Pesquisas em tempo real com big data nas eleições: o que medem e o que não podem provar

Em 2026, a mudança mais concreta para quem acompanha pesquisas eleitorais no Brasil não veio de uma nova “pesquisa instantânea”, mas da atualização das regras do Tribunal Superior Eleitoral. A Resolução TSE nº 23.747, de 26 de fevereiro de 2026 alterou a disciplina das pesquisas eleitorais e reforçou exigências de transparência e documentação auditável. Isso importa porque, na prática, a expressão “tempo real” pode descrever desde um painel que recebe novas respostas continuamente até sistemas de big data que observam buscas, redes sociais e outros sinais digitais. Essas coisas não são equivalentes a uma pesquisa científica de intenção de voto.

O que significa “pesquisa em tempo real” numa eleição?

Não existe uma única tecnologia chamada “pesquisa eleitoral em tempo real”. O termo costuma ser usado para sistemas capazes de atualizar indicadores com pouca demora entre a coleta e a visualização. Em um levantamento tradicional, entrevistas são feitas durante um período definido, depois passam por checagem, ponderação e análise. Em plataformas digitais, parte desse fluxo pode ser automatizada e um painel pode ser atualizado a cada nova leva de respostas.

O ponto essencial é que a velocidade não substitui o desenho estatístico. Uma pesquisa continua precisando dizer quem foi entrevistado, quando a coleta ocorreu, como a amostra foi construída, como os dados foram ponderados e qual é a incerteza associada. No Brasil, a página oficial de pesquisas eleitorais do TSE explica que levantamentos sujeitos às regras eleitorais devem ser registrados no PesqEle e que informações como metodologia, plano amostral, ponderação, nível de confiança e margem de erro fazem parte do registro e da divulgação.

Onde o big data entra

Big data é um nome amplo para conjuntos de dados grandes, variados e atualizados com frequência. No contexto eleitoral, analistas podem trabalhar com fontes muito diferentes entre si:

• respostas de pesquisas por telefone, presencialmente ou em painéis online;
• volume agregado de buscas na internet;
• menções públicas em redes sociais e fóruns;
• dados geográficos e demográficos agregados;
• tráfego de sites ou aplicativos, quando coletado de forma lícita;
• resultados eleitorais históricos e estatísticas oficiais.

Essas fontes podem ser combinadas em sistemas de monitoramento, mas cada uma mede uma população diferente. Um conjunto de postagens em rede social representa usuários que publicaram naquela plataforma, não automaticamente todo o eleitorado. Da mesma forma, pessoas que pesquisam um nome no Google podem estar interessadas, curiosas, críticas, favoráveis ou apenas tentando entender uma notícia.

Google Trends é sinal de interesse, não pesquisa de voto

O próprio Google deixa isso explícito em sua documentação do Google Trends: os dados são amostrados, anonimizados, agregados e normalizados, e a ferramenta não deve ser confundida com uma pesquisa científica. Um pico de buscas mostra aumento relativo de interesse por determinado termo ou tema, mas não informa, por si só, apoio eleitoral.

Outro detalhe importante é que os números do Trends são relativos. Cada ponto é normalizado pelo volume total de buscas naquele local e período e depois escalado. Portanto, um valor alto não deve ser lido como contagem absoluta de pessoas nem como porcentagem de eleitores.

Como um sistema de análise quase em tempo real funciona

Embora as implementações variem, o processo costuma seguir uma sequência técnica relativamente estável.

1. Ingestão de dados

O sistema recebe novas respostas de pesquisa, sinais de busca, postagens públicas ou bases agregadas por meio de APIs, bancos de dados ou arquivos. Cada registro recebe carimbo de tempo e, quando permitido, informação geográfica em nível adequado.

2. Limpeza e deduplicação

Respostas duplicadas, erros, spam e atividade automatizada precisam ser identificados. Em redes sociais, esse ponto é particularmente importante: contas muito ativas ou redes coordenadas podem gerar um volume desproporcional de conteúdo e distorcer a impressão visual de “maioria”.

3. Padronização e ponderação

Quando o objetivo é estimar características de uma população, os dados podem ser ponderados para aproximar a composição observada da composição conhecida por variáveis como idade, gênero, escolaridade, renda ou região, conforme o desenho do levantamento. Ponderação ajuda a corrigir desequilíbrios mensuráveis, mas não elimina automaticamente vieses de seleção que não aparecem nessas variáveis.

4. Modelagem

Modelos estatísticos ou de aprendizado de máquina podem classificar temas, detectar mudanças, estimar sentimento textual ou combinar várias fontes. Em projetos mais sofisticados, os modelos são calibrados usando pesquisas com metodologia conhecida. Mesmo assim, uma previsão de modelo é uma inferência: não deve ser apresentada como se fosse uma medição direta de intenção de voto.

5. Atualização do painel

Os indicadores são recalculados conforme chegam novos dados. É daí que vem a sensação de “tempo real”. Tecnicamente, porém, sempre existe atraso: coleta, transmissão, filtragem, processamento e publicação consomem algum tempo.

Exemplo: um pico de buscas depois de um debate

Imagine que, após um debate televisionado, as buscas pelo nome de uma candidata ou de um candidato aumentem cinco vezes em duas horas. Um sistema de big data detectará essa mudança rapidamente. O que ele pode afirmar com segurança é que o interesse de busca cresceu naquele período, dentro da métrica observada.

O que ele não pode concluir sozinho é que a intenção de voto aumentou cinco vezes, ou sequer que aumentou. O pico pode ser causado por uma fala controversa, uma checagem de fatos, uma curiosidade biográfica, uma gafe, uma proposta ou uma notícia externa. Para investigar efeito eleitoral, seria necessário recorrer a pesquisas com desenho adequado e comparar resultados ao longo do tempo, respeitando as respectivas margens de incerteza.

Pesquisa eleitoral, enquete e big data não são a mesma coisa

A distinção também tem efeito jurídico. A norma eleitoral de 2026 mantém regras específicas para pesquisas e estabelece que enquetes relacionadas ao processo eleitoral ficam vedadas após 15 de agosto do ano da eleição. Uma enquete aberta, portanto, não ganha status de pesquisa científica apenas porque coleta muitas respostas.

O que mudou nas regras brasileiras em 2026

A atualização aprovada pelo TSE em fevereiro de 2026 reforçou a rastreabilidade dos levantamentos. Entre os pontos destacados oficialmente estão a exigência de declaração do profissional de Estatística responsável, o compromisso de manter documentação auditável e maior clareza sobre a delimitação geográfica da pesquisa. A síntese publicada pelo próprio TSE sobre as resoluções de 2026 descreve essas mudanças.

Isso não significa que o TSE valide previamente o resultado de cada pesquisa. A própria Justiça Eleitoral informa que não faz controle prévio dos resultados e atua quando provocada nos termos legais. Para o leitor, a consequência prática é simples: a existência de um registro é importante para transparência e fiscalização, mas não transforma automaticamente qualquer número em “verdade final”. A metodologia continua sendo central.

Big data pode tornar uma pesquisa mais precisa?

Pode ajudar, mas não há garantia automática. Grandes volumes de dados reduzem alguns tipos de ruído, porém podem tornar um viés sistemático ainda mais convincente. Se um conjunto de dados exclui silenciosamente determinados grupos, adicionar milhões de registros do mesmo tipo não corrige o problema.

O ganho real aparece quando fontes digitais são usadas de forma complementar: detectar temas emergentes, medir velocidade de atenção, identificar regiões onde determinado assunto cresce, testar estabilidade de modelos ou orientar novas perguntas de pesquisa. Quando a finalidade é estimar opinião do eleitorado, os sinais digitais funcionam melhor como contexto adicional do que como substitutos automáticos de uma amostra bem desenhada.

E a privacidade dos eleitores?

Esse é um limite essencial. A Lei Geral de Proteção de Dados considera opinião política e filiação a organização de caráter político dados pessoais sensíveis. O Guia Orientativo da ANPD e do TSE sobre LGPD no contexto eleitoral chama atenção para o uso crescente de processos automatizados por campanhas e para os riscos do tratamento irregular de dados sensíveis.

Na prática, projetos responsáveis devem limitar dados ao necessário, definir uma base legal adequada, aplicar controles de acesso, proteger identificadores e preferir dados agregados ou anonimizados quando isso atender à finalidade. “Big data” não é uma autorização para coletar qualquer informação disponível sobre uma pessoa.

Como avaliar um gráfico eleitoral que se diz “em tempo real”

Antes de interpretar a curva, procure cinco respostas: qual é a fonte dos dados, quem está representado, em que período eles foram coletados, como foram tratados e qual incerteza acompanha o resultado. Se o painel usa buscas ou redes sociais, leia-o como indicador de atenção ou comportamento naquela plataforma. Se afirma medir intenção de voto, procure a metodologia, a amostra, a ponderação e, quando aplicável, o registro no PesqEle.

Também vale desconfiar de comparações que misturam escalas diferentes. Dez mil menções numa rede social, índice 100 no Google Trends e 35% numa pesquisa eleitoral são grandezas incompatíveis e não devem ser colocadas lado a lado como se fossem porcentagens do mesmo universo.

O que o “tempo real” realmente acrescenta

A principal vantagem é a velocidade para perceber que alguma coisa mudou. Sistemas de big data conseguem apontar rapidamente um aumento de interesse, a circulação de um tema ou uma alteração no padrão de respostas. O valor está em gerar perguntas melhores e acelerar a investigação.

O limite é igualmente importante: velocidade não transforma correlação em causa, volume não transforma usuários de uma plataforma em uma amostra representativa e algoritmo não elimina incerteza. Em eleições, a leitura mais sólida combina sinais rápidos com metodologia transparente, fontes adequadas e respeito às regras de pesquisa e proteção de dados.