O FollowTheMoney chegou à versão 4.9.2 em 12 de junho de 2026, mantido pela organização OpenSanctions, num momento em que o ecossistema de ferramentas que sustenta se reorganiza: o Aleph original, plataforma histórica de análise documental do Organized Crime and Corruption Reporting Project [OCCRP], foi descontinuado em outubro de 2025 e sucedido pelo OpenAleph, de código aberto, e pelo Aleph Pro, versão proprietária em nuvem.
O que é?
O FollowTheMoney [FtM] é um modelo de dados e um conjunto de ferramentas de processamento para grafos de entidades investigativas: pessoas, empresas, ativos, documentos, pagamentos, sanções e as relações entre eles. Distribui-se como pacote Python [PyPI: followthemoney], com componentes acessórios em Java e TypeScript, sob licença MIT e código aberto no repositório opensanctions/followthemoney. O projeto nasceu no OCCRP para fornecer uma linguagem de dados comum às investigações de crime financeiro e hoje é mantido pela organização OpenSanctions, que o usa como base de sua própria plataforma de sanções e pessoas politicamente expostas.
O FollowTheMoney não é um aplicativo de investigação nem uma base de dados pronta para consulta. É a gramática comum [ontologia, validador e conversor] sobre a qual aplicativos como o OpenAleph e a base OpenSanctions são construídos. Não extrai dado de dispositivo, não realiza perícia de mídia digital e não substitui ferramenta de extração forense como o Cellebrite UFED, já tratado nesta série.
Para que serve?
O FollowTheMoney padroniza, num esquema único, as entidades típicas de investigação financeira [pessoa, empresa, imóvel, veículo, embarcação, conta, pagamento, contrato, sanção, relação societária] e as relações entre elas, permitindo que dado de origem heterogênea convirja para um único grafo consultável.
Estruturação de dado vazado ou público em investigações de corrupção e lavagem de dinheiro, função original desenvolvida no OCCRP.
Motor de dados da OpenSanctions, base de sanções e pessoas politicamente expostas usada por bancos e órgãos de compliance na prevenção à lavagem de dinheiro.
Camada de dado de plataformas de análise documental como o OpenAleph, usadas por consórcios jornalísticos e órgãos de persecução penal para cruzar grande volume de documentos.
Exportação do grafo de entidades para ferramentas de análise de rede como Gephi e Neo4j, pela interface de linha de comando do próprio pacote.
Como funciona?
O FollowTheMoney define, em arquivos de esquema, os tipos de entidade admitidos [pessoa, empresa, ativo, propriedade societária, pagamento, documento, sanção, entre outros] e as propriedades que cada um aceita, com validação de tipo para nome, endereço, identificador fiscal, telefone e data. Um conjunto de ferramentas satélite completa o ciclo: memorious e zavod coletam e raspam dado de fontes públicas; rigour, normality, prefixdate e datapatch limpam e normalizam texto; nomenklatura integra e deduplica dado de múltiplas fontes sobre a mesma entidade; followthemoney-store e variantes cuidam da persistência; ftmq resolve consulta; e yente expõe busca e cotejamento em massa, com suporte ao protocolo Reconciliation API.
Entra dado estruturado [planilha, consulta SQL, arquivo JSON] ou semiestruturado [texto extraído de documento, resultado de reconhecimento de entidade nomeada processado pela ferramenta juditha]. Sai um grafo de entidades interligadas, exportável para formato de análise de rede ou consumível por interface de programação.
O FollowTheMoney não valida a veracidade do dado de origem, apenas a conformidade estrutural com o esquema; a qualidade do grafo final depende inteiramente da proveniência do dado alimentado. O reconhecimento de entidade a partir de texto livre e a correspondência aproximada usadas por nomenklatura e juditha são probabilísticas e podem produzir falso positivo de identidade, sobretudo diante de nome homônimo ou transliterado. Essa incerteza técnica precisa constar de qualquer peça processual apoiada no grafo, sem tratá-lo como prova acabada.
Como aplicar na prática do Direito Penal e Processo Penal?
O FollowTheMoney e a plataforma OpenAleph tocam a apuração de lavagem de dinheiro [Lei 9.613/1998], de organização criminosa [Lei 12.850/2013] e de corrupção com responsabilização de pessoa jurídica [Lei 12.846/2013], além da cooperação jurídica internacional em rastreamento de ativo. O grafo de entidades organiza prova documental volumosa; não a substitui, e sua valoração exige atenção a pontos específicos.
A origem lícita do dado de base antecede qualquer valoração do grafo. Registro público, quebra de sigilo autorizada judicialmente, cooperação internacional ou material obtido por terceiro precisam ter a licitude da coleta verificada antes de a entidade e a relação extraídas do grafo servirem de indício.
Artigo 157, caput e parágrafo 1º, do Código de Processo Penal [redação dada pela Lei 11.690, de 9 de junho de 2008]. "São inadmissíveis, devendo ser desentranhadas do processo, as provas ilícitas, assim entendidas as obtidas em violação a normas constitucionais ou legais. § 1º São também inadmissíveis as provas derivadas das ilícitas, salvo quando não evidenciado o nexo de causalidade entre umas e outras, ou quando as derivadas puderem ser obtidas por uma fonte independente das primeiras."
O documento bruto que alimenta o mapeamento para o esquema FtM é vestígio e precisa de cadeia de custódia documentada, do reconhecimento ao descarte.
Artigo 158-A, caput e parágrafo 1º, do Código de Processo Penal [incluído pela Lei 13.964, de 24 de dezembro de 2019]. "Considera-se cadeia de custódia o conjunto de todos os procedimentos utilizados para manter e documentar a história cronológica do vestígio coletado em locais ou em vítimas de crimes, para rastrear sua posse e manuseio a partir de seu reconhecimento até o descarte. § 1º O início da cadeia de custódia dá-se com a preservação do local de crime ou com procedimentos policiais ou periciais nos quais seja detectada a existência de vestígio."
O método de correspondência aproximada usado por nomenklatura e por juditha atribui identidade a registros com grafia distinta por meio de grau de confiança probabilístico. A parte contrária precisa ter acesso ao método e ao parâmetro de correspondência empregado, sob pena de violação do contraditório sobre a formação da prova: o grafo indica indício de vínculo, não prova a identidade sem exame pericial complementar quando o vínculo for controvertido.
O tratamento de dado pessoal dentro do grafo [nome, CPF, CNPJ, endereço, vínculo societário] segue a Lei 13.709/2018.
Artigo 4º, inciso III, alínea "d", e parágrafo 1º, da Lei 13.709/2018 [LGPD]. "Esta Lei não se aplica ao tratamento de dados pessoais [...] III - realizado para fins exclusivos de: [...] d) atividades de investigação e repressão de infrações penais; [...] § 1º O tratamento de dados pessoais previsto no inciso III será regido por legislação específica, que deverá prever medidas proporcionais e estritamente necessárias ao atendimento do interesse público, observados o devido processo legal, os princípios gerais de proteção e os direitos do titular previstos nesta Lei."
A exceção do artigo 4º, inciso III, "d", exclui o tratamento de dado para persecução penal do regime geral da LGPD, mas o parágrafo 1º do mesmo artigo condiciona esse tratamento a legislação específica ainda não editada no Brasil: o PL 1515/2022, que disciplinaria o tratamento de dado pessoal para segurança pública e persecução penal, segue em tramitação na Câmara dos Deputados sem conversão em lei até a data desta publicação. A doutrina diverge sobre a extensão dessa lacuna regulatória e sobre se a exceção opera de pronto ou permanece condicionada, na prática, à edição da lei específica. Convém sinalizar a controvérsia em qualquer peça que se apoie em dado tratado sob esse regime.
Em termos simples
Pense no FollowTheMoney como um formulário padrão que todo investigador financeiro concorda em preencher da mesma maneira: um campo para pessoa, um campo para empresa, um campo para quem é dono de quem. Sozinho, o formulário não descobre nada. Ele garante que informação reunida de fontes diferentes [planilha de um banco, registro de uma junta comercial, documento vazado] encaixe na mesma estrutura, o que permite montar o desenho da rede depois.
POP: Procedimento Operacional Padrão
Nível 1: Operação básica
Instalar o pacote com o gerenciador de pacotes Python [pip install followthemoney].
Escolher o esquema de entidade adequado ao dado disponível [pessoa, empresa, pagamento, relação societária].
Mapear a fonte [planilha CSV ou consulta SQL] para as propriedades do esquema, usando o conversor nativo do pacote.
Validar as entidades geradas contra o esquema, corrigindo propriedade mal tipada ou ausente.
Exportar o grafo de entidades para o formato de destino [Gephi, Neo4j ou armazenamento próprio].
Consultar e visualizar o grafo na ferramenta de análise de rede escolhida.
Nível 2: Uso no Processo Penal
Verificar a autorização e a legitimidade do acesso à fonte de dado, com ordem judicial quando exigida [quebra de sigilo bancário ou fiscal] e dispensa apenas quando o dado for público por natureza [registro empresarial, base de sanções aberta].
Preservar cópia íntegra do arquivo de origem antes de qualquer transformação para o esquema FtM.
Registrar método, data, hora e responsável técnico pelo mapeamento do dado bruto em entidade.
Gerar e conferir hash do arquivo de origem antes e depois da transformação, para demonstrar que o mapeamento não alterou o dado subjacente.
Documentar a cadeia de custódia do vestígio documental, nos termos do artigo 158-A e seguintes do CPP, cobrindo reconhecimento, isolamento, coleta, acondicionamento e armazenamento.
Registrar o parâmetro de correspondência aproximada usado por ferramentas de deduplicação, viabilizando o contraditório sobre o método e a impugnação de falso positivo de identidade.
Verificar o enquadramento do tratamento na exceção do artigo 4º, inciso III, "d", da Lei 13.709/2018, com registro expresso da lacuna regulatória enquanto o PL 1515/2022 não é convertido em lei.
Glossário
Cadeia de custódia: conjunto de procedimentos que documenta a história cronológica do vestígio, do reconhecimento ao descarte [CPP, artigo 158-A].
Correspondência aproximada [fuzzy matching]: técnica que associa registros prováveis da mesma entidade mesmo com grafia distinta, atribuindo grau de confiança probabilístico à correspondência.
Grafo de entidades: estrutura de dado que representa objetos [entidades] e as relações entre eles, usada para mapear rede de pessoa, empresa e ativo.
Hash: valor calculado a partir de um arquivo que funciona como impressão digital; alteração no dado muda o hash, permitindo aferir integridade.
KYC [Know Your Customer]: conjunto de procedimento de identificação e verificação de cliente exigido de instituição financeira para prevenção à lavagem de dinheiro.
Ontologia de dado: esquema formal que define quais tipos de entidade e propriedade existem num domínio e como se relacionam.
Reconciliation API: protocolo padrão usado para cotejar um conjunto de dado local contra uma base externa de entidades conhecidas.