O O uso do big data analytics avança rapidamente na gestão privada e pública em vários países, incluindo o Brasil. Enquanto, na iniciativa privada, os setores industrial, financeiro, de logística e de energia são alguns dos que se destacam no uso com o objetivo de reduzir custos e aumentar lucros, na gestão pública, as principais aplicações da análise de dados vêm concentrando-se em aumentar a eficiência dos serviços públicos em áreas como transporte e mobilidade urbana, saúde e segurança pública. Às vezes, lucro e serviços públicos se combinam. Em Singapura, por exemplo, a autoridade pública responsável pelo trânsito utilizou a análise de dados preditivos para resolver congestionamentos que geravam à econo
mia privada e à sociedade como um todo prejuízos estimados em algo entre US$ 2 bilhões e
US$ 3 bilhões anuais. A solução, encontrada graças aos dados revelados pelo trabalho de analytics, foi a criação de um cartão com créditos que podem ser utilizados no transporte público, em táxis, no aluguel de carros e no pagamento do pedágio urbano. Tal flexibilidade possibilita a cada cidadão optar pela melhor forma de transporte no momento de seu deslocamento.
**TRÊS CASOS AQUI**
A seguir, você conhece três casos brasileiros de uso do big data analytics, protagonizados tanto pela gestão pública como pela iniciativa privada, com consultoria da FGV-Rio.
**1. PREFEITURA CARIOCA MELHORA MOBILIDADE E COMBATE DENGUE**
Faz dois anos que a Prefeitura do Rio de Janeiro criou o Pensa – Sala de Ideias. Esse projeto busca elaborar propostas de melhorias de serviços públicos baseadas na análise de big data. São mais de 1 milhão de dados gerados diariamente, vindos das fontes mais diversas: secretarias e órgãos públicos, câmeras de controle e radares instalados nas ruas da cidade, centrais de atendimento ao público e redes sociais.
Pablo Cerdeira, coordenador do Pensa, explica que se trata de um grupo de pessoas com atuação transversal, que perpassa várias áreas da gestão pública. Por exemplo, um dos projetos atuais é o de coleta de dados do Twitter para entender como as pessoas circulam pela cidade.
Por meio de uma combinação de informações, que incluem, além do Twitter, dados do Instituto Brasileiro de Geografia e Estatística (IBGE), é possível identificar por quais caminhos as pessoas de diferentes faixas de renda se locomovem. Que diferença isso faz para o governo municipal? Segundo Cerdeira, habilita os gestores a pensar melhores soluções para a mobilidade urbana, como a definição dos lugares mais adequados para implantação de ciclovias e a interligação com outros modais. Em outro projeto, o Pensa analisa mais de 1,2 bilhão de registros de GPS de ônibus para identificar o desempenho de cada linha.
Os resultados servem para apontar onde devem ser implantados futuros corredores de ônibus e para avaliar o desempenho dos atuais. Mais um exemplo de atuação do Pensa é a análise de dados e desenvolvimento de propostas para o combate à dengue no município.
Flávio Coelho, coordenador do projeto InfoDengue do continuamente e analisasse as diferentes regiões da cidade de maneira específica. O cálculo do risco exigiu a captura de dados de forma contínua e robusta de fontes heterogêneas, como dados meteorológicos (temperatura, umidade, pluviosidade), menções à doença no Twitter, estatísticas de sua incidência e dados sobre a população do mosquito transmissor.
Rio e professor da FGV, conta que o que norteou o projeto foi a necessidade de mapear locais onde uma pessoa tinha risco imediato de contrair dengue na metrópole. Para fazer isso, agregaram-se todas as fontes de informações relevantes sobre a transmissão da doença e foi desenvolvido um modelo de risco que pudesse ser atualiza Uma equipe de estatísticos e epidemiólogos concebeu o modelo de risco, capacitado a prever o número de casos esperados da doença. Um bom primeiro resultado do projeto foi, segundo Coelho, conseguir, em menos de um ano, conceber, desenvolver e implantar uma plataforma de análise de risco para uma doença transmissível.
**2. LIGHT REDUZ OS PROCESSOS JUDICIAIS**
Isso já se sabe: as empresas que operam com grandes bases de clientes, como bancos, seguradoras e prestadoras de serviços públicos, são as que enfrentam o maior número de problemas relacionados com o direito do consumidor. No entanto, a Light, grupo de empresas que atua na geração, comercialização e distribuição de energia elétrica, buscou ajuda no uso do big data analytics para reduzir essa incidência. Segundo Flávio Coelho, da FGV-Rio, que participou do desenvolvimento e implementação da solução para a Light, a metodologia focou três eixos:
**GEOGRAFIA DO CONFLITO:** com o georreferenciamento de milhões de processos judiciais, de suas partes e dos escritórios de advocacia envolvidos, revelaram-se diversos determinantes geográficos do comportamento de litígio específicos de cada região da área de concessão da Light. Isso possibilitou identificar estratégias dos escritórios que atuavam contra a concessionária, mostrando as comarcas preferidas para a distribuição de processos e vários outros aspectos que não eram detectáveis até então.
**GENEALOGIA DO CONFLITO:** foram analisados os perfis dos consumidores de energia na área de concessão da Light, o que permitiu entender como se desencadeava o conflito entre consumidor e empresa que culminava em processo judicial. Nessa etapa, foram analisados anos de relação entre milhões de consumidores e a empresa, e praticamente todo os estoque de processos do Tribunal de Justiça do Rio de Janeiro envolvendo a Light.
**SIMULAÇÃO PREDITIVA:** uma vez determinados os fatores locais e pessoais na construção do litígio de consumo, foi desenvolvido um modelo preditivo, por meio do qual a empresa poderia prever as consequências judiciais de seus atos junto aos clientes e com isso gerenciar melhor seu contencioso.
Na avaliação de Coelho, o projeto ofereceu à empresa um olhar único para dentro de seus processos de gestão de serviços, permitindo-lhe construir uma relação melhor com seus consumidores e minimizar seus problemas com litigância de consumo.
**3. OS NÚMEROS DO SUPREMO TRIBUNAL FEDERAL**
Uma base de dados com 1,5 milhão de processos judiciais, cerca de 14 milhões de andamentos processuais e 2,6 milhões de partes envolvidas está sendo utilizada para extrair conhecimentos sobre o desempenho do Supremo Tribunal Federal (STF). O projeto, denominado Supremo em Números, recorre a big data analytics e é desenvolvido pela Fundação Getulio Vargas, por meio da Escola de Direito do Rio de Janeiro (FGV Direito Rio), com o apoio da Escola de Matemática Aplicada (EMAp).
O Supremo em Números tem fornecido informações relevantes para a sociedade civil, para o meio acadêmico e até mesmo para os próprios integrantes do STF a respeito da atuação do órgão, que não são detalhadas. Para Ivar Hartmann, professor da FGV Direito Rio e o coordenador responsável, o projeto confirma a utilidade e a importância de analisar os megadados, uma vez que eles, devidamente tratados, costumam trazer à tona descobertas inesperadas. Alguns desses achados estão contrariando o senso comum e chegam a surpreender até mesmo quem atua no STF há muitos anos.
**DOIS CASOS LÁ FORA**
Pode-se dizer que o uso de big data analytics vai de leste a oeste dos Estados Unidos. Na Carolina do Norte, a prefeitura de Durnham conseguiu uma redução dos crimes violentos em cerca de 50% como resultado de seu esforço de análise de dados. Isso aconteceu graças a achados como o que mostrou que 20% desses crimes violentos estavam concentrados em apenas 2% do território urbano, o que tornava muito mais simples seu controle.
Já no Texas, a fabricante de estruturas de metal pré-fabricadas Mueller recorreu ao big data analytics para desenvolver um modelo de atuação direta no varejo, aproximando-se mais dos consumidores finais, em vez de se limitar às vendas B2B para empresas de construção civil.
Quando passou a focar essa área de negócios quase nova para ela, a empresa tratou de entender melhor as necessidades dos clientes com a ajuda de um conjunto de tecnologias de analytics. Feitas as mudanças culturais necessárias, o processo não só melhorou as vendas B2C da Mueller, como gerou ideias para a fábrica e identificou anomalias nas transações, ajudando a combater fraudes.
