Análise multivariada de dados aplicada na previsão irregularidades em contratos do governo brasileiro

Abstract

Um dos grandes desafios das organizações públicas brasileiras é a gestão de contratos firmados com empresas privadas, tendo em vista a relação direta de serviços contratados com o interesse público, além da necessidade de adequação do gestor a um arcabouço legal complexo e rígido. Por outro lado, o tema da gestão preventiva de riscos contratuais já atingiu um patamar razoável de qualidade e automação quando se observa a experiência de instituições financeiras em todo o mundo. Este estudo visa testar a aplicação de técnicas estatísticas de gestão de riscos, tradicionalmente utilizadas por instituições financeiras, na predição de riscos na execução de contratos públicos.

Dentre os modelos utilizados pelas instituições financeiras, selecionamos a classe chamada de Credit Scoring como objeto de estudo. Os modelos de Credit Scoring são fundamentados na ponderação estatística de características (cadastrais ou históricas) da empresa para calcular a sua probabilidade de se tornar inadimplente. Tais modelos são amplamente utilizados por essas instituições e vêm produzindo bons resultados na prevenção da inadimplência.

Na aplicação dessas técnicas ao contexto do controle público buscamos identificar quais das características das empresas contratadas contribuem mais significativamente para uma maior probabilidade dos contratos virem a apresentar problemas na sua execução, permitindo com que os riscos sejam conhecidos antes do início da prestação dos serviços ou do fornecimento dos bens.

Assim, este artigo pretende contribuir para o controle preventivo de riscos, tanto por parte do gestor público quanto por parte dos órgãos de controle do governo.

Palavras-Chave: Auditoria Governamental; Análise de Dados; Árvores de Decisão; Regressão Logística; Credit Scoring.