desafio-inova-2018

INFORMAÇÕES GERAIS SOBRE A SOLUÇÃO

Nome da solução

Analisador de Desempenho do PBF

Descrição resumida

Ambiente de análise da efetividade da aplicação/execução do Programa Bolsa Família (PBF)

Descrição detalhada

Este trabalho tem por finalidade demonstrar um ambiente para análise de desempenho e eficácia do PBF, a partir de cruzamento de dados e predição (baseada em regressão linear).

Apesar de ter como foco o PBF, este ambiente de análise pode ser aplicado para outros conjuntos de dados, de forma semelhante.

Qual o cliente-alvo?

Ministério do Desenvolvimento Social (http://mds.gov.br) [considerando a atual estrutura ministerial em 2018].

Qual o público-alvo?

• [Direto] Governo Federal (gestor dos recursos);
• [Indireto] Cidadão participante do Programa (beneficiário dos recursos);
• [Indireto] Cidadão contribuinte (provedor dos recursos).

INFORMAÇÕES DE NEGÓCIO DA SOLUÇÃO

Artefatos de negócio

Artefato	Caminho do arquivo
Pitch	https://github.com/robsonsmartins/python-projects/blob/master/desafio-inova-2018/doc/equipe148-pitch.mp4
Business Model Canvas (BMC)	https://github.com/robsonsmartins/python-projects/blob/master/desafio-inova-2018/doc/equipe148-bmc.pdf
Blueprint da solução	https://github.com/robsonsmartins/python-projects/blob/master/desafio-inova-2018/doc/equipe148-blueprint.pdf

INFORMAÇÕES TÉCNICAS DA SOLUÇÃO

Ferramentas utilizadas

Informe quais ferramentas foram utilizadas para a construção da solução (marcar um "X" na primeira coluna e especificar a Versão):

	Ferramenta	Versão
X	a) Jupyter	5.7
	b) RStudio
	c) Zeppelin
	<Outra (especificar)>

Linguagens de programação utilizadas

Informe quais linguagens de programação foram utilizadas no desenvolvimento da solução (marcar um "X" na primeira coluna e especificar a Versão):

	Linguagem	Versão
X	Python	3.6
	R
	Scala
	Java
	C/C++
	<Outra (especificar)>

Forma de disponibilização da solução

Informe como a solução funcional pode ser acessada tanto para fins de avaliação do Desafio de Inovação quanto para a posterior disseminação do conhecimento na empresa. Atenção: para a avaliação do Desafio de Inovação, a solução funcional deve estar disponível no período de 26 de novembro a 05 de dezembro de 2018.

	Forma de disponibilização	Localização	Usuário	Senha
X	Documento Notebook (src)	https://github.com/robsonsmartins/python-projects/blob/master/desafio-inova-2018/src/equipe148.ipynb	N/A	N/A
X	Documento Notebook (pdf)	https://github.com/robsonsmartins/python-projects/blob/master/desafio-inova-2018/src/equipe148.pdf	N/A	N/A
	Script em linha de comando	N/A	N/A	N/A
	Aplicação web [3]	N/A
	Ferramenta analítica	N/A
	Outra forma (especificar)	N/A

Bases de dados utilizadas

Informe quais bases de dados foram utilizadas na solução (marcar um "X" na primeira coluna e especificar quais informações dessas foram usadas):

	Base de dados	Informações utilizadas (especificar os nomes das tabelas)
	a) Nota Fiscal Eletrônica - NF-e
	b) Estatísticas de comércio exterior - Comex Stat
	c) Quadros societários e de administradores das pessoas jurídicas
	d) Compras governamentais - Compras sem licitação
	e) Transferências voluntárias da União (convênios) - SICONV
	f) Transferências constitucionais para estados e municípios
X	g) Pagamentos do Programa Bolsa Família - PBF	pagamentos[ver NOTA]
	h) Prestações de contas de campanhas eleitorais
	i) Exame Nacional do Ensino Médio
	j) Censo da Educação Superior
	k) Produto Interno Bruto dos municípios brasileiros
	l) População estimada dos municípios brasileiros
	m) Divisão político-administrativa dos territórios brasileiros
X	n) Índice de Desenvolvimento Humano Municipal - IDHM	idhm1991, idhm2000, idhm2010
X	o) Outra Base: Pagamentos do Programa Bolsa Família (PBF) por Ano/Município	https://aplicacoes.mds.gov.br/sagi/vis/data/data-table.php

NOTA: Por questões de performance nas consultas, e pelo período desejado para os dados na base, optou-se por utilizar uma base em CSV de pagamentos do PBF por ano e por município, obtido livremente no site especificado acima.

Eixos de interesse aplicados

Informe quais eixos de interesse foram aplicados na solução (marcar um "X" na primeira coluna):

	Eixo de interesse
	a) Agrupamento (clustering)
X	b) Análise de correlação
X	c) Análise de séries temporais
X	d) Análise de tendências
X	e) Análise de vínculos
	f) Aprendizado de máquina profundo (deep learning)
X	g) Associação
	h) Classificação
	i) Detecção de anomalias
	j) Mineração de textos
	k) Processamento de Linguagem Natural (Natural language processing - NLP)
	l) Redes neurais
X	m) Regressão

Técnicas e/ou algoritmos aplicados

Informe quais técnicas e/ou algoritmos relacionados aos eixos de interesse escolhidos foram aplicados na solução (marcar um "X" na primeira coluna e especificar a localização do respectivo código no repositório Git):

	Eixo de interesse	Nome da técnica/algoritmo	Localização no código (caminho do arquivo : número da linha)
	Análise de correlação, tendências, vínculos	Associação, correlação amostral	equipe148.ipynb : In[9]:1
	Regressão, Análise de séries temporais	Regressão Linear	equipe148.ipynb : In[14]:27

Assertividade do modelo

O modelo apresentou nível de assertividade dentro do esperado, considerando o conjunto (amostra) de dados fornecido para o treinamento da regressão linear e para as análises.

INFORMAÇÕES SOBRE A EQUIPE

Membros da equipe

Nome completo	Lotação
Robson de Sousa Martins	----