Uma Proposta de Modelagem de Dados no Domínio de Fraudes em Licitações Públicas

• Ronaldo dos Santos Mello Universidade Federal de Santa Catarina (UFSC) http://orcid.org/0000-0003-4262-5474
• Luis Gustavo Bornia Universidade Federal de Santa Catarina (UFSC)
• Hudson Afonso Batista da Silva Universidade Federal de Santa Catarina (UFSC)
• Felipe Macacari Pierotti Universidade Federal de Santa Catarina (UFSC)
• Marina Benvenuti Cardeal Universidade Federal de Santa Catarina (UFSC)

DOI: https://doi.org/10.5753/sbbd_estendido.2024.243665

Resumo

O combate à corrupção é uma incansável tarefa realizada por diversos órgãos governamentais, como Ministérios Públicos e Tribunais de Contas, no sentido de prezar pela moralidade dos seus processos. A descoberta de fraudes em processos licitatórios é uma dessas tarefas e sistemas automatizados vêm sendo propostos para apoiá-las. Entretanto, para que tais sistemas tenham êxito em suas análises é necessário que as fontes de dados acessadas por eles sejam ricas em informações a respeito das entidades do domínio e seus diversos relacionamentos. Isso requer uma modelagem adequada dos dados do domínio. Este trabalho apresenta uma proposta de modelagem de dados para o domínio de licitaçoes e fraudes associadas a elas. A intenção é que esta modelagem sirva como guia para projetos de repositórios de dados no domínio. Diferente de trabalhos relacionados, esta proposta apresenta uma modelagem de dados abrangente no domínio e uma proposta de persistência poliglota.

Palavras-chave: modelagem de dados, licitações públicas, fraudes, corrupção

Referências

Abidi, W. U. H. et al. (2021). Real-Time Shill Bidding Fraud Detection Empowered With Fussed Machine Learning. IEEE Access, 9:113612–113621.

Brandão, M. A. et al. (2024). PLUS: A Semi-automated Pipeline for Fraud Detection in Public Bids. Digit. Gov. Res. Pract., 5(1):5:1–5:16.

da Silva, K. R. P. (2019). Análise de Relações Suspeitas em Licitações na Paraíba baseado em Teoria de Grafos. Trabalho de Conclusão de Curso de Sistemas de Informação, UFPB - [link]. Último acesso: 15 de julho de 2024.

Dados.gov.br (2024). Portal de Dados Abertos. [link]. Último acesso: 15 de julho de 2024.

Elshaar, S. and Sadaoui, S. (2020). Detecting Bidding Fraud using a Few Labeled Data. In XII International Conference on Agents and Artificial Intelligence, ICAART, pages 17–25. SCITEPRESS.

Erven, G. C. G. V., Holanda, M., and Carvalho, R. N. (2017). Detecting Evidence of Fraud in the Brazilian Government Using Graph Databases. In Recent Advances in Information Systems and Technologies - Volume 2, volume 570 of Advances in Intelligent Systems and Computing, pages 464–473. Springer.

Frozza, A. A., Schreiner, G. A., and dos Santos Mello, R. (2022). Projeto de Bancos de Dados NoSQL. In Tópicos em Gerenciamento de Dados e Informações: Minicursos do SBBD 2022, pages 26–52. Sociedade Brasileira de Computação.

Heuser, C. A. (2009). Projeto de Banco de Dados. Sagra-Luzzato.

Júnior, D. G. et al. (2023). Classificação de Fraudes em Licitações Públicas através do Agrupamento de Empresas em Conluios. In XI Workshop de Computação Aplicada em Governo Eletrônico, WCGE, pages 13–24. Sociedade Brasileira de Computação.

Planalto.gov.br (2024). Lei de Licitações e Contratos Administrativos. [link]. Último acesso: 15 de julho de 2024.

Santos, F. B. and Souza, K. R. (2024). Como Combater a Corrupção em Licitações: Detecção e Prevenção de Fraudes. Fórum, 4 edition.