Tecnologia para produzir informações contra a corrupção

Nossa última publicação tratou do Laboratório de Tecnologia contra a Lavagem de Dinheiro (Lab.LD), unidade de análise de volumes de informação que trabalha com provas e dados colhidos no âmbito das operações policiais.

Hoje o assunto será uma unidade de produção de informações estratégicas com base em tecnologias de informação para o combate à corrupção e o controle dos gastos públicos.

Imagine o tamanho da tarefa que é controlar a despesa pública do governo federal, desde o gasto de R$ 20 com o cartão corporativo até os bilhões dos programas de transferência de renda e os repasses para mais de cinco mil municípios, passando pelas estatais como o Banco do Brasil e a Petrobras. Pois essa é a atividade cotidiana da Controladoria Geral da União (CGU), com pouco mais de dois mil auditores para a execução da tarefa.

Diversos procedimentos no controle de gastos são padronizados. Regra geral, o portador de cartão corporativo não pode gastar mais de R$ 800 em uma única transação. Também há teto para contratações com dispensa de licitação, sendo vedado fracionar o objeto para burlar essa regra.

Na CGU, a tarefa de automação da busca de indícios de irregularidades, com o uso de computação aplicada, cabe a uma equipe permanente de profissionais bastante capacitados, reunidos na unidade Observatório da Despesa Pública (ODP).

O artigo primeiro da Portaria 1.215, de 25 de junho de 2009, que institui o ODP, declara seus objetivos:

I. antecipar situações críticas para encaminhamento preventivo de soluções;
II. construir cenários que subsidiem estrategicamente as atividades cotidianas;
III. fornecer informação útil para identificação de focos pontuais para o processo de controle;
IV. possibilitar a produção imediata de conhecimentos para demandas específicas; e
V. potencializar a velocidade e a precisão nas tomadas de decisões estratégicas.

A metodologia adotada pelo Observatório é de interesse especial quando pensamos em automação de procedimentos jurídicos. Ela começa pelo estudo da legislação em busca das regras e suas exceções. Complementam-se essas regras explícitas com outras definidas pela prática de especialistas da área em análise, as quais representam indícios de irregularidades. Em seguida, são identificadas e prospectadas as fontes de informação, geralmente bases de dados, necessárias à criação do processo automatizado. Essa automação é feita essencialmente a partir da transformação dessas regras em consultas e cruzamentos das bases.

O uso do conhecimento prático dos auditores permite identificar que a existência de vínculos entre licitantes, como mesmo endereço, telefone ou contador, embora não tendo uma vedação explícita na Lei de Licitações, indica possível simulação, sendo uma situação que pode fragilizar a isonomia entre os participantes. A verificação do ODP, nesse caso, envolve o cruzamento de dados da licitação com o cadastro das empresas licitantes.

Os resultados se desdobram em relatórios, índices de performance e risco e painéis, utilizados tanto por auditores da CGU quanto por gestores públicos. Os primeiros usam essas informações para priorizarem suas ações de auditoria e fiscalização, além de identificarem também boas práticas, enquanto os últimos utilizam as mesmas informações para avaliar a performance de sua gestão de forma a otimizar seus processos e buscar oportunidades de melhoria.

A figura abaixo mostra um painel (dashboard) descaracterizado de monitoramento de gastos com passagens aéreas.

Os trabalhos do ODP se tornaram tão efetivos que o Banco Interamericano de Desenvolvimento (BID) patrocina a replicação da ideia em âmbito estadual. Conhecidos como ODP.Nano, há duas unidades em funcionamento, na Bahia e em Santa Catarina.

O Observatório ganhou diversos prêmios, listados abaixo, com destaque para o prêmio sobre serviços públicos da ONU.

Interessante destacar duas das tecnologias que suportam as atividades do ODP, o DW e o OLAP. Traduzindo, o Data Warehouse (DW) utiliza ferramentas próprias que possibilitam a união de bases de dados para consultas em conjunto, um cruzamento de bancos de dados. No DW, em um exemplo clássico, o campo ‘sexo’ de um banco de dados pode conter M ou F e em outro 0 ou 1, para contar quantas pessoas se declaram mulheres existe a necessidade de união destes campos em uma camada que os junte em significado.

Já o On-line Analytical Processing (OLAP) congrega ferramentas que criam os painéis (dashboards) dinâmicos. Estes painéis permitem a navegação profunda nos dados (drill down), como exemplo é possível clicar na barra vermelha da variação percentual disposta na figura acima sobre os gastos com passagens aéreas e verificar quais os registros que formam a barra. Essas ferramentas constituem parte destacada em suítes de inteligência para negócios, o chamado Business Intelligence (BI).

O tema central desta coluna na ConJur é sempre a necessidade de atividades de suporte a litígios para apoiar decisões nos processos jurídicos, eis mais um exemplo no qual uma equipe paralegal utiliza a tecnologia da informação para o processamento de grandes volumes de dados com o viés de análise jurídica, uma clara tendência.