TCU, Ministério da Justiça e Ceming apostam em machine learning

O setor público está investindo cada vez mais em tecnologias de ponta. E uma das grandes apostas são os projetos de análise de dados, que resultam não apenas na eficiência de processos, mas também em impactos positivos para a sociedade.

Diante desse cenário, diversos órgãos do setor público estão contando com o apoio do SAS, empresa global de Analytics, projetos focados no aumento da arrecadação, identificação de fraudes e anomalias, combate à corrupção, automação de atendimento, entre outros. Para isso, em muitos casos, a companhia utiliza a plataforma SAS Viya, com técnicas de machine learning – tecnologia presente em 100% das ferramentas analíticas comercializadas pela empresa.

O SAS Viya é uma plataforma voltada para a preparação, visualização e mineração de dados com alto desempenho e produtividade. Um dos seus diferenciais é a capacidade de se integrar com outras soluções já usadas pelos clientes do setor público, tais como R, Python e Lua, permitindo uma rápida implementação dos projetos, garantindo redução de custos com treinamento e retorno do investimento poucos meses após a contratação.

Em cada um dos projetos, o machine learning – um dos ramos da Inteligência Artificial – se faz presente por meio da análise minuciosa de grandes volumes de dados disponíveis nos mais diversos órgãos do governo. A partir dessas informações, são gerados padrões de modelos analíticos que ajudam na melhor tomada de decisões, seja para identificar e reduzir casos de fraudes, automatizar o atendimento ao público por meio de chatbots ou estabelecer medidas para a cobrança de impostos de contribuintes inadimplentes com maior eficácia de resultados, por exemplo.

Casos de sucesso no setor público com machine learning

Um dos projetos de maior destaque foi desenvolvido para o Tribunal de Contas da União (TCU), que investiu na aquisição de soluções de análise de Big Data para identificar casos de fraudes na Previdência Social, que hoje chegam a R$ 3 bilhões. O projeto permitiu o cálculo automático de 1 trilhão de desvios, além da análise de modelos preditivos. A partir daí, para cada benefício com alta probabilidade de fraude, o TCU pode recuperar cerca de R$ 600 mil todos os meses.

Outro trabalho relevante foi desenvolvido para o Ministério da Justiça. Lidando com um grande volume de dados estatísticos e vários pedidos externos de consulta, o trabalho consistiu na adoção de uma solução de Business Intelligence (BI). Como resultado, o processo de tratamento e divulgação das informações deixou de ser manual e migrou para um modelo automatizado, reduzindo custos e carga administrativa, tornando o processamento mais ágil.

Outro exemplo foi aplicado na Companhia Energética de Minas Gerais (Cemig), que fez uso de soluções do SAS com técnicas de machine learning para detectar possíveis perdas resultantes de fraudes relacionadas ao consumo de energia e falhas técnicas. Com a identificação de 50% dos fraudadores, tal medida resultou em uma economia de cerca de R$ 1,5 milhão por mês.