Inteligência de Dados na Governança de Contratações Públicas
Uma Ferramenta para o Controle e Tomada de Decisões
Palabras clave:
AUDITORIA, Inteligência Artificial, aprendizado de máquina, contratações públicasResumen
O trabalho propõe o uso de inteligência de dados, com foco no algoritmo XGBoost, para aprimorar o controle e a tomada de decisões nas contratações públicas do Estado do Rio de Janeiro. Foram analisados mais de 18 mil registros de contratações entre 2020 e 2025, aplicando técnicas de machine learning para prever riscos e identificar padrões de irregularidades. Os resultados indicam alta acurácia na detecção de potenciais falhas e fraudes, fortalecendo o controle interno. A abordagem é replicável em outras esferas públicas e destaca a inovação no uso de ciência de dados na auditoria. O estudo contribui para uma gestão pública mais eficiente, transparente e proativa.
Citas
LUGER, George F. Inteligência Artificial. Trad. Daniel Vieira. Rev. Téc. Andréa Iabrudi Tavares. 6. ed. São Paulo: Pearson Education do Brasil, 2013.
MITCHELL, T M. Machine learning. New York: McGraw-Hill, 1997.
XIANGJUN Ji, TONG Weida, ZHICHAO Liu e TIELIU Shi. Five-Feature Model for Developing the Classifier for Synergistic vs. Antagonistic Drug Combinations Built by XGBoost. Frontiers in Genetic v. 10, 2019.
BARBIERI, Carlos. Governança de dados. Rio de Janeiro: Alta Books, 2020. E-book.
BAESENS, B., VLASSELAER, V.V., VERBEKE, W. Fraud analytics using descriptive, predictive and social network techniques: a guide to data science for fraud detection. Nova Jersey: Wiley, 2015.
CHEN, T., GUESTRIN, C. XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD Int. Conf, on Knowledge Discovery and Data Mining. São Francisco, California, USA, v.1 p.785-794, 2016.
FACELI, Katti; LORENA, Ana C.; GAMA, João; AL, et. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. Rio de Janeiro: Grupo GEN, 2021. E-book.
