Blog

Dados abertos do CNPJ: o que a Receita publica e como usar

UNIFOKAL6 min de leituraKYB

A base completa do CNPJ é pública: o que vem nos arquivos de empresas, estabelecimentos e sócios, o que é mascarado, a base legal da publicação e como usar o conjunto sem tropeçar na defasagem.

Poucos países publicam o cadastro inteiro das suas empresas como arquivo para download. O Brasil publica: a Receita Federal disponibiliza a base completa do Cadastro Nacional da Pessoa Jurídica, o CNPJ, no portal de dados abertos do governo, com dezenas de milhões de empresas, seus estabelecimentos e seus quadros societários. Para quem constrói verificação de empresas, é uma das matérias-primas mais valiosas do país, e uma das mais mal aproveitadas.

Este artigo mapeia o que existe no conjunto, o que foi mascarado de propósito, de onde vem a obrigação de publicar e os usos que fazem diferença num funil de conheça sua empresa, o KYB (do inglês know your business). E fecha com o aviso de engenharia que separa quem usa a base de quem é usado por ela: a defasagem.

As duas portas de acesso ao CNPJ

A Receita oferece o mesmo cadastro por duas portas com propriedades opostas. A primeira é a consulta pontual, o Comprovante de Inscrição e de Situação Cadastral, que responde sobre um CNPJ por vez com o dado mais fresco disponível. É a porta certa para o momento do onboarding, quando a decisão é sobre uma empresa específica e a atualidade importa.

A segunda porta é a base completa em dados abertos: arquivos publicados no portal dados.gov.br, atualizados em ciclo mensal, cobrindo o cadastro inteiro. É a porta certa para tudo que é análise em volume: monitorar a carteira, construir grafos societários, estudar setores. As duas portas se complementam, e o erro clássico é usar uma no papel da outra: consulta pontual para varrer carteira não escala, e base mensal para decidir um onboarding entrega dado de até um mês atrás.

O que vem nos arquivos

O conjunto é dividido em arquivos por entidade, e a divisão importa porque as chaves de junção são diferentes:

  • Empresas: a raiz do CNPJ (os oito primeiros caracteres), com razão social, porte, capital social declarado e a natureza jurídica, a chave que roteia a diligência no artigo sobre MEI, LTDA e SA no KYB.
  • Estabelecimentos: cada unidade (matriz e filiais), com o CNPJ completo de quatorze posições, nome fantasia, situação cadastral e sua data, endereço, CNAE principal e secundários e datas de início de atividade.
  • Sócios: o quadro societário por raiz, com nome, qualificação (sócio-administrador, sócio de capital e demais códigos), data de entrada e a faixa etária do sócio.
  • Simples e MEI: opção pelos regimes e seus períodos.
  • Tabelas de domínio: os dicionários de códigos (naturezas jurídicas, qualificações de sócio, CNAEs, municípios, países) sem os quais os arquivos principais são números soltos.

Tão importante quanto o que vem é o que não vem. O CPF de sócio pessoa física aparece mascarado, preservando só os dígitos do meio, o que impede usar a base aberta como ponte direta entre uma pessoa e todas as suas empresas por CPF: o casamento em volume acaba dependendo de nome e demais atributos, com todos os cuidados de homonímia. A máscara, aliás, é um exemplo prático da fronteira entre pseudonimizar e anonimizar. Também não vem faturamento, funcionários ou qualquer dado fiscal: capital social é declarado no registro e não prova capacidade financeira.

De onde vem a obrigação de publicar

A publicação não é cortesia, é política pública com base legal. A Lei de Acesso à Informação, Lei 12.527/2011, estabelece no artigo 8º o dever de divulgação proativa de informações de interesse coletivo, e o Decreto 8.777/2016 instituiu a Política de Dados Abertos do Poder Executivo federal, que estrutura os planos de abertura dos órgãos. O cadastro CNPJ em si é disciplinado pela Instrução Normativa RFB 2.119/2022. Entender essa base ajuda em conversas de conformidade: consumir o conjunto é uso de dado publicado pelo próprio Estado dentro de uma política formal de abertura, o que não dispensa, para os dados pessoais nele contidos, as obrigações da LGPD, a Lei 13.709/2018, sobre finalidade e uso.

O que dá para construir com isso

Três usos pagam o esforço de ingestão sozinhos. Primeiro, o monitoramento de carteira: cruzar mensalmente os clientes pessoa jurídica com a base e detectar o que mudou, situação cadastral, endereço, quadro societário, CNAE, alimentando os gatilhos de reavaliação, no espírito do que o artigo sobre situação cadastral do CNPJ descreve para o estado da inscrição. Segundo, a visão de rede: com o arquivo de sócios dá para materializar o grafo societário do país e percorrer participações de empresa em empresa, insumo direto da consulta de quadro societário do artigo sobre KYB e consulta de QSA. Terceiro, o contexto estatístico: saber quantas empresas nascem por mês num CNAE e num município transforma "empresa aberta há 40 dias" de curiosidade em fator de risco calibrado.

O aviso de engenharia: a base é um arquivo, não uma API

O conjunto é publicado como arquivos grandes, em ciclo mensal, com layout que já mudou ao longo dos anos. Isso exige a disciplina de ingestão de dado público descrita no artigo sobre ingerir lista oficial sem quebrar: validação de esquema a cada carga, guarda contra encolhimento inesperado, tratamento de codificação e, acima de tudo, o carimbo de data da carga em cada registro derivado. Toda resposta construída sobre a base aberta deveria saber dizer de que mês ela é, porque a diferença entre "ativa" e "ativa na foto do mês passado" é exatamente o tipo de nuance que decide um caso de borda no onboarding.

Usada com essas ressalvas, a base aberta do CNPJ é um multiplicador: barata, oficial e completa. Ignorá-la é pagar por consulta o que o país publica de graça; usá-la sem carimbo de data é confundir foto antiga com presente.

Fontes citadas