Jornalismo de Dados
Um tema que acompanho há mais de uma década, entre pesquisa, palestras, debates e sala de aula. O que muda no Jornalismo de Dados quando mudam as tecnologias? O que continua dependendo do julgamento de quem investiga?

Eu estava no mestrado da Cásper Líbero quando assisti a um encontro com José Roberto de Toledo e Marcelo Soares, dois dos meus muitos ídolos quando o tema é Jornalismo de Dados. Não lembro exatamente quando foi isso, mas nomes como Elio Gaspari, Philip Meyer, entre outros acumuladores de fichas e construtores de esquemas, foram citados.
Quando a Abraji realizou seu primeiro Seminário de Pesquisa, em 2014, levei um artigo que tentava reconstruir a genealogia: do Jornalismo de Precisão à Reportagem Assistida por Computador, ao que já se chamava Jornalismo Guiado por Dados, chegando aos desafios então emergentes do Jornalismo Computacional.
A pergunta de fundo era sobre a origem: de onde vinha a ideia de tratar bases de dados como fonte jornalística? O que muda quando o computador entra no processo? O artigo argumentava que a resposta era anterior à internet: vinha de décadas de jornalistas recorrendo a estatística e métodos de ciências sociais para investigar.
As máquinas de calcular velozes ampliavam seu alcance e, ao mesmo tempo, traziam um risco já mapeado nos anos 1970: bases de dados mal processadas produzem informação incorreta com aparência correta.

Da pesquisa para a conversa
O interesse pelo tema me levou para fora da pesquisa formal. Em 2013, quando todo mundo queria entender melhor o tema, estive no Centro Universitário de União da Vitória (UNIUV) para conversar com os alunos. Também tive a oportunidade de ser recebido no Portal Terra, num momento em que aumentava o interesse em saber como essas práticas começavam a ganhar espaço nas redações.
Os encontros faziam parte do mesmo movimento: eu queria entender o assunto pela bibliografia e, ao mesmo tempo, observá-lo onde estava sendo experimentado, conversar com quem trabalhava com dados e levar essas referências de volta para a sala de aula.
Essa conexão reapareceu quando a Juliana Doretto me convidou para participar do programa Visões do Jornalismo, iniciativa do Centro Universitário FIAM-FAAM, em 2017. Ali a discussão saiu do artigo acadêmico: o computador ajudou a popularizar o processo, mas Jornalismo de Dados não nasce com ele, e sim da necessidade de encontrar, interrogar e contextualizar evidências, algo muito anterior a qualquer planilha.
O bate-papo também nomeou um risco que o artigo de 2014 já apontava: números e gráficos podem virar só fetiche do dado. Visualização bem executada com dados errados, mal interpretados ou fora de contexto continua sendo desinformação, mas com aparência de rigor.
Na palestra que dei na Unoeste, em Presidente Prudente, esse repertório se consolidou: Reportagem Assistida por Computador, bases de dados públicas, Lei de Acesso à Informação, ferramentas de coleta e visualização, aplicação com dados reais. É o ponto em que a pesquisa passa a circular como aplicação: a mesma pergunta, reorganizada para quem vai praticar.
As ferramentas continuam mudando
Em 2026, o tema segue despertando interesse. A aula que conduzi na pós-graduação da Universidade São Judas Tadeu mantém a mesma base que nos trouxe até aqui, décadas mais tarde.

O cenário técnico, no entanto, é outro. Não há como ignorar a IA generativa (o “gerador de lero-lero”, segundo Marcelo Soares), ao menos para estimular os iniciantes e reduz barreira técnicas de entrada.
Hoje é possível pedir por um script e esboçar alguma técnica de scraping ou tratamento sem dominar de antemão a sintaxe de programação. Evidentemente, é preciso saber ao menos a língua portuguesa e ter raciocínio lógico.
Ao longo dos anos, cada camada tecnológica deslocou a habilidade que importa. Dados abertos e a Lei de Acesso à Informação ampliaram o que podia virar reportagem. Ferramentas de visualização facilitaram a etapa de comunicação - vamos celebrar, discretamente, o Canva, nosso “gerador de cuti cuti” favorito.
O que ainda precisa ser aprendido
Quanto mais fácil fica gerar código, gráfico ou análise, mais decisivo se torna o que nenhuma ferramenta resolve sozinha.
Nenhum modelo de linguagem vai ajudar a formular a pergunta certa, verificar a procedência dos dados, reconhecer limitações, comparar, contextualizar, distinguir correlação de explicação e decidir o que, entre tudo isso, merece virar história.
A tecnologia pode reduzir custo operacional (há controvérsias) mas não terceiriza o pensamento. É essa distinção que sustenta a permanência da pauta no meu repertório: desde meu primeiro contato com o assunto, continuo revisitando-o porque a pergunta que me trouxe aqui nunca sumiu. Só mudou de roupagem.

