA com agentes sejam cancelados até 2027.

A causa raiz quase nunca é o programa. É o dado que chega partido, atrasado e incompleto. Antes de comprar inteligência, arrume a coerência do dado.

Os quatro números que dizem se a base está de pé

Quatro números contam a verdade sobre a sua base. Cada um deles mede uma falha que aparece toda semana na operação.

O primeiro é o frescor: o dado é recente o bastante para a decisão de hoje? Uma previsão que lê o estoque de ontem erra a compra de hoje.

O segundo é a taxa de correspondência, que mede quantos perfis foram costurados certo. O terceiro é a qualidade, que mede se dá para confiar no dado.

O quarto é a taxa de uso: quanto do dado tratado vira decisão de verdade. Dado parado no armazém não paga a conta de nada.

Como saber que o cliente do app é o mesmo da loja?

Com uma costura de identidade, que liga o visitante do app, o comprador do balcão e o e-mail do marketplace na mesma ficha. Sem ela, você trata um cliente só como quatro estranhos.

O cliente brasileiro passa por vários canais antes de comprar, e mais de 70% deles fazem isso. Lojas com os canais integrados faturam três vezes mais que as de canais soltos.

Esses clientes também deixam 170% mais dinheiro ao longo do tempo. A costura de identidade liga o e-mail, o telefone, o CPF e o aparelho num único cadastro de cliente.

A ligação acontece de dois jeitos. Pelo dado certo, como o mesmo CPF, ou pelo padrão de comportamento, quando o dado certo não existe.

Quando a costura funciona, você vê o caminho inteiro. O cliente descobriu a peça numa transmissão ao vivo, pesquisou no app, comprou na loja e trocou pelo marketplace.

Para ele, canal nenhum existe. O guia Varejo sem atrito mostra como a venda escorre justamente na emenda entre os canais.

Por que a taxa de correspondência engana nos dois sentidos

Taxa baixa quer dizer cadastro duplicado, com o mesmo cliente contado duas ou três vezes. Isso infla a base e distorce o custo de trazer um cliente novo.

Pior: o sistema marca como perdido quem só mudou de canal. Você manda cupom de reconquista para quem comprou ontem no balcão.

Taxa alta demais também engana. Regras frouxas juntam clientes diferentes na mesma ficha e vazam dado de um para o outro, o que vira problema de privacidade.

A régua certa é simples. Use o dado forte quando ele existir, use o padrão de comportamento com cautela e nunca misture pessoas para melhorar o número.

Por que o dado que é seu virou o mais valioso?

Porque o dado de terceiros parou de enxergar o caminho do cliente. Só o dado que você coleta, junta e tem permissão para usar mostra o que ele faz entre um canal e outro.

Por anos o varejo mirou público com dado comprado de fora. Esse modelo encolheu. O que sobrou de valor está na navegação do seu site, na compra da sua loja e na permissão que o cliente deu a você.

Esse dado tem três vantagens. Ele é mais preciso, é seu por direito e se defende diante da lei.

A CDP transforma esse material bruto na ficha única do cliente e separa os grupos. A volta desse dado para as ferramentas de marketing, estoque e atendimento é o que fecha o ciclo.

Camada	Função	Sem ela
Warehouse / lakehouse	Unifica todo o dado numa fonte de verdade governada	Modelo lê dado parcial; decisão não confiável
Identity resolution	Costura o mesmo cliente entre canais e dispositivos	Perfis duplicados; CAC distorcido; churn falso
CDP	Constrói Customer 360 e cria segmentos ativáveis	Dado existe mas não vira ação
Reverse ETL	Devolve o segmento tratado às ferramentas de ativação	Customer 360 preso num painel que ninguém usa

O mercado já reconhece o tamanho disso. O varejo responde por 35,67% do mercado global de CDP, a maior fatia. O setor deve sair de US$ 4,58 bilhões em 2026 para US$ 13,14 bilhões cinco anos depois.

A análise da Gartner em 2026 apontou dois movimentos: a CDP virando plataforma e a CDP servindo agentes de IA. Em todos os casos, o dado próprio é a matéria-prima.

Quem não construir essa matéria-prima fica dependente de quem a tem. Vai comprar de volta, em anúncio, o acesso a um cliente que já era seu, e a conta sobe a cada ano.

O fim do rastreador de terceiros passou o poder para quem cuida do próprio dado. O dado que nasce da sua relação com o cliente é o único que o concorrente não compra nem aluga.

Como pedir permissão vira vantagem sobre o concorrente?

Tratando a permissão como parte da relação, em vez de formulário para cumprir tabela. Quem pede com clareza e respeita o combinado monta uma base que o concorrente desleixado não tem.

A LGPD (a lei que protege os dados do cliente e limita o que você guarda) deixou de ser letra morta. Em setembro de 2025, a ANPD virou agência reguladora, com autonomia própria.

Ela publicou um mapa de prioridades para 2026 e 2027 que coloca o comércio eletrônico sob atenção redobrada. A multa chega a 2% do faturamento, com teto de R$ 50 milhões por infração.

O consumidor já decide por isso. Entre eles, 71% se preocupam com o uso dos próprios dados e 52% trocariam de loja por má proteção. Ao mesmo tempo, 46% já compram por indicação de IA.

Indicação de IA exige dado, e dado exige permissão. Quem pede com clareza, respeita o que prometeu e dá controle real ao cliente ganha confiança, e é a confiança que solta o dado.

Comprar uma plataforma pronta ou montar a sua?

A escolha depende do tamanho e do preparo do seu time. Cada caminho atende uma operação diferente. Decidir por moda, em vez de olhar onde a sua loja trava, sai caro.

O armazém tradicional serve para dado arrumado em tabela: pedido, venda, margem. O lago de dados guarda também o material bruto, como cada clique no site e o registro do aplicativo.

Para uma loja de porte médio, o armazém resolve a maior parte. O lago passa a valer quando o volume de cliques cresce a ponto de pedir tratamento próprio.

A pergunta certa é qual dado está travando a sua decisão hoje. O resto é conversa de fornecedor.

Entre comprar uma CDP pronta e montar a sua sobre o armazém, vale a mesma régua. A pronta entrega a ficha do cliente rápido, com menos gente técnica, e serve a quem tem pressa.

A montada dá mais controle e evita duplicar o dado, e exige um time de dados experiente. A análise da Gartner em 2026 mostra o setor caminhando para a segunda opção.

O que faz o dado voltar para a operação

Juntar o dado no armazém adianta pouco se ele não volta para quem opera. Existe um mecanismo que faz esse caminho de volta, e ele leva o grupo já tratado para as ferramentas do dia a dia.

Um exemplo: "clientes com alta chance de recomprar semijoia nos próximos 30 dias" sai do armazém e chega ao e-mail, ao anúncio, ao atendimento e ao estoque.

Sem essa volta, a ficha do cliente vira painel bonito que o time de dados admira e a loja ignora. A taxa de uso mede exatamente quanto do dado virou ação.

É aqui que muito investimento em CDP morre. O projeto se perde na falta de uso, bem depois de a construção ter terminado.

O que muda na sua base de dados até 2027?

Até 2027, a sua base deixa de servir só a painéis e passa a servir a agentes de IA. A projeção é de que cerca de 75% das empresas saiam do teste e passem a usar IA de verdade no marketing.

A reforma tributária soma uma camada. O split payment, previsto para 2027, e a convivência entre tributos velhos e novos até 2033 exigem margem e dado fiscal coerentes.

Uma previsão de margem que ignora o cálculo novo do IBS e da CBS decide errado. E decide errado no item que mais pesa no seu resultado.

A fiscalização também aperta. O dado que alimenta o agente terá de ser fresco, unificado e auditável quanto à permissão e à finalidade declarada.

Em 2027, essa base serve a três donos ao mesmo tempo: a IA, o fisco e a auditoria. Quem organiza hoje atende os três de uma vez só.

O que fazer nesta semana

• Liste em quantos sistemas o dado do seu cliente vive hoje e quais deles não conversam entre si.
• Pegue dez clientes que compram na loja e no site e conte quantos aparecem duplicados no sistema.
• Revise o jeito como você pede permissão: a finalidade está clara, o cliente tem controle, o dado está seguro?
• Junte primeiro os três dados que mais travam decisão: venda física com digital, margem por produto e permissão por cliente.
• Escolha um uso concreto para o dado antes de comprar mais ferramenta, e volte ao começo: a IA só funciona sobre dado que a loja usa.