Delta Lead Labs Engenharia de dados públicos · Brasil

Lemos o registro público brasileiro inteiro, todo dia.

O dado que você precisa já é público. Só que está espalhado em fontes que não conversam e nenhuma escreve o nome da empresa do mesmo jeito. Nós lemos todas, todo dia, e entregamos o cruzamento pronto: qual empresa, o que ela tem e por que ela entra na sua lista.

Para quem monta lista de empresa na mão hoje.

Falar com a gente

Um parceiro por vez. A infraestrutura, o pipeline e a aplicação são nossos, e rodam todo dia.

01

O dado já existe

Público, aberto, e espalhado em fontes que não conversam entre si.
02

Ninguém lê em escala

Uma pessoa lê um registro por vez. São setenta e um milhões deles, e mudam todo dia.
03

O cruzamento é o valor

Nenhuma fonte sozinha responde. A resposta aparece onde elas se encontram.
Fontes e levantamento
Cadastro federal de empresas71.000.000 estabelecimentos
Índice de razão social, pesquisável60.000.000 registros
Cobertura territorial27 unidades federativas
Processos federais mapeados450.000
Cadência do levantamentodiária, incremental
Folha levantada emsetembro de 2026
A linha

Do registro público à decisão, num sentido só.

  • 01Coleta

    Fontes públicas federais e publicações oficiais, cada uma lida na cadência que ela tolera.

  • 02Normalização

    A camada bruta guarda o original intacto. A seguinte decide quem é a mesma empresa, o mesmo processo, a mesma pessoa.

  • 03Cruzamento

    Cadastro contra processo, processo contra publicação, empresa contra o grupo que a controla.

  • 04Entrega

    Aplicação web sobre o lake. A página nunca espera a coleta e a coleta nunca trava a página.

O que é difícil

Chegar ao dado é o trabalho inteiro.

a.
Reconciliação de identidade
A mesma empresa aparece grafada de um jeito em cada fonte, e quase nunca com uma chave que sirva nas duas. Errar aqui inutiliza tudo o que vem depois. Nosso índice cobre 60 milhões de razões sociais e responde a busca em milissegundos.
b.
Grafo de grupo econômico
Descobrir quem controla quem a partir do quadro societário público esbarra numa armadilha conhecida: executivos que sentam em muitos conselhos encadeiam empresas sem relação real até o grafo colapsar num componente único de centenas de milhares. Resolvemos pela árvore de controle, que só une empresa e dona quando a relação é exclusiva. Recuperou 64,5 mil empresas que estavam registradas como isoladas.
c.
Guarda de regressão
O lake é reconstruído todo dia, e uma guarda compara a rodada nova com a anterior antes de publicar: queda acima de 2% em qualquer contagem aborta em vez de publicar. Colapso silencioso é o defeito mais caro num sistema assim, porque ninguém vê o colapso acontecer e os números seguem parecendo plausíveis.
d.
Proveniência por bloco
Todo dado carrega de onde veio, quando foi capturado e com que escopo, e isso inclui as vezes em que a resposta é que não achamos nada. Bloco sem proveniência declarada não entra no sistema, tenha vindo de onde tiver vindo.
Executivo encadeado com executivo colapsa o grafo societário num componente único. A árvore em traço cheio é o que a regra de controle exclusivo resgata.
Onde o modelo entra

O modelo entra com contrato.

Modelo de linguagem no meio de um pipeline de dado público é fácil de fazer errado. Ele inventa com confiança, obedece a texto que leu numa página qualquer e gasta sem ninguém ver. Os quatro pontos abaixo existem para que nenhuma dessas três coisas aconteça aqui.

01
Saída tipada, nunca texto solto
O agente não devolve prosa. Devolve um objeto que precisa bater com um esquema declarado antes da chamada, e o que não bate é descartado em vez de virar dado. É a diferença entre um modelo que ajuda e um que contamina a base.
02
Ferramenta restrita por desenho
O agente recebe busca na web e nada além disso. Sem terminal, sem arquivo, sem banco. O que ele pode fazer de errado é limitado pelo que ele alcança, não por uma instrução pedindo que se comporte.
03
Conteúdo de página é dado, nunca ordem
O que o agente lê num site de terceiro é material a extrair. Instrução plantada numa página não vira comando, porque a fronteira entre o que se lê e o que se obedece está no código e não no pedido.
04
Modelo por tarefa, gasto por bloco
Trabalho de busca roda num modelo mais leve; leitura e redação rodam num mais forte. Cada bloco gerado guarda qual modelo escreveu, quantos passos levou e quanto custou, então o consumo é auditável registro a registro em vez de virar surpresa no fim do mês.
05
O agente propõe, a pessoa decide
Correção de dado nunca é aplicada direto. Um agente pré-analisa contra fontes públicas e devolve um veredito com evidência e link; quem aprova é gente. O modelo acelera o julgamento, não substitui.
Como roda

Como isso roda.

Lake colunar
Parquet em camadas, consultado com DuckDB. A reconstrução diária é incremental: só o que mudou é reprocessado.
Fila com lease
Postgres guarda a fila, o store append-only e a aplicação. Workers pegam item, seguram o lease e devolvem resultado; runner que morre no meio devolve o item sozinho.
Frota de navegador
Parte das fontes só responde a um navegador de verdade, na cadência dela. Essa parte roda em navegador real, não em cliente HTTP.
Modelos por endpoint
Modelos de linguagem entram por endpoint gerenciado, com esquema na saída e ferramenta restrita a busca. SvelteKit no front, FastAPI na API.

Hoje a reconstrução diária roda numa máquina só, e os joins contra a tabela de estabelecimentos já estão no limite da memória dela. É o próximo lugar para onde a plataforma cresce.

Cobertura declarada

Sabemos onde a nossa carta termina.

Toda carta traz a borda do levantamento na margem, e é por isso que o miolo dela vale alguma coisa.

  • Federal por escolha. É a esfera em que o dado é uniforme o bastante para cruzar de ponta a ponta. O que não dá para cruzar com confiança fica de fora em vez de entrar pela metade.
  • Cadência antes de volume. Cada fonte é lida no ritmo que ela aguenta, e o número que sai daí é o menor e verdadeiro em vez do redondo.
RRRR — Norte APAP — Norte AMAM — Norte PAPA — Norte MAMA — Nordeste CECE — Nordeste RNRN — Nordeste ACAC — Norte RORO — Norte TOTO — Norte PIPI — Nordeste PBPB — Nordeste PEPE — Nordeste MTMT — Centro-Oeste GOGO — Centro-Oeste BABA — Nordeste ALAL — Nordeste SESE — Nordeste MSMS — Centro-Oeste DFDF — Centro-Oeste MGMG — Sudeste ESES — Sudeste SPSP — Sudeste RJRJ — Sudeste PRPR — Sul SCSC — Sul RSRS — Sul
  • Norte
  • Nordeste
  • Centro-Oeste
  • Sudeste
  • Sul
Regime

Plataforma própria. A infraestrutura, o pipeline e a aplicação são nossos e rodam todo dia. Não fazemos software sob encomenda e não entregamos projeto avulso: quem trabalha com a gente usa a plataforma que já está de pé.

Escolhemos o parceiro. Poucos ao mesmo tempo, e dentro de um mesmo mercado trabalhamos com um de cada vez. O que decide é se o problema cabe no que a plataforma já faz bem.

Responsáveis técnicos
A. C. J.
E. G. P.
L. D. M.
Conversa

Dado público que ninguém lê em escala.

Se você monta lista de empresa na mão hoje, escreva contando o que faria com ela pronta. A gente responde dizendo se dá ou não dá, e por quê.

contato@deltaleadslabs.com.br