| Summary: | Made available in DSpace on 2014-06-12T15:54:42Z (GMT). No. of bitstreams: 2
arquivo1992_1.pdf: 1340077 bytes, checksum: 87952fc48524e4810f49792ca3ccee8a (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2008 === Considerando que, cada vez mais, tanto a sociedade como as instituições da esfera
governamental, vêm exigindo dos órgãos responsáveis uma atuação de controle de gestão
mais eficiente. Resta, a essas instituições, a difícil missão de realizar suas tarefas que são
fortemente dependentes de informações e de recursos adequados para tratamento das mesmas.
A mineração de dados como parte de processo de descoberta de conhecimento em bases de
dados vem se consolidando como opção para o tratamento de grandes volumes de dados, no
sentido de extrair conhecimento dos mesmos.
Essa dissertação apresenta, como principal contribuição, investigar uma solução de mineração
de dados fundamentada na metodologia Cross-Industry Standard Process for Data Mining
(CRISIP-DM), metodologia não proprietária que define um processo de mineração de dados
de forma estruturada e não linear, e em indução de regras de associação como apoio à decisão
no controle da gestão pública, mais especificamente controle de gastos públicos. Os recursos
estudados e avaliados foram dispostos em conformidade com uma metodologia específica
para processo de mineração de dados. Na investigação do problema, a escolha da técnica de
inteligência artificial, baseada na extração de regras de associação e seus respectivos
algoritmos, teve o foco na questão da utilidade do conhecimento adquirido com os dados para
os processos concretos de tomada de decisão inerentes às atividades de controle interno.
Os experimentos realizados através de um estudo de caso, baseados nos algoritmos de
indução de regras APRIORI e TERTIUS, com dados reais da Secretaria da Fazenda de
Pernambuco (SEFAZ-PE), representaram uma confirmação do modelo escolhido como um
recurso adequado no apoio às atividades de controle de gestão pública
|
|---|
