P R E F E I T U R A M U N I C I P A L D E P A T O B R A N ...
Un iv ers id ade de S ã o P a u lo E ... - pecepoli.com.br · (P o s t g r ad u a t e , la t o sen...
Transcript of Un iv ers id ade de S ã o P a u lo E ... - pecepoli.com.br · (P o s t g r ad u a t e , la t o sen...
Universidade de São Paulo
Escola Politécnica
Programa de Educação Continuada
Governo Orientado por Dados
João Fabiano Martucci Lopes
São Paulo
2018
João Fabiano Martucci Lopes
Governo Orientado por Dados
Monografia apresentada ao Programa de Educação Continuada (PECE), Escola
Politécnica (POLI), Universidade de São Paulo (USP), para obtenção do título de
Especialista em Planejamento e Gestão de Cidades.
Áreas de Concentração: Gestão Pública, Governo, Ciência de Dados; Privacidade;
Participação.
Orientador: Miguel Luiz Bucalem
São Paulo
2018
Autorizo a reprodução e divulgação total ou parcial deste trabalho, por qualquer
meio convencional ou eletrônico, para fins de estudo e pesquisa, desde que citada
a fonte.
Nome: LOPES, João Fabiano Martucci
Título: Governo Orientado por Dados: Inteligência Artificial e Ciência de Dados
aplicadas à concepção, monitoramento e avaliação de políticas e serviços públicos.
Monografia apresentada ao Programa de Educação Continuada (PECE), Escola
Politécnica (POLI), Universidade de São Paulo (USP), para obtenção do título de
Especialista em Planejamento e Gestão de Cidades.
Aprovado em:
Banca Examinadora
Prof. Dr. Miguel Luiz Bucalem
Instituição:__________________________________________________________
Julgamento:_________________________________________________________
Profa. Dra. Renata Maria Maré Gogliano
Instituição:__________________________________________________________
Julgamento:_________________________________________________________
Prof. Dr. Sergio Takeo Kofuji
Instituição:__________________________________________________________
Julgamento:_________________________________________________________
Agradecimentos
Ao Prof. Dr. Miguel Luiz Bucalem, coordenar o curso de Planejamento e Gestão de
Cidades, que me orientou e incentivou, tornando possível а conclusão desta
monografia.
À Prof. Dra. Renata Maré, por ter contribuído com meu aprendizado, auxiliado na
pesquisa e no desenvolvimento deste trabalho. Sua atenção e dedicação aos alunos
é fantástica.
Agradeço ao Daniel Annenberg e Marianna Sampaio, que tanto me inspiraram e
ensinaram. Grato pela oportunidade que tivemos de colocar a tecnologia a favor
das pessoas que mais precisam, usando-a como uma ferramenta de
empoderamento para reduzir as desigualdades sociais.
Ao Ricardo Cappra, por ter me despertado a paixão pela ciência de dados. Seus
ensinamentos foram substanciais na fundamentação desta pesquisa.
Agradeço também а todos оs demais professores do curso de Planejamento e
Gestão de Cidades, e aos funcionários do Programa de Educação Continuada
(PECE), que sempre foram todos tão solícitos e atenciosos.
À todos companheiros de curso com quem convivi e aprendi ao longo desses anos.
Foi uma experiência extraordinária. Tenho a todos com muito carinho. Agradeço em
especial ao Caio Chamma, Carol Peçanha e Yasmin Sipahi, que me acompanharam
durante toda essa trajetória.
Gratidão.
Resumo
LOPES, João Fabiano Martucci. Governo Orientado por Dados. Monografia (Pós
graduação, lato sensu, em Planejamento e Gestão de Cidades), Programa de
Educação Continuada (PECE), Escola Politécnica (POLI), Universidade de São Paulo
(USP). São Paulo. 2018
O objetivo da pesquisa era de entender como as tecnologias digitais podem
promover a governança pública, fortalecendo processos participativos, ampliando a
transparência e tornando o governo mais eficiente. A metodologia teve caráter
bibliográfico exploratório, buscou o referencial teórico e exemplos de sua aplicação
em diversas cidades do mundo. Foram explorados os conceitos de Inteligência
Artificial, Ciência de Dados, Participação, Cooperação, Governança Pública e
Privacidade, temas extremamente relevantes e inovadores no contexto da
Administração Pública. A análise permitiu compreender que em um Governo
Orientado por Dados as pessoas assumem um papel ativo na gestão e
desenvolvimento da cidade e das instituições que a organizam, é mais eficiente e
transparente. Para implementar relacionou-se os recursos necessários e proprô-se a
utilização do Ciclo de Atividades de um Governo Orientado por Dados. Também foi
ressaltada a importância da promoção do engajamento e incentivo à participação
dos cidadãos, instituindo, organicamente, uma cultura colaborativa na sociedade.
Com isso enxergou-se o arquétipo de uma democracia direta, garantindo, assim
como explícito na Declaração Universal dos Direitos Humanos, que a vontade do
povo seja base da autoridade do governo.
Palavras Chave: Gestão Pública. Governo. Governo Orientado por Dados. Governo
Aberto. Governo Digital. Ciência de Dados. Dados Abertos. Big Data. Internet das
Coisas (IoT). Democracia. Privacidade.
Abstract
LOPES, João Fabiano Martucci. Data-Driven Government. 2018. Monograph
(Postgraduate, lato sensu, in Planning and Management of Cities), Continuing
Education Program (PECE), Polytechnic School (POLI), University of São Paulo (USP).
São Paulo. 2018.
The aim of the research was to understand how digital technologies can promote
public governance, strengthening participatory processes, increasing transparency
and making government more efficient. The methodology had a bibliographic
exploratory character, sought the theoretical reference and examples of its
application in several cities of the world. The extremely relevant and innovative
topics in the context of Public Administration like Artificial Intelligence, Data
Science, Participation, Cooperation, Public Governance, and Privacy were explored.
The analysis allowed us to understand that in a Data-Driven Government people
take an active role in the management and development of the city and the
institutions that organize it, it is more efficient and transparent. To implement, the
necessary resources were related and the use of the Cycle of Activities of a
Data-Driven Government was proposed. It was also emphasized the importance of
promoting engagement and encouraging citizen participation, organically
establishing a collaborative culture in society. With this, the archetype of a direct
democracy was glimpsed were the government ensure, as well as explicitly in the
Universal Declaration of Human Rights, that the will of the people is the basis of the
authority of the government.
Keywords: Public Management. Government. Data-Driven Government. Open
Government. Digital Government. Science of Data. Open Data. Big Data. Internet of
Things (IoT). Democracy. Privacy.
Lista de Ilustrações
Código Descrição Página
Figura 1 Gartner Hype Cycle for emerging technologies, 2017 22
Figura 2 Linha do tempo 2000-2018 das realizações de Governo Eletrônico no âmbito do Governo Federal Brasileiro
26
Figura 3 Estratégia de Governança Digital (EGD) 28
Figura 4 Princípios e objetivos da EGD 29
Figura 5 Diagrama Estratégico da EGD. Temas detalhados a partir do conceito do E-Digital.
30
Figura 6 Estratégia Brasileira para Transformação Digital (E-Digital). Eixos e ações previstas.
31
Figura 7 Pirâmide do Conhecimento (Data, Information, Knowledge and Wisdom - DIKW)
47
Figura 8 Framework para visualização de dados (Data Viz) 50
Figura 9 Internet das Coisas 52
Figura 10 Definições de Inteligência Artificial 55
Figura 11 Processo de reconhecimento facial A 59
Figura 12 Processo de reconhecimento facial B 60
Figura 13 Como cria-se um modelo preditivo 62
Figura 14 Modelo Preditivo 63
Figura 15 Framework para elaboração de KPI's 69
Figura 16 The Data Ethics Canvas 82
Figura 17 Escala de maturidade de um Governo Orientado por Dados 87
Figura 18 Ciclo de Atividades de um Governo Orientado por Dados 91
Figura 19 Sistema de monitoramento por Inteligência Artificial e CFTV da China
93
FIgura 20 Smart Glasses: Óculos com capacidade para realizar reconhecimento facial.
94
Figura 21 Estimativa de câmeras CFTV que serão instaladas na China 94
Figura 22 Foto de Palma de Mallorca, com enfoque no Access Point que disponibiliza o sinal de Wi-Fi
96
Figura 23 Mapa de calor que demonstra os principais pontos de concentração dos usuários do SmartWifi
96
Figura 24
Elemento que consta no Dashboard do projeto Smart Wi-Fi. Os dados demonstram a porcentagem de usuários do serviço em relação ao sistema operacional utilizado e as aplicações mais acessadas.
97
Figura 25 Modelo de perguntas enviadas pelo Google Local Guide aos usuários do serviço
98
Figura 26 Protótipo de perguntas que um Governo Orientado por Dados pode fazer aos cidadãos
99
Figura 27 Mapa da violência Armada. St Louis, Estados Unidos. A 100
Figura 28 Mapa da violência Armada. St Louis, Estados Unidos. B 101
Figura 29 Mapa da violência Armada. St Louis, Estados Unidos. 102
Figura 30 Telas do Portal de Atendimento da Prefeitura de São Paulo - SP 156
104
Figura 31 Página inicial da plataforma de participação de Barcelona - decidim.barcelona
108
Figura 32 Etapas do processo de participativo - “la Model” 109
Figura 33 Visualização da rede de pessoas e suas interações no âmbito do processo participativo
109
Figura 34 Conclusão e Framework - Governo Orientado por Dados 113
Lista de Siglas
Sigla Descrição
BOLD Big and Open Linked Data
C2C Cidadão para Cidadão
C2G Cidadão para Governo
CDO Chief Data Officer
CDO Chief Data Officer
CFTV Circuito Fechado de Televisão
CMX Customer Monitoring Experience
CPS Cyber-Physical Systems
DIKW Data, Information, Knowledge and Wisdom
DUDH Declaração Universal dos Direitos Humanos
E-Digital Estratégia Brasileira para a Transformação Digital
E-GOV Governo Eletrônico
EGD Estratégia de Governança Digital
EUA Estados Unidos da América
GDPR General Data Protection Regulation
GDPR General Data Protection Regulation
IA Inteligência Artificial
IoT Internet of Things
KPI Key Performance Indicator
LGPDP Lei Geral de Proteção de Dados Pessoais
M2M Máquina para máquina
MIT Massachusetts Institute of Technology
OCDE Organização para a Cooperação e Desenvolvimento Económico
ODI Open Data Institute
ONU Organização das Nações Unidas
PNAD Pesquisa Nacional por Amostra de Domicílios
RNA Redes Neurais Artificiais
RNA Redes Neurais Artificiais
TDQM Total Data Quality Management
TIC Tecnologia de Informação e Comunicação
UE União Europeia
V2I Veículo para infraestrutura
V2V Veículo para veículo
VGI Volunteered Geographic Information
Sumário
Seções Descrição Página
1. Introdução 13
2. Contexto 15
2.1. A era da informação 18
2.2. Transformação Digital 20
2.3. Governança e Transformação Digital no Governo Federal Brasileiro
25
3. Governo Aberto. Dados Abertos 31
4. Ciência de Dados 36
4.1. Análise de dados e sua estrutura enquanto projeto 39
4.2. Governança de dados 41
4.3. Qualidade dos dados 41
4.4. Chief Data Officer 43
4.5. Big Data 45
4.6. BOLD - Big and Open Linked Data 48
4.7. Visualização de dados 49
5. Internet das Coisas 50
6. Inteligência Artificial 54
6.1. Aprendizado de Máquina 60
6.2. Análise Preditiva 61
7. Governança Pública 64
7.1. Indicadores 66
8. Participação 69
9. Privacidade 74
10. Ética no uso de dados 79
10.1. Data Ethics Canvas 81
11. Governo Orientado por Dados 83
11.1. Escala de maturidade de um Governo Orientado por Dados 86
11.2. Recursos necessários para implementação de um Governo Orientado por Dados
89
11.3. Ciclo de atividades de um Governo Orientado por Dados
90
12. Referências 92
12.1. Referência #01: China 92
12.2. Referência #02: SmartWifi. Cidade de Palma de Mallorca 95
12.3. Referência #03: Google Local Guide 97
12.4. Referência #04: Mapa da epidemia de violência armada nos Estados Unidos
100
12.5. Referência #05: Portal de Atendimento SP 156. Prefeitura de São Paulo.
103
12.6. Referência #06: Estratégia para direção autônoma e conectada da Alemanha
105
12.7. Referência #07: Decidim: Plataforma de participação de Barcelona, Espanha
107
13. Conclusão 110
13.1. Futuros desdobramentos desta pesquisa 111
14. Bibliografia 114
13
1. Introdução A pesquisa iniciou com o objetivo de entender como as tecnologias
digitais podem promover a governança pública, fortalecendo processos
participativos, ampliando a transparência e tornando o governo mais eficiente.
A metodologia da pesquisa teve caráter bibliográfico exploratório. Para
elaborá-la foram pesquisadas estratégias, casos, e documentos de referência no
cenário internacional e nacional. Assim, foi possível definir conceitos, e identificar
desafios e oportunidades, contextualizando ações de diversas organizações no
âmbito de um Governo Orientado por Dados.
O encadeamento das idéias expostas na seção 2 contextualiza e
exemplifica o impacto da utilização das TIC na sociedade, na democracia e no
governo, contextualizando os fenômenos da Transformação Digital e a Era da
Informação.
A seção 3 trata dos temas Governo Aberto e Dados Abertos. São
abordadas as principais características desses conceitos, e as bases para a
elaboração de uma política nesse sentido, para que o governo seja um mecanismo
de ação coletiva, funcionando como uma plataforma.
O conceito de Ciência de Dados, sua relação com o governo e exemplos
de aplicação são dados na seção 4. A seção 4.1 aborda a temática da análise de
dados e sua estrutura enquanto projeto, que pode ser dividida em cinco fases:
Formulando perguntas; Análise exploratória; Modelagem formal; Interpretação dos
resultados; Comunicação de resultados. As seções 4.2 e 4.3 tratam dos temas
governança de dados e qualidade dos dados, sucessivamente. Também são
exploradas as características e atribuições de um profissional de ciência de dados, o
Chief Data Officer. A seção 4.5 versa sobre o Big Data e o contextualiza perante a
administração pública. Nela também é discorre-se sobre a Pirâmide do
Conhecimento, onde explicita-se o conceito de dados, informação, conhecimento e
14
sabedoria. Por fim, debate-se e apresenta-se uma forma adequada de realizar a
visualização de dados.
A seção 5 disserta sobre a Internet das Coisas. É feita a abordagem
histórica conceitual dessa tecnologia, citando exemplos de aplicações para
contextualizar seu potencial em um Governo Orientado por Dados.
A compreensão sobre a temática da Inteligência Artificial é tratada na
seção 6, onde apresentam-se oito diferentes entendimentos que essa tecnologia
possui. As seções 6.1 e 6.2 versam sobre Aprendizado de Máquina e Análise
Preditiva.
Na seção 7 é feita a caracterização de Governança Pública, tanto em seu
entendimento como um pilar da democracia, que preza pela transparência e
participação, colocando o cidadão no centro das ações governamentais, tanto como
uma ferramenta gerencial, que organiza o relacionamento das organizações com as
demais partes interessadas, estabelecendo controles, fluxos, padrões e regras. Esse
último é aprofundado na seção 7.1, que trata da importância do estabelecimento de
indicadores.
A seção 8 expõe sobre como a participação está relacionada ao Governo
Orientado por Dados. Nela aborda-se os conceitos de crowdsourcing e informação
geográfica voluntária.
A temática da privacidade é debatida na seção 9, onde também é feito
um paralelo com a Declaração Universal dos Direitos Humanos. Casos de
vazamento de dados são apresentados. A seção também versa sobre o
Regulamento Geral de Proteção de Dados, tanto no cenário internacional, como no
nacional, que foi regulamentado por meio da Lei 13.709, de 14 de agosto de 2018.
A ética no uso de dados é abordada na seção 10. Exemplos que
agridem-na, impactando negativamente pessoas e a sociedade, são apresentados.
A seção 10.1 indica o Data Ethics Canvas como uma ferramenta que contribuiu para
a tomada de decisão, criando condições para que as organizações avaliem as
15
implicações éticas de um projeto de dados.
A seção 11 contextualiza e exibe um modelo de maturidade para um
Governo Orientado por Dados. Também citam-se exemplos no setor da saúde,
educação, zeladoria urbana, energia, etc. Na seção 11.2. sintetiza os recursos
necessários para implementação de um Governo Orientado por dados e na seção
11.3. é proposto uma metodologia, “Ciclo de Atividades de um Governo Orientado
por Dados”, que governos podem utilizar para tomada de decisão.
Referências de organizações que utilizam dados para tomada de decisão,
tanto em âmbito nacional e internacional, são discutidas e apresentadas na seção
12.
Por fim, a seção 13. conclui a pesquisa ressaltando as principais
descobertas e resultados obtidos. Entende-se que com a aplicação do Governo
Orientado por Dados abre-se a possibilidade de empoderar a sociedade para
conduzir o governo e promover mudanças justas e equilibradas pelo coletivo,
viabilizando o constante monitoramento e avaliação dos serviços públicos, onde as
pessoas assumem uma função ativa na construção e reforma da cidade e das
instituições que a organizam.
2. Contexto A cooperação é uma habilidade extraordinária. Talvez essa tenha sido a
característica central que possibilitou ao homo sapiens a conquista de todo o
planeta Terra. Há cerca de 12 mil anos, a revolução agrícola facilitou o
desenvolvimento de pequenos assentamentos humanos. Inicialmente com dezenas
de membros, pouco a pouco os assentamentos foram-se expandindo. Cada vez
mais e mais homo sapiens se aglomeravam no mesmo local. Essas redes de dezenas
de pessoas se tornaram redes de centenas, milhares (Yuval Harari, 2014).
Saltamos de sistemas de cooperação em rede compostos por dezenas de
16
pessoas, para bilhões. As Tecnologias de Informação e Comunicação (TICs) estão
ampliando nossa habilidade de cooperação de uma forma sem precedentes.
Existem pessoas com milhões de seguidores no YouTube. Algumas organizações,
como o Facebook, possuem bilhões de usuários cadastrados (Estadão, 2018).
Como estamos vendo nos últimos anos, a tecnologia permitiu que as
mobilizações populares fossem convocadas com mais agilidade e ampliou a
quantidade de pessoas alcançadas. Depois de um levante popular convocado por
SMS em Moçambique em 2010 (BBC, 2010), da Primavera Árabe difundida pelo
Twitter no Oriente Médio (UOL, 2012), e das manifestações brasileiras de junho de
2013, impulsionadas pelo Facebook, em 2018 foi a vez do WhatsApp possibilitar a
mobilização dos caminhoneiros que interditou milhares de trechos de rodovias em
todo o país ao longo de dez dias, causando prejuízos consideráveis à economia
(BBC, 2018). A tecnologia se apresenta como uma ponte que leva a sociedade para
fora da caverna , possibilitando a construção de redes e ampliando a aquisição de 1
conhecimento. Foi uma ferramenta fundamental para mobilizar pessoas a se
rebelarem contra a tirania e a opressão.
A produção de conteúdo foi descentralizada, qualquer pessoa pode
gravar ou assistir vídeo aulas no YouTube, por exemplo. A Wikipedia é um exemplo
de enciclopédia multilíngue, de licença livre, baseada na web e escrita de maneira
colaborativa. A organização visa empoderar e engajar pessoas pelo mundo para
coletar e desenvolver conteúdo educacional, sob uma licença livre ou no domínio
público, e disseminá-lo efetivamente e globalmente (Wikipedia, 2018).
Manuel Castells explica que entre as décadas de 1960 e 1970, surgiram
três processos independentes: (i) a revolução da tecnologia da informação; (ii) a
crise econômica do capitalismo e estatismo; (iii) a ascensão de novos movimentos
sociais, como ambientalismo e feminismo. Essa combinação possibilitou uma
1 A alegoria da caverna, escrita pelo filósofo grego Platão, encontra-se na obra intitulada A República, e busca exemplificar como o ser humano pode se libertar da condição de escuridão, que o aprisiona, por meio da luz da verdade.
17
formação de nova estrutura social, a sociedade em rede, e criou uma nova
economia, a economia informacional global, e também em uma cultura de
“realidade virtual” (Castells, 1989).
O conceito de rede sofreu recentemente um processo revolucionário,
tendo um novo entendimento. Em 1950 a leitura arquitetônica de redes analisava a
infraestrutura de cima para baixo, onde as funções eram conectadas e por meio das
quais as mercadorias - materiais e virtuais - eram distribuídas de suas fontes para os
consumidores. As redes do século XXI são distribuídas, estruturadas de baixo para
cima, permitindo que a humanidade ganhe acesso constante e contínuo a
informações em tempo real. As conexões são feitas diretamente entre os cidadãos,
peer-to-peer , onde a autoridade central é substituída por relações colaborativas 2
(Ratti; Nashid. 2018).
A forma como as pessoas percebem a tecnologia também mudou
porque está inserida em atividades cotidianas, como correr, dirigir e se comunicar
(YOO, Y; 2010).
Nesse novo ambiente, o governo deve se tornar uma plataforma de
inovação, onde as necessidades de cidadãos e parceiros podem ser rapidamente
transformadas em resultados e onde novos serviços digitais podem ser rapidamente
desenvolvidos, lançados e aperfeiçoados (A Government for the Digital Age, 2018).
Contudo, muitos governos ainda possuem modelos de negócios e
tecnologias ultrapassadas, inflexíveis, que prejudicam sua capacidade de reagir
rapidamente às necessidades emergentes e resolver novos problemas. O resultado
é uma crescente desconexão entre o que os cidadãos querem do governo e o que
os governos podem oferecer (A Government for the Digital Age, 2018).
2 Um processo Peer-to-peer (do inglês par-a-par, com sigla P2P) é realizado diretamente, sem intermediários, entre duas pessoas ou entidades. Em uma arquitetura de redes de computadores peer-to-peer, cada um dos pontos ou nós da rede funciona tanto como cliente quanto como servidor, permitindo compartilhamentos de serviços e dados sem a necessidade de um servidor central.
18
O Governo Inteligente conceitua o uso de dados, informações e
conhecimentos como ativos governamentais, que otimizam os serviços públicos,
fornecem experiências de serviços integrados e proativos, fortalecem a interação
com os cidadãos e a cocriação de políticas públicas (Uruguay, 2016).
2.1. A era da informação De acordo com Dave Chaffey (2011), a aplicação de informações e
tecnologia oferece novas maneiras de fazer negócios, aumenta a eficiência dos
processos de negócios, reduz os custos e fornece as medidas de desempenho que
promovem o controle a melhoria contínua.
Para conceituar e informação no mundo moderno o autor cunhou três
termos:
(i) Sociedade da Informação: uma sociedade com amplo acesso a receber
e transferir informações digitais dentro dos negócios e da comunidade. Uma
sociedade caracterizada pelo intenso fluxo de informação, presente no cotidiano
dos seus cidadãos e na maioria das organizações.
(ii) Economia da informação: uma economia altamente dependente da
coleta, armazenamento e troca de informações. Além disso, muitas empresas
trabalham exclusivamente com o gerenciamento, organização e adição de valores
aos dados coletados, vendendo a informação e o conhecimento fruto desse
trabalho;
(iii) Era da informação: a crescente importância da informação através do
tempo, tanto para a sociedade quanto para as economias, tem sido usada para
sugerir que estamos agora na "era da informação". Na era agrícola, os principais
recursos utilizados eram a terra e as pessoas que nela trabalhavam. Quando os
produtos eram produzidos pela primeira vez, geralmente eram feitos inteiramente
por uma única pessoa. As manualidades e artesanatos predominavam. Já na era
industrial, a produção em massa de produtos tornou-se comum, com diversas
19
pessoas trabalhando em conjunto nos diferentes aspectos do produto, apoiadas por
máquinas. Na era da informação, informação e conhecimento são fatores críticos
para o sucesso organizacional. A informação também se torna um recurso
estratégico fundamental. Ela possibilita o entendimento sobre as necessidades dos
mercados, apoia o desenvolvimento de produtos, e controla a direção dos
negócios.
Oliveira (1987) aponta alguns aspectos relacionados com as informações:
a) Tipo das informações: são bastante variados, podendo abranger a
quantificação temporal, datas de ocorrências, valores, quantidade e qualidade;
b) Frequência das informações: refere-se à periodicidade na obtenção ou
disponibilização das informações, tanto no nível estratégico, tático e operacional;
c) Qualidade das informações: trata-se da precisão e consistência das
informações, inclusive o seu conteúdo, forma e canais, sendo que a medida que
aumenta o nível decisório a informação tende a ser de menor grau de detalhamento
e maior consolidação.
d) Fontes de informações: são oriundas dos coordenadores ou gerentes
de desenvolvimento e dos usuários do sistema.
A sociedade em rede e a transformação digital ampliou
exponencialmente a quantidade de dados gerados. Desde o início da história da
internet, em 1984, até 2016, geramos mais 1.2 zettabyte de informações. Contudo,
a transformação digital vem alavancando esse processo e, de acordo com os dados
publicados no relatório do Cisco Visual Networking Index, estima-se que a partir de
2021: (i) produziremos mais de 3.3 zettabytes por ano; (ii) haverá 4.6 bilhões de
usuários da internet, ou seja, 58% da população mundial, que é de 7.8 bilhões de
pessoas. Em 2016 havia 3.3 bilhões de usuários, 44% da população mundial; (iii)
enquanto em 2016 havia uma média de 2.3 dispositivos conectados à rede, por
pessoa, totalizando 17.1 bilhão de dispositivos. Em 2021 teremos mais de 3.5
dispositivos por pessoa, ou seja, o número de dispositivos conectados será três
20
vezes maior que a população global, alcançando cerca de 27.1 bilhões de
dispositivos conectados à rede (Cisco Visual Networking Index, 2017).
Contudo, há de se observar que grande parte da população mundial não
possui acesso à internet. Segundo o estudo State of Connectivity, elaborado pela
Internet.Org e Facebook em 2015, apenas 43% da população mundial estava
conectada à internet, ou seja, 4.1 bilhão de pessoas eram excluídas digitalmente.
Muitas comunidades brasileiras sequer possuem infraestrutura de conectividade. O
Brasil é o 10º país em número de pessoas sem acesso à internet: 1/3 de sua
população é excluída (Internet.Org, 2015). A Pesquisa Nacional por Amostra de
Domicílios (PNAD Contínua TIC 2016-2017), realizada pelo IBGE, aponta que 69,3%
dos domicílios brasileiros não possui acesso a internet. Sendo que os motivos
apontados pelas pessoas entrevistadas que impossibilitam a utilização da internet
são: a. falta de interesse em acessar a internet (34,8%); b. serviço de acesso à
internet caro (29,6%); c. nenhum morador sabia usar (20,7%); d. serviço de acesso
indisponível na área do domicílio (8,1%); e. consideravam que o equipamento
eletrônico necessário para acessar a internet é caro (3,5%); f. outro motivo (3.3%)
(IBGE, 2018).
2.2. Transformação digital A literatura sobre administração descreve o fenômeno da transformação
digital como o emprego de novas tecnologias digitais para promover grandes
melhorias de negócios nas organizações (Fitzgerald, 2013).
Contudo, a transformação digital requer mudanças muito mais profundas
do que meramente investir em tecnologias digitais. É preciso buscar novos modelos
de negócios, repensar fundamentalmente seus modelos operacionais, renovar o
modo de atrair e estimular talentos digitais e reformular a forma como o sucesso é
medido (World Economic Forum, 2016).
Don Tapscott afirma que uma primeira onda de inovação baseada no
21
digital possibilitou o "e-government", onde as informações e os serviços ficaram
mais acessíveis aos cidadãos, e tornou a administração e operação mais eficiente.
Mas muitas dessas iniciativas focaram apenas em automatizar os processos
existentes e digitalizou os serviços. Assim, ele observa que iniciamos uma segunda
onda de inovação, que está fundamentalmente redesenhando como o governo
executa suas atividades (Lathtrop; Ruma. 2010).
Ou seja, a transformação digital começa com a compreensão de quem
são seus clientes, colocando-os no centro das iniciativas que promovem a
modernização e melhoria dos serviços públicos. Para o governo, o cliente final será
sempre o cidadão e suas iniciativas devem ser de interesse público. Após identificar
quem são seus clientes, o governo precisa identificar quais serviços são oferecidos a
eles e, mais importante, como eles experimentam cada serviço (A Government for
the Digital Age, 2018).
Este é um fenômeno que está em curso e é impulsionado pela evolução
das ferramentas de TICs, pelos usos que damos a elas, e pelas redes nas quais elas
operam (Zysman et al. 2010).
22
A figura 1, extraída do Gartner Hype Cycle for Emerging Technologies de
2017, relatório que monitora o progresso das tecnologias emergentes, desde a
inovação inicial até se tornar uma necessidade doméstica, foca em três
megatendências da tecnologia emergente: Inteligência artificial (AI) em todo lugar,
experiências imersivas e plataformas digitais.
Observa-se que o aprendizado profundo e o aprendizado de máquina
estão no que chamam de "pico da expectativa inflada", mas estão a apenas dois a
cinco anos da adoção comum. Já a computação cognitiva, embora também esteja
dentro do pico de expectativa inflada, irá alcançar sua maturidade tecnológica em
até 10 anos. Também é possível observar que a inteligência artificial geral ainda
está no estágio inicial da inovação, sendo um vasto campo a ser explorado.
O relatório classifica a inteligência artificial como a classe mais disruptiva
23
de tecnologia dos próximos 10 anos, pois permitirá que organizações explorem
dados de modo a adaptar à novas situações e resolver problemas que sequer
haviam sido descobertos.
A inovação é essencial para a melhoria dos serviços públicos (Albury,
2005). Contudo, as organizações no setor público enfrentam muitos desafios para
repensar e redesenhar os serviços (Valkama et al. 2013). Falta de incentivos,
carência de profissionais com habilidades em gestão de mudanças, orçamentos
públicos usados com uma visão de curto prazo, mentalidade de silos, relutância em
mudar e uma cultura de aversão ao risco são algumas das típicas barreiras para
inovar serviços públicos (Alberti, 2005). A escassez de recursos financeiros e
tecnológicos são desafios comuns.
Assim, para navegar com sucesso pela transformação digital, o governo
deve compreender profundamente seus cidadãos, as prioridades de negócios atuais
e futuros, a infraestrutura de TI existente. O uso da tecnologia pode mudar a forma
como as instituições do governo oferecem serviços públicos, estabelecendo o
governo como uma plataforma, alinhando suas prioridades a partir de uma
perspectiva de experiência, eficácia e eficiência (A Government for the Digital Age,
2018).
Os estudiosos argumentam que as tecnologias digitais estão moldando a
forma como as pessoas vivem, comunicam, consomem e trabalham, quebrando
barreiras de tempo e espaço (McDONALD, 2012).
Por meio da plataforma educacional Veduca , por exemplo, um cidadão 3
que reside na cidade de São Paulo, Brasil, pode assistir às aulas de professores de
Harvard, gratuitamente.
A transição para o novo mundo digital não exige necessariamente que o
antigo seja completamente descartado em favor do novo. Examinar os ativos
3 https://veduca.org é uma plataforma online l que disponibiliza cursos 100% online e podem ser acessados por qualquer pessoa, gratuitamente.
24
estratégicos por meio de uma lente digital pode ajudar a identificar quais ativos
manterão seu valor, quais não terão mais valor, e quais poderão ser usados de
novas maneiras (Westerman, 2018).
O Governo Digital amplia interatividade e a participação política nos
processos do Estado, facilita a navegação e acesso a portais e serviços de governo,
fortalece a democracia, a prestação de contas à sociedade, a comunicação com os
cidadãos (Brasil, 2018).
Dentre as tecnologias digitais emergentes, as tendências que estão
gerando drásticas mudanças na infraestrutura de muitos setores são: (i) a
computação em nuvem (exemplo: acesso remoto a informações); (ii) as mídias
sociais (exemplo: interações online nas redes sociais); (iii) as tecnologias móveis
(exemplo: smartphones e tablets); (iv) big data (exemplo: por meio do uso de
grandes quantidades de dados para realizar análises preditivas) (Hanelt et al. 2015;
Westerman, 2018).
Com isso, a transformação digital está impactando profundamente
nossos negócios e nossa sociedade. A digitalização de dados ajuda a tornar os
processos mais eficientes e rápidos, economizando com papel, mão de obra e
tempo (Frost & Sullivan, 2017).
A chave para essa transformação está no desenvolvimento,
implementação e integração de tecnologias e capacidades, de forma a melhorar
significativamente as eficiências operacionais. As mudanças fundamentais ocorrem
nos processos, nas funções, e no engajamento com clientes (Frost & Sullivan, 4
2017).
O surgimento de uma nova economia de serviços desafia as formas
tradicionais de trabalho. Muitos serviços podem ser codificados, formalizados e
modularizados pelas TICs. Muitos serviços públicos tornaram-se digitais (e-services).
4 Entende-se cliente como aquele adquire, utiliza bens ou serviços, públicos ou privados. Sendo divididos em Clientes Internos, àqueles que fazem parte da organização que oferece o ben ou serviço, ou externos, àqueles que não fazem parte da organização, mas que adquirem, utilizam ou são impactados pelos serviços.
25
Com isso, os custos globais de comunicação foram reduzidos substancialmente pela
digitalização (Valkama et al. 2013).
2.3. Governança e Transformação Digital no
Governo Federal Brasileiro As ações de governo digital, no âmbito do Governo Federal Brasileiro,
começaram a ser estruturadas no início da década de 2000. Naquele momento,
denominadas como “governo eletrônico” (e-Gov), tinham a finalidade de priorizar o
uso das TICs para democratizar o acesso à informação, visando ampliar a
participação popular, e também aumentar a qualidade e a efetividade dos serviços
e informações públicas (Estratégia de Governança Digital. 2016).
A figura 2 apresenta a linha do tempo dessas ações. Nota-se que nos
últimos anos tivemos grandes avanços nessas questão, destacando a publicação da
Estratégia de Governança Digital (EGD) e da Política de dados abertos em 2016, da
Política de Governança Pública e do Decreto que dispõe sobre a simplificação dos
serviços públicos em 2017, e da Estratégia Brasileira para a Transformação Digital
(E-Digital) em 2018.
26
A Estratégia de Governança Digital (EGD), instituída em 2016, abrange o
27
período de 2016 a 2019. Seu propósito é orientar e integrar as iniciativas de
transformação digital dos órgãos e entidades do Poder Executivo Federal.
A primeira versão da EGD estabeleceu nove princípios para governança
digital e dez objetivos estratégicos. A revisão, publicada em 2018, - que foi
co-criada com especialistas do governo, de organizações da sociedade civil, da
iniciativa privada, e da academia - simplificou o documento e deu foco aos objetivos
prioritários para a transformação digital até 2019.
Como pode-se observar na Figura 3, o documento orienta as ações do
governo em três eixos principais:
(i) Acesso à informação: tem como seus principais meios de
conectividade o Portal Brasileiro de Dados, que disponibiliza dados e as
informações públicas, e o Portal da Transparência, que possui para consulta
informações sobre as contas e despesas do governo federal.
(ii) Prestação de serviços: que utiliza a Plataforma de Cidadania Digital
(PCD), para exibir o portfólio de iniciativas em prol da ampliação e simplificação do
acesso aos serviços públicos digitais.
(iii) Participação Social: tendo o portal Participa.br como principal
mecanismo de engajamento e participação, onde são disponibilizados documentos
e temas para a contribuição, crítica e construção de ações e políticas do Estado.
28
A EGD possui dez princípios e cinco objetivos estratégicos que foram
categorizados em três eixos: acesso à informação, prestação de serviços e
participação social (Figura 4). A figura 4 também demonstra as relações entre os
eixos estratégicos, os princípios da governança digital e os benefícios que serão
proporcionados à sociedade brasileira.
Já a Estratégia Brasileira para Transformação Digital (E-Digital) oferece
um amplo diagnóstico dos desafios a serem enfrentados, uma visão de futuro, um
conjunto de ações estratégicas que busca essa visão, e estabelece indicadores para
seu monitoramento.
29
A E-Digital tem a função de coordenar diversas iniciativas
governamentais, buscando uma visão única, sinérgica e coerente, apoiando a
digitalização dos processos produtivos e a capacitação para o ambiente digital,
gerando valor e crescimento econômico. O documento também ressalta a
importância da criação e atualização de marcos regulatórios.
Com base nessas premissas, E-Digital divide a transformação digital da
economia e da sociedade em dois grandes grupos:
(i) Transformação no Governo: que engloba a economia baseada em
dados, os dispositivos conectados, e os novos modelos de negócio viabilizados
pelas tecnologias digitais;
(ii) Transformação na Economia: com vistas ao pleno exercício da
30
cidadania no mundo digital e à prestação de serviços à sociedade.
Os grupos foram divididos em temas, que estão detalhados na Figura 5.
A partir daí a E-Digital categorizou suas ações em dois eixos temáticos: eixos
habilitadores e eixos de transformação digital.
Os eixos habilitadores possuem as temáticas dos dois grupos,
transformação em governo e transformação na economia. Os eixos de
transformação digital os temas abordados pela E-Digital (Figura 6).
31
O eixos habilitadores possuem o objetivo de criar um ambiente propício
para o desenvolvimento da transformação digital da economia brasileira, com
iniciativas para alavancar a digitalização. São mais de 100 ações previstas, que têm
foco no papel do governo como habilitador e facilitador da transformação digital,
na capacitação da sociedade para essa realidade, e na atuação do Estado como
prestador de serviços e garantidor de direitos.
3. Governo Aberto. Dados Abertos. Compreender o conceito de um Governo Aberto depende de se ter o
entendimento que todas as pessoas possuem o direito à acessar documentos e
procedimentos do governo (Lathrop; Ruma. 2010).
Esse conceito continua a evoluir com o passar dos anos. O movimento a
favor do código aberto (open source software movement ), por exemplo, influenciou
positivamente o conceito de Governo Aberto, agregando foco na participação do
cidadão nos procedimentos do governo. Portanto, assim como o movimento do
32
código aberto prega que os usuários podem alterar e contribuir com um código, o
governo aberto - além de permitir que os cidadãos acessem as informações,
documentos e procedimentos - viabiliza uma participação mais significativa
(Lathrop; Ruma. 2010).
Com mais transparência e estabelecendo um fluxo de informação mais
intenso e periódico entre os diversas unidades que compõem a estrutura do
governo, melhora-se a comunicação e operação entre as áreas, aumentando a
eficiência e accountability (Lathrop; Ruma. 2010).
Tim O'Reilly explica que o governo é, no fundo, um mecanismo de ação
coletiva. Os cidadãos unidos fazem leis, pagam impostos, e constroem instituições
de governo para administrar problemas que são grandes demais para um cidadão
único, e cuja solução é do interesse comum (Lathrop; Ruma. 2010). Assim, ele
cunhou o termo Governo como Plataforma (do inglês: Government as a Platform),
que propõe a ideia de que o governo deve construir uma infraestrutura
informacional, onde qualquer cidadão pode reutilizar as informações que estão
disponíveis para construir novas aplicações (O'Reilly. 2011).
Para entender melhor o conceito, veja como o lançamento de satélites
meteorológicos, de comunicação e de posicionamento, e a abertura de seus dados
possibilitaram uma estratégia de plataforma. Quando uma pessoa utiliza um sistema
de navegação automotiva para guiá-lo até o seu destino, como o Waze ou Google
Maps, ela está usando um aplicativo criado na plataforma do governo, estendido e
enriquecido pelo investimento do setor privado. O mesmo ocorre quando
verifica-se o clima - tanto pela TV como pela Internet - pois essas organizações
estão utilizando aplicativos criados pelo governo, como Serviço Nacional de
Meteorologia dos Estados Unidos, como uma plataforma para construir suas
próprias aplicações e serviços (O'Reilly. 2011).
As iniciativas de governo aberto promovem a transparência, o
33
accountability , a participação dos cidadãos (Yiu, 2012), a colaboração 5
interdepartamental (Morabito, 2015) e a Inovação (Uruguay, 2016).
Assim, O’Reilly afirma que os governos devem aproveitar esse momento,
rico em novas tecnologias, como uma oportunidade para repensar a forma como
executam políticas e serviços públicos (O'Reilly. 2011).
Seguindo este raciocínio, para que o governo esteja aberto e funcione
como uma plataforma, ele deve abrir seus dados para todos. Segundo o Open
Knowledge International, “dados abertos são dados que podem ser livremente
usados, reutilizados e redistribuídos por qualquer pessoa - sujeitos, no máximo, à
exigência de atribuição da fonte e compartilhamento pelas mesmas regras” (Open
Knowledge International, 2018).
Já Mueller conceitua o termo “Dados Abertos” como uma filosofia e
prática que exigem que certos dados estejam livremente disponíveis para todos,
sem restrições de direitos autorais, patentes ou outros mecanismos de controle
(Mueller, 2014).
Nota-se que dados abertos não é um conceito limitado apenas ao
governo, pois qualquer organização pode abrir seus dados.Em projetos de software
de código aberto, como o Linux, e sistemas abertos, como a Internet, funcionam
sem um conselho central de aprovação. Os projetistas originais desses sistemas
estabeleceram regras claras para cooperação e interoperabilidade, garantindo que
qualquer um possa contribuir com melhorias e desenvolver novas funcionalidades
em cima da plataforma inicial (O'Reilly. 2011).
A magia dos dados abertos é que a mesma abertura que permite a
transparência também permite inovação, a medida em que desenvolvedores
constroem aplicações que reutilizam os dados do governo de maneiras inesperadas
5 Accountability pode ser definido como “a construção de mecanismos institucionais por meio dos quais os governantes são constrangidos a responder, ininterruptamente, por seus atos ou omissões perante os governados (Abrucio, 2004). É um termo que pode ser traduzido para o português como responsabilidade com ética, remetendo à obrigação e à transparência (Wikipedia, 2018)
34
(O’Reilly, 2011).
Podemos inferir que, embora seja um fenômeno recente, os dados
abertos são potencialmente um facilitador para o engajamento cívico na formulação
de políticas, tanto no nível central como no nível local (Kassen, 2013).
Embora não seja o único, o governo é um ator importante nesse sentido,
tanto devido a quantidade e centralidade dos dados que coleta, como também
porque os dados governamentais são públicos, portanto podem estar abertos e
disponíveis para que outros os utilizem.
Assim, visando garantir a interoperabilidade - capacidade de diversos
sistemas e organizações trabalharem juntos, que é essencial para construir sistemas
grandes e complexos - e também para que os dados abertos sejam realmente úteis,
o Open Knowledge International (2018) relaciona três características importantes:
(i) Disponibilidade e Acesso: os dados devem estar disponíveis como um
todo e sob custo não maior que um custo razoável de reprodução,
preferencialmente possíveis de serem baixados pela internet. Os dados devem
também estar disponíveis de uma forma conveniente e modificável;
(ii) Reutilização e Redistribuição: os dados devem ser fornecidos sob
termos que permitam a reutilização e a redistribuição, inclusive a combinação com
outros conjuntos de dados;
(iii) Participação Universal: todos devem ser capazes de usar, reutilizar e
redistribuir - não deve haver discriminação contra áreas de atuação ou contra
pessoas ou grupos. Por exemplo, restrições de uso ‘não-comercial’ que impediriam
o uso ‘comercial’, ou restrições de uso para certos fins (ex.: somente educativos)
excluem determinados dados do conceito de ‘abertos’. (Open Knowledge
International, 2018)
Eles devem estar disponíveis, gratuitamente, para reutilização da
população, sem restrições de propriedade. Contudo, muitas organizações não
possuem um nível de maturidade de dados abertos elevado (Open Data Institute,
35
2015). Muitas sequer possuem bases de dados organizadas e tratadas. As
informações não são apresentadas de uma forma agradável, simples, possibilitando
que mais cidadãos tenham acesso àquele conhecimento.
O governo Federal define dados abertos como aqueles acessíveis ao
público, representados em meio digital, estruturados em formato aberto,
processáveis por máquina, referenciados na internet e disponibilizados sob licença
aberta que permita sua livre utilização, consumo ou cruzamento, limitando-se a
creditar a autoria ou a fonte (Brasil, 2016).
Uma política de dados abertos demonstra o comprometimento executivo
com dados abertos, define metas e padrões. Também pode descrever o período de
tempo e o processo de publicação dos dados. A política também definirá quais
dados governamentais serão públicos, quais não serão divulgados por motivos de
privacidade ou segurança, e estabelece o padrão, formato, de publicização.
Medidas de qualidade de dados e rotinas de auditoria podem ser incorporadas na
política. Além disso, também deve descrever o escopo e atribuições dos
departamentos e demais órgãos (Wiseman. 2016).
Uma estratégia de dados abertos descreve como e quando os objetivos
de uma política de dados abertos serão alcançados. A estratégia deve detalhar
etapas, identificar as partes responsáveis e fornecer metas de desempenho
(Wiseman. 2016).
A cidade de São Francisco, por exemplo, publicou uma estratégia de
dados abertos, que compreende um período de três anos, e é atualizada
anualmente. A cidade também publica uma atualização detalhada do progresso da
estratégia, mostrando quantos e quais conjuntos de dados foram publicados por
mês, por agência e por nível de prioridade (Wiseman. 2016).
A ideia por trás do compartilhamento de dados e das iniciativas de
governo aberto é que as organizações possam usá-los para melhorar ou criar novos
36
produtos ou serviços (Bertot et al. 2014). Essas iniciativas geram novos insights 6
científicos e de pesquisa, promovem o desenvolvimento econômico, informam e
deixam clara quais foram as decisões do governo e possibilitam a formulação de
novas políticas públicas que beneficiam os cidadãos (Bertot et al. 2014).
Portanto, um Governo Orientado por Dados está intimamente
relacionado aos conceitos de Governo Aberto e Governo como Plataforma, já que
utiliza dados para tomada de decisão, e também envolve e engaja o cidadão na
gestão da cidade.
4. Ciência de Dados Em boa parte, esse contínuo crescimento na quantidade de dados
gerados se deve à expansão do uso de dispositivos móveis, já que as pessoas
passaram de majoritariamente consumidoras para produtoras de dados, gerando
dados em velocidade, volume e variedade cada vez maiores (Carvalho, 2016).
Logs de sistemas e registros de transações online, como curtidas, 7
comentários, ou o compartilhamento de um post em uma rede social - indiferente
se em formato de texto, foto ou vídeo - ou qualquer outra ação online, como
realizar uma busca ou assistir um filme, são registrados e armazenados.
Assim, enxerga-se uma crescente demanda de análise de dados por meio
de uma abordagem holística e interdisciplinar , que considere a integração e a 8
combinação de dados provenientes de diferentes fontes, e é justamente esta
abordagem que define a ciência de dados (Loukides, 2012).
6 Insight é um termo inglês que traduzido como uma compreensão repentina de um problema, ocasionada por uma percepção. Visão inesperada e repentina de alguma coisa. Clareza súbita na mente.
7 Em computação, log de dados é uma expressão utilizada para descrever o processo de registro de eventos relevantes num sistema computacional.
8 Para um olhar mais amplo buscamos o conceito de Interdisciplinaridade como a colaboração entre disciplinas de uma ciência, com interações, trocas recíprocas e enriquecimento mútuo (Piaget, 1972)
37
A Ciência de Dados utiliza princípios, métodos e sistemas computacionais
capazes para extrair conhecimento novo, útil e relevante dos dados. Ela só é útil
quando utilizada para responder questões (Caffo et al. 2012).
Interdisciplinar por natureza, a ciência de dados pode contribuir na
resolução de problemas complexos nas áreas de Humanidades, Ciências Exatas,
Ciências da Vida, Ciências Agrárias e Tecnologias (Carvalho, 2016).
Na área de Ciências Exatas, por exemplo, a ciência de dados tem sido
utilizada para prever o resultado de reações químicas a partir das condições
experimentais e dos reagentes utilizados. Também têm sido empregadas para a
classificação de objetos em imagens obtidas por telescópios espaciais (Carvalho,
2016). Já nas Ciências Agrárias a ciência de dados pode ser utilizada em aplicações
como melhoramento genético de animais e de plantas, controle automático de
usinas produtoras de álcool, predição de ocorrência de doenças e pragas,
classificação automática da qualidade de frutas e redução de danos ao meio
ambiente e aos seres humanos na aplicação de pesticidas em plantações.
As áreas de tecnologia foram das primeiras a aplicar ciência de dados em
problemas reais. Esses problemas incluem predição de falhas em linhas de
transmissão de energia elétrica, diagnóstico de fadiga em estruturas, predição de
locais onde podem ocorrer vazamentos de água, melhoria da estabilidade
aerodinâmica em projetos de aeronaves, classificação da qualidade da madeira
utilizada pela indústria moveleira e definição de políticas de mobilidade (Carvalho,
2016).
No Livro Executive Data Science, Caffo et al. (2012) explicam que a
disciplina de Estatística interage fortemente com a ciência de dados, o aprendizado
de máquina e, é claro, a análise estatística tradicional. Abaixo estão relacionados
alguns ramos da estatística que os autores declaram como importantes no contexto
da ciência de dados:
(i) estatística descritiva: ramo da estatística que aplica várias técnicas para
38
descrever e sumarizar um conjunto de dados, que inclui análise exploratória de
dados, aprendizado não supervisionado, agrupamento e resumos básicos de dados.
Geralmente são o ponto de partida para qualquer análise. Freqüentemente, a
estatística descritiva possibilita identificarmos hipóteses que mais tarde podem ser
testadas com uma inferência mais formal. A estatística descritiva pode ser vista
como a simples apresentação dos fatos.
(ii) Inferência: é o processo de tirar conclusões sobre populações a partir
de amostras. O seu objetivo é fazer afirmações a partir de um conjunto de valores
representativo sobre um universo, onde assume-se que a população é muito maior
do que o conjunto de dados analisados, a amostra. A inferência inclui a maioria das
atividades tradicionalmente associadas a estatísticas, tais como: estimativa,
intervalos de confiança, testes de hipóteses e variabilidade. A inferência nos força a
definir formalmente metas de estimativas ou hipóteses. Isso nos força a pensar
sobre a população que estamos tentando generalizar a partir de nossa amostra.
(iii) Predição: é o processo que busca adivinhar um resultado, uma
declaração sobre um evento futuro. Utiliza dados do passado e do presente, e
analisa tendências para fazer previsões. Geralmente requer métodos de séries
temporais, estudos transversais (Cross-sectional data ), e transversais (Longitudinal
study). O aprendizado de máquina, regressão, aprendizado profundo, otimização,
florestas aleatórias e regressão logística são todos algoritmos de predição.
(iv) Design experimental: é o ato de controlar seu processo experimental
para otimizar a chance de chegar a conclusões sólidas. O exemplo mais notável de
design experimental é a randomização. Na randomização, um tratamento é
randomizado em todas as unidades experimentais para tornar os grupos de
tratamento tão comparáveis quanto possível. Ensaios clínicos e testes A / B
empregam randomização.
39
4.1. Análise de dados e sua estrutura enquanto
projeto A análise de dados é um processo altamente interativo e não linear.
(Peng; Matsui. 2018).
Caffo et al. (2012) sugerem que um projeto de ciência de dados deve ser
estruturado em cinco fases, que podem ocorrer em diferentes escalas de tempo. De
acordo com o tamanho e complexidade do projeto, é possível realizar todas as
cinco em um único dia, ou se estender ao longo de muito meses. As cinco fases
são:
(i) Formulando perguntas: considerada a mais importante, nesta fase
faz-se uma pergunta e especifica-se o tipo de aprendizado que deseja-se obter dos
dados. Existem seis tipo de perguntas que podem ser feitas: descritiva; exploratória;
inferencial; causal; preditiva; prescritiva; mecanicista.
(ii) Análise exploratória: esta fase possui dois objetivos. O primeiro é
identificar se os dados coletados são adequados para responder a pergunta
formulada ou se há problemas com a base de dados. Questões comuns que podem
surgir nessa etapa são: a quantidade de dados é suficiente?; muitos dados se
perderam?; as variedade dos dados são suficientes?; será necessário coletar mais
dados?; A pergunta formulada é relevante?. O segundo objetivo é começar a
esboçar uma solução. Pois, se os dados coletados são adequados para responder à
pergunta, é possível começar a ter noção da resposta.
(iii) Modelagem formal: um dos principais objetivos da modelagem formal
é desenvolver uma especificação precisa das perguntas formuladas e identificar
como os dados coletados podem ser usados para responder a essa pergunta.
Portanto, nesta fase as perguntas são melhor especificadas e descritas, e
posteriormente são definidos os parâmetros que devem ser alcançados. Criando, 9
9 Parâmetros desempenham um papel importante em muitos modelos estatísticos formais. São números que usados para representar recursos ou associações que existem na
40
assim, um framework para confrontar os resultados por diferentes suposições,
alcançando um nível robusto de evidências que suportam a resposta para a
pergunta formulada.
(iv) Interpretação dos resultados: esta é uma fase de reflexão. Nela as
informações, conhecimento, e evidências que foram geradas são reunidas e
organizadas. As reflexões mais comuns que podem ser feitas são: sobre como os
resultados encontrados estão relacionados aos resultados que esperava-se
encontrar no momento em que as perguntas foram definidas na primeira etapa;
sobre as evidências que foram encontradas.
(v) Comunicação dos resultados: nesta fase informa-se sobre o processo
de análise dos dados, as evidências geradas, e os resultados encontrados.
Com a conclusão do projeto, ao final da quinta fase, algumas decisões
precisarão ser tomadas ou ações realizadas. Todas orientadas por dados.
Caffo et al. (2012), assim como Peng e Matsui (2018), sugerem que cada
aspecto da análise de dados pode ser abordado por meio de um processo
interativo, chamado de epiciclo de análise de dados. O epiciclo é aplicado a todas
as etapas da análise de dados, repetidamente ao longo de todo processo. (Peng;
Matsui. 2018).
Mais especificamente, para cada uma das cinco fases principais, sugerem
que a execução das seguintes atividades:
(i) Definir expectativas. Essa etapa é realizada antes de iniciar qualquer
uma das 5 fases do projeto.
(ii) Coletar de informações (dados) e compará-las com as expectativas
definidas. Caso o resultado não corresponda às expectativas definidas, então passe
à próxima etapa;
(iii) Revisar suas expectativas e a coleta de dados para encontrar
população. Por representarem características populacionais, os parâmetros geralmente são considerados desconhecidos, portanto na análise de dados deve-se estimá-los a partir dos dados coletados.
41
inconsistências.
Assim, à medida que avança-se por todas as fases e estrutura do projeto,
aplica-se o epiciclo de análise de dados continuamente.
4.2. Governança de dados Organizações investem em tecnologia e recursos humanos para coletar,
armazenar e processar grandes quantidades de dados. Contudo, muitas
frequentemente não conseguem traduzir seus esforços em insights significativos,
que podem otimizar processos, possibilitar decisões inteligentes e criar vantagens
competitivas.
Nesse contexto, vemos a importância da governança de dados. Segundo
Robert S. Seiner, a governança de dados é a execução formal e a imposição de
autoridade sobre o gerenciamento de dados e ativos relacionados a dados. O
mesmo autor também propõe uma definição “menos invasiva”, onde explica que a
governança de dados é a formalização do comportamento em torno da definição,
produção e uso de dados para gerenciar riscos e melhorar a qualidade e
usabilidade dos dados selecionados (Seiner, 2014).
Já, segundo o Master Data Management Institute, a governança de
dados é a formulação de políticas para otimizar, garantir e se beneficiar de
informações como um ativo empresarial (MDM Institute. 2017).
Ladley afirma que governança de dados é a organização e
implementação de políticas, procedimentos, estrutura, papéis e responsabilidades
que delineiam e reforçam regras de comprometimento, direitos decisórios e
prestação de contas para garantir o gerenciamento apropriado dos ativos de dados
(Ladley. 2012).
4.3. Qualidade dos dados A política de qualidade de dados refere-se à intenção e direção geral de
uma organização em relação a questões relacionadas à qualidade dos produtos de
42
dados (Wang et al. 1995). Essa é uma das principais funções que auxiliam na
governança de dados.
Em 1992, o Massachusetts Institute of Technology (MIT) lançou o
programa Total Data Quality Management (TDQM). As pesquisas iniciais do
programa desenvolveram o framework TDQM, que defende a melhoria contínua da
qualidade dos dados, seguindo os ciclos de definição, mensuração, análise e
aprimoramento (Madnick e Wang, 1992), sendo:
A. Definição: durante esta fase as características dos chamados produtos
de informação (IP) são capturadas, tais como seus requisitos de informação, seus
principais objetos e seus componentes. As principais dimensões da qualidade dos
dados foram descobertas usando uma análise fatorial em mais de 100 atributos de
qualidade de dados identificados sistematicamente pelo estudo de pesquisa
empírica. Essas dimensões foram organizadas em quatro categorias de qualidade
de dados: intrínseco, contextual, representacional e acessibilidade (Wang et al.
1994).
(i) intrínseco: denota que os dados têm qualidade por direito próprio. Está
relacionada a precisão, objetividade, credibilidade e reputação dos dados.
(ii) contextual: enfatiza que a qualidade dos dados deve ser considerada
dentro do contexto da tarefa em questão. Contextualmente os dados devem ser
relevantes, oportunos, completos e apropriados em termos de quantidade, de
modo a agregar valor.
(iii) representacional: inclui aspectos relacionados ao formato dos dados
(representação concisa e consistente) e significado dos dados (interpretabilidade e
facilidade de compreensão). Portanto, os dados não devem apenas ser concisos e
consistentemente representados, mas também interpretáveis e fáceis de entender.
(iv) acessibilidade: dizem respeito à função de sistemas e ferramentas que
permitem e facilitam as interações entre usuários e dados. Está relacionada a
segurança de acesso aos dados. Os dados devem ser acessíveis, porém seguros.
43
B. Mensuração: Um instrumento foi desenvolvido para medir a qualidade
dos dados na organização (Lee et al. 2002). Ele operacionaliza cada dimensão em
quatro a cinco itens mensuráveis, com formulários apropriados para pontuar cada
uma delas (Pipino et al. 2002). O instrumento pode ser adaptado para necessidades
organizacionais específicas (Wang et al. 2014).
C. Análise: Esta etapa interpreta os resultados da medição. Na maioria
das organizações, as três principais funções são: coleta, custódia e consumo de
dados (Lee e Strong, 2004). A análise também identifica as dimensões que mais
precisam de melhorias e as causas-raiz dos problemas no âmbito da qualidade de
dados (Wang et al. 2014).
D. Aprimoramento: As ações realizadas nesta etapa buscam identificar
pontos de melhoria, como, por exemplo, por meio do alinhamento do fluxo de
informações e de trabalho com o sistema de produção e coleta de dados.
No setor privado, as organizações adotaram variações na metodologia
TDQM. Um número crescente de empresas está contratando Chief Data Officer
(CDO) ou executivos seniores com responsabilidades semelhantes às do CDO para
supervisionar os processos de produção de dados e gerenciar essas iniciativas (Lee
et al., 2012).
4.4. Chief Data Officer À medida que o volume de dados disponíveis para o governo aumenta,
aumenta a necessidade por líderes e gestores com habilidades e interesse para
explorar dado.
Para lidar com essa questão, muitos órgãos estão contratando CDO para
coordenar e implementar uma cultura de dados. Sua missão é aumentar a
capacidade de produção e consumo de dados das organizações, criando uma
cultura que reconheça o valor desses ativos, tornando o governo mais eficiente e
responsivo ao cidadão (Wiseman. 2018)
44
Um CDO deve analisar dados e apresentá-los de uma maneira que
permita que gestores e formuladores de políticas públicas tenham insights e tomem
decisões melhores. Ele deve utilizar dados para ajudar o governo a definir
prioridades (Wiseman, 2018).
O relatório Data-Driven Government: The Role of Chief Data Officers,
publicado em 2018, faz seis recomendações para que as organizações tenham
sucesso na implementação e operação de uma gestão orientada por dados, sendo:
(i) Os órgãos de orçamento e gestão, e o congresso devem criar
condições para contratação de CDOs. Esse é um cargo de tempo integral, que deve
ter autoridade e recursos para viabilizar o governo orientado por dados;
(ii) Os órgãos devem criar em sua estrutura a posição de CDO, de forma
que ele tenha autoridade para avançar nas iniciativas. Deve-se contratar ou
desenvolver uma pessoa com talento para inovação e habilidades analíticas para
realizar as entregas;
(iii) Quando contratados, os CDOs devem permitir que a estratégia
conduza as operações, para que concentrem-se nos clientes da organização. Seu 10
trabalho começa com o desenvolvimento da estratégia e visão da organização. Ele
deve identificar problemas e estabelecer prioridades;
(iv) O quadro de pessoal que forma a equipe do CDO deve ser composto
por profissionais qualificados e diversificados, com habilidades complementares;
(v) Os CDOs devem se esforçar para criar uma cultura de dados e
inovação, comunicando aos demais sobre o valor dos dados, e divulgando o
resultado dos projetos;
(vi) As análises e os resultados obtidos não devem violar direitos
fundamentais. O CDO assegurar a qualidade e o padrão dos dados, além de
garantir a privacidade e a segurança das informações (Wiseman, 2018).
10 Os clientes neste contexto são os externos, cidadãos, e internos, outros servidores públicos e órgãos do governo.
45
4.5. Big Data Dados são a representação simbólica das propriedades observáveis do
mundo (Duan et al. 2006). Hoje, em um mundo cada vez mais conectado, essa
enorme massa de dados que circula pela internet, o big data, se revelou como uma
fonte inesgotável de oportunidades para que governos sejam eficientes,
melhorando as condições de vida na cidade. Embora não haja uma definição
amplamente aceita sobre o termo, a descrição mais básica é que o big data é um
conjunto de dados que são grandes demais para os sistemas de processamento
tradicionais e exigem novas tecnologias (Provost; Fawcett, 2013).
O Gartner define Big Data como conjunto de informações, com grande 11
volume, velocidade, e variedade, que exigem formas inovadoras para serem
processadas, e que permitem que a tomada de decisão e a automação de
processos seja melhorada, possibilitando novos insights (Gartner, 2018. Laney,
2001).
Atualmente, mais e mais dados são criados e podem ser usados para
uma variedade de propósitos, desde o monitoramento até a formulação de políticas
públicas. Além disso, a disponibilidade, a abertura e a vinculação de dados
oferecem amplas oportunidades para gestores e pesquisadores (Janssen; Kuk,
2016). Dados são coletados em toda parte, por diferentes organizações, contudo a
comunicação entre eles é exígua, e não há uma base integrada, na nuvem, que
pode ser compartilhada entre as diferentes partes interessadas (Lohr, 2014. Dasu;
Johnson, 2003).
A mineração de dados é a ciência que extrai informações implícitas,
previamente desconhecidas, e potencialmente úteis, de grandes conjuntos de
dados (Frawley et al., 1992).
11 A Gartner é uma das principais empresas de pesquisa e consultoria do mundo.
46
O governo é produtor e consumidor de dados. Muitos deles são
coletados em vários níveis governamentais e em diferentes domínios, como
sistemas tributários, programas sociais, registros de saúde e afins. Além desses
dados mais tradicionais, os governos e as empresas adicionam cada vez mais dados
(em tempo real) com base na entrada de mídias sociais, câmeras e sensores (Giest,
2017).
Esmaeilian et al. classificam os dados em duas categorias: (i) dados
sociais privados, gerados principalmente pelos cidadãos; e (ii) informações sobre a
infraestrutura pública, coletada por tecnologias de sensoriamento implantadas para
fins de monitoramento e gerenciamento (Esmaeilian et al. 2018).
Russel Ackoff (1988) e Milan Zeleny (1987) são frequentemente citados
como aqueles que conceituaram a Pirâmide do Conhecimento (do inglês: Data,
Information, Knowledge and Wisdom - DIKW), as vezes referenciada como
“Hierarquia do Conhecimento” ou “Hierarquia da informação” (Figura 7). A
pirâmide oferece um modelo de hierárquico estruturado em em 4 partes:
(i) dados: São elementos distintos, individuais, desvinculados. Definidos
como símbolos que representam propriedades de objetos, eventos e do ambiente.
Eles são os produtos da observação. Mas são inúteis até que estejam em uma forma
utilizável. Os dados são transformados em informações adicionando valor por meio
de contexto, categorização, cálculos, correções e condensação.
(ii) informação: São elementos que estão conectados, possuem
significativo e são contextualmente relevantes. A informação é o resultado do
processamento e análise dos dados. É usado para tomada de decisão. Assim como
os dados, as informações representam propriedades de objetos, eventos, e do
ambiente, mas é apresentada forma mais compacta e útil. Elas estão contidas em
descrições, respostas a perguntas que começam com palavras como: quem, o quê,
quando e quantas. A informação é transformada em conhecimento com o
entendimento de padrões, feito pela comparação, conversão, contextualização e
47
organização de informações;
(iii) conhecimento: É a combinação de dados e informações, de forma
organizada. Conhecimento é o know-how, é o que possibilita a transformação da
informação em instruções. O conhecimento pode ser explícito e/ou tácito, individual
e/ou coletivo. Pode ser obtido por transmissão de outro que o tenha, por
instruções, ou extraído da experiência. É transformado em sabedoria com sua
estruturação, interpretação, avaliação e julgamento;
(iv) sabedoria: É o conhecimento aplicado, que agrega valor e aumenta a
eficácia. O processo que transforma o conhecimento em sabedoria envolve o
exercício do julgamento. (Rowley, 2006. Ackoff, 1999. McCandless, 2018).
A suposição implícita é que os dados podem ser usados para criar
informações, as informações podem ser usadas para criar conhecimento, e o
conhecimento pode ser usado para criar sabedoria (Rowley, 2006).
É importante notar que, embora os dados sejam a matéria-prima do
conhecimento, é a interpretação deles que gera insights, visão, conhecimento e
48
sabedoria. Nas sociedades modernas, a interpretação de dados era trabalho de
especialistas, fortalecendo a propriedade individual. Na era digital, esse é um
trabalho colaborativo, com co-propriedade. A Wikipédia é um excelente exemplo
de como dados e informações são organizados e interpretados de forma
colaborativa, online , fornecendo uma compreensão sobre cada assunto, em meio a
um constante debate e evolução (Bentley et al. 2014).
4.6. BOLD - Big and Open Linked Data Janssen e Kuk (2016) cunharam o termo Big and Open Linked Data
(BOLD) como uma fonte de inovação governamental. Enquanto open data permite
o acesso de todos aos dados, sem restrições ou condições de uso pré-definidas, big
data são grandes volumes de dados de diversas fontes (Janssen; Matheus;
Zuiderwijk, 2015) e linked data dispõe sobre as melhores práticas para publicar e
conectar dados estruturados na Web (Bizer, Heath e Berners-Lee, 2009).
O BOLD pode ser utilizado para explorar novas ações e transformar as
atuais práticas e processos de vários campos, incluindo a elaboração de políticas
públicas e a fiscalização, provisão e execução de serviços públicos (Janssen; Kuk,
2016). Por exemplo, o BOLD pode ser usado para melhorar a detecção de fraudes
pelas organizações aduaneiras e fiscais (Klievink; Zomer, 2015).
Em vez de aprimorar e integrar incrementalmente os novos insights no
que já sabemos e fazemos, o BOLD pode oferecer alguns pontos de inflexão
incomuns para novos insights e compreensão. Uma ilustração é que a combinação
de fontes de dados pode resultar na descoberta de padrões ocultos anteriormente
e na revelação de novos insights. Por exemplo, a organização tributária holandesa
descobriu que as pessoas que estavam se divorciando têm uma chance maior de
cometer erros em seus pedidos de impostos. Os formuladores de políticas
normalmente querem ter insights sobre esse comportamento para melhorar suas
políticas. Além disso, para os pesquisadores, tais percepções são interessantes, pois
podem promover nossa compreensão do comportamento humano (Janssen; Kuk.
49
2016).
4.7. Visualização de dados O uso de técnicas de visualização para facilitar a tarefa para humanos na
interpretação de conjuntos de dados tem sido estudado há muito tempo (Keim,
2002; Liu et al., 2014).
McCandless observa em sua palestra realizada no evento TED Global que
estamos sobrecarregados de informação, o que ele chama de "excesso de dados".
Ele sugere que devemos representar os dados de uma nova maneira, que estimule
nossos olhos, para combater o excesso e saturação de dados, a falta de confiança
na informação, e a ausência de transparência. O autor afirma que com a adequada
formatação dos dados, conseguimos revelar padrões e conexões importantes,
provendo novos insights e gerando inovação, dando foco às informações que
realmente importam. Visualizar a informação dessa forma é uma maneira de juntar
uma enorme quantidade de informação e entendimento num espaço pequeno
(McCandless, 2010).
Como pode-se observar na Figura 8, para criar uma boa forma de
visualização de dados é preciso mesclar a informação, a arte do jornalismo, com a
visualização, a arte do design. Esse elemento deve ter uma história, atrativa e
relevante, com seu objetivo e função bem definida, útil e aplicável. As informações,
com dados coerentes, íntegros e acurados, devem ser exibidos de forma
estruturada, com um visual belo e harmônico.
Assim, todos os quatro elementos de uma visualização de dados -
informações; história; objetivo; e forma - são essenciais. O autor explica que com
apenas dois elementos, o resultado será algo incompleto, um protótipo - o que é
bom se você estiver em um estágio inicial. Mesmo com três elementos o resultado
final é incompleto. Por exemplo se você combinar informações, função, e forma
visual sem história, ficará "chato". Algo que parece bom, mas não é tão
50
interessante. Se você combinar os elementos “informações”, “histórias” e “forma”
sem considerar a funcionalidade e seu objetivo, o resultado pode ser inútil
(McCandless, 2010).
5. Internet das Coisas Em todo o mundo, vários outros termos associados à idéia de conectar o
físico ao digital foram desenvolvidos. Identificação por radiofreqüência (RFID),
máquina para máquina (M2M), computador vestível, computação ubíqua, internet
das coisas (IoT) são exemplos desses conceitos.
Em 1955 Edward O. Thorp concebeu o primeiro computador vestível, um
dispositivo analógico do tamanho de um maço de cigarros, usado com o propósito
51
de prever rodadas em jogos de roleta. Foi desenvolvido com a ajuda de Claude
Shannon, e testado em Las Vegas no verão de 1961, mas sua existência só foi
revelada em 1966 (Thorp. 1999).
Mark Weiser publicou em Setembro de 1991 o artigo “A computação do
século 21”. Ele usou os termos computação ubíqua e virtualidade incorporada para
descrever sua visão sobre como elementos especializados de hardware e software,
conectados por fios, ondas de rádio e infravermelho, serão tão onipresentes que
ninguém notará sua presença (Weiser, 1991).
Em 1995 a Siemens estabelece um departamento dedicado dentro de
sua unidade de negócios de telefones celulares para desenvolver e lançar um
módulo de dados GSM chamado “M1” para aplicações industriais M2M, permitindo
que as máquinas se comuniquem através de redes sem fio (Forbes. 2018).
Em outubro de 2004, Neil Gershenfeld, Raffi Krikorian e Danny Cohen
publicaram o artigo “The Internet of Things”. Nele os autores relatam que dar a
objetos do cotidiano a capacidade de se conectar a uma rede de dados traria uma
série de benefícios. Reduziria o custo e a complexidade da construção civil; tornaria
a configuração de luzes e switches mais fácil; auxiliaria na assistência médica
domiciliar” (Gershenfeld. 2004). A Figura 9, extraída do artigo, traz um exemplo de
como a IoT pode conectar diversos dispositivos do cotidiano.
Kevin Ashton, em seu artigo publicado em junho de 2009, intitulado
“That “Internet of Things” Thing“, conta que em 1999 ele realizou uma
apresentação na Procter & Gamble (P & G) com o título “Internet of Things”. Na
época, buscava vincular a nova ideia de RFID na cadeia de suprimentos da P & G.
10 anos mais tarde, o autor defendia que na época a tecnologia da informação era
dependente de dados gerados por pessoas. Assim, ele explica que os
computadores deveriam ser capazes de coletar e gerar novos dados sem qualquer
ajuda humana. Onde desta forma seria possível rastrear e contar tudo, além reduzir
o desperdício, a perda e o custo. Ashton também defende que com a IoT
52
saberemos quando as coisas precisavam ser substituídas, consertadas ou
recuperadas, se estão frescas ou passadas (Ashton. 2009).
53
Obras mais recentes referem-se a IoT como uma rede de dispositivos
inteligentes, que incluem sensores que medem o ambiente ao seu redor, atuadores
que reagem fisicamente ao ambiente, como a ação de abrir uma porta,
processadores que manipulam e armazenam os dados gerados, nós que
54
retransmitem as informações e coordenadores que ajudam o gerenciamento desse
conjunto (Zhang; Mitton, 2011). O Gartner define-a como a rede de objetos físicos
que contém tecnologia incorporada para comunicar, sentir e interagir com seu
estado interno ou com o ambiente externo (Gartner. 2018).
Alguns autores já pontuam que a IoT está impulsionando a terceira onda
da revolução da tecnologia da informação, alcançando a era da ubiquidade , 12
heterogeneidade e conectividade (Altoaimy apud. Atzori. 2018).
Sua adoção contribui com a geração de grandes volumes de dados
(Uruguay, 2016), sendo uma ferramenta importante no contexto de um Governo
Orientado por Dados. Atualmente, espera-se que os governos possam explorar as
informações existentes e avançar para uma atitude mais proativa, capaz de
antecipar as necessidades dos cidadãos ou prevenir problemas (Uruguay, 2016).
Muitas iniciativas brasileiras surgiram nos últimos anos. A Wardston
Consulting, por exemplo, desenvolveu algumas soluções baseadas em IoT que
ilustram esse conceito. A SmartyTempy, por exemplo, utiliza IoT e outras
tecnologias emergentes para capturar dados do ambiente, e Inteligência Artificial
para se comunicar com os usuários. Os sensores identificam a temperatura,
umidade e se está chovendo na região. Assim, por meio de um Chatbot
desenvolvido sobre a plataforma do aplicativo Telegram, os usuários podem
interagir com o sistema e obter informações da região em tempo real. Já o sistema
SmartyIndustry monitora a corrente elétrica e mede sua variação nos equipamentos
e dispositivos. Ambas as soluções fazem a coleta de dados periodicamente,
armazenando-os em nuvem (wardston.com. 2018).
A Startup brasileira Pluvi.On, que iniciou suas atividades em 2016,
desenvolveu a Pluvi, uma estação metereológica de baixo custo. Já são mais de 120
estações meteorológicas espalhadas pelo Brasil e, recentemente, foi um dos
12 Ubiquidade é fato de estar ou existir concomitantemente em todos os lugares, pessoas, coisas. É a propriedade ou estado do que é ubíquo, que é a capacidade de estar ao mesmo tempo em diversos lugares.
55
convidados a participar de uma iniciativa global da ONU (Redbull. 2018). A solução
coleta dados do ambiente, simplifica sua visualização, envia alertas em tempo real.
Sua aplicação pode contribuir com o planejamento e produção do setor agrícola. O
setor público pode utilizar para reduzir riscos de perdas relacionados a eventos
climáticos extremos, sensorizando sua cidade e alertando antecipadamente as
pessoas certas, como enchentes, deslizamentos e frio intenso (Pluvion. 2018).
Estamos chegando ao ponto em que a Smart Dust - poeira inteligente -,
rede difundida de sensores de tamanho milimétrico e tecnologias de comunicação,
estará incorporada a dispositivos que estão presentes em todas as atividades diárias
(Warneke et al., 2001). Esses micro dispositivos possuem sensores, câmeras e
mecanismos de comunicação para transmitir os dados que eles coletam. Essa rede
pode detectar desde a luz, umidade, pressão, até as vibrações e a temperatura
(Marr, 2018).
No contexto do Governo Orientado por Dados, a utilização de IoT é
importante dado sua capacidade de coletar dados em grande quantidade,
variedade e velocidade. Assim, é possível que o governo tenha informações das
áreas da saúde, segurança, mobilidade, meio ambiente, e muitas outras, em tempo
real.
6. Inteligência Artificial (IA) As primeiras pesquisas sobre Inteligência Artificial (do inglês: Artificial
Intelligence - AI) iniciaram na década de 1950. No início, a ferramenta era utilizada
para explorar temas como a resolução de problemas. Logo pesquisadores
começaram a treinar computadores para imitar o raciocínio humano básico. Assim,
suas funcionalidades e aplicações foram evoluindo. Seu conceito, por vezes
divergente entre alguns autores, se tornou mais complexo.
A Figura 10 apresenta oito definições para explicar o que é IA, que estão
56
dispostas ao longo de duas dimensões: (i) processos de pensamento e raciocínio; (ii)
comportamento.
As definições que estão ao lado esquerdo medem o sucesso em termos
de fidelidade ao desempenho e inteligência humana, já as do lado direito
mensuram o sucesso comparando-o a um conceito ideal de inteligência.
Essas quatro abordagens que englobam essas oito definições são:
(i) Sistemas que agem como humanos: O agir de forma humana exige
57
que o sistema tenha as seguintes capacidades:
A. Processamento de Linguagem Natural: Ela permite que as máquinas
se comuniquem com sucesso em um idioma natural (Russel & Norvig, 2013);
B. Representação do conhecimento: pode ser definida como um
conjunto de convenções sintáticas e semânticas que torna possível descrever coisas.
Consiste na utilização de linguagens específicas, frases ou números que
correspondem à descrição ou condição do mundo (Oliveira, H. C.; Carvalho, C. L.
apud John. 2000). É utilizada para armazenar o que sabe ou ouve (Russel & Norvig,
2013). Tem o foco no aspecto de modelagem e estuda alternativas para a
representação do conhecimento dos agentes humanos e computacionais que
interagem em um sistema de informação;
C. Raciocínio Automatizado: para usar informações armazenadas com a
finalidade de responder perguntas e tirar novas conclusões (Russel & Norvig, 2013);
D. Aprendizado de máquina, para se adaptar a novas circunstâncias e
para detectar e explorar padrões (Russel & Norvig, 2013);
E. Visão computacional: é a ciência e tecnologia das máquinas que
enxergam, que percebem objetos (Russel & Norvig, 2013). Ela desenvolve teoria e
tecnologia para a construção de sistemas artificiais que obtém informação de
imagens ou quaisquer dados multi-dimensionais. Áreas da inteligência artificial
relacionadas com a visão computacional são o reconhecimento de padrões e a
aprendizagem de máquina (Wikipedia, 2018).
F. Robótica: utilizada para manipular objetos e movimentar-se (Russel &
Norvig, 2013).
(ii) Sistemas que pensam como humanos: para compreender essa
abordagem é preciso entender como os seres humanos pensam, penetrando nos
componentes da mente humana. Pode-se fazer isso por meio da introspecção -
buscando capturar nossos próprios pensamentos a medidas que eles se
desenvolvem - com experimentos psicológicos - observando uma pessoa em ação;
58
e observando o cérebro em ação por meio de imagens cerebrais (Russel & Norvig,
2013).
(iii) Sistemas que pensam racionalmente: o pensar de maneira racional
contribui para diferenciar o certo do errado. O pensamento racional é organizado e
esclarecido, sem contradições e sem influência de emoções. Aristóteles foi um dos
primeiros a tentar codificar o “pensamento correto”, ou seja, criar processos de
raciocínio irrefutáveis. Esses silogismos, modelos de raciocínio baseados na ideia
da dedução, fornecem padrões para estruturas de argumentos que sempre resultam
em conclusões corretas ao receberem as premissas corretas. São composto por
duas premissas, declarativas, que se conectam de tal modo que, a partir da análise
e entendimento das duas primeiras, é possível deduzir uma conclusão. O estudo do
pensamento racional deu início ao campo chamado lógica (Russel & Norvig, 2013).
(iv) Sistemas que agem racionalmente: o agir de maneira racional
refere-se a sistemas que agem para alcançar o melhor resultado ou, quando há
incerteza, o melhor resultado esperado. Uma das formas de agir racionalmente é
raciocinar de modo lógico até a conclusão de que dada ação poderá alcançar as
metas pretendidas e, depois, agir de acordo com essa conclusão. Contudo, em
algumas situações não existe nenhuma ação comprovadamente correta a realizar,
porém ainda assim algo precisa ser feito (Russel & Norvig, 2013).
Para compreender melhor o conceito é importante observar que um
agente é qualquer coisa capaz de perceber seu ambiente pela utilização de
sensores e de agir sobre o ambiente por intermédio de atuadores. Um humano tem
ouvidos, olhos e outros órgãos como sensores, sendo que suas mãos, pernas e
bocas são considerados atuadores. Um agente digital pode ter câmeras e
infravermelho como sensores, além de alguns motores funcionando como atuadores
(Russel & Norvig, 2013).
O termo percepção faz referências às entradas perceptivas do agente em
um determinado instante (Russel & Norvig, 2013). Desta forma, quando um agente
59
é inserido em um ambiente, gera-se uma sequência de ações de acordo com suas
percepções. A função do agente especifica a ação executada pelo mesmo em
resposta a qualquer sequência de percepções.
A IA constrói entidades inteligentes, que percebem, compreendem,
preveem e manipulam o mundo a sua volta. Sua aplicação agrega valor a todos os
setores, possibilitando novos modelos de negócios. Sua tecnologia suporta
iniciativas-chave, como engajamento do consumidor, produção digital, cidades
inteligentes, carros autônomos, gerenciamento de risco, visão computacional e
reconhecimento de fala (Gartner, 2017).
Segundo o Gartner, as organizações podem investir em IA para alcançar
resultados em uma destas três dimensões:
(i) Análise: para ser usada para criar análises preditivas, prescritivas, e
aumentadas, que podem ser apresentadas aos usuários para avaliação posterior ou
conectadas a um processo para conduzir uma ação autônoma.
(ii) Processo: para direcionar ações mais inteligentes e otimizadas,
identificando padrões de trabalho.
(iii) Experiência do usuário: para contribuir com a melhora da experiência
do usuário. Com o processamento de linguagem natural é possível criar assistentes
de voz pessoais, fazer o reconhecimento facial, interpretar emoções e prever
necessidades.
No âmbito do reconhecimento facial, por exemplo, pode ser utilizada em
para promover a segurança pública e simplificar o acesso a serviços. A IA divide a
imagem em camadas de processamento. A primeira camada quebra a imagem real
em pixels. A segunda compara cada pixel com seu vizinho, ignora os que são iguais
e fica com os que variam e definem o que é uma borda, como a curva dos lábios ou
o contorno de um rosto, conforme ilustrado na Figura 11.
60
A terceira camada de processamento faz a análise das bordas que foram
descobertas na segunda camada com o intuito de identificar e definir padrões
(exemplo: desenho dos olhos, boca e sobrancelhas). A última camada compara os
padrões identificados e definidos na terceira camada com os padrões de outra
imagem real, conforme ilustrado na figura 12.
O campo interdisciplinar da Ciência Cognitiva, responsável pelo estudo
científico da mente ou da inteligência, reúne modelos computacionais de AI e
técnicas experimentais da psicologia para tentar construir teorias verificáveis e
precisas a respeito dos processos de funcionamento da mente humana. A Ciência
Cognitiva se baseia necessariamente na investigação experimental de seres
humanos ou animais. Ciência Cognitiva e IA continuam a fertilizar um ao outro, em
especial nas áreas de visão e linguagem natural (Russel & Norvig, 2013).
6.1. Aprendizado de Máquina O aprendizado de máquina (do inglês: Machine Learning) se baseia em
vários campos de estudo - inteligência artificial, mineração de dados, estatística e
61
otimização. Em uma descrição mais ampla, podemos dizer que o aprendizado de
máquina é composto de métodos computacionais que aprendem com a experiência
para melhorar o desempenho ou para fazer previsões precisas (Hall et al. 2018).
Alguns dos algoritmos de aprendizado de máquina mais populares
incluem regressão, árvores de decisão, floresta aleatória, redes neurais artificiais e
máquinas de vetores de suporte. Esses modelos são treinados em dados existentes,
executando grandes quantidades de dados por meio do modelo até encontrar
padrões suficientes para poder tomar decisões precisas sobre esses dados. Essa
tecnologia é utilizada, por exemplo, para analisar sentimentos por meio de dados
coletados em redes sociais, fazer recomendações , detectar fraude, ofertar 13
publicidade online , reconhecimento de padrões e imagens, previsão de falhas de
equipamentos, resultados de pesquisa na Web , filtragem de spam e detecção de
invasão de rede (Hall et al. 2018).
O aprendizado profundo (do inglês: Deep Learning) utiliza o aprendizado
de máquina para conduzir o reconhecimento de padrões em imagens, vídeo e som.
A tecnologia se mostra superior às demais dada a sua melhor capacidade de
classificar, reconhecer, detectar e descrever dados. O aprendizado profundo é um
dos fundamentos da computação cognitiva, um campo no qual sistemas complexos
de aprendizado de máquina podem realizar tarefas específicas, semelhantes a
humanos, de uma maneira inteligente. O algoritmo primário usado para realizar a
aprendizagem profunda são as redes neurais artificiais (RNA) (Hall et al. 2018).
6.2. Análise Preditiva A Análise Preditiva é um recurso que afeta praticamente todas as
pessoas, todos os dias e tende a crescer. Nossas mais simples experiências e
13 Um Sistema de Recomendação (Recommendation System) combina diversas técnicas computacionais para selecionar produtos e serviços personalizados. O sistema se baseia nos interesses dos usuários, e no contexto no qual ambos - usuário; produto; e/ou serviço - estão inseridos.
62
interações, como dirigir, comprar, estudar, votar, assistir TV, são impactadas por
algoritmos que fazem a análise preditiva (Siegel, 2013).
Quando aplicamos algoritmos a bases de dados, podemos conseguir
análises preditivas, aprendendo com as observações para prever os eventos futuros
(Winter, 2015).
O algoritmo lê o passado, contido na base de dados, e, com base nos
padrões que se repetem, mostra quais possuem mais chance de acontecer
novamente e faz recomendações, criando um modelo preditivo, conforme Figura
13. Assim, conforme Eric Siegel explica em seu livro, a “análise preditiva é a
tecnologia que aprende com a experiência (dados) para prever o comportamento
futuro dos indivíduos, a fim de impulsionar melhores decisões.” (Siegel, 2013).
É possível, por exemplo, transformar as características comportamentais
dos indivíduos em dados. Assim, com a mineração e análise, as características
daquela pessoa, o grupo de pessoas se revelarão. Os atributos do comportamento
são pesados e têm pontuações definidas. E, quanto maior a pontuação obtida, mais
63
propenso o grupo estará a tomar uma determinada ação (Siegel, 2013).
As máquinas podem ser treinadas para realizarem a extração de
características, classificação e agrupamento, as quais podem ser aperfeiçoadas por
meio da otimização sucessiva de seu algoritmo (Warner, 2011). Modelos preditivos
são calibrados constantemente.
Dentre tantas aplicações, a análise preditiva revela as tendências
comportamentais do ser humano. A Figura 14, por exemplo, analisa e estabelece as
condições para saber a probabilidade de um indivíduo clicar em um anúncio.
Esse modelo é o resultado do aprendizado de máquina que inclusive
pode ser aperfeiçoado e calibrado pelo próprio algoritmo. Sua fórmula, pesos,
regras podem ser criadas automaticamente pelo computador, desenvolvendo novas
capacidades a partir dos dados coletados e analisados (Siegel, 2013).
Em um contexto governamental, essa pontuação pode guiar as decisões
do governo, emitindo sinais para que ele aja com antecedência para mitigar riscos e
64
reduzir impactos negativos.
Assim, por exemplo, a aplicação da análise preditiva na área da saúde,
principalmente em epidemiologia, pode contribuir com o gerenciamento de crises.
Quanto mais preciso pudermos prever a propagação de uma doença, a prevenção e
o tratamento serão mais eficientes e com um custo-benefício melhor.
Também é possível adotar a análise preditiva para avançar na prevenção
ao crime e reduzir recursos de policiamento (Morabito, 2015). Se o governo puder
prever um aumento de assaltos em uma determinada área, ele pode agir
antecipadamente aumentando o policiamento e evitando incidentes negativos
(Câmara Municipal de Barcelona, 2014).
7. Governança Pública Para a Organização das Nações Unidas (ONU), “o governo é considerado
“bom” e “democrático” se as instituições e os processos do país forem
transparentes. As instituições dizem respeito a órgãos como o Parlamento e seus
vários ministérios. Seus processos incluem atividades como eleições e
procedimentos legais, que devem estar livres da corrupção e prestar contas à
população. O sucesso de um país em alcançar esse padrão tornou-se uma medida
chave de credibilidade e respeito no mundo” (ONU. 2018).
Em 2015 a Organização das Nações Unidas publicou o relatório “World
Public Sector Report : Responsive and Accountable Public Governance” que
demonstrou a necessidade de que a governança pública se torne mais responsiva.
O relatório define o Estado como ator que deve liderar a implementação de uma
visão coletiva de desenvolvimento sustentável. Segundo a ONU, as inovações
sociais e técnicas possibilitam que o contrato social estabelecido entre o Cidadão e
o Estado tenha uma governança mais colaborativa (ONU, 2015).
Em geral, governança é um conjunto de princípios adotados por uma
65
organização, como uma empresa ou um estado, que expressa como governar e que
tipo de princípios aplicar nas relações internas e externas, com padrões e regras de
negócio estabelecidas (Anttiroiko et al. 2011).
A governança pública trata da coordenação e do uso de várias formas de
arranjos institucionais na formulação de políticas e processos para atingir o interesse
coletivo. Uma modelo de governança pública que funcione bem - que apoie uma
estrutura regulatória responsiva, e com programas, políticas e serviços públicas de
alto desempenho - tornou-se indispensável para qualquer cidade, grande ou
pequena, que busca o desenvolvimento econômico sustentável e crescimento
inteligente (Anttiroiko et atl. 2011).
Löffer afirma que a governança tem como objeto a ação conjunta,
realizada pelo Estado, pela iniciativa privada e pela sociedade civil, de forma eficaz,
transparente e compartilhada, visando encontrar soluções inovadoras para os
problemas sociais, que resultem no desenvolvimento sustentável para todos (Löffer,
2001).
Finger e Langenberg (2007) caracterizam a governança como o crescente
envolvimento de atores não estatais na resolução de problemas públicos. O
desenvolvimento sustentável, exige a integração entre diferentes níveis, esferas e
setores, criando desafios adicionais nos processos de governança (ONU, 2015).
Ao aproveitar a oportunidade e enfrentar os desafios, todas as partes
interessadas na governança podem elaborar estratégias para acomodar as suas
distintas perspectivas, para, assim, desenvolver políticas públicas, bens e serviços
mais responsivos e responsáveis para o desenvolvimento sustentável (ONU, 2015).
Assim, a governança pública refere-se ao direcionamento, coordenação e uso de
arranjos institucionais nos processos de formulação e implementação de políticas
em um contexto multissetorial multicêntrico, buscando o interesse coletivo.
Conforme disposto no Inciso I, Art. 2º, do Decreto nº 9.203/2017,
governança pública é conjunto de mecanismos de liderança, estratégia e controle
66
postos em prática para avaliar, direcionar e monitorar a gestão, com vistas à
condução de políticas públicas e à prestação de serviços de interesse da sociedade
(Brasil, 2018).
Assim, boas práticas de governança estão intimamentes relacionadas a
gestão pública por resultados. Conforme explicado por Corrêa (2007) a gestão
pública por resultados exige boa governança, eficiência e accountability . Ela é
viabilizada por diversos mecanismos gerenciais, começando pelo planejamento
estratégico das ações governamentais, sejam elas organizadas em projetos ou
programas; desenvolvimento de indicadores de desempenho; ampliação da
flexibilidade gerencial; e, por fim, a avaliação de desempenho, que além de
medição de metas estabelecidas, fornece subsídios para retroalimentação de
informações para o desenvolvimento de futuras metas gerenciais.
Conforme entendimento de Anttiroiko et. al. (2011) democracia tem uma
conexão inerente à governança, porque a interação governo-cidadão está no cerne
da governança pública.
Portanto, conseguimos enxergar duas trilhas que compõem o
entendimento sobre governança e sua aplicação no contexto de um Governo
Orientado por Dados: (i) como um pilar da democracia, que preza pela
transparência e participação, colocando o cidadão no centro das ações
governamentais, pautando-se no desenvolvimento sustentável; (ii) como uma
ferramenta gerencial, que organiza o relacionamento das organizações com as
demais partes interessadas, estabelecendo controles, fluxos, padrões e regras,
tornando os processos mais céleres, isonômicas e eficientes.
7.1. Indicadores Observando a governança como uma ferramenta gerencial e sua
contextualização no âmbito de um governo orientado por dados, é importante
entender o que são métricas e indicadores e suas aplicações.
Uma das frases mais famosas de Edward Deming, estatístico, professor
67
universitário, reconhecido como pioneiro nos estudos e na aplicação de melhorias
nos processos produtivos, buscando a qualidade total e gestão, afirma que: “não se
gerencia o que não se mede, não se mede o que não se define, não se define o que
não se entende, não há sucesso no que não se gerencia” (Deming, 1990).
Farris et al. (2007) definem métrica como um sistema de mensuração que
quantifica uma tendência, uma dinâmica ou uma característica. No mundo dos
negócios, da ciência e do governo, as métricas estimulam o rigor e a objetividade,
tornando possível a comparação entre regiões e períodos de tempo distintos. Além
disso, facilitam a compreensão e a colaboração.
Quando é decidido que uma atividade necessita ser medida, ela se torna
importante e as pessoas começam a se preocupar e acompanhar a mesma. Este
fato, por si só, contribuirá com a melhora do desempenho dos projetos (Buchanan,
2008).
Em geral, as métricas se dividem em duas categorias: (i) medidas
preditivas, que ajudam a prever ou identificar tendências, funcionando como um
sistema de alerta; (ii) medidas corretivas, que auxiliam a estabelecer padrões, para
melhorar o desempenho de projetos (Buchanan, 2008).
Os dados quando, bem coletados, organizados e classificados, nos
permitem criar KPIs , ter insights e tomar decisões melhores. Focamos em 14
resultados definindo metas quantitativas, qualitativas, medindo o desempenho e
podendo compará-lo entre pares (Esty & Rushing, 2007).
Os indicadores precisam ser precisos o suficiente para garantir uma boa
comunicação, com nomenclatura padronizada, proporcionando assistência para a
tomada de decisões e conduzir a uma interpretação homogênea (Juran, 2002).
É importante transformar dados brutos em visualizações simples e
intuitivas, que comunicam o significado por trás dos números, e possibilitem o
acompanhamento do desempenho e das mudanças ao longo do tempo.
14 KPI é a sigla em inglês para Key Performance Indicator, que significa Indicador-chave de Desempenho.
68
Os indicadores permitem que a situação atual seja medida em
comparação a um padrão previamente estabelecido. Eles dão suporte à análise
crítica dos resultados, à tomada de decisões, ao planejamento e ao controle dos
processos da organização (Nuintin, 2007).
Ainda segundo Nuintin (2007), as informações obtidas com a avaliação
dos indicadores auxiliam os gestores no processo de tomada de decisão, permite a
correção de desvios em relação ao que foi planejado e contribui na busca pela
melhoria contínua.
Como explicado por Rezende (2000), indicadores apontam para a
estratégia da organização e são, portanto, adequados para responder ao gestor se
ele está ou não atingindo suas metas. induzem os comportamentos desejados nos
funcionários da empresa; expressam o que deve ser feito; informam às pessoas
como elas estão se saindo, individualmente e em grupo; comunicam os resultados
das ações realizadas (projetos e processos); estimulam a melhoria contínua; reduzem
a dissonância de focos, isto é, os desentendimentos quanto aos objetivos;
disseminam o uso universal de conceitos por meio de uma linguagem comum.
Assim, entende-se que os indicadores são ferramentas de gestão que
possibilitam o entendimento do que está funcionando e do que não está. Eles
também facilitam a transmissão da visão e missão organizacional para os demais
colaboradores, deixando claro para toda equipe o que realmente importa. As
fórmulas que os compõem são evolutivas e passam por ajustes e aprimoramentos
constantes, estando sempre alinhados às metas e objetivos.
Para administradores, formuladores de políticas, projetistas e
planejadores, é crucial determinar indicadores de desempenho efetivos para prever
e avaliar a qualidade ambiental e implementar as informações coletadas nas
decisões de projeto e no seu planejamento (Santucci et. al. 2018).
Conforme exposto na Figura 15, a organização KPI Karta desenvolveu 15
15 http://www.kpikarta.com/
69
uma metodologia para ajudar as organizações na identificação, mensuração e
gerenciamento de indicadores. O método estabelece um processo lógico projetado
para facilitar o entendimento entre equipes de negócios e de tecnologia. A
metodologia possui duas dimensões - negócios e tecnologia. Do lado do negócio,
ele divide os objetivos e as metas de negócios em fatores críticos de sucesso e, do
lado da tecnologia, constrói métricas a partir dos dados disponíveis. Assim, na
interseção entre fatores críticos de sucesso e métricas estão os indicadores-chave
de desempenho.
O estabelecimento desses KPIs inicia pela análise das metas e objetivos
da organização que, por sua vez, impulsiona os fatores críticos de sucesso. Os
dados brutos geram métricas. Algumas das métricas podem ser tornar KPIs.
Portanto, os KPIs são direcionados pelos objetivos e metas da organização, mas são
construídos a partir dos dados e
métricas existentes.
Com KPIs bem definidos, iniciamos
o monitoramento e avaliação. O
monitoramento permite a
identificação de pontos de
melhoria e abre caminho para
realizar ações corretivas. Desta
forma, faz-se o acompanhamento
do desempenho, comprando o
resultado alcançado com a meta
estabelecida (Oliveira, 1987).
Portanto, a construção de indicadores, seu monitoramento, avaliação e,
se necessário, reformulação, possuem um papel importantíssimo dentro de Governo
Orientado por Dados. São elementos importantes na promoção da eficiência,
transparência e participação.
70
8. Participação Os governos estão, gradualmente, utilizando as TICs para aumentar a
transparência, accountability e participação popular. As decisões sobre as cidades
precisam se basear em princípios, valores e, portanto, métricas qualitativas sobre
como as pessoas querem viver suas vidas e o que significa bem-estar para elas.
Afinal, as cidades buscam melhorar a qualidade de vida de seus cidadãos; e a
qualidade está nos olhos de quem vê (Morabito, 2015).
Os avanços tecnológicos permitem que os governos interajam
diretamente com os cidadãos, para que exerçam seus direitos de maneira mais
simples (Uruguay, 2016). As pessoas não precisam sair de casa ou alterar sua rota
para participar e contribuir com a gestão da cidade. Elas poderiam utilizar um
aplicativo, acessar um site ou apenas registrar sua reclamação no Facebook. Não há
necessidade de esperar ser atendido em uma ligação telefônica ou enfrentar
grandes filas.
As ferramentas que facilitam os processos participativos estão
começando a surgir, sendo que muitas delas ainda estão em fase de
desenvolvimento (Sivarajah et al. 2015).
Os processos participativos devem estar integrados à nossa vida
cotidiana. Qualquer cidadão com smartphone ou acesso a internet pode relatar
problemas cívicos, sugerir soluções e declarar sua opinião. Além disso, o feedback
direto e a rastreabilidade podem proporcionar às pessoas satisfação e um senso de
realização, já que elas contribuíram para o bem comum. No passado, as
informações relatadas não eram reconhecidas e as informações de
acompanhamento eram inexistentes (Morabito, 2015).
Há de se observar que, atualmente, muitas audiências públicas acabam
não alcançando resultados satisfatórios. Seu rito engessado inibe uma participação
71
mais ampla, com discussões profundas e abertas. Muitas audiências públicas
acabam apenas cumprindo os requisitos formais legislativos, sendo pouco atrativas
para o cidadão, que precisa gastar algumas horas do seu dia para participar de uma
audiência pública, o que é totalmente inviável para a grande parte das pessoas. O
deslocamento que o cidadão precisa fazer para comparecer a uma audiência
pública também é uma barreira à participação. Também percebe-se que em muitos
casos as audiências públicas criam um debate em torno de ideias e interesses de
alguns poucos grupos, corporativistas. A maioria dos processos participativos não
permite a colaboração e cocriação entre cidadão e governo.
Simultaneamente, a tecnologia e os provedores de serviços digitais estão
modificando a forma como levamos nossas vidas (Castells, 2009). A tecnologia
amplia as formas de participação, possibilitando que o governo tenha um número
maior e mais heterogêneo de dados, considerando as vocações locais e a
inteligência coletiva da cidade. Ela facilita a criação de processos participativos, os
torna mais simples e ágeis. Assim, o governo tende a tomar decisões mais plurais,
justas e transparentes.
Ainda é desafiador demonstrar os benefícios e os valores para que os
cidadãos participem do processo de concepção de políticas públicas (Liddo; Shum,
2014). Mas, com a crescente utilização de plataformas online e aumento do uso das
mídias sociais, os governos são estimulados a tornar o processo de tomada de
decisão mais transparente, e fomentar a colaboração entre todas as partes
interessadas - cidadãos, empresas locais, ONGs, instituições de caridade, grupos
comunitários etc. (Sivarajah. et al., 2015. Janssen et al., 2012. Bertot et al., 2010).
Os processos participativos podem ser mais ágeis, amplos e confortáveis
ao cidadão. A tecnologia pode facilitar a participação, evitando que as pessoas se
desloquem até o local onde são realizadas audiências públicas. A participação cívica
via mídia social, por exemplo, também pode reduzir o custo da prestação de
serviços públicos (Morabito, 2015).
72
As inovações baseadas em co-criação e em crowdsourcing têm altos 16
níveis de participação e possuem um componente externo, pois as informações são
coletadas de fora do governo (Giest, 2017).
O crowdsourcing está se tornando um termo cada vez mais comum e
abre novos caminhos para a criação de valor público, promovendo o engajamento
cívico e transparência. Esse crowdsourcing pode, por exemplo, reduzir os custos de
fiscalização de um serviço público, como o de tapa buracos e da poda de árvores
(Morabito, 2015). As pessoas podem assumir um papel ativo na gestão da cidade,
utilizando aplicações online para relatar problemas cívicos ao governo, reduzindo a
quantidade de recursos humanos alocados na fiscalização.
Essas mudanças alteram a forma como governo e cidadão se relacionam.
Os avanços sociais e tecnológicos podem dar aos cidadãos o poder de decisão
sobre questões sociais, permitindo uma democracia direta, similar a da Grécia
antiga (Morabito, 2015).
As tecnologias incorporadas para aquisição de informações (como redes
de dispositivos de monitoramento) e fornecimento de informações (como redes de
dispositivos de atuação) permitem um mundo em que os objetos conectem-se a
outros objetos e possuam recursos computacionais e de comunicação integrados.
Além disso, os humanos se tornaram parte da rede. As tecnologias
móveis estendem digitalmente cada indivíduo, fornecendo-lhes um mini-terminal
equipado com sensores embutidos e um portal para a entrega de informações - seja
um smartphone ou qualquer outro dispositivo de computação pessoal portátil. Tais
dispositivos são capazes de estabelecer conexões de dados tanto para as redes
móveis de infra-estrutura quanto para as redes ad hoc mais localizadas, mediadas 17
16 O termo crowdsourcing foi cunhado em 2005 e é definido pelo Dicionário Merriam-Webster como o processo de obtenção de serviços, ideias ou conteúdo mediante a solicitação de contribuições de um grande grupo de pessoas e, especialmente, de uma comunidade online, em vez de usar fornecedores tradicionais ou uma equipe de empregados. É a união de duas palavras inglesas, ‘Crowd’ (multidão/amontoado) e ‘Sourcing’ (abastecimento/fornecimento).
17 As redes ad hoc são redes sem fio que dispensam o uso de um ponto de acesso comum aos computadores conectados a ela, de modo que todos os dispositivos da rede funcionam
73
pelas tecnologias Wi-Fi e Bluetooth (Ratti; Nashid. 2018).
As pessoas desempenham papéis-chave nesse sistema como agentes de
detecção, regulação e atuação. Em termos de sensoriamento, eles voluntariamente
e involuntariamente deixam rastros digitais em várias redes implantadas no espaço.
A rede registra a hora e a localização de cada uma das ações administradas por seus
usuários humanos. Ainda mais interessante, a rede registra todo o conteúdo gerado
e enviado voluntariamente pelos usuários. Depois que os conjuntos de dados são
anexados ao espaço físico, as paisagens são transformadas em novas paisagens. Por
sua vez, estas visões da informação proporcionam aos cidadãos um melhor
conhecimento do seu ambiente e lhes permitem tomarem decisões melhores (Ratti;
Nashid, 2018).
Assim, a participação do cidadão na concepção, monitoramento e
avaliação de serviços e políticas públicas pode ser feita por meio de uma ação
pequena e simples. Mais do que isso, ela pode ser passiva, sem que seja necessária
uma ação direta, como clicar em um botão de votação ou preencher um formulário.
Cada vez mais nossas atividades diárias estão sendo observadas e
armazenadas digitalmente, o que potencialmente oferece uma base para uma
compreensão mais profunda do comportamento humano. Com as abordagens
tradicionais de pesquisa, os comportamentos reais raramente são conhecidos. Essas
abordagens têm que lidar com o viés do entrevistado, que se origina da
incapacidade ou falta de vontade em fornecer respostas precisas ou honestas.
Alguns entrevistados simplesmente não conhecem sobre o tema abordado na
pesquisa. Outros, muitas vezes, não são honestos. A fim de evitar constrangimentos
ou agradar a organização que conduz, fornecem respostas que são socialmente
aceitáveis. Esse fenômeno é amplamente conhecido como viés de desejabilidade
social (Janssen; Kuk. 2016).
A informação geográfica voluntária (do inglês: Volunteered geographic
como se fossem um roteador, encaminhando comunitariamente informações que vêm de dispositivos vizinhos.
74
information - VGI), por exemplo, coletada a partir do uso de ferramentas que criam,
reúnem e organizam dados geográficos fornecidos voluntariamente por indivíduos
(Goodchild. 2007).
A VGI é extraída a partir de uma participação passiva. Esses dados são
coletados, organizados e analisados por algoritmos. A coleta é feita de forma
indireta, a partir das interações do cidadão com o meio, como por exemplo: os
sentimentos identificados a partir de um tweet; o trecho e o tempo de
deslocamento na cidade; a conexão em redes WiFi; na utilização de serviços
públicos; em manifestações públicas feitas em redes sociais; etc.
A disponibilidade de dados permite focar em comportamentos reais. As
pessoas costumam compartilhar seus dados de localização com amigos e
expressam publicamente seus sentimentos nas mídias sociais (Janssen; Kuk. 2016).
Os dados coletados a partir da participação ativa do cidadão, como
aqueles oriundos de pesquisas de opinião, audiências públicas e outros métodos,
também são riquíssimos.
É importante que o governo consiga facilitar a participação do cidadão,
oferecendo processos participativos diversos, em virtude da necessidade criada
pela situação que se quer analisar ou decidir. Os dispositivos móveis e a conexão
wifi podem facilitar que o cidadão avalie um serviço ou manifeste sua opinião a
respeito de um Projeto de Lei. O governo também poderia se integrar a plataformas
que já realizam esse serviço, como o Google, para tomar decisões orientadas por
dados.
9. Privacidade O direito à vida privada e o direito à proteção dos dados pessoais estão
intimamente relacionados, mas diferem em sua formulação e escopo. O direito à
vida privada surgiu na Declaração Universal dos Direitos Humanos (DUDH), adotada
75
em 1948, como um dos direitos humanos fundamentais protegidos. Ele garante a
Inviolabilidade domiciliar, o sigilo à correspondência e à comunicação. Com
avanços tecnológicos, nossas sociedades estão se tornando cada vez mais digitais.
A forma como vivemos e nos relacionamos com a cidade e as instituições que nela
se encontram mudou. A nossa vida e as informações que a compõem circulam pela
rede. A privacidade ganhou outra dimensão. O direito ao respeito pela vida privada
consiste em uma proibição geral de interferência, sujeita a alguns critérios de
interesse público que podem justificar a interferência em certos casos. A proteção
de dados pessoais é vista como um direito moderno e ativo, colocando em prática
um sistema de freios e contrapesos para proteger os indivíduos sempre que seus
dados pessoais são processados (European Union Agency for Fundamental Rights,
2018).
Ambos se esforçam para proteger valores semelhantes, ou seja, a
autonomia e a dignidade humana dos indivíduos, concedendo-lhes uma esfera
pessoal na qual possam desenvolver livremente suas personalidades, pensar e
moldar suas opiniões. São, portanto, um pré-requisito essencial para o exercício de
outras liberdades fundamentais, como a liberdade de expressão, a liberdade de
reunião e associação pacíficas e a liberdade de religião (European Union Agency for
Fundamental Rights, 2018).
A Declaração Universal dos Direitos Humanos também reconhece que
toda pessoa tem direito a direitos econômicos e sociais, incluindo educação,
participação cultural e política. O Artigo 2º da DUDH afirma que esses direitos se
aplicam igualmente a todas as pessoas, “[...] sem distinção alguma, nomeadamente
de raça, de cor, de sexo, de língua, de religião, de opinião política ou outra, de
origem nacional ou social, de fortuna, de nascimento ou de qualquer outra
situação.” (Declaração Universal dos Direitos Humanos, 1948).
Em tempos de transformação digital, big data e utilização de sensores, a
discussão sobre a privacidade e proteção dos dados pessoais entrou na agenda da
76
sociedade civil e de muitos governos. Em meio a este processo, governos assumem
um importante papel, liderando essa discussão, engajando e envolvendo a
sociedade nesta discussão, garantindo a proteção à privacidade e aos dados
pessoais.
Em 1980, o Organização para a Cooperação e Desenvolvimento
Económico (OCDE) publicou as Diretrizes sobre a Proteção da Privacidade e Fluxos
Transfronteiriços de Dados Pessoais. A sentença de abertura do prefácio permanece
relevante hoje: “O desenvolvimento do processamento automático de dados, que
permite que grandes quantidades de dados sejam transmitidas em segundos
através das fronteiras nacionais e, de fato, através dos continentes, tornou
necessário considerar a proteção da privacidade em relação aos dados pessoais.
dados."(Open Data Institute. Ethical Data Handling, 2017)
Mark Weiser já afirmava que o mundo iria vivenciar uma realidade de
bilhões de dispositivos conectados, o que traria preocupações sobre a segurança e
privacidade dos dados manipulados (Kawana et al. 2015, apud Weiser, 1991).
Governos e organizações públicas são custodiantes de nossos dados,
possuem permissão para usá-los em troca do fornecimento de serviços públicos e
da promoção do bem público (Gudipati et al. 2013).
A quantidade de incidentes envolvendo o compartilhamento ou uso
indevido de dados também contribuiu com a aceleração dessa discussão.
Em 2018, nos estados Unidos, Marck Zuckerberg, presidente do
Facebook, depôs por mais de cinco horas em uma audiência no Senado, explicando
sobre o vazamento de dados de 87 milhões de usuários pela consultoria política
Cambridge Analytica, consultoria política que trabalhou na campanha de Donald
Trump, em 2016, e também na campanha para a saída do Reino Unido da União
Europeia, Brexit (The New York Times, 2018. G1, 2018).
A Level One Robotics, companhia de robótica canadense, expôs dados
de mais de 100 empresas, como Tesla, Ford, Toyota, GM e Volkswagen. Os dados,
77
que somavam mais de 157 GB, foram encontradas pela companhia de segurança
UpGuard (UpGuard, 2018).
No Brasil, em 2018, um hacker acessou o banco de dados do Banco Inter
SA, um dos maiores bancos totalmente digitais do Brasil. O hacker enviou um
pacote com mais de 40 GB de dados para o site TecMundo e relatou a invasão. No
pacote são encontradas fotos de cheques, documentos, transações, e-mails,
informações pessoais, chaves de segurança e senhas de cerca de 100 mil pessoas.
O Ministério Público do Distrito Federal e Territórios (MPDFT), por meio da
Comissão de Proteção dos Dados Pessoais, moveu uma ação civil pública por danos
morais coletivos em desfavor do Banco Inter S/A. O MPDFT condena o banco ao
pagamento de R$ 10 milhões, a título de indenização, em razão de não ter tomado
os cuidados necessários para garantir a segurança dos dados pessoais de seus
clientes e não clientes (Tecmundo, 2018).
À luz da discussão sobre o direito à privacidade e o uso de dados, estão
emergindo novos regulamentos em todo mundo. A União Europeia (UE), em 2016,
publicou o Regulamento Geral de Proteção de Dados (General Data Protection
Regulation - GDPR), aplicável a todas as organizações estabelecidas na Europa e,
dependendo das circunstâncias, também fora dos limites desse território. Jan
Philipp Albrecht, membro do Parlamento Europeu da Alemanha e relator do GDPR
afirmou que “O GDPR vai mudar não apenas as leis europeias de proteção de
dados, mas nada menos que o mundo inteiro como o conhecemos” (MMC Cyber
Handbook, 2018). O comentário de Albrecht reflete a força da crença na Europa de
que a privacidade constitui um direito humano fundamental.
Uma estratégia orientada por dados atua dentro do GDPR. Esse
regulamento foi caracterizado como uma medida de conformidade e governança,
mas também abrange novos fluxos de receita e criação de negócios. O GDPR será
disruptivo e democratizará os mercados de dados em vários setores. Os cidadãos
ganharão mais controle sobre seus dados e as organizações que desenvolvem
78
novos serviços de negócios baseados nesses ativos de dados serão grandes
vencedores (Microsoft and PwC. 2018). Foi um passo importante para que os
cidadãos tenham mais controle sobre seus dados, e entendam como as a empresas
fazem uso deles.
A proteção de dados pessoais é garantida na Argentina pela Lei nº
25.326/2000. O Chile regulamentou o tema com a promulgação da Lei nº 19.628 ,
de 1999. Já nos Estados Unidos, em 28 de junho de 2018, foi aprovado o California
Consumer Privacy Act of 2018 (CCPA), a primeira Lei de um estado norte americano
inspirada na Legislação Europeia (GDPR).
O Brasil regulamentou o uso, a proteção, o tratamento e a transferências
dados pessoais, por pessoa natural ou por pessoa jurídica de direito público ou
privado, por meio da Lei 13.709, de 14 de agosto de 2018. Inspirada na legislação
européia, a Lei Geral de Proteção de Dados Pessoais (LGPDP). Além de trazer todo
esse conjunto de regras que garantem direitos de informação e à privacidade ao
cidadão, ela unificou outros dispositivos legais que tratavam do assunto, como o
Marco Civil da Internet e Lei de Acesso à Informação.
O texto, fruto de uma ampla discussão, com forte envolvimento da
sociedade civil, visa além de garantir direitos individuais, fomentar o
desenvolvimento econômico, tecnológico e a inovação por meio de regras claras,
transparentes e amplas para o uso adequado de dados pessoais. O projeto recebeu
manifestações favoráveis de mais de 70 entidades, do setor produtivo e da
sociedade civil, que, inclusive, destacaram que a Lei proporcionará um ambiente de
negócios seguro, potencializando a atração e materialização de investimentos na
ordem de R$ 250 bilhões em tecnologias de transformação digital até 2021 (Frost &
Sullivan’s, 2018).
A LGPDP garante que o cidadão tenha mais controle sobre seus dados.
Ela exige consentimento explícito para a coleta e uso dos dados, e obriga a oferta
de opções para que o usuário visualize, corrija e exclua esses dados. A Lei entrará
79
em vigor em fevereiro de 2020, possibilitando que governos, empresas e
prestadores de serviços tenham 18 meses para se adequar às alterações previstas
na legislação.
A Lei define que um dado pessoal é qualquer informação relacionada a
pessoa natural, identificada ou identificável, como nome, e-mail, IP do dispositivo,
geolocalização, número de telefone, endereço e até dados de conexão. Já um dado
pessoal sensível é qualquer informação acerca da etnia e origem racial,
posicionamento religioso ou político, e dados sobre saúde ou vida sexual, que
estão vinculados a uma pessoa natural. E dado anonimizado, como sendo aquele
que não pode ser identificado, considerando a utilização de meios técnicos
razoáveis e disponíveis na ocasião de seu tratamento.
Para garantir a eficácia da legislação, foram estabelecidas penalidades
como multas e advertências. Também estabelece padrões de segurança da
informação, exigindo que as empresas que fazem uso de dados pessoais e sensíveis
se adequem a uma série de medidas e padrões que garantam a proteção das
informações dos cidadãos.
10. Ética no uso de dados A ética de dados (do inglês: Data Ethics ) é uma área que está emergindo
rapidamente. Ela permeia todo o trabalho com dados, da coleta ao
compartilhamento, envolvendo, inclusive, o uso de dados que não são pessoais
(ODI, 2017).
Open Data Institute (ODI) publicou o relatório Ethical Data Handling, em
2017, onde propôs a seguinte definição: “A ética dos dados é um ramo da ética
que avalia as práticas de dados com o potencial de causar um impacto negativo nas
pessoas e na sociedade - na coleta, compartilhamento e uso de dados.” (ODI,
2017).
80
As organizações devem resguardar-se e precaver para que, da coleta ao
compartilhamento, o trabalho com dados seja livre de preconceitos e vieses, não
permitindo que questões relacionadas à idade, raça, sexualidade, gênero, religião,
deficiências resultem em uma decisão injusta ou desigual, que possam levar à
discriminação contra uma pessoa ou grupos de pessoas.
O relatório traz estudos de casos interessantes, como o do Reino Unido,
que demonstra que a simples ausência de determinados campos de dados ou
categorias de informações em uma base de dados pode refletir um viés histórico. O
país exige apenas o nome de ocupação do pai em registros de casamento. A
omissão da informações sobre o nome e a ocupação de uma mãe tem efeitos
subsequentes em campos como genealogia, sociologia e história. É mais fácil para
as pessoas analisarem como as ocupações masculinas evoluíram ao longo dos
séculos do que as femininas (ODI, 2017).
Outro case interessante é o dos EUA, país cujas cortes usam um sistema
de avaliação de risco de reincidência criminal com base em algoritmo, com o
objetivo de prever a probabilidade de uma pessoa cometer um novo crime (BBC,
2018). A Propublica - uma organização de mídia sem fins lucrativos com sede nos
EUA - obteve as pontuações de risco atribuídas a mais de 7.000 pessoas presas no
condado de Broward, Flórida em 2013–2014 (ODI, 2017). A organização analisou os
dados das condenações e descobriu que o algoritmo previa que réus negros tinha
mais chances de serem classificados com “alto risco de incidência”, enquanto os
réus brancos eram classificados com “baixo risco de incidência”. Para realizar
chegar a essas conclusões, o algoritmo analisava respostas de 137 perguntas, que
foram respondidas por réus ou extraídas de registros criminais (BBC, 2018).
Embora a etnia não seja uma questão explícita na pesquisa, várias
questões colocadas tendem a aumentar os escores de risco entre os réus negros. As
perguntas feitas incluem: Algum de seus pais já foi preso?; Quantos de seus amigos
e/ou conhecidos estão usando consumindo drogas ilegalmente? (ODI, 2017).
81
E assim, além dessa situação já afrontar o campo da ética, leva-se em
consideração o contexto dos EUA: No país as crianças negras são mais de sete
vezes mais propensas do que as brancas ter uma mãe na prisão; A Pesquisa
Nacional sobre Uso de Drogas e Saúde de 2014 indicou que 12,4% dos
afro-americanos de 12 anos ou mais utilizavam drogas, número acima da média
nacional, que é de 10,2% (ODI, 2017). Esse contexto influenciou negativamente a
classificação de risco de um réu negro.
Como já observado em outros capítulos, dados demográficos,
socioeconômicos, localização geográfica, hábitos de navegação e até interações
com a mídia social são usados com frequência para que organizações direcionem a
publicidade. A informação é adaptada para indivíduos e/ou grupos.
Ao apresentar informações seletivas, as organizações podem causar
prejuízos, tanto para as pessoas, como para a sociedade, especialmente quando os
indivíduos não estão cientes de que são seus dados pessoais estão moldando as
informações que veem (ODI, 2017).
A Cambridge Analytica, empresa privada que combinava mineração e
análise de dados com comunicação estratégica, usou modelagem de dados e
análise de perfis psicográficos para segmentar populações e encaminhar
informações políticas durante as eleições de 2016 nos EUA, e também no referendo
do Brexit no Reino Unido (ODI, 2017).
O relatório também aborda o conceito da ética no uso de dados no
desenvolvimento de algoritmos. Em 2016, o primeiro concurso internacional de
beleza julgado por Inteligência Artificial , analisou os participantes com base em 18
características "objetivas", como simetria facial e rugas, elegeu quase todos os
vencedores como brancos (ODI, 2017). Em 2015, uma atualização do Google Fotos
identificou pessoas negras como gorilas (Terra, 2015).
Portanto, além de levar em conta possíveis vieses em base de dados,
18 http://beauty.ai/: Primeiro concurso de beleza artificial julgado por inteligência artificial.
82
deve-se observar como os modelos de inteligência artificial e preditivos são
projetados, para que seu design não reforcem preconceitos.
10.1. Data Ethics Canvas O Data Ethics Canvas , criado pelo ODI, é uma ferramenta que contribuiu
para a tomada de decisão, criando condições para que as organizações avaliem as
implicações éticas de um projeto de dados, enxergando os possíveis impactos de
suas práticas nas pessoas e na sociedade.
O modelo foi elaborado com base no Ethics Canvas , e no Business 19
Model Canvas. Portanto, não possui um checklist e respostas claras. É reflexivo e
orientador, conforme pode ser observado na Figura 16.
O Data Ethics Canvas pode ser usado tanto no contexto do GDPR, da
União Europeia, quanto a LGPDP, Lei Nº 13.709, de 14 de agosto de 2018, no que
tange ao Relatório e Avaliação de Impacto de Proteção de Dados.
Segundo a legislação brasileira, o relatório de impacto à proteção de
dados pessoais é a documentação do controlador que contém a descrição dos
processos de tratamento de dados pessoais que podem gerar riscos às liberdades
civis e aos direitos fundamentais, bem como medidas, salvaguardas e mecanismos
de mitigação de risco, e pode ser solicitado pela autoridade nacional ao controlador
e aos agentes do poder públicos (Brasil. Lei nº 13.709/2018).
Além disso, o framework também pode viabilizar a privacidade por
design e por padrão, no âmbito das duas legislações.
19 O Ethics Canvas foi desenvolvido pelo ADAPT - Center for Digital Content Technology, disponível em: <https://www.adaptcentre.ie/>.
83
11. Governo Orientado por Dados As organizações que lideram o uso da tecnologia digital diferem das
demais não apenas da sua capacidade e estrutura organizacional, mas na sua visão.
Eles não enxergam o digital como um desafio tecnológico, mas como uma
oportunidade de transformação, utilizando-o para mudar a forma como fazem
negócios (Westerman, 2018).
Focar na experiência do usuário, entendendo como ela afeta o que o
governo faz, colocando o cidadão no centro, é fundamental para progredir com a
84
transformação digital. Isso requer uma mudança de perspectiva, de mindset , uma 20
mudança sobre como o governo atende seu cliente, o cidadão, de modo que os
serviços públicos sejam melhores, e que atendam as necessidades das pessoas (A
Government for the Digital Age, 2018).
A conexão digital do cidadão com a cidade, feita a partir de suas
interações com diversos dispositivos, redes e instituições que o cercam, gera uma
grande massa dados. A utilização desse Big Data possibilita que o governo ofereça
serviços públicos mais personalizados (Giest, 2017).
Exemplos bem conhecidos vêm do setor de saúde. A medicina
personalizada, como diagnósticos e tratamentos individualizados, é orientada por
dados. Os sistemas de apoio à decisão clínica, por exemplo, automatizam a análise
de imagens de raios-X ou tomografia computadorizada. Essas ações têm como
objetivo a economia de recursos e a padronização do atendimento (Murdoch;
Detsky, 2013).
A cidade de Chicago, por exemplo, foi uma das primeiras a nomear um
Chief Data Officer (CDO), e é uma das líderes em análise preditiva. Em 2015, a
cidade desenvolveu um modelo matemático para prever quais de seus mais de
15.000 restaurantes e outros estabelecimentos que servem comida estavam mais
propensos a causar doenças transmitidas por alimentos. O modelo preditivo
permitiu que os inspetores do Department of Streets & Sanitation , responsáveis 21
por avaliar as condições sanitárias de restaurantes priorizassem suas visitas de
acordo com o risco, visitando primeiro os locais com maior probabilidade de deixar
os clientes doentes. Esse projeto utilizou dados do governo municipal, inclusive do
20 Mindset pode ser traduzido por mentalidade ou programação mental. É o conjunto de pensamentos e crenças que existe dentro de nossa mente, que determinam como nos sentimos e nos comportamos. O mindset é como a mente está programada para pensar sobre determinado assunto.
21 Department of Streets & Sanitation, traduzido como Departamento de Ruas e Saneamento, tem o objetivo de garantir ambiente seguro e saudável nas ruas de Chicago. O DSS é responsável pelo saneamento, limpeza das ruas, coleta de lixo, controle de roedores, poda de árvores, etc,
85
Departamento de Polícia, Departamento de Saúde Pública, Departamento de
Assuntos de Negócios e Proteção ao Consumidor, bem como dados externos,
como clima e mídias sociais. O projeto proporcionou uma melhoria de 25% na
eficiência operacional e aumentou a capacidade de encontrar violações críticas do
código de saúde (Wiseman. 2016).
No contexto educacional, muitas instituições já são orientadas por dados.
Elas possuem dashboards interativos, que fornecem informações atualizadas sobre 22
o sistema educacional. Com a utilização das TICs e aplicando elementos da ciência
de dados é possível identificar quais são as áreas de conhecimento que os alunos
possuem mais interesse em aprender, e avaliar quais são as matérias e assuntos que
os alunos possuem mais dificuldade. Isso envolve ainda um elemento preditivo, no
qual a trajetória individual do aluno pode ser criada e calculada para ampliar o seu
aprendizado (Edwards 2014; Williamson 2016). Com o feedback em tempo real o
governo pode agir para ajustar e publicar novas diretrizes para escolas (Giest, 2017).
Assim, o aprendizado é potencializado e o plano de aula pode ser adequado às
necessidades dos alunos e da escola.
Desde 2016 a cidade de Boston investe em análise de dados. O governo
utiliza ciência de dados para analisar e resolver problema diversos, como overdoses
de drogas, uso de ambulâncias, congestionamento de tráfego, falta de moradia,
inspeções em restaurantes, e fiscalização do estacionamento. Um dos maiores cases
de casos da cidade foi a utilização de dados para reduzir os custos de energia
(Wiseman, 2017).
O departamento de energia de Boston desenvolveu um sistema que
monitora o uso de energia em tempo real. O sistema rastreia o uso da energia e o
compara entre períodos. Todos os dados são públicos. A ferramenta consegue
analisar o consumo de energia individual, por equipamento, o que permite a
22 Dashboards são painéis que mostram métricas e indicadores importantes para alcançar objetivos e metas traçadas de forma visual, facilitando a compreensão das informações geradas.
86
identificação de valores discrepantes, sinalizando quais equipamentos
possivelmente estão com defeitos e necessitam de manutenção ou até substituição.
Outra funcionalidade importantíssima da ferramenta é a possibilidade de realizar
ajustes no uso de energia em tempo real. Um exemplo de ajuste executado foi a
diminuição da velocidade dos ventiladores, em determinados períodos do dia, em
uma biblioteca, que resultou na economia de U$ 40.000 por ano. Outro exemplo é
a redução do consumo de energia quando o edifício está fechado (Wiseman, 2017).
Esse modelo de administração orientada por dados possibilita que as
ações tomadas por governos sejam mais assertivas e céleres. Uma estratégia
orientada por dados, por exemplo, permite que as administrações tributárias tomem
decisões que beneficiem seus próprios objetivos socioeconômicos e do país, agora
e no futuro ( Microsoft; PwC. 2018).
11.1. Escala de maturidade de um Governo Orientado
por Dados Jane Wiseman publicou em Julho de 2016 um artigo que propõe uma
escala de maturidade para um Governo Orientado por Dados. Segundo a autora,
conforme os governos amadurecem sua capacidade de produzir e compartilhar
dados, eles criam oportunidades para que usuários internos e externos analisem e
usem os dados, o que, por sua vez, melhora o desempenho do governo.
Segundo a autora, os dados abertos funcionam como uma base e um
acelerador do governo orientado por dados. Embora não seja um precursor
necessário para desenvolver uma cultura de dados, o processo de publicação de
dados abertos cria oportunidades para que governos avaliem a disponibilidade e
qualidade dos dados (Wiseman. 2018).
O modelo descreve um caminho geral, que se aplica tanto ao governo
como um todo quanto a um departamento dentro do governo, com seu próprio
87
ambiente de dados e desafios distintos.
Embora os estágios descritos para o modelo são apresentados
sequencialmente, a autora afirmar que o progresso raramente é linear. São quatro
os estágios da escala de maturidade, conforme Figura 17.
(i) Publicar: Lançando um programa de dados abertos
Publicar dados em um formato utilizável para o público é o primeiro
passo para que um governo seja orientado por dados. A exposição dos dados ao
público convida à interação e, a medida que os usuários dentro e fora do governo
começam a utilizá-los, aumenta-se a demanda por mais dados (Wiseman. 2016).
88
(ii) Polir: Publicando grandes volumes de dados e melhorando sua
qualidade.
O segundo estágio está relacionado a qualidade dos dados. Neste
momento a publicação de dados é rotineira e o volume cresce rapidamente. Com
isso aumenta-se o interesse e uso dos dados pelas pessoas, mídia, universidades,
organizações sem fins lucrativos e outros usuários do governo. Com mais utilização,
espera-se que esses usuários forneçam feedbacks que melhorem a qualidade e
precisão dos dados divulgados. Desta forma, o governo pode começar “polir” os
dados publicados (Wiseman. 2016).
Nesse estágio de maturidade de dados, a governança de dados se torna
mais formalizada, com linhas de responsabilidade claras para o gerenciamento de
dados, atualizações de dados e integridade de dados. Os dados fornecem
contexto, origem e formato, permitindo que os usuários entendam como os dados
foram criados e como se relacionam com outras fontes (Wiseman. 2016).
(iii) Analisar: Uso de dados para melhorar o desempenho e aumentar a
transparência.
Neste estágio o governo começa a utilizar os dados para entender
melhor as políticas e programas públicos, prever e prevenir problemas, buscar
padrões e novas percepções, e conduzir melhores decisões. Assim, o governo
melhora sua eficiência e aumenta a transparência de suas ações (Wiseman. 2016).
Projetos de análise de dados que são bem sucedidos podem atrair
atenção positiva, tanto do governo quanto da mídia, o que cria um movimento
positivo em direção a uma cultura de dados. Outro benefício que nota-se nesta
etapa é o potencial que a análise de dados têm para corroer os silos do governo, à
que todos têm acesso isonômico às informações públicas (Wiseman. 2016).
(iv) Otimizar: incorporando processos decisórios orientados por dados em
toda organização.
Neste nível o uso de dados é otimizado em toda organização, todos os
89
níveis de governo utilizam dados em seus processos decisórios. A cultura da cidade
não apenas aceita, mas também adota o uso de dados. O trabalho é organizado em
torno de problemas ou questões públicas, e não as linhas de autoridade criadas
quando as agências foram estabelecidas (Wiseman. 2016).
Os governos enxergam os analistas e os cientistas de dados como ativos
valiosos e, portanto, investem em treinamento e desenvolvimento de habilidades
analíticas (Wiseman. 2016).
11.2. Recursos necessários para implementação de
um Governo Orientado por Dados Com a pesquisa foi possível concluir que a implementação de um
Governo Orientado por Dados depende do investimento em Tecnologia da
Informação e Comunicação, Governança Pública e Pessoas.
No contexto da Tecnologia da Informação e Comunicação, como
conjunto de recursos tecnológicos integrados entre si, por meio das funções de
hardware, software e telecomunicações, o Governo Orientado por Dados investe
em Inteligência Artificial, para coleta, tratamento e análise de dados, Internet das
Coisas, para coleta de dados, e no armazenamento desses dados coletados.
No âmbito da Governança Pública, um Governo Orientado por Dados
investe em ações que promovem a transparência, a participação, e o accountability,
criando mecanismos para realizar uma gestão por resultados baseada na visão
coletiva da sociedade.
O investimento em pessoas é fundamental para que a implantação de um
Governo Orientado por Dados seja bem sucedida. Nesse contexto, identificaram-se
duas divisões. Uma interna, onde o governo pode realizar atividades capacitatórias,
visando desenvolver competências analíticas no corpo de funcionários, e contratar
cientistas de dados. Outra externa, composta de ações que visam engajar o cidadão
90
nas atividades de gestão da cidade, promovendo a cooperação na concepção,
fiscalização e avaliação de políticas e serviços públicos.
11.3. Ciclo de atividades de um Governo Orientado
por Dados Tendo os recursos necessários, a administração pode iniciar suas
atividades. Para isso, apoiando-se na Ciência de Dados, propõe-se a utilização de
um método baseado na repetição, cíclico, que deve ser aplicado sucessivamente,
buscando a melhoria contínua e um maior controle das atividades e resultados, tal
qual como o PDCA , Total Data Quality Management e também como exposto no 23
capítulo 4.1 Análise de dados e sua estrutura enquanto projeto.
A metodologia aqui proposta, nomeada como “Ciclo de Atividades de
um Governo Orientado por Dados”, é composto por 5 etapas, conforme figura 18,
sendo:
(i) Coletar: nesta etapa o governo deve definir quais serão as fontes de
coleta, como por exemplo por meio da colaboração do cidadão em processos
participativos, ou oriundos das mídias sociais, ou utilizando de sensores espalhados
pelo território, e assim passar a coletá-los e armazená-los;
(ii) Tratar: é a operação realizada por meios manuais ou automatizados,
que classifica, organiza, agrupa, filtra, processa, armazena, elimina, modifica os
dados coletados.
(iii) Analisar: nesta etapa faz-se a análise e interpretação dos dados que
foram coletados e tratados. Pela exploração da base de dados, busca-se encontrar
padrões e tendências, e identificar problemas e oportunidades. As descobertas são
sintetizadas e apresentadas visualmente de modo a orientar as ações do governo.
Os resultados encontrados são avaliados e comparados aos resultados esperados
23 PDCA (do inglês: PLAN - DO - CHECK - ACT ou Adjust) é um método iterativo de gestão de quatro passos, utilizado para o controle e melhoria contínua de processos e produtos.
91
(metas e objetivos).
(iv) Executar: momento onde o governo pode tomar ações corretivas,
preventivas e de melhorias. Nesta etapa também é possível que a administração
pública estabeleça novos objetivos e metas, ou que corrija as falhas encontradas
nos passos anteriores.
(v) Comunicar: A última etapa do ciclo visa engajar o cidadão e dar
publicidade aos atos do governo, informando os resultados alcançados e
divulgando suas ações.
Assim, entende-se
que um Governo Orientado
por Dados deve ser pró-ativo e
estabelecer uma relação mais
pessoal com os cidadãos,
tornando-se mais democrático
e eficiente.
Importante ressaltar
que o ciclo pode ser utilizado
em um projeto, programa, ou
como uma referência de
atuação governamental.
Também deve-se ter em
mente, conforme exposto na
seção 4.1, que formular a
pergunta, ou seja, entender qual o objetivo da coleta e análise dos dados, e
especificar que tipo de aprendizado deseja-se obter é muito importante. Essa
atividade não foi inserida dentro do ciclo pois esse tem caráter permanente, para
que o governo de fato torne-se mais mais eficiente, responsivo, pró ativo, e
transparente.
92
12. Referências As referências apresentadas nestas linhas que seguem possuem o intuito
de exemplificar os conceitos pesquisados, demonstrando como governos e
organizações estão utilizando dados para aumentar a performance e aprimorar
serviços.
12.1. Referência #01: China A China é um dos países que está liderando o desenvolvimento da
inteligência artificial, propondo uma nova maneira de administrar a economia e a
sociedade, alcançando uma governança algorítmica.
O governo utiliza a inteligência artificial para prestar serviços públicos e
monitorar a cidade, e as pessoas que nela vivem. Já é possível que o cidadão
chinês pague suas contas, saque dinheiro e acesse demais serviços públicos apenas
com seu rosto.
Muitas empresas chinesas estão desenvolvendo aplicativos competitivos
globalmente que fazem o reconhecimento e análise de imagem e voz. Uma das
empresas pioneiras em pesquisa e inovação em IA, a YITU Tech , desenvolve 24
soluções para construir um mundo mais seguro, rápido e saudável. A empresa
espera aprimorar a IA para que as máquinas possam escutar e compreender,
buscando avançar em visão computacional processamento de linguagem natural,
raciocínio e representação do conhecimento, hardware inteligente e robótica. Hoje
YITU tem uma presença extensa em setores como segurança, finanças, transporte e
saúde (The Economist. 2018).
Uma de suas soluções, a Generic Portrait Platform, foi projetada para
realizar o reconhecimento facial em fluxos de vídeo dinâmicos. Ele incorpora
24 http://www.yitutech.com/en/
93
funções como reconhecimento de facial, vigilância em tempo real e rastreamento e
consulta de pedestres. O avanço tecnológico permite que o sistema, inclusive,
interprete as emoções das pessoas.
A tecnologia do módulo de vigilância em tempo real possui uma blacklist
que aciona um alarme para as autoridades assim que uma pessoa entra nas áreas 25
monitoradas. Já o módulo de rastreamento e consulta de pedestres permite que
suspeitos sejam identificados a partir do seu padrão de movimentos corporais,
conforme Figura 19(The Economist. 2018).
Contudo, o Governo Orientado por Dados pode, nesse contexto, facilitar
a hipervigilância. Deve-se ter sempre a preocupação de evitar que a tecnologia seja
usada para fins autoritários
Com milhões de câmeras e linhas de código, a China está adotando
tecnologias como reconhecimento facial, inteligência artificial, aprendizado de
25 Segundo o dicionário Cambridge, blacklist é uma lista de pessoas, IPs, número de celular, países, etc. que foram considerados, por uma autoridade ou grupo, como inaceitáveis, ou que merecem ser evitados, ou que não são confiáveis.
94
máquina e análise preditiva para identificar e monitorar 1,4 bilhão de pessoas.
Aparelhos experimentais, como óculos que possuem tecnologia integrada capaz de
realizar o reconhecimento facial, já estão sendo testados pelo governo chinês
(Figura 20). A tecnologia ajuda a identificar suspeitos em tempo real.
Um artigo no Diário
do Povo, o jornal oficial do
Partido Comunista, cobriu uma
série de prisões feitas com a
ajuda de reconhecimento facial
em diversos eventos. Na
cidade chinesa de Zhengzhou,
por exemplo, um policial
usando óculos de
reconhecimento facial avistou
um contrabandista de heroína
em uma estação de trem. Contudo, os óculos funcionam apenas se o alvo ficar
parado por alguns segundos. Eles têm sido usados principalmente para verificar se
as pessoas que estão entrando e saindo do país estão utilizando identidades falsas
(The New York Times. 2018).
Até 2018 o país
já havia instalado 170
milhões de câmeras de
Circuito Fechado de
Televisão (CFTV), sendo
que sua meta é ter 570
milhões de câmeras até
2021 (Figura 21). As
autoridades informam que
95
o sistema tem o objetivo de proporcionar mais segurança aos cidadãos. Se você
não tem nada a esconder, você não tem nada a temer. Contudo, há há temores de
que governo utilize a tecnologia para localizar dissidentes políticos ou identificar as
minorias étnicas (BBC. 2018).
As câmeras estão em todos os lugares. Os cidadãos dizem sentir-se em
constante vigilância. Praticamente todas as atividades são monitoradas. Quanto
mais a tecnologia vai se desenvolvendo, maior a capacidade dela ser abusiva.
Todos estão sendo vigiados o tempo todo, portanto não podem fazer nada que
desagrade o governo (The Economist. 2018).
O governo utiliza os recursos dos contribuintes para monitorar os
contribuintes. Como defende Castells (2003, p. 128), “em vez de o governo vigiar as
pessoas, as pessoas poderiam estar vigiando o seu governo – o que é de fato um
direito delas, já que teoricamente o povo é soberano.
12.2. Referência #02: SmartWifi. Cidade de Palma de
Mallorca A prefeitura da cidade de Palma de Mallorca, em Baleares, na Espanha,
criou um departamento que coordena e lidera todas as ações de reconversão . O 26
"SmartOffice" é formado por uma coordenação, representantes dos conselhos
municipais e empresa pública. O plano diretor da cidade focou em inovação, no uso
das TICs e na geração de ideias, em em colaboração com o setor privado.
Uma das ações implementadas foi o projeto SmartWifi, realizado em
parceria com o consórcio da Praia Palma e as Prefeituras de Palma de Mallorca e
Llichmajor (Figura 22). Além de oferecer o livre acesso à internet para cidadãos e
26 reconversão, neste contexto, consiste em modificar novamente algo que, anteriormente, já havia sido transformado. O uso mais frequente da noção está no contexto das indústrias, referindo-se à evolução técnica que permite modernizar uma atividade.
96
turistas, a mesma infraestrutura de telecomunicações de dados é utilizada para uma
série de serviços da prefeitura, como em áreas como segurança e mobilidade, por
exemplo. A prefeitura contrata o serviço de infraestrutura, manutenção da rede e
conexão Wi-Fi da iniciativa privada. Atualmente existem 1.000 pontos de Wi-Fi que
são totalmente custeados pelo governo.
O sistema possui uma
plataforma CMX
(Customer Monitoring
Experience), que estuda
o comportamento das
pessoas na cidade em
tempo real. A
ferramenta permite que
as empresas interajam
com os usuários do
Wi-Fi, baseando-se em sua
geolocalização e comportamento,
possibilitando uma oferta mais
adequada de conteúdo e serviços
às pessoas. O Big Data do
comportamento humano permite
entender com mais precisão o
público que utiliza o serviço.
Baseando-se no perfil demográfico,
socioeconômico e interesses dos
usuários é possível explorar de
maneira mais eficaz a publicidade.
A análise dos dados
97
identifica a quantidade de pessoas e o tempo de permanência que elas tiveram no
local, criando mapas de calor (Figura 23).
Os mapas de calor podem contribuir para que o Governo otimize as
ações de segurança pública, por exemplo.
O serviço de Wi-Fi é totalmente gratuito para usuários finais, contudo a
solução é monetizada por meio da venda de espaços de publicidade customizáveis,
que são adquiridos por negócios locais, como cafés, restaurantes e hotéis.
O sistema disponibiliza um Dashboard que fornece aos administradores
informações valiosas, como
por exemplo a análise sobre
os locais de acesso e quais
aplicativos são usados, perfil
do usuário, tempo de
conexão, os dias e horários
de maior acesso, quantidade
de novos e recorrentes
usuários, entre outras
informações, conforme
exemplo exposto pela Figura
24.
Com essas análises e informações é possível que o governo crie
estratégias e ações para melhorar a segurança da cidade e tornar a comunicação
entre Governo e pessoas mais eficiente. Com o envio de mensagens personalizadas
para as pessoas, o governo promove o turismo e a cultura.
12.3. Referência #03: Google Local Guide O Google conta com um programa de recompensas, atrelado ao Google
98
Maps, chamado Local Guide . Com ele, o usuário contribui com avaliações de 27
locais, fotos e comentários. Cada avaliação gera um número de pontos e, conforme
o usuário acumula pontos, ele aumenta o nível de sua reputação dentro da
comunidade. Conforme o usuário sobe de nível, ele ganha vantagens, como o
acesso antecipado a funções em produtos do Google e brindes oferecidos por
parceiros.
O Local Guide, por meio de um sistema colaborativo, avalia espaços e
serviços, públicos e privados, conforme exemplos expostos na figura 26. Ao
reconhecer geograficamente que uma pessoa, usuária dos serviços Google, visitou,
por exemplo, um restaurante ou um parque, o sistema envia perguntas para que
esse usuário colabore com a comunidade. Com pequenas interações, a pessoa irá
informar se, por exemplo: se sentiu segura; se o local possuia estacionamento; se os
valores cobrados eram caros; se o local estava bem iluminado e limpo; se ela foi
bem atendida; etc. As avaliações e opiniões são fornecidas voluntariamente,
permitindo que os usuários compartilhem informações entre si, gerando uma
sabedoria de massa a respeito do território.
27 Google Local Guide: https://maps.google.com/localguides/home
99
Um mapeamento digital do território, criado e alimentado
colaborativamente pelas pessoas, permitiria ao Governo identificar problemas e ter
informações atualizadas e precisas sobre a cidade. Essa interação direta entre
governos e cidadãos feita por meios digitais permitiria, por exemplo, sabermos
quais são as escolas que os alunos se sentem mais inseguros, ou quais escolas
possuem o menor nível de satisfação de pais e alunos sobre a qualidade do ensino
e da edificação. O governo poderia saber, em tempo real, a quantidade de pessoas
que estão em uma determinada Unidade Básica de Saúde - UBS.
A tecnologia permitiu a rápida e direta conexão entre cidadão para
governo (C2G) e elevou a interação entre cidadão para cidadão (C2C) (Cardone et
al., 2013). Desta forma, o cidadão tem a possibilidade de, rapidamente, se
manifestar e contribuir com a concepção, monitoramento e avaliação de políticas e
serviços públicos.
Conforme é enxerga-se na Figura 26, seria possível, por exemplo, que
órgãos do poder executivo consultassem os munícipes sobre a priorização das
ações que serão realizadas no bairro. O poder legislativo poderia, rapidamente,
saber a opinião dos cidadãos sobre questões de interesse público.
100
A participação constante do cidadão na concepção, monitoramento e
avaliação de políticas e serviços públicos possibilita que o governo tenha
informações mais atualizadas sobre os serviços que oferece, e que suas ações sejam
orientadas na supremacia do interesse público.
Outra aplicação seria na realização de censo demográfico. De acordo
com o IBGE, o custo estimado para realizar o Censo Demográfico 2020 é de R$ 3
bilhões. Para realizar a pesquisa é necessário contratar cerca de 300 mil
pesquisadores, que visitam todos os domicílios brasileiros (Folha. 2017). Portanto,
quando o governo e o cidadão estiverem conectados, com iterações frequentes,
diminui-se a necessidade de mobilizar tantos recursos humanos para realizar a
pesquisa presencial, podendo direcionar os profissionais contratados regiões que
não sofrem com a exclusão digital. Os dados também são coletados e atualizados
com maior frequência.
12.4. Referência #04: Mapa da epidemia de violência
armada nos Estados Unidos Em 2015, nos Estados
Unidos da América, houve mais de
13.000 homicídios com armas. O
Federal Bureau of Investigation (FBI)
fornece estatísticas de assassinatos
cometidos com armas de fogo até o
nível da cidade, o que mascara o
agrupamento de violência dentro dos
bairros. A análise feita pelo The
Guardian, em parceria com a Gun
Violence Archive, mapeou os
101
homicídios nos EUA até o nível dos bairros (The Guardian, 2017).
O mapa da epidemia de violência armada da América é um case que
demonstra como a visualização de dados revela padrões e fornece insights
relevantes.
Foi descoberto que essa violência não é distribuída pelo país. Metade
dos homicídios com armas nos Estados Unidos, em 2015, aconteceram em apenas
127 cidades e vilas. Entender os motivos do agrupamento da violência armada dos
EUA é crucial para salvar vidas (The Guardian, 2017).
A cidade de St. Louis, nos Estados Unidos, teve a maior taxa de
homicídios com armas do país. Se todos os homicídios com armas que aconteceram
em 2015 em St. Louis fossem distribuídos aleatoriamente, o resultado seria o
apresentado na Figura 27 (The Guardian, 2017).
Contudo, com uma análise aprofundada da região, foi possível agrupar
os crimes dentro dos bairros e, após cruzar com dados socioeconômicos da cidade,
foi possível identificar que a maior incidência de crimes está concentrada nas
regiões mais pobres da cidade, que possuíam o menor nível de escolaridade, e em
bairros que foram construídos sob décadas de segregação racial. (Figuras 28 e 29).
102
A linha divisória que é possível enxergar entre as áreas com muitos
homicídios por arma de fogo e poucos homicídios por arma de fogo é traçada pela
Avenida Delmar Boulevard, uma das principais ruas que fazem a ligação leste-oeste
(The Guardian, 2017).
Essa segregação, que se desenvolveu ao longo do tempo, dividiu a
cidade em duas. Esse processo ocorreu durante a maior parte do século 20, devido
aos acordos de moradia racial, as práticas discriminatórias de empréstimo e a “fuga
branca ”. Ainda hoje, alguns moradores tratam a Delmar Boulevard como uma 28
linha que não querem atravessar. O peso desigual da violência também é marcado
por intensas disparidades raciais (The Guardian, 2017).
28 White Flight, ou “Fuga Branca”, é o processo em que pessoas brancas saem de uma área porque pessoas de outras raças estão se mudando para o local.
103
12.5. Referência #05: Portal de Atendimento SP 156.
Prefeitura de São Paulo. A transformação digital já alcançou a prefeitura de São Paulo. Muitos
serviços já possuem interface online, e podem ser solicitados utilizando qualquer
dispositivo conectado à internet. Além de simplificar a vida do cidadão, que não
precisa se deslocar até um posto de atendimento, os serviços eletrônicos coletam
dados estatísticos que contribuem com a melhora da gestão.
Um exemplo de iniciativa bem sucedida foi o desenvolvimento e
implantação do o aplicativo SP 156, que facilita a comunicação entre o cidadão e
governo. O aplicativo permite que cidadãos contribuam com a gestão da cidade a
partir da solicitação de serviços, reclamações e denúncias. Em alguns casos é
possível fazer a solicitação de forma anônima, em outros é necessário que seja
identificada. A solicitação identificada fica vinculada ao cadastro do(a) munícipe. Ela
permite que, caso o cidadão tenha cadastrado e-mail e celular, a Prefeitura entre
em contato para avisá-lo sobre o andamento da solicitação. A solicitação anônima
não permite o contato ativo por parte da prefeitura, mas o cidadão pode
acompanhar a resolução da sua solicitação utilizando o número do protocolo
recebido.
Com o SP 156 o munícipe pode solicitar serviços como: (i) fiscalização de
comércios; (i) limpeza de bueiros; (iii) cata-bagulho; (iv) falta de varrição; (v)
tapa-buraco; (vi) denúncia de trabalho infantil; (vii) veículo estacionado em local
proibido; e muitos outros (Figura 30). Ao cadastrar uma solicitação o cidadão pode
tirar ou anexar uma foto de sua galeria. O aplicativo utiliza georreferenciamento
para identificar a localização do cidadão, facilitando a indicação de onde o serviço
deve ser prestado.
104
A digitalização dos serviços públicos está intimamente ligada ao uso de
dados: os aplicativos digitais fornecem ampla oportunidade para agregar e analisar
dados e, por sua vez, a análise de dados pode apoiar a implementação de serviços
digitais (Demirkan; Delen, 2013). Isso se traduz, por exemplo, em dados abertos ou
personalizados, nos quais o governo coleta dados de cidadãos e, em seguida,
fornece um serviço com base nesses dados, facilitando o acesso e o uso de serviços
públicos. Outra aplicação é a do cidadão que fornece dados adicionais ou até
105
coleta dados para o governo, apoiando a prestação de serviços públicos no futuro
(Giest, 2017). Isso inclui a criação de serviços que sejam mais receptivos às
necessidades dos cidadãos, bem como que o próprio governo seja mais eficiente
em sua resposta (Bekkers; Homburg, 2007).
12.6. Referência #06: Estratégia para direção
autônoma e conectada da Alemanha Em 2013, o Ministério Federal dos Transportes e Infraestrutura Digital da
Alemanha criou um órgão - a Mesa Redonda sobre Direção Autônoma - que
viabiliza que partes interessadas da indústria, academia, associações e governo se
troquem ideias e experiências sobre condução autônoma e automatizada
(Alemanha. New Pathways for Energy. 2018).
O Governo Alemão entende que as novas tecnologias abrigam o
potencial de aumentar a segurança nas estradas e a eficiência do tráfego, reduzindo
as emissões dos transportes e fortalecendo a Alemanha como um local competitivo
para a atividade econômica e um local mais atraente para empresas inovadoras.
Com isso, definiu a “Estratégia para Direção Autônoma e Conectada”,
que está centrada nas seguintes áreas temáticas: infraestrutura, legislação, inovação,
conectividade, segurança cibernética, proteção de dados e diálogo social
(Alemanha. New Pathways for Energy. 2018).
Em 2016 o Ministério Federal dos Transportes e Infra-estrutura Digital
estabeleceu o programa “Digital Motorway Test Bed”, na auto-estrada federal A 9,
na Baviera. As auto-estradas da Baviera sofrem com cargas elevadas de trânsito e
tráfego intenso. A presença de obras nas rodovias, acidentes ou condições
meteorológicas adversas causam engarrafamentos regularmente, impactando
negativamente os tempos de viagem, a segurança no trânsito e a emissões de
poluentes relacionados ao tráfego.
106
As lições aprendidas com os testes fornecem aos gestores e
formuladores de políticas públicas informações fundamentais para subsidiar a
tomada de decisão sobre as políticas de transporte.
O programa tem como objetivo dar à indústria e à comunidade de
pesquisa uma oportunidade de testar, avaliar e desenvolver tecnologias para
veículos automatizados e conectados, e para a infraestrutura viária inteligente, em
um ambiente real (Alemanha. New Pathways for Energy. 2018). A proposta é testar
soluções que permitam a comunicação de veículo para infraestrutura
(vehicle-to-infrastructure - V2I) e veículo para veículo (vehicle-to-vehicle - V2V),
transformando A9 na primeira rodovia inteligente e totalmente digitalizada.
O Digital Motorway Test Bed é operado pelo Ministério Federal de
Transportes e Infraestrutura Digital, juntamente com o Estado Livre da Baviera, a
Associação Alemã da Indústria Automotiva (VDA) e a Associação de Tecnologia da
Informação, Telecomunicações e Novas Mídias (Bitkom) (Alemanha. Digital
Motorway Test Bed. 2018).
Em outubro de 2017 o governo divulgou uma lista com 15 projetos que
foram selecionados para fazer parte do programa. Um deles, fruto de uma parceria
entre as empresas Siemens AG and Infineon Technologies AG, está utilizando
radares e sensores para medir o volume e a velocidade do tráfego, e, por
conseguinte, identificar congestionamentos e melhorar a gestão e as condições do
tráfego (Siemens. 2016).
Os dados coletados também servem como base para geração automática
de relatórios de tráfego e relatórios sobre distúrbios de tráfego (engarrafamentos e
congestionamentos) e para o cálculo automático das previsões de tráfego.
(Alemanha. Bayerinfo. 2018).
Com o gerenciamento dinâmico do volume de dados, e utilizando
estratégias que otimizam o uso da infraestrutura, o sistema de gestão de tráfego
toma decisões para neutralizar e reduzir impactos negativos. Ele possui algoritmos
107
para controle automatizado e semi-automatizado, projetados para otimizar o fluxo
de tráfego e fornecer aos motoristas informações oportunos sobre todos os tipos de
acidentes (SIEMENS. Case studies for traffic solutions. 2016).
Paineis digitais alertam os motoristas sobre congestionamentos
repentinos, ocorrência de veículos dirigindo na contramão e presença de animais na
estrada. Os sensores também informam o centro de operações de tráfego assim
que identificam que um veículo parou no acostamento. A tecnologia otimiza e faz a
gestão das faixas de rodagem, sugerindo a alteração da direção para reduzir o
congestionamento (SIEMENS. Radar’s Key Role on Smart Roads. 2016).
O gerenciamento de tráfego trouxe resultados positivos em relação a
redução e prevenção de acidentes; harmonização de velocidade; e redução de
congestionamento ou prevenção de gargalos, como: (i) Reduziu em 35% o número
de acidentes; (ii) 31% por cento o número de feridos em acidentes; (iii) Reduziu em
20% o congestionamento; (iv) aumentou a capacidade rodoviária; (v) melhorou a
sincronização de tráfego durante o horário de pico (SIEMENS. Case studies for
traffic solutions. 2016).
12.7. Referência #07: Decidim: Plataforma de
participação de Barcelona, Espanha Decidim.barcelona (www.decidim.barcelona) é a principal plataforma de
participação da cidade de Barcelona (Figura 31). Ela realiza o gerenciamento de
projetos de orçamento aberto e co-criação de políticas, visando a uma democracia
genuinamente participativa. Possui mais de 27.000 usuários registrados e mais de
11.700 propostas.
108
Pela plataforma foi desenvolvido um ambicioso plano de mobilidade, que
tinha como objetivo reduzir a poluição atmosférica excessiva, diminuir os níveis de
ruído e reduzir o tráfego em 21%. O processo participativo foi muito rico, com
etapas online, compostas de propostas, respostas a perguntas e votações, como
presencialmente em audiências públicas, workshops temáticos, debates, grupos de
discussão.
Atualmente a cidade abriu para debate a recuperação de um espaço
chamado “La Model”.
Os munícipes poderão debater sobre:
➔ O grau de proteção patrimonial e preservação da memória.
➔ Os usos e equipamentos que devem ser bem vindos.
➔ A configuração urbana mais adequada.
109
No site foram disponibilizados diversos documentos e estudos para subsidiar a
participação da sociedade civil.
Conforme figura 32, o processo foi divido em 4 fases: (i) informação: dar
publicidade e informar aos cidadãos o início do processo; (ii) debate: proporcionar
diálogo, contraste de argumentos e coletar as contribuições dos participantes
utilizando diferentes metodologias, presenciais e virtuais, buscando alcançar o maior
número possível de pessoas; (iii) retorno: informar a todos os participantes e aos
cidadãos como um todo os resultados finais que emergiram do processo
participativo. (iv) acompanhamento: facilita o follow-up dos resultados do processo.
Outro grande case da
plataforma foi a elaboração do
Plano Municipal. Esse processo
contou com a participação de mais
de 42.000 pessoas (Figura 33). A
plataforma digital permite que
você veja como esse espaço para
reuniões e relacionamentos foi
construído entre a Administração,
os coletivos e as pessoas.
110
13. Conclusão No decorrer dessas linhas viu-se a fundamentação e exemplos de ações
que podem compor um Governo Orientado por Dados. Buscou-se proporcionar o
entendimento sobre sua aplicabilidade e possíveis resultados que sua
implementação pode proporcionar.
Viu-se que a implantação de um modelo de Governo Orientado por
Dados deve ser analisada caso a caso, projeto a projeto, cidade a cidade. Também
foi discutida a importância de viabilizar a participação da sociedade de forma
simples e voluntária. Assim, para garantir isonomia, é importante que o governo
combine ações de inclusão digital, como por exemplo por meio da disponibilização
de um serviço de internet pública, viabilizando a participação daqueles que estão
excluídos digitalmente.
Entendeu-se que um Governo Orientado por Dados deve ser pró-ativo e
estabelecer uma relação mais pessoal com os cidadãos, tornando-se mais
democrático e eficiente.
O cidadão deve estar no centro das iniciativas do governo, zelando por
seus direitos e liberdades fundamentais, como a privacidade, a liberdade de palavra
e crença, e a igualdade em dignidade e direitos. Dada a importância, o tema da
ética no uso dos dados e da privacidade foram tratados com total zelo durante a
pesquisa, buscando exemplificar melhores práticas e propor metodologias que
asseguram os direitos das pessoas.
A utilização da ciência de dados, em especial do Ciclo de Atividades de
um Governo Orientado por Dados, capítulo 11.3, adicionado à promoção dos
processos participativos e no engajamento do cidadão, permite que avaliação e
monitoramento das atividades seja mais eficiente, gerando insights, e orientando a
tomada de decisão por meio de ações preventivas e corretivas, resultando na
melhoria contínua dos resultados.
111
Entendeu-se que a implementação de um Governo Orientado por dados
depende do investimento em Tecnologia da Informação e Comunicação,
Governança Pública e Pessoas. Com isso é possível que a administração pública
colete, trate e analise dados para realizar suas atividades, comunicando a população
sobre as decisões tomada e engajando-a durante todo o processo. A contínua
execução desse ciclo torna o governo mais eficiente, transparente e fortalece a
democracia. Cria-se um vínculo de parceria com o cidadão, que se torna um agente
direto na gestão da cidade, colaborando com a concepção, monitoramento e
avaliação de políticas e serviços público (Figura 36).
Desta forma, abre-se o caminho para um constante monitoramento e
avaliação dos serviços públicos. As pessoas assumem uma função ativa na
construção e reforma da cidade e das instituições que a organizam. Enxerga-se o
arquétipo de uma democracia direta, governada pela vontade do todo, abraçada
pela igualdade. Garantindo, assim como explícito na Declaração Universal dos
Direitos Humanos, que a vontade do povo seja base da autoridade do governo
(ONU, 1948).
13.1. Futuros desdobramentos desta pesquisa Nota-se a oportunidade de continuar esta pesquisa com o
aprofundamento em questões relacionadas à segurança dos dados. Vislumbra-se
que uma rede distribuída, como Blockchain , é uma possível opção tecnológica 29
para garantir, a segurança da rede e confiança em todo o sistema. Inclusive, com a
integração das base de dados, abre-se a oportunidade para que o cidadão tenha
um cadastro único.
29A tecnologia Blockchain foi inventada em 2018 por uma pessoa que utilizou o nome de Santoshi Nakamoto. É a base da bitcoin e muitos outros produtos. Blockchain é um registro aberto e distribuído, que grava transações entre duas partes de maneira eficiente e verificável e permanente (Iansiti and Lakhani. The Truth about Blockchain. Harvard Business Review. 2017.). Analogamente, a tecnologia cria um livro-razão aberto e distribuído, onde os dados digitais são replicados, compartilhados, sincronizados e espalhados geograficamente em vários locais, países ou instituições. Não há administrador central nem armazenamento de dados centralizado.
112
Por fim, para que o modelo entregue os resultados esperados, é
interessante que o governo realize ações para promover o engajamento e incentive
a participação dos cidadãos, instituindo, organicamente, um cultura colaborativa na
sociedade. Portanto, enxerga-se que a gamificação do sistema pode ser uma 30
solução possível, merecendo um maior aprofundamento.
30 Gamification é a aplicação de elementos de design de jogos e princípios de jogos em contextos não relacionados a jogos (Robson, K. et all. 2015). A gamificação geralmente emprega elementos de design de jogos para melhorar o engajamento do usuário, produtividade organizacional, fluxo, aprendizado, crowdsourcing, recrutamento e avaliação de funcionários, apatia dos eleitores e muito mais.
113
114
14. Bibliografia 31
ABRUCIO, Fernando Luiz; LOUREIRO, Maria Rita. Finanças públicas,
democracia e accountability. 2004.
ACKOFF, Russel L. From Data to Wisdom . Journal of Applied Systems
Analysis. 1989.
ALTOAIMY, Lina. ALMORIH, Arwa. AL-MEGREN, Shiroq. AL-HUDHUD,
Ghada. KURDI, Heba. YOUCEF-TOUMI, Kamal. Context-Aware Gossip-Based
Protocol for Internet of Things Applications. 2018. Disponível em:
<https://www.mdpi.com/1424-8220/18/7/2233 >. Acesso em 17 dez 2018.
ALBERTI, Adriana; BERTUCCI, Guido. Replicating Innovations in
Governance: An Overview. 2006.
ANTTIROIKO, Ari-Veikko; BAILEY, Stephen J; VALKAMA, Pekka.
Innovation in Public Governance. 2011.
ALBURY, David. Fostering innovation in public services . 2005.
Alemanha. Ministério do Transporte e da Infraestrutura Digital. New
Pathways for Energy: Recent developments in the Federal Government’s Mobility
and Fuels Strategy (MFS). 2018. Disponível em:
<https://www.bmvi.de/SharedDocs/EN/publications/new-pathways-for-energy.pdf?_
_blob=publicationFile>. Acesso em: 23 dez 2018.
Alemanha. Ministério do Transporte e da Infraestrutura Digital. Digital
Motorway Test Bed. 2018. Disponível em:
<https://www.bmvi.de/SharedDocs/EN/Articles/DG/digital-motorway-test-bed.html
>. Acesso em: 23 dez 2018.
Alemanha. Bavarian State Ministry of Housing, Building and Transport
31 Sistema autor-data, de acordo com a Associação Brasileira de Normas Técnicas (ABNT NBR 6023).
115
(StMB). BAYERINFO. 2018. Disponível em:
<http://www.bayerninfo.de/en/about/bayerninfonews >. Acesso em: 23 dez 2018.
ARGENTINA. Ley 25.326. Ley de Protección de los Datos Personales.
Disponível em:
<http://servicios.infoleg.gob.ar/infolegInternet/anexos/60000-64999/64790/texact.h
tm>. Acessado em 12 out 2018.
ASHTON, Kevin. That "Internet of Things" Thing. 2009. Disponível em
<https://www.rfidjournal.com/articles/pdf?4986 >. Acesso em: 18 dez 2018.
BARR, A; FEIGENBAUM, E. The Handbook of Artificial Intelligence,
volume v. I-II. 1981.
BBC. Como o WhatsApp mobilizou caminhoneiros, driblou governo e
pode impactar eleições. Disponível em:
<https://www.bbc.com/portuguese/brasil-44325458 >. Acesso em 09 out 2018.
BBC. Mozambique 'blocked texts' during food riots. 2010. Disponível
em: <https://www.bbc.com/news/world-africa-11300211 >. Acesso em 27 out 2010.
BBC. Nove algoritmos que podem estar tomando decisões sobre sua
vida - sem você saber. 2018. Disponível em:
<https://www.bbc.com/portuguese/geral-42908496 >. Acesso em: 30 dez 2018.
BEKKERS, Victor; HOMBURG, Vincent. The Myths of E-Government.
2007.
BENTLEY, Alexander R; O’BRIEN, Michael J; BROCK, William A. Mapping
collective behavior in the big-data era . 2014.
BERTOT, J; GORHAM, U., JAEGER, P., SARIN, L; CHOI, H. Big data,
open government and e-government: Issues, policies and recommendations. 2014 .
BRASIL. Ministério Público do Distrito Federal e Territórios. Comissão de
Proteção dos Dados Pessoais. Ação Civil Pública por Danos Morais Coletivos em
desfavor do Banco Inter S/A. 2018. Disponível em:
<http://www.mpdft.mp.br/portal/pdf/noticias/julho_2018/Ação_Danos_Banco_Inter
116
_CS.pdf>. Acessado em 12 out 2018.
BRASIL. Decreto nº 9.203, de 22 de novembro de 2017. Dispõe sobre a
política de governança da administração pública federal direta, autárquica e
fundacional. 2018. Disponível em:
<www.planalto.gov.br/ccivil_03/_ato2015-2018/2017/decreto/D9203.htm >. Acesso
em 05 nov 2018.
BRASIL. Ministério do Planejamento, Desenvolvimento e Gestão.
Estratégia de Governança Digital: Transformação Digital. 2016. Disponível em:
<https://www.governodigital.gov.br/EGD/documentos/revisao-da-estrategia-de-gov
ernanca-digital-2016-2019.pdf>. Acesso em: 05 nov 2018.
BRASIL. Ministério do Planejamento, Desenvolvimento e Gestão.
Estratégia Brasileira para Transformação Digital. 2018. Disponível em:
<http://www.mctic.gov.br/mctic/export/sites/institucional/estrategiadigital.pdf>.
Acesso em: 26 dez 2018.
BRASIL. Decreto nº 8.777, de 11 de Maio de 2016. Institui a Política de
Dados Abertos do Poder Executivo Federal. 2016. Disponível em:
<http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2016/decreto/D8777.htm >.
Acesso em: 05 nov 2018.
BRIA, Francesca. MOROZOV, Evgeny. Rethinking the Smart City.
Democratizing Urban Technology. Published by the Rosa Luxemburg Stiftung. 2018.
BUCHANAN, John. Measuring up. PM Network. 2008.
CAFFO, Brian. PENG, Roger D. LEEK, Jeffrey. Executive Data Science. A
guide to training and managing the best data Scientists . 2012.
CARVALHO, André Carlos Ponce de Leon Ferreira de.
Interdisciplinaridade da ciência de dados. Revista da Sociedade Brasileira de
Computação. 2016. Disponível em:
<http://www.sbc.org.br/images/flippingbook/computacaobrasil/computa_31/Comp
_Brasil_02_2016.pdf>. Acesso em: 22 nov 2018.
117
CASTELLS, Manuel. High Technology, Space and Society London,
Beverley Hills. 1985.
CASTELLS, Manuel. The new industrial space: information technology
manufacturing and spacial structure in the United States . 1988.
CASTELLS, Manuel. The Informational City, Information Technology,
Economic Restructuring, and the Urban-Regional Process . 1989.
CASTELLS, Manuel. Communication Power. Oxford University Press.
2009.
CHAFFEY, D.; WOOD, S. Business Information Management: Improving
Performance using Information Systems. 2005 .
CHAFFEY, Dave. E-Business and E-Commerce Management: Strategy,
Implementation and Practice. 2011.
CHILE. Ley 19628. Ley sobre protección de la vida privada. Diponível em:
https://www.leychile.cl/Navegar?idNorma=141599 . 2000. Acessado em 12 out
2018.
CISCO. Cisco Visual Networking Index: Global Mobile Data Traffic
Forecast Update, 2016–2021. 2017. Disponível em:
<https://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual-networki
ng-index-vni/mobile-white-paper-c11-520862.pdf >. Acesso em 24 out 2018.
CISCO. Cisco Visual Networking Index: Forecast and Trends, 2017–2022.
2018. Disponível em:
<https://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual-networki
ng-index-vni/white-paper-c11-741490.html >. Acesso em 27 nov 2018.
CISCO. City of Palma de Mallorca. Disponível em:
<https://meraki.cisco.com/customers/hospitality-and-tourism/city-of-palma-de-mallo
rca>. Acesso em 26 out 2018.
CORRÊA, Izabela Moreira. Planejamento estratégico e gestão pública por
resultados no processo de reforma administrativa do estado de Minas Gerais.
118
Revista de Administração Pública. 2007.
DASU, Tamraparni, JOHNSON, Theodore. Exploratory Data Mining and
Data Cleaning. 2003.
DEMING, W. E. Qualidade: a revolução da administração . Saraiva: Rio
de Janeiro, 1990.
DEMIRKAN, Haluk; DELEN, Dursun. Leveraging the capabilities of
service-oriented decision support systems: Putting analytics and big data in cloud.
2013.
DUAN, Yucong; SHAO, Lixu; HU, Gongzhu; ZHOU, Zhangbing; ZOU,
Quan; LIN, Zhaoxin. "Specifying architecture of knowledge graph with data graph,
information graph, knowledge graph and wisdom graph". IEEE. Disponível em:
<https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7965747 >. Acesso
em: 29 out 2018.
EDWARDS, Richard. Software and the hidden curriculum of digital
education. 2014. Disponível em:
<https://www.tandfonline.com/doi/abs/10.1080/14681366.2014.977809 >. Acesso
em 25 out 2018.
EMAEILIAN, Behzad; WANG, Ben; LEWIS, Kemper; DUARTE, Fabio;
RATTI, Carlo; BEHDAD, Sara. The future of waste management in smart and
sustainable cities: A review and concept paper. 2018. Disponível em
<http://www.senseable.mit.edu/papers/pdf/20181003_Esmaeilian-etal_FutureWaste
_WasteManagement.pdf>. Acesso em: 21 out 2018.
ESTADÃO. Facebook chega a 2,13 bilhões de usuários em todo o
mundo. 2018. Disponível em:
<https://link.estadao.com.br/noticias/empresas,facebook-chega-a-2-13-bilhoes-de-u
suarios-em-todo-o-mundo,70002173062 >. Acesso em 27 out 2018.
FARRIS, Paul W; BENDLE, Neil T; PFEIFER, Phillip E; REIBSTEIN, David J.
Marketing metrics: 50+ metrics every executive should master . 2006.
119
FINGER, M; LANGENBERG, T. Electronic Governance. Encyclopedia of
Digital Government, Vol. II. 2007.
FITZGERALD, M; KRUSCHWITZ, N., BONNET, D., WELCH, M. Embracing
Digital Technology. MIT Sloan Management Review. 2013.
FOLHA. IBGE precisa de até R$ 3 bilhões para censo demográfico, diz
presidente. Disponível em:
<https://www1.folha.uol.com.br/mercado/2017/10/1923574-ibge-precisa-de-ate-r-3
-bilhoes-para-censo-demografico-diz-presidente.shtml >. Acesso em 22 nov 2018.
FORBES. A very short history of the internet of things. Disponível em:
<https://www.forbes.com/sites/gilpress/2014/06/18/a-very-short-history-of-the-inter
net-of-things/#28297f5e10de>. Acesso em: 18 dez 2018.
FRAWLEY, W. J.; PIATEKSKY-SHAPIRO, G.; and MATHEUS, S. C. J.
Knowledge discovery in databases: An overview. 1992.
FROST & SULLIVAN. Brazilian IT Outsourcing Market, Forecast to 2021.
2018.
FROST & SULLIVAN. Digital Transformation: Business and social impact.
2018. Disponível em:
<https://ww2.frost.com/files/9814/9400/0147/GIL_2017_Brazil_Brochure.pdf >.
Acesso em: 26 out 2018.
FURNIVAL, A. C. Delineando as Limitações: Sistemas Especialistas e
Conhecimento Tácito. 1995.
GERSHENFELD, Neil. KRIKORIAN, Raffi. COHEN, Danny. The Internet of
Things. 2004. Disponível em: <http://cba.mit.edu/docs/papers/04.10.i0.pdf >.
Acesso em: 18/12/2018.
GARTNER. IT Glossary. Big Data. Disponível em:
<https://www.gartner.com/it-glossary/big-data/ >. Acesso em: 28 out 2018.
GARTNER. IT Glossary. Internet of Things. Disponível em:
<https://www.gartner.com/it-glossary/internet-of-things/ >. Acesso em 18 dez 2018.
120
GARTNER. Top 10 strategic technology trends for 2018. Disponível em:
<https://www.gartner.com/ngw/globalassets/en/information-technology/documents
/top-10-strategic-technology-trends-for-2018.pdf >. Acesso em 29 out 2018.
GARTNER. Top Trends in the Gartner Hype Cycle for Emerging
Technologies, 2017. 2017. Disponível em:
<https://www.gartner.com/smarterwithgartner/top-trends-in-the-gartner-hype-cycle-
for-emerging-technologies-2017/>. Acesso em: 22 nov 2018.
G1. Na Câmara dos EUA, Zuckerberg nega que Facebook venda dados e
diz estar aberto a regulamentação. 2018. Disponível em:
<https://g1.globo.com/economia/tecnologia/noticia/mark-zuckerberg-depoe-na-ca
mara-sobre-uso-de-dados-no-facebook.ghtml >. Acesso em: 24 out 2018.
GIUSTO, D.; Iera, A.; MORABITO, G.; ATZORI, L. The Internet of Things,
Springer. 2010.
GOVERNING.COM; SALESFORCE. A Government for the Digital Age: A
new framework for re-envisioning public sector services. 2018. Disponível em:
<https://www.salesforceforgovernment.com/pdf/GOV18_HANDBOOK_Salesforce_
V.pdf>. Acesso em 26 out 2018.
GUDIPATI, Mahesh; RAO, Shanthi; MOHAN, Naju D; GAJJA, Naveen
Kumar. Big data: testing approach to overcome quality challenges structured
testing technique. 2013. Disponível em:
<http://wwpi.com/wp-content/uploads/2014/07/www.infosys.com_infosys-labs_publ
ications_Documents_testing-approach.pdf >. Acesso em 26 out 2018.
Hall, Patrick; Phan, Wen; Whitson, Katie. The Evolution of Analytics:
Opportunities and Challenges for Machine Learning in Business. 2018. Disponível
em:
<https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper2/evolution-of-analy
tics-108240.pdf>. Acesso em: 04 nov 2018.
HANELT, Andre Hanelt; PICCININI, Everlin; GREGORY, Robert W.;
121
HILDEBRADT, Björn; KOLBE, Lutz. Digital Transformation of primarily physical
industries - exploring the impact of digital trends on business models of automobile
manufacturers. 2015.
HARARI, Yuval. Sapiens: Uma Breve História da Humanidade . 2014.
HUMAN RIGHTS WATCH. China: Police ‘Big Data’ Systems Violate
Privacy, Target Dissent. 2017. Disponível em:
<https://www.hrw.org/news/2017/11/19/china-police-big-data-systems-violate-priva
cy-target-dissent>. Acesso em: 13 nov 2018.
IBGE. PNAD Contínua: Acesso à internet e à televisão e posse de
telefone móvel celular para uso pessoal. 2018. Disponível em:
<https://agenciadenoticias.ibge.gov.br/media/com_mediaibge/arquivos/49bcf11e4
7179d434bda979434770b0b.pdf>. Acesso em: 10 nov 2018.
Iansiti, Marco. Lakhani, Karim. The Truth About Blockchain. Harvard
Business Review. 2017. Disponível em:
<https://hbr.org/2017/01/the-truth-about-blockchain >. Acesso em: 04 mar 2019
INTERVOZES. Moçambique regula uso de celulares após revoltas
convocadas por SMS. Disponível em:
<http://www.intervozes.org.br/direitoacomunicacao/?p=25030 >. Acesso em: 27 out
2018.
INTERNET.ORG. Facebook. State of Connectivity. 2015. Disponível em:
<https://fbnewsroomus.files.wordpress.com/2016/02/state-of-connectivity-2015-201
6-02-21-final.pdf>. Acesso em: 10 nov 2018.
JANNUZZI, Paulo de Martino. Indicadores para diagnóstico,
monitoramento e avaliação de programas sociais no Brasil. 2005. Disponível em:
<https://revista.enap.gov.br/index.php/RSP/article/view/222/227 >. Acesso em: 26
out 2018.
JANSSEN, Marijn; KUK, George. Big and Open Linked Data (BOLD) in
research, policy, and practice. 2016
122
JANSSEN, Marijn; KUK, George. Big and open linked data (BOLD) in
government: A challenge to transparency and privacy?. 2016.
JANSSEN, Marijn; KONOPNICKI, David; SNOWDON, Jane L; OJO,
Adegboyega. Driving public sector innovation using big and open linked data
(BOLD). 2017.
JOHN, S. F. Knowledge Representation: Logical, Philosophical, and
Computational Foundations. 2000.
JURAN, Joseph Moses. A qualidade desde o projeto: novos passos para
o planejamento da qualidade em produtos e serviços . 2002.
Karen Robsona; Kirk Plangger; Jan H. Kietzmanna; Ian McCarthy; Leyland
Pitta. Is it all a game? Understanding the principles of gamification. 2015.
KASSEN, Maxat. A promising phenomenon of open data: A case study of
the Chicago open data project. Government Information Quarterly. 2013.
KAWANO, Bruno Rogério; MARÉ, Renata Maria. LEITE, Brenda Chaves
Coelho. CUGNASCA, Carlos Eduardo. 2018
KEIM, Daniel A. Information visualization and visual data mining. 2012.
Disponível em: <https://ieeexplore.ieee.org/document/981847 >. Acesso em 25 out
2018.
KLIEVINK, Bram; ROMIJN, Bart-Jan; CUNNINGHAM, Scott; BRUIJN,
Hans de. Big data in the public sector: Uncertainties and readiness. Information
Systems Frontiers. 2016.
LANEY, Doug. 3D Data Management: Controlling Data Volume, Velocity,
and Variety. Disponível em:
<https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-
Controlling-Data-Volume-Velocity-and-Variety.pdf >. Acesso em: 28 out 2018.
LATHROP, Daniel; RUMA, Laure. Open Government. 2010. Disponível
em:
<https://github.com/oreillymedia/open_government/blob/master/open_governmen
123
t.pd> Acesso em: 12 dez 2018.
LIDDO, Ana; SHUM, Simon Buckingham. New ways of deliberating
online: An empirical comparison of network and threaded interfaces for online
discussion. 2014. Disponível em: <https://hal.inria.fr/hal-01396957/document >.
Acesso em 26 out 2018.
LÖFFLER, Elke. Governance: Die neue Generation von Staats- und
Verwaltungs- modernisierung. 2001.
LOUKIDES, Mike. What Is data science? O'Reilly Media. 2011.
MALLORCAWIFI.COM. Proyecto SmartWiFi Palma: La red Wi-Fi municipal
más grande de Europa. 2016. Disponível em:
<www.mallorcawifi.com/docs/smartwifi-palma.pdf >. Acesso em: 26 out 2018.
Manifesto pela aprovação da Lei de Proteção de Dados Pessoais.
DOC-2018-049-v30 (logos v36).
MARR, Bernard. Forbes. Smart Dust Is Coming. Are you Ready?. 2018
Disponível em:
<https://www.forbes.com/sites/bernardmarr/2018/09/16/smart-dust-is-coming-are-y
ou-ready/#194a1bf85e41>. Acesso em 22 out 2018.
MCCANDLESS, David. TEDGlobal 2010: The beauty of data visualization.
2010. Disponível em:
<https://www.ted.com/talks/david_mccandless_the_beauty_of_data_visualization >.
Acesso em: 24 out 2018.
MCCANDLESS, David. Data, Information, Knowledge, Wisdom?. 2018.
Disponível em:
<https://informationisbeautiful.net/2010/data-information-knowledge-wisdom/ >.
Acesso em: 24 out 2018.
McDONALD, M. P; RUSSEL-JONES, A. The Digital Edge – Exploiting
Information and Technology for Business Advantage . Gartner eBook. 2012.
MDM Institute. Como possibilitar a empresa ágil: Como impulsionar a
124
transformação digital por governança de dados. 2017. Disponível em:
<https://www.oracle.com/webfolder/s/try/EPM-EnterpriseData-PA.pdf?elqTrackId=1
8967b300a1a42878d9374479da7721d&elqaid=36408&elqat=2 >. Acesso em: 03
nov 2018.
MARSH & McLENNAN COMPANIES. MMC Cyber Handbook 2018.
Disponível em:
<https://www.mmc.com/content/dam/mmc-web/Global-Risk-Center/Files/mmc-cyb
er-handbook-2018.pdf>. Acessado em 12 out 2018.
MORABITO, Vincenzo. Big Data and Analytics: Strategic and
Organizational Impacts. 2015.
MÜELLER, Philipp. Open Statecraft for a Brave New World. 2014.
Disponível em:
<http://www.philippmueller.de/open-statecraft-for-a-brave-new-world/ >. Acessado
em 17 out 2018.
MURDOCH, Travis B; DETSKY, Allan S. The inevitable application of big
data to health care. 2013.
NUINTIN, Adriano Antonio. O desenvolvimento de indicadores do
desempenho e da qualidade para o processo de produção: estudo de casos do
processo de produção do café. 2007.
OLIVEIRA, Hellen Carmo de; CARVALHO, Cedric Luiz de. Gestão e
Representação do Conhecimento. 2008. Disponível em:
<http://www.inf.ufg.br/sites/default/files/uploads/relatorios-tecnicos/RT-INF_003-08
.pdf>. Acesso em: 30 out 2018.
OLIVEIRA, Djalma de Pinho Rebouças de. Planejamento Estratégico:
conceitos, metodologia e práticas. 1987.
OPEN DATA INSTITUTE. Open Data Maturity Model. 2015. Disponível
em: <https://theodi.org/article/open-data-maturity-model-2>. Acesso em 26 out
2018.
125
ONU. World Public Sector Report (WPSR): Responsive and Accountable
Public Governance. 2015. Disponível em:
<https://publicadministration.un.org/publications/content/PDFs/World%20Public%2
0Sector%20Report2015.pdf>. Acesso em: 01 nov 2018.
ONU. Assembléia Geral das Nações Unidas. Declaração Universal dos
Direitos Humanos. 1948. Disponível em:
<https://www.unicef.org/brazil/pt/resources_10133.htm >. Acesso em 10 nov 2018.
O'REILLY, Tim. Government as a Platform. 2011. Disponível em:
<https://www.mitpressjournals.org/doi/pdf/10.1162/INOV_a_00056>. Acesso em:
13 dez 2018.
PENG, Roger D; MATSUI, Elizabeth. The Art of Data Science. A guide for
anyone who works with data. 2018.
PIAGET, J. A Epistemologia Genética; Sabedoria e Ilusões da Filosofia.
1972.
PROVOST, Foster; FAWCETT, Tom. Data science and its relationship to
big data and data-driven decision making. 2013. Disponível em:
<https://www.researchgate.net/publication/256439081_Data_Science_and_Its_Relat
ionship_to_Big_Data_and_Data-Driven_Decision_Making >. Acesso em 26 out 2018.
RATTI, Carlo; Nabian, Nashid. Living Architectures, Inteligente Cities and
Smart Citizens. 2018. Disponível em:
<http://senseable.mit.edu/papers/pdf/20170902_NabianRatti_LivingArchitecture.pd
f>. Acesso em 21 out 2018.
REZENDE, Denis Alcides; LEITE, Leonardo de Oliveira. Modelo de gestão
municipal baseado na utilização estratégica de recursos da tecnologia da
informação para a gestão governamental: formatação do modelo e avaliação em
um município. 2009. Disponível em: <http://www.scielo.br/pdf/rap/v44n2/12.pdf>.
Acesso em: 26 out 2018.
ROWLEY, Jennifer. The wisdom hierarchy: representations of the DIKW
126
hierarchy. 2006. Disponível em:
<https://unigis.at/schnuppermodul/modul_gisintro/html/lektion5/media/rowley-200
7.pdf>. Acesso em 29 out 2018.
RUSSEL, Stuart; NORVIG, Peter. Inteligência Aritificial, 3rd ed. 1995.
Tradução Regina Célia Simille. 2013.
SANTUCCI, Diego; FUGIGLANDO, Umberto; LI Xiaojiang. AUER,
Thomas. RATTI, Carlo. 2018. 10th Windsor Conference 2018 – Rethinking Comfort.
Disponível em:
<www.senseable.mit.edu/papers/pdf/20180416_Santucci-etal_MethodologicalFram
ework_Windsor.pdf>. Acesso em: 22 out 2018.
SEINER, Robert S. Non-Invasive data governance: The path of least
resistance and greatest success. 2014.
SIEMENS. Case studies for traffic solutions. 2016. Disponível em:
<https://www.mobility.siemens.com/mobility/global/sitecollectiondocuments/en/roa
d-solutions/urban/case-studies-for-traffic-solutions-en.pdf >. Acesso em: 23 dez
2018.
SIEMENS. Case studies for traffic solutions. 2016. Disponível em:
<https://www.siemens.com/innovation/en/home/pictures-of-the-future/mobility-and
-motors/urban-mobility-radar-technology-for-highways.html >. Acesso em: 23 dez
2018.
SIVARAJAH, Uthayasankar; WEERAKKODY, Vishanth; WALLER, Paul; LEE.
Habin; IRANI, Zahir; CHOI, Youngseok; MORGAN, Rebecca; GLIKMAN, Yuri. The
Role of e-Participation and Open Data in Evidence-Based Policy Decision Making in
Local Government. 2015. Disponível em:
<https://www.tandfonline.com/doi/full/10.1080/10919392.2015.1125171?scroll=top
&needAccess=true>. Acesso em 25 out 2018.
STEVE, Lohr. The New York Times. For Big-Data Scientists, ‘Janitor Work’
Is Key Hurdle to Insights. 2014. Disponivel em:
127
<https://www.nytimes.com/2014/08/18/technology/for-big-data-scientists-hurdle-to
-insights-is-janitor-work.html>. Acesso em: 25 out 2018.
TECMUNDO. Banco Inter admite vazamento de dados, mas nega
invasão hacker. 2018. Disponível em:
<https://www.tecmundo.com.br/seguranca/133284-banco-inter-admite-vazamento-
dados-nega-invasao-hacker.htm>. Acesso em: 24 out 2018.
TENNEY, Matthew; SIEBER, Renee. Data-Driven Participation:
Algorithms, Cities, Citizens, and Corporate Control. 2016. Disponível em:
<https://www.cogitatiopress.com/urbanplanning/article/view/645/645 >. Acesso em
26 out 2018.
TERRA. Google Fotos identifica pessoas negras como 'gorilas'. 2015.
Disponível em:
<https://www.terra.com.br/noticias/tecnologia/google-fotos-identifica-pessoas-negr
as-como-gorilas,1fc48c2b7559103e43ef44dcdc16787el2t0RCRD.html >. Acesso em:
30 dez 2018.
THE ECONOMIST. China: Facial Recognition and state control.
Disponível em: <http://films.economist.com/nowandnext/ >. Acesso em 29 out
2018.
THE GUARDIAN. Want to fix gun violence in America? Go local. 2017.
Disponível em:
<https://www.theguardian.com/us-news/ng-interactive/2017/jan/09/special-report-fi
xing-gun-violence-in-america>. acesso em 24 out 2018.
THE NEW YORK TIMES. ‘Big Red Flag’: Automakers’ Trade Secrets
Exposed in Data Leak. 2018. Disponível em:
<https://www.nytimes.com/2018/07/20/business/suppliers-data-leak-automakers.ht
ml>. Acessado em: 12 out 2018.
THE NEW YORK TIMES. Inside China’s Dystopian Dreams: A.I., Shame
and Lots of Cameras. 2018. Disponível em:
128
<https://www.nytimes.com/2018/07/08/business/china-surveillance-technology.html
>. Acesso em: 08 jan 2018.
THE NEW YORK TIMES. Mark Zuckerberg Testimony: Day 2 Brings
Tougher Questioning. 2018. Disponível em:
<https://www.nytimes.com/2018/04/11/us/politics/zuckerberg-facebook-cambridge-
analytica.html>. Acesso em: 24 out 2018.
THORP, Edward O. The invention of the First Werable Computer.
Disponível em: <https://www.cs.virginia.edu/~evans/thorp.pdf >. Acesso em: 18 dez
2018.
UPGUARD. Short Circuit: How a Robotics Vendor Exposed Confidential
Data for Major Manufacturing Companies . 2018. Disponível em:
<https://www.upguard.com/breaches/short-circuit-how-a-robotics-vendor-exposed-
confidential-data-for-major-manufacturing-companies >. acesso em: 24 out 2018.
UOL. Redes sociais foram o combustível para as revoluções no mundo
árabe. 2012. Disponível em:
<https://operamundi.uol.com.br/noticia/18943/redes-sociais-foram-o-combustivel-p
ara-as-revolucoes-no-mundo-arabe >. Acesso em 27 out 2010.
URUGUAY. Agencia de Gobierno Electrónico y Sociedad de la
Información y del Conocimiento. Plan de Gobierno Digital Uruguay 2020. 21016.
Disponível em:
<https://www.agesic.gub.uy/innovaportal/file/6539/1/plan_de_gobierno_digital.pd >
. Acesso em: 23 out 2018.
VALKAMA, Pekka; BAILEY, Stephen J; Anttiroiko, Ari-Veikko.
Organizational Innovation in Public Services: Forms and governance. 2013.
Wang, Richard Y; STRONG, Diane; GUARASCIO, Lisa M. Beyond
Accuracy: What Data Quality Means to Data Consumers. 1994. Disponível em:
<http://web.mit.edu/tdqm/www/papers/94/94-10.html >. Acesso em: 09 nov 2018.
Wang, Richard Y; STOREY, Veda C.; FIRTH, Christopher P. A Framework
129
for analysis of data quality research. 1995. Disponível em:
<http://mitiq.mit.edu/Documents/Publications/TDQMpub/SURVEYIEEEKDEAug95.p
df>. Acesso em: 09 nov 2018.
WANG, Richard Y.; ZHU, Hongwey; MADNICK, Stuart E.; LEE, Yang W.
Data and information quality research: Its evolution and future. 2014. Disponível em:
<http://mitiq.mit.edu/Documents/Publications/Papers/2014/CRC%20book%20chapt
er%20DQ%202014.pdf>. Acesso em: 09 nov 2018.
WEISER, Mark. The computer for the 21st Century. 1991.
WESTERMAN, George; BONNET, Didier. Revamping your business
through digital transformation. Disponível em:
<http://ilp.mit.edu/media/news_articles/smr/2015/56303Wx.pdf >. Acesso em: 27
out 2018.
WIKIPEDIA. Wikipedia. Disponível em:
<https://pt.wikipedia.org/wiki/Wikip%C3%A9dia >. Acesso em: 22 nov 2018.
WIKIPEDIA. Visão computacional. 2018. Disponível em:
<https://pt.wikipedia.org/wiki/Visão_computacional >. Acesso em: 30 out 2018.
WIKIPEDIA. Processamento de linguagem natural (PLN). Disponível em:
<https://pt.wikipedia.org/wiki/Processamento_de_linguagem_natural >. Acesso em:
30 out 2018.
WILLIAMSON, Ben. Digital education governance: data visualization,
predictive analytics, and ‘real-time’ policy instruments. 2015. Disponível em:
<https://www.tandfonline.com/doi/pdf/10.1080/02680939.2015.1035758 >. Acesso
em 25 out 2018.
WISEMAN, Jane. Analytics Excellence Roadmap: A four-stage maturity
model for data-driven government. 2016. Disponível em:
<https://datasmart.ash.harvard.edu/sites/default/files/2018-01/AnalyticsExcellenceR
oadmap.pdf>. Acesso em: 28 dez 2018.
WISEMAN, Jane. How data-driven is your city?. 2018. Disponível em:
130
<https://datasmart.ash.harvard.edu/news/article/how-data-driven-your-city >. Acesso
em: 29 dez 2018.
WISEMAN, Jane. Discovering the true value of data exports who are
showing cities the money. 2017. Disponível em:
<https://datasmart.ash.harvard.edu/news/article/discovering-the-true-value-of-data-
experts-who-are-showing-cities-the-money>. Acesso em: 29 dez 2018.
Wiseman, Jase. IBM Center for the Business of Government. Data-Driven
Government: The role of Chief Data Officers . 2018. Disponível em:
<www.businessofgovernment.org/sites/default/files/Data-Driven%20Government_0.
pdf>. Acesso em: 29 dez 2018.
World Economic Forum. Digital Transformation of Industries: In
collaboration with Accenture. 2016. Disponível em:
<www.reports.weforum.org/digital-transformation/wp-content/blogs.dir/94/mp/files
/pages/files/digital-enterprise-narrative-final-january-2016.pdf >. Acesso e 27 out
2018.
YIU, Chris. Policy Exchange Report, UK digital government unit. The big
data opportunity: Making government faster, smarter and more personal. 2012.
Disponível em:
<https://policyexchange.org.uk/publication/the-big-data-opportunity-making-gover
nment-faster-smarter-and-more-personal/ >. Acesso em: 25 out 2018.
YOO, Y; Computing in Everyday Life: A Call for Research on Experiential
Computing. 2010.
ZHANG, Lei; MITTON, Nathalie. Advanced Internet of things. 2011.
Disponível em: <https://hal.inria.fr/inria-00634290/document >. Acesso em: 26 out
2018.
ZOTT, C; Amit, R. The Fit between Product Market Strategy and Business
Model: Implications for Firm Performance. Strategic Management Journal. 2008.
ZYSMAN, Johnn; FELDMAN, Stuart; MURRAY, Jonathan, NIELSEN, Niels
131
Christian; KUSHIDA, Kenji E. Services with everything: The ICT-Enabled Digital
Transformation of Services. 2010.
ZELENY, Milan. Management Support Systems: Towards integrated
Knowledge Management. 1987.