Perfil

Alexandre Gandini @alexgand


Sobre mim

Economista com especialização em Finanças pela UFRGS, com experiência em análise de dados no mercado financeiro, trabalhou com modelagem econométrica, desenvolvendo modelos preditivos para o mercado de commodities, e atualmente trabalha na área de auditoria estadual do TCE-RS, aplicando data science e machine learning nas bases de dados do setor público.

Propostas

Detecção de gastos municipais em volume muito superior ao padrão esperado

Título: Detecção de gastos municipais em volume muito superior ao padrão esperado;


Instituição: Tribunal de Contas do Estado do Rio Grande do Sul;


Tipo de proposta: apresentação;


Foco principal da apresentação: técnico e gerencial;


Fase do trabalho apresentado: trabalho em andamento, em validação pela área de auditoria municipal do TCE-RS;


Descrição da apresentação:


O objetivo do trabalho é detectar gastos dos municípios em volume muito acima de um padrão estabelecido para municípios semelhantes, via agregação mensal das liquidações por tipo de gasto, sendo um dos possíveis fatores a serem levados em consideração quando da auditoria, posterior ou concomitante, a fim de identificar irregularidades.


Após agrupar municípios com características semelhantes em clusters, foi efetuada uma modelagem simples das séries temporais históricas para cada tipo de despesa, utilizando tendência e sazonalidade, obtendo-se o padrão esperado para aquele grupo.


Trazendo os gastos de cada município e do padrão esperado para o seu respectivo grupo para uma mesma escala, foi possível identificar anomalias nos gastos municipais, apontando quais conjuntos de liquidações municipais eventualmente distoam do padrão estabelecido para município semelhantes.


Entende-se que os alertas gerados podem constituir-se em subsídios à auditoria, inclusive a concomitante, uma vez que as remessas de novas informações por parte dos municípios são geradas bimestralmente e durante o próprio exercício podem ser detectadas as anomalias.


Detalhes técnicos:


Trabalho desenvolvido inteiramente em Python. Foram utilizados algoritmos de clusterização K-Means e regressão linear da biblioteca sklearn, limpeza e manipulação dos dados através das bibliotecas pandas/numpy e visualização através da biblioteca matplotlib.


Mini-currículo:


Alexandre Gandini: Economista com especialização em Finanças pela UFRGS, com experiência em análise de dados no mercado financeiro, trabalhou com modelagem econométrica, desenvolvendo modelos preditivos para o mercado de commodities, e atualmente trabalha na área de auditoria estadual do TCE-RS, aplicando data science e machine learning nas bases de dados do setor público.


Fabio Dapper: Auditor Publico Externo do TCE-RS. Possui graduação e Mestrado em Ciência da Computação pela UFRGS. Com experiência em Auditoria de TI e análise e desenvolvimento de sistemas, trabalha atualmente no CGEX (Centro de Gestão Estratégica da Informação) do TCE-RS com o objetivo de desenvolver projetos de data science aplicados ao controle externo.