A Proposal of a Data Modeling in the Domain of Frauds in Public Bids

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

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

Abstract

The fight against corruption is a tireless task carried out by various government bodies, such as Public Ministries and Audit Courts, in order to value the morality of their processes. The discovery of frauds in bidding processes is one of these tasks, and automated systems have been proposed to support them. However, for such systems to be successful in their analysis, the data sources accessed by them must be rich in information about the domain entities and their various relationships. It requires a proper modeling of the domain data. This work presents a data modeling proposal for the domain of bids and frauds associated with them. Our intention is that this modeling serves as a guide for data repository projects in the domain. Unlike related works, this proposal presents a comprehensive data domain modeling and a polyglot persistence proposal.

Keywords: data modeling, public bids, frauds, corruption

References

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.