5 dicas essenciais para prevenir lavagem de dinheiro na sua empresa

Atualmente, falar sobre lavagem de dinheiro no Brasil não é algo fácil. Porém, diversas empresas nacionais e multinacionais começaram a implantar em sua rotina de compliance o processo de PLD, um sistema de prevenção à lavagem de dinheiro.

No ano de 2012, foram criadas diversas regras que têm como principal objetivo coibir essa atividade ilícita. Com a publicação desse novo código de prevenção, empresas de qualquer porte e modalidade precisaram encontrar meios de se adaptar e melhorar seus processos.

Com o avanço de tecnologias voltadas para a análise de dados, identificar e prever riscos ligados a lavagem de dinheiro dentro de empresas se tornou um processo dinâmico. Esse problema costuma deixar um grande rastro, mas engana-se quem pensa que é fácil identificar. No Brasil, por exemplo, não existem dados estatísticos que nos mostrem quais os impactos dessa ação nos setores públicos e privados, apenas ouvimos muito sobre o tema em reportagens na TV e internet.

Para conseguir ter sucesso na otimização de processos voltados para a prevenção da lavagem de dinheiro, é necessário ter em mãos a tecnologia certa. De maneira manual, é quase impossível buscar informações em diversas bases de dados, por isso, a plataforma escolhida precisa ser boa o suficiente para colhe-las de forma automatizada.

Pensando nisso, listei abaixo cinco dicas que podem ajudar nessa hora:

1) Busque informações nos diários oficiais: poder consultar em âmbito nacional todos os processos ligados a lavagem de dinheiro relacionados a uma pessoa jurídica em específico, pode contribuir para uma análise estatística relevante. Os resultados obtidos poderão te orientar em processos de due diligence e backgrounds. Dessa forma, as decisões passam a ser tomadas com bases em dados e, principalmente, fatos;

2) Analise o quadro societário das empresas: observar o quadro societário de uma empresa é extremamente importante para a tomada de decisão, pois ajuda a compreender as mudanças que ocorreram durante um determinado período. Analisar o perfil dos sócios pode dizer muito sobre o tipo de pessoa e empresa que seu negócio está lidando;

3) Consulte o histórico de participações societárias de uma pessoa física: para te dar um insight precioso, um dos pontos mais relevantes de se fazer uma análise de participações societárias é a oportunidade de identificar empresas laranjas. Como sabemos, elas geralmente são utilizadas para lavagem de dinheiro. Se você está lidando com uma pessoa que possui participação em diversas empresas desse tipo, você provavelmente estará negociando com um criminoso.

4) Verifique sempre empresas e pessoas relacionadas ao negócio: o universo que uma empresa está inserida deve ser levado em consideração. Podemos fazer uma série de questionamentos para entendermos o quão primordial o contexto de uma entidade é relevante para o processo de prevenção da lavagem de dinheiro. Quer um exemplo interessante? Quem poderia imaginar o envolvimento do grande frigorífico com o Presidente da República? Viu como analisar pessoas e empresas relacionadas é importante e que pode otimizar seu processo de PLD?

5) Identifique pessoas que podem ser politicamente expostas: uma pessoa politicamente exposta é um outro fator importante e ter acesso a informações de campanhas políticas, como o financiador, é completamente fundamental. Em 2003, por exemplo, o governo brasileiro criou o ENCCLA (Estratégia Nacional de Combate a Corrupção e a Lavagem de Dinheiro) para regulamentar algumas obrigações ligadas ao sistema financeiro em relação a PEPs.

Por fim, para criar um processo eficiente de prevenção da lavagem de dinheiro na sua empresa é fundamental conhecer os principais canais de acesso a informação para auxiliar na tomada de decisão. Investir em uma tecnologia robusta é o primeiro passo e um diferencial, já que vemos cada vez mais as áreas de conformidade adaptarem seus processos a análises de dados e informações relevantes.

* Eduardo Tardelli é CEO da upLexis, empresa especializada em tecnologias para análise e interpretação de grandes volumes de dados (big data)