APLICAÇÃO DAS TÉCNICAS DE MINERAÇÃO DE DADOS E CLUSTERIZAÇÃO PARA REDUÇÃO DE
INADIMPLÊNCIA EM UMA EMPRESA DE SANEAMENTO: UM ESTUDO DE CASO
NITERÓI DEZEMBRO/2018 DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO
GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO
.
DANIEL FELIX LAMONICA ORIENTADOR:
PROF. LUIZ CARLOS BRASIL DE BRITO MELLO, D. Sc.
DANIEL FELIX LAMONICA
APLICAÇÃO DAS TÉCNICAS DE MINERAÇÃO DE DADOS E CLUSTERIZAÇÃO PARA REDUÇÃO DE INADIMPLÊNCIA EM UMA EMPRESA DE SANEAMENTO:
UM ESTUDO DE CASO
Projeto Final do Curso de Engenharia de Produção da Universidade Federal Fluminense, como requisito parcial para a obtenção do grau de Engenheiro de Produção.
Orientador:
Professor LUIZ CARLOS BRASIL DE BRITO MELLO, D. Sc.
NITERÓI, RJ Dezembro/2018
DANIEL FELIX LAMONICA
APLICAÇÃO DAS TÉCNICAS DE MINERAÇÃO DE DADOS E CLUSTERIZAÇÃO PARA REDUÇÃO DE INADIMPLÊNCIA EM UMA EMPRESA DE SANEAMENTO:
UM ESTUDO DE CASO
Projeto Final do Curso de Engenharia de Produção da Universidade Federal Fluminense, como requisito parcial para a obtenção do grau de Engenheiro de Produção.
BANCA EXAMINADORA
_____________________________________________________________________ Prof. Luiz Carlos Brasil de Brito Mello
Universidade Federal Fluminense
_____________________________________________________________________ Prof. José Kimio Ando
Universidade Federal Fluminense
_____________________________________________________________________ Prof.ª Maria Helena Campos Soares de Mello
Universidade Federal Fluminense
NITERÓI, RJ Dezembro/2018
RESUMO
Este estudo tem como objetivo se utilizar de um software de mineração de dados capaz de mapear, analisar e gerar uma nova perspectiva para a questão da inadimplência em uma concessionária de saneamento básico, agrupando e concatenando os clientes específicos, viabilizando assim a proposta de um plano de ação personalizado com o que foi observado nas análises. Com um banco de dados dos clientes inadimplentes da empresa descrito no estudo de caso, foi possível clusterizar e analisar esses clientes e gerar um plano de ação visando a redução da inadimplência acumulada na empresa. O método para clusterização foi a utilização do software Power BI, especializado em trabalhar com grandes bancos de dados e capaz de gerar informações preciosas para a tomada de decisão. O resultado da mineração de dados apresentou uma forte tendência dos clientes em se manterem inadimplentes, em paralelo foi possível observar como o modelo de cobrança da empresa é ineficiente e pouco ativo.
Palavras-chave: mineração de dados, clusterização, inadimplência, plano de ação, banco de dados
ABSTRACT
The study aims to use a data mining software capable of mapping, analyzing and generating a new perspective on the issue of non-payment in a basic sanitation concessionaire, grouping and concatenating the specific clients, thus making possible the proposal a personalized action plan with what was observed in the analyzes. With a client’s database described and explained in the case study, it was possible to cluster and analyze these clients and generate a plan of action aimed at reducing default rate in the company. The method for clustering was Power BI software, specialized in large databases and capable of generating valuable information for decision making. The results of the data mining showed a strong tendency of the customers to remain in default, in parallel it was possible to observe how the collection model of the company is inefficient and not very active.
LISTA DE FIGURAS
Figura 1: Proporção de pessoas adultas inadimplentes por região... 15
Figura 2: Diferença de panorama do saneamento entre Brasil e Chile ... 28
Figura 3: Relação da TI e sistemas de informação em organizações ... 29
Figura 4: Esquematização de um sistema de gerenciamento de banco de dados ... 33
Figura 5: Principais características do KDD ... 34
Figura 6: As etapas do KDD ... 36
Figura 7: Análise descritiva destrinchada... 37
Figura 8: Exemplo de um fluxograma ... 45
Figura 9: Organização do presente estudo em um fluxograma ... 52
Figura 10: Modelo Conceitual Entidade-Relacionamento do Banco de Dados ... 56
LISTA DE TABELAS
Tabela 1:Porcentagem da população com acesso à água e esgoto por país ... 22
Tabela 2: 10 bairros com maior número de contas vencidas ... 60
Tabela 3: Média de envelhecimento de contas das principais regiões inadimplentes de Niterói... 62
Tabela 4: Custos com o novo sistema ... 70
Tabela 5: Custos com a contratação de novos operadores ... 70
Tabela 6: Fluxo de caixa das despesas do projeto ... 70
LISTA DE GRÁFICOS
Gráfico 1: Acesso à população brasileira à água e esgoto ... 14
Gráfico 2: População com acesso à água por modalidade ... 23
Gráfico 3: População com coleta de esgoto ... 23
Gráfico 4: Taxa de mortalidade infantil em função do esgotamento sanitário ... 24
Gráfico 5: Índice de Desenvolvimento Humano por esgotamento sanitário ... 25
Gráfico 6: Evolução do investimento total em saneamento no Brasil (em bilhões de reais) ... 26
Gráfico 7: Evolução da tarifa média de saneamento praticada no Brasil (R$/m³) ... 27
Gráfico 8: Saldo de contas a vencidas desde o começo da concessão ... 55
Gráfico 9: Número de contas vencidas por região e média de contas por cliente ... 61
Gráfico 10: Fluxo de caixa das despesas do projeto ... 71
LISTA DE QUADROS
Quadro 1: Tecnologia da Informação ao longo do tempo ... 31
Quadro 2: Funcionalidades de Data Mining e possíveis técnicas ... 39
Quadro 3: Métodos de agrupamento ... 42
Quadro 4: As fases do MASP e a relação com o PDCA ... 47
Quadro 5: Exemplo de um plano de ação 5W2H1S ... 48
Quadro 6: Metas a serem atingidas com o projeto ... 64
Quadro 7: Cronograma das fases iniciais de implementação do Sistema ... 67
Quadro 8: Indicador financeiro do projeto ... 73
SUMÁRIO
1 INTRODUÇÃO ... 14
1.1 CONTEXTUALIZAÇÃO DO TEMA... 14
1.2 SITUAÇÃO PROBLEMA ... 16
1.3 OBJETIVOS, DELIMITAÇÃO E IMPORTÂNCIA DO ESTUDO ... 17
1.3.1 Objetivo Principal ... 17 1.3.2 Objetivos Secundários ... 17 1.3.3 Importância do Estudo ... 18 1.4 ORGANIZAÇÃO DO ESTUDO ... 18 1.5 QUESTÕES E HIPÓTESES ... 19 2 REVISÃO DA LITERATURA ... 21
2.1 SETOR DE SANEAMENTO AMBIENTAL ... 21
2.1.1 Brasil x Resto do Mundo ... 22
2.1.2 Saneamento e Economia ... 24
2.1.3 Saneamento Público x Privado ... 26
2.2 TECNOLOGIA DA INFORMAÇÃO ... 28
2.2.1 Tecnologia da informação ao longo do tempo... 29
2.2.2 Gerenciamento de Banco de dados ... 31
2.2.3 Knowledge Discovery in Databases – KDD ... 34
2.2.4 Mineração de Dados (Data Mining) ... 36
2.2.4.1 Análise Descritiva ... 37
2.2.4.2 Análise Preditiva ... 38
2.2.4.3 Técnicas possíveis para as funcionalidades ... 38
2.2.5 Clustering ou Agrupamento ... 41
2.3 QUALIDADE ... 43
2.3.1 Técnicas de apoio a qualidade ... 44
2.3.1.1 Benchmarking ... 44
2.3.1.2 Fluxograma ... 45
2.3.1.3 Ciclo PDCA e o MASP ... 46
2.3.1.4 Plano de Ação 5W2H1S ... 47
3 METODOLOGIA ... 49
3.1 PESQUISA BIBLIOGRÁFICA ... 50
3.1 AMOSTRAGEM ... 50
3.3 ORGANIZAÇÃO DO ESTUDO ... 51 4 O ESTUDO DE CASO ... 53 4.1 A EMPRESA ESTUDADA... 53 4.2 A INADIMPLÊNCIA NA EMPRESA ... 54 4.3 O BANCO DE DADOS ... 55 4.4 O SOFTWARE E A CLUSTERIZAÇÃO ... 57
5 ANÁLISE DOS RESULTADOS... 59
5.1 RESULTADOS DA CLUSTERIZAÇÃO E LEVANTAMENTOS DA BASE ... 59
5.2 ELABORAÇÃO DO PLANO DE AÇÃO ... 63
5.2.1 What (O que será feito?) ... 64
5.2.2 Why (Porque será feito?) ... 64
5.2.3 Who (Quem será o responsável?) ... 65
5.2.4 When (Quando será feito?) ... 66
5.2.5 Where (Aonde será feito?) ... 68
5.2.6 How (Como será feito?) ... 68
5.2.7 How Much (Quanto custa para ser feito?) ... 69
5.2.7 Show (Indicadores) ... 72
6 CONCLUSÃO ... 74
6.1 ADERÊNCIA AOS OBJETIVOS E RESULTADOS ... 74
6.2 PROPOSTAS DE APROFUNDAMENTO E TRABALHOS FUTUROS ... 77
1 INTRODUÇÃO
1.1 CONTEXTUALIZAÇÃO DO TEMA
A indústria de saneamento básico cumpre uma função primária e vital para toda e qualquer população. No Brasil, o acesso ao saneamento é assegurado para todos através da Lei nº. 11.445/2007, como a gama de serviços, infraestrutura e instalações operacionais que envolvem abastecimento de água, coleta de esgoto, limpeza urbana, drenagem, manejos de resíduos sólidos e de águas pluviais (Agência Nacional de Águas, 2017). Entretanto, é senso comum que há enorme precariedade nesse setor que ainda sofre e impacta a maior parte dos brasileiros.
O gráfico 1 mostra a evolução quanto ao acesso da população brasileira à água tratada e captação de esgoto entre os anos de 2007 e 2015, fornecida pelo Instituto Trata Brasil:
Gráfico 1: Acesso à população brasileira à água e esgoto
Fonte: Trata Brasil (2017)
O baixo desempenho em coleta de esgoto vai implicar diretamente a saúde da população impactada. De acordo com a Organização Mundial de Saúde (OMS) e também da Organização Pan-americana de Saúde (OPS), 65% dos que ocupam os leitos dos hospitais são pessoas acometidas por doenças provenientes de falta de saneamento. A mortalidade infantil,
em grande parte dos casos, é gerada pela ausência de saneamento, em especial por diarreias infecciosas (TRIGUEIRO, 2005).
Em um panorama de alta precariedade do setor, se torna essencial a expansão de um serviço de saneamento cada vez mais qualificado. As concessionárias enfrentam diversas barreiras para entregar um serviço digno, principalmente ao se tratar de empresas públicas nesse segmento, que sofrem incessantemente pela falta de investimento para universalizar o serviço prestado de água e esgoto. O setor privado enfrenta também alguns impasses para a expansão da indústria: dentre eles o considerável índice de inadimplência.
Dados divulgados pelo Serviço de Proteção ao Crédito do Brasil - SPC Brasil e a Confederação Nacional de Dirigentes Lojistas - CNDL mostram a distribuição de pessoas físicas inadimplentes em cada região geográfica do Brasil (Confederação Nacional de Dirigentes Lojistas, SPC BRASIL, 2018). As proporções apresentadas no relatório de indicadores são apresentadas na figura 1:
Figura 1: Proporção de pessoas adultas inadimplentes por região
Fonte: CNDL (2017)
Ainda segundo o SPC Brasil, a quantidade de inadimplentes no Brasil ultrapassa a marca das 61 milhões de pessoas. Dos débitos em aberto registrados nos cadastros da instituição, cerca de 8% são ligadas ao setor de Água e Luz. Pode-se estimar então que há
cerca de 2 milhões de pessoas físicas em débito com o referido setor somente na região Sudeste (Confederação Nacional de Dirigentes Lojistas, SPC BRASIL, 2018).
O presente estudo está focado em analisar como clientes inadimplentes de uma concessionária de água e esgoto podem sem aglomerados (clusterizados) através de uma ferramenta de Data Mining. Como Côrtes et al. (2002) definem, Data Mining é uma cooperação entre o homem e a máquina, com o objetivo final de se extrair padrões e avaliar como variáveis se relacionam em grandes bancos de dados.
1.2 SITUAÇÃO PROBLEMA
Com os dados já previamente levantados, é possível afirmar que o setor de saneamento básico no Brasil pode e deve se desenvolver e expandir de forma holística no Brasil. Entretanto, a inadimplência se configura como um problema enfrentado por muitas empresas de serviços e crédito. Além de ser uma variável negativa para as corporações, a convivência de famílias brasileiras com endividamento é uma realidade. Dados da Pesquisa de Endividamento e Inadimplência do Consumidor (PEIC) de maio, realizada em junho de 2018 pela FecomercioSP, revelaram que 51% das famílias da Grande São Paulo estão endividadas, e que 9% delas não têm condições financeiras de quitá-las, estando inadimplentes a partir disso.
Um estudo que classifique e entenda características de consumo e comportamento de várias famílias é de grande valia em um cenário como o apresentado anteriormente, sendo de grande proveito para o consumidor, a empresa e o poder público. Tiryaki et al. (2017) afirmam que o crédito e a inadimplência são mutuamente influenciados ao longo de um ciclo econômico, o que condiciona o comportamento dos agentes econômicos. Ou seja, um estudo desse tipo em um ambiente micro pode ser espelhado e adaptado para uma esfera macro, sendo útil para mapear e classificar diferentes tipos de devedores e considerar ações para problemas não antes levantados.
Por tratar-se da concessionaria de água e esgoto em que será aplicado o estudo de caso do presente trabalho, indicadores gerenciais internos, advindos da Superintendência Financeira da empresa, mostram que, ao longo do ano de 2018, a expectativa é de que a
inadimplência represente uma média de 4,45% do faturamento da empresa. Levando-se em conta o faturamento, essa porcentagem remete a dezenas de milhões em evasão no faturamento original.
É importante frisar que, por se tratar de uma concessionária de água e esgoto, não há viabilidade para aumentar o faturamento através do aumento de vendas ou do aumento de consumo do produto/serviço. Dados internos mostram que 99% da população da cidade em que a empresa atua já tem acesso ao serviço de água. Isso corrobora o fato de que a concessionária necessita angariar outras formas de aumentar o lucro, seja por diminuição de custos ou por redução de evasão da receita.
1.3 OBJETIVOS, DELIMITAÇÃO E IMPORTÂNCIA DO ESTUDO
O estudo abrange os seguintes objetivos:
1.3.1 Objetivo Principal
O estudo tem como principal objetivo a aglomeração de diferentes e diversos clientes de uma concessionária de água e esgoto que tem como fator em comum a inadimplência quanto ao débito das contas. Através de uma base de dados contendo informações diversas (valor do débito, endereço, tempo da conta inadimplente, etc.) e também de um software de Business Intelligence (Power BI) esses clientes foram clusterizados de acordo com a região em que residem e o valor de sua dívida, bem como outros levantamentos da base de dados para a corroborar o plano de ação proposto. A clusterização destes dados permitiu apresentar soluções para mitigar a inadimplência, melhorando os resultados financeiros da empresa estudo de caso.
1.3.2 Objetivos Secundários
● Fazer um levantamento bibliográfico sobre a utilização de mineração de dados em diferentes áreas para se obter dados e números mais assertivos; ● Determinar como o resultado do estudo de caso pode gerar planos de ação ao
corpo gerencial para conter e trazer soluções para a evasão de receita por inadimplência através da utilização de métodos de solução de problemas;
1.3.3 Importância do Estudo
O estudo é útil para entender como métodos de análise computacionais e a ascensão da ciência de dados podem ser de grande valia para todo e qualquer setor, mesmos os mais conservadores, como é o caso do estudo.
Em qualquer empresa de médio porte para cima, podem-se observar que há uma vasta gama de diferentes bancos de dados, seja em relação a clientes, a dados operacionais ou até mesmo dados financeiros. Muitas vezes, principalmente pelo tamanho de instâncias em cada um desses bancos, muitas informações que podem se tornarem valiosas passam despercebidas e nem sequer são cogitadas.
Trazendo para o ambiente acadêmico, o estudo pode contribuir para que a ciência de dados seja cada vez mais explorada e replicada em diversos contextos.
Do ponto de vista pessoal, permitirá que o conhecimento de mineração de dados, clusterização e aplicação de métodos de solução de problemas agreguem conhecimento ao autor.
1.4 ORGANIZAÇÃO DO ESTUDO
O estudo foi dividido em cinco capítulos, conforme apresentado a seguir.
O primeiro capítulo é responsável por introduzir e contextualizar o assunto que será abordado ao longo de todo o estudo, ou seja, como a inadimplência está presente no Brasil e como isso afeta o setor em questão. Nesta seção, são apresentadas informações que comprovam a relevância do estudo e identificam uma situação problema a ser analisada. A partir disso, é possível definir os objetivos do estudo e a sua importância, tanto no ambiente acadêmico quanto no ambiente empresarial.
O segundo capítulo apresenta uma abordagem teórica e detalhada dos assuntos que circundam o estudo, como o setor de saneamento básico e seu panorama geral, o setor de TI, data mining e mais detalhadamente como funciona a clusterização e a busca por padrões através desse método. Trata, também, de técnicas de qualidade e métodos de solução de
problemas. Esse capítulo terá como base estudos prévios realizados por autores pulsantes nos assuntos em questão, selecionados após uma extensa revisão bibliográfica.
O terceiro capítulo trata da metodologia a ser utilizada para se realizar a análise da situação problema, previamente definida, ou seja, a forma na qual a base de dados será coletada e utilizada juntamente com o software para gerar o resultado desejado.
O quarto capítulo apresenta informações do estudo de caso, abordando a empresa em pauta, a área de onde advém a base de dados e parte da estrutura organizacional. Tendo essas informações, é possível desenvolver o capítulo 5, onde será apresentado o resultado da análise computacional da base de dados e seus desdobramentos em possíveis soluções a partir do novo conhecimento obtido.
O sexto capítulo trata das conclusões finais, dos objetivos principal e secundários e das propostas de estudos futuros.
1.5 QUESTÕES E HIPÓTESES
Levando em consideração que a empresa não consegue aumentar seu faturamento pelo aumento de vendas (o limite de vendas é o limite de consumo na cidade), torna-se necessário buscar outras fontes de receita, ou, no caso, buscar a diminuição da evasão de receita. Em um cenário de baixo poder de compra da população e alta taxa de inadimplência nacional, o estudo tem grande potencial para agregar novas ferramentas e análises ao ambiente gerencial da empresa, gerando novos conhecimentos e novas possibilidades de ações contra o problema em estudo.
São propostas algumas questões para serem respondidas ao passar deste trabalho, tendo sempre em vista que o objetivo principal é reduzir a inadimplência acumulada desde o começo do serviço da empresa na cidade. Os pontos importantes a serem respondidos pela atual pesquisa são:
a) Existe um banco de dados na empresa com os cadastros dos clientes inadimplentes desde o início da concessão?
b) Existe uma ferramenta na empresa capaz de realizar a mineração de dados propostas e analises profundas do banco de dados?
c) Há ações em pauta pelos departamentos envolvidos para reduzir a taxa de inadimplência da empresa?
d) A mineração dos dados e outros levantamentos serão capazes de gerar um novo conhecimento para a questão da inadimplência?
e) É possível elaborar um plano de ação de acordo com o conhecimento gerado na etapa de data mining e análise?
2 REVISÃO DA LITERATURA
2.1 SETOR DE SANEAMENTO AMBIENTAL
De acordo com a Organização Mundial de Saúde (OMS) (Organização Mundial de Saúde, 2018), saneamento é o controle de todos os fatores do meio físico do homem, que são ou podem vir a ser nocivos para o bem-estar físico, mental e social. Ou seja, saneamento é considerado o conjunto de ações socioeconômicas que buscam alcançar Salubridade Ambiental. Esse termo pode ser entendido como o nível ambiental que possibilite a prevenção de doenças contraídas pelo meio ambiente e também de melhorar as condições benéficas à saúde da população em geral (SÃO PAULO, 1999).
Além disso, a OMS apresenta Saneamento Ambiental em quatro momentos:
● Abastecimento de água: a disponibilidade de água de qualidade é uma condição indispensável para a própria vida e mais que qualquer outro fator, a qualidade da água condiciona a qualidade de vida. Por isso deve se levar em consideração o relacionamento íntimo entre água e saúde.
● Esgoto sanitário: os dejetos gerados pelas atividades humanas, comerciais, e industriais necessitam ser coletados, transportados, tratados e dispostos mediante a processos técnicos, de forma que não gerem ameaça à saúde e ao meio ambiente.
● Resíduos Sólidos: esses resíduos gerados em determinadas regiões vêm se agravando como consequência do acelerado crescimento populacional, concentração das áreas urbanas, desenvolvimento industrial e mudanças de hábitos de consumo.
● Drenagem: a retenção da água na superfície do solo pode propiciar a proliferação dos mosquitos responsável por doenças como dengue e malária, além de outros vetores nocivos. Isso ressalta a importância da drenagem quanto ao nível de saúde populacional.
Em relação ao presente estudo, a concessionária onde será aplicado o estudo de caso presta os serviços somente relacionados ao abastecimento de água à população e a captação e tratamento do esgoto gerado.
2.1.1 Brasil x Resto do Mundo
Um estudo do Instituto Trata Brasil (TRATA BRASIL, 2017), com o intuito de avaliar os benefícios do saneamento e como eles impactam no nível de saúde, mapeou todo o acesso a saneamento básico com amostra do mundo todo e mais detalhadamente no Brasil. O estudo foi realizado através de dados comparativos provenientes da UNICEF e pela Organização Mundial da Saúde (UNICEF/OMS, 2015).
Vale registrar que, em base internacional de comparação, ao se tratar de abastecimento de água, o Brasil não figura entre os piores índices, e perde apenas para a Argentina na América do Sul. Por outro lado, 105 países apresentaram percentuais de população com acesso aos serviços de coleta de esgoto maiores que a do Brasil. A tabela 1 mostra um panorama dos números globais.
Tabela 1:Porcentagem da população com acesso à água e esgoto por país
A Pesquisa Nacional por Amostra de Domicílios (PNAD), realizada pelo IBGE, buscou detalhar melhor esse estudo quanto aos números brasileiros. Os gráficos 2 e 3 mostram números de 2015 com mais precisão como os índices de saneamento se comportam no Brasil, tanto para abastecimento de água quanto coleta de esgoto (TRATA BRASIL, 2017).
Gráfico 2: População com acesso à água por modalidade
Fonte: Trata Brasil (2017)
Gráfico 3: População com coleta de esgoto
A Pesquisa Nacional mencionada traz números que comprovam a forte ligação entre saneamento e saúde. A taxa de mortalidade de crianças com até 5 anos de idade foi de 16,4 mortes por 1.000 nascidos vivos no Brasil em 2015. Esse valor era bem mais baixo que o da média mundial para esse ano, mas superior às taxas de mortalidade infantil de outros países, como Chile (8,1%) e Cuba (5,5%) (TRATA BRASIL, 2017). O gráfico 4 apresenta a relação entre a taxa de mortalidade infantil (mortos por 1.000 nascidos vivos com menos de 5 anos de idade) e o acesso ao serviço de coleta de esgoto para uma grande amostragem de países (números de 2015). O Brasil possui uma posição intermediária no gráfico, com uma taxa de mortalidade infantil girando em torno de 15 - 20%
Gráfico 4: Taxa de mortalidade infantil em função do esgotamento sanitário
Fonte: Trata Brasil (2017)
2.1.2 Saneamento e Economia
O estudo da Trata Brasil (2017) traz impactos dos índices de saneamento básico na economia do país. O turismo, por exemplo, é uma atividade que está relacionada com as boas condições de saneamento do país destino. Economias latino-americanas com desempenho superior nos números de saneamento têm fluxos internacionais e turistas relativamente maiores.
O gráfico 5 apresenta a relação entre o índice de desenvolvimento humano e saneamento. Pode-se observar que essas variáveis estão relacionadas de forma diretamente proporcional.
Gráfico 5: Índice de Desenvolvimento Humano por esgotamento sanitário
Fonte: Trata brasil (2017)
A Organização Mundial da Saúde (OMS), através do Relatório de Análise Global e Avaliação de Água Potável e Saneamento (2012), indicou que o Brasil tinha o maior investimento em saneamento básico entre países em desenvolvimento - um total de US$ 11,7 bilhões. Esse número é ínfimo quando se faz a proporção com o PIB. No mesmo ano do relatório, esse investimento correspondia a apenas 0,11% do PIB do país, sendo a quarta pior marca do mundo. O Governo Federal precisaria investir R$ 22,3 bilhões por ano até 2023 para atingir metas nacionais de saneamento estipuladas em 2013. Essas metas preveem um número de pessoas com acesso ao sistema de água 34% superior e dobrar o número atual de pessoas atendidas pelo sistema de esgoto (Associação Brasileira das Concessionárias Privadas de Serviços Públicos de Água e Esgoto, 2018).
O gráfico 6, fornecido pela Trata Brasil (2017), mostra a evolução do investimento total aplicado em saneamento de 2005 até 2015.
Gráfico 6: Evolução do investimento total em saneamento no Brasil (em bilhões de reais)
Fonte: Trata Brasil (2017)
2.1.3 Saneamento Público x Privado
Os números deixam clara a diferença entre a participação pública e privada no saneamento. A Associação Brasileira e do Sindicato Nacional das Concessionárias Privadas de Água e Esgoto (Abcon e Sindcon), em seu Panorama da Participação Privada no Saneamento, informou que 71% dos municípios brasileiros são atendidos pelo poder público, 6% contam com a iniciativa privada e cerca de 23% das cidades brasileira não são atendidas por nenhum serviço de saneamento básico. Apesar da grande diferença de participação no setor, as companhias privadas foram responsáveis por 20% do investimento total em saneamento no Brasil no ano de 2017, totalizando R$ 12,2 bilhões (ASSOCIAÇÃO BRASILEIRA DAS CONCESSIONÁRIAS PRIVADAS DE SERVIÇOS PÚBLICOS DE ÁGUA E ESGOTO, 2017).
A pouca participação da iniciativa privada não pode ser explicada pela diferença público-privada de tarifa média praticada. A comparação está plotada no gráfico 7, e possui uma linha do tempo de 2003 a 2016, bem como a evolução da tarifa com o tempo (ASSOCIAÇÃO BRASILEIRA DAS CONCESSIONÁRIAS PRIVADAS DE SERVIÇOS PÚBLICOS DE ÁGUA E ESGOTO, 2017).
Gráfico 7: Evolução da tarifa média de saneamento praticada no Brasil (R$/m³)
Fonte: Abcon e Sindcon (2018)
A experiência internacional pode ser muito útil para o Brasil no que se refere a participação privada no setor. No relatório “Comparações Internacionais – uma agenda de Soluções para os Desafios do Saneamento Brasileiro”, elaborado pela Confederação Nacional de Indústrias (CNI), observa-se que Alemanha possui 60% do serviço de água executado pelo setor privado, e o índice de perda de água no país europeu é de apenas 6,8%. O Chile, por sua vez, tem um nível recordista, atingindo de 94% de participação privada, com patamares de cobertura de água e esgotamento universais e tratamento de esgoto próximo a 100%, contanto com padrões excelentes de qualidade no serviço prestado (CONFEDERAÇÃO NACIONAL DA INDUSTRIA, 2017).
A figura 2 ilustra de forma interativa e lúdica a comparação entre Brasil e Chile. A comparação entre as duas nações é válida devido ao modelo de saneamento básico que é aplicado em cada país. No Brasil, existe grande dominância da esfera pública no setor enquanto que no Chile é basicamente privado em sua totalidade. Essas duas realidades são confrontadas com os resultados operacionais de saneamento em cada país (CONFEDERAÇÃO NACIONAL DA INDUSTRIA, 2017).
Figura 2: Diferença de panorama do saneamento entre Brasil e Chile
Fonte: CONFEDERAÇÃO NACIONAL DA INDUSTRIA (2017)
2.2 TECNOLOGIA DA INFORMAÇÃO
Cruz (2000) define a Tecnologia da Informação (TI) como qualquer dispositivo, não apenas computacional, que possa tratar dados e informações em um grande sistema ou ocasionalmente. Já Velloso (2004) afirma que se trata da gama de recursos tecnológicos, mesmo dos mais simples as mais complexas redes de informações que estão presentes em um processo de informação.
Segundo Prando (2015), a tecnologia da informação é fundamental nas mudanças na prestação de serviços nas últimas décadas, por conta da precisão e rapidez na troca de informações. Albertin (2001) diz que entender o valor estratégico atrelado à TI tem sido tarefa dos administradores, tendo em vista que as organizações dependerão cada vez mais de um
setor de TI bem estruturado. Ele ainda ressalta que a TI é considerada uma das maiores influências para a gerência nas empresas
TI não se trata simplesmente de microcomputadores colocados nos postos de trabalhos para auxiliarem o processo. O setor de TI tem uma amplitude muito maior, sendo responsável pela infraestrutura, softwares, banco de dados, telecomunicações, além da importância na questão econômico-financeiro e operacionais (PRANDO, 2015). A figura 3 ilustra essa relação.
Figura 3: Relação da TI e sistemas de informação em organizações
Fonte: Prando (2015)
Para Prando (2015) a real importância do TI vai além de agilizar processos ou reduzir postos de trabalhos, e sim a tecnologia que ela proporciona para o aprimoramento e otimização dos processos em geral. Para uma organização, o principal aspecto que a TI agrega é a capacidade de torná-la mais competitiva, sendo capaz de cumprir suas missões e avançar no mercado, visto que sua carga de informações e processamento de dados pode ser melhorada com o avanço da TI.
2.2.1 Tecnologia da informação ao longo do tempo
Desde a criação do ábaco (primeira tecnologia conhecida para efetuar cálculos), inventada na Babilônia em 2400 a.C., passando pelo primeiro computador eletromecânico,
inventado por Konrad Zuse em 1936 e chegando aos dias atuais, pode-se constatar como a forma de documentar e armazenar informações foi evoluindo de acordo com o avanço tecnológico.
Bio (2008) explica a transformação no campo de sistemas através das seguintes etapas, resumidas da forma abaixo:
● Manualização: colocar por escrito (documentar) os procedimentos administrativos.
● Racionalização: analisar se o trabalho era feito da forma mais racional. ● Mecanização: A partir da criação e desenvolvimento dos primeiros
computadores surgiu a ideia de mecanizar e automatizar os sistemas. Possibilidade de processar mais dados, armazenar mais informações de forma mais acessível, substituindo a mão-de-obra.
● Sistemas de Informações: avanço da necessidade de se obter tecnologias melhores de sistemas com melhores resultados. Entendimento do valor da informação e investimentos maiores para melhor processamento.
● Sistema de Informações Integrados: solução avançadas na área de TI. Alta capacidade de integração entre dados de diferentes áreas, banco de dado etc.
Prando (2015) destaca o papel da TI nas organizações de forma a incentivar a mudança constante nos projetos relacionados a essa área, para que a informação possa ser cada vez mais explorada positivamente de acordo com o avanço das ferramentas tecnológicas. Estar defasado tecnologicamente frente a um concorrente pode ser fatal para a sobrevivência da empresa. Sobre a evolução desse papel da TI nas organizações juntamente com as mudanças tecnológicas, Prando (2015) destaca essa linha do tempo no quadro abaixo:
Quadro 1: Tecnologia da Informação ao longo do tempo
Fonte: Prando (2015)
É importante observar que as revoluções tecnológicas, que trouxeram junto a evolução dos sistemas de informação, vêm sempre acompanhadas da mudança também no papel do ser humano, que é o agente intermediário, ao lidar com os sistemas. Desenvolver sistemas e melhorar seu grau de TI implica também em trazer e capacitar capital humano adequado. Prando (2015) salienta isso ao dizer que a pessoa ligada a TI deve conhecer muito além das técnicas e softwares, mas entender o funcionamento global da organização para saber onde aplicar técnicas informacionais e quais são as mais assertivas quanto a melhoria de desempenho.
2.2.2 Gerenciamento de Banco de dados
Korth (1994) conceitua banco de dados como sendo um conjunto de dados relacionados entre si, retendo informações sobre um domínio qualquer. Ou seja, sempre que for possível agrupar informações que se relacionam e tratam de um mesmo assunto, pode-se
dizer que se trata de um banco de dados. Exemplificando, uma lista telefônica ou um sistema de controle de funcionários de uma certa área de RH, ambos podem ser classificados como um banco de dados.
As entidades em um banco se relacionam, por exemplo, autores e suas publicações, e isso faz com que os bancos se tornem cada vez mais complexos e cheios de rede. A partir desse problema, a IBM investiu anos de pesquisa (década de 60) para que esse problema fosse sanado, de forma a tornar seus bancos de dados mais ágeis e manuseáveis (CATARINO, 2017). A solução para essa questão veio em 1970, com o pesquisador Edgar Frank Codd, da mesma empresa. O resultado gerado fez com que os usuários pudessem trabalhar de forma muito mais eficaz com banco de dados extensos, mesmo com pouco conhecimento técnico.
Um sistema de gerenciamento de bancos de dados (SGBD) nada mais é do que é um software que tem algoritmos manipulando as informações do banco de dados e sempre interagindo com o usuário. Segundo Date (2003), esses sistemas tem a finalidade de fazer a manutenção de registros, armazenar informações e permitir que os usuários pesquisem, filtrem, manipulem e atualizem as informações neles contidas. O SBDG propiciou para os usuários um ambiente de armazenamento de dados muito mais homogêneo e eficiente. A figura 4 ilustra simplificadamente as partes integrantes de um relacionamento banco de dados – usuário, intermediado por um sistema de gerenciamento (DATE, 2003).
Figura 4: Esquematização de um sistema de gerenciamento de banco de dados
Fonte: Poletto (2008)
O SBDG foi criado com uma linguagem que envolvia lógica e teoria dos conjuntos para ter acesso aos dados armazenado. Já no final de década de 1970 que surgiu uma linguagem estruturada para que o usuário pudesse fazer consultas, o SQL (Structured Query Language). O SQL se tornou a linguagem padrão para manuseio de banco de dados relacionais (CATARINO, 2017).
Dentre as funções de um SBDG, se destacam o controle de redundância de dados, compartilhamento de dados, restrição de acesso e a funcionalidade de fazer restaurações e backups. Elmasri (2011) define as propriedades transacionais mais importantes como sendo a Atomicidade, Consistência, Isolamento e Durabilidade. Essas propriedades são resumidas nos tópicos abaixo:
● Atomicidade: o termo significa a indivisibilidade do sistema, ou seja, ou todas as transações são bem-sucedidas na execução ou nenhuma é executada. ● Consistência: modificações no banco são feitas se forem consistentes,
somente quando os dados da transação são válidos, caso contrário a transação não ocorre.
● Isolamento: as transações são independentes uma das outras. A execução de uma não interfere na execução de outra concorrente.
● Durabilidade: uma transação sendo executada, as informações não são perdidas caso haja uma falha com o equipamento físico
2.2.3 Knowledge Discovery in Databases – KDD
A Descoberta de Conhecimento em Bases de Dados, em inglês Knowledge Discovery in Databases (KDD), segundo Fayyad et al (1996) é um processo que identifica relacionamento em dados de bancos extensos, extraindo assim informações úteis para as tomadas de decisões.
O KDD originou-se basicamente da estatística por amostragem, estimativas, métodos de busca, inteligência artificial, identificação de padrão em atributos comum e machine learning, incluindo também das áreas de banco de dados, computação paralela e distribuída, como representado na figura 5.
Figura 5: Principais características do KDD
Fonte: Garcia (2015)
O KDD objetiva identificar padrões existentes nos dados diversos, que tem potencial de utilidade e podem trazer novas perspectivas (FAYYAD et al, 1996). Esse método de descobrimento de conhecimento também deve ter boa acurácia, ser abrangente para diversos tipos de dados e cabível de ser modificado e adaptado (STEINER et al, 2006). Os padrões descobertos serão validados com outros dados já descobertos para se obter um
grau de certeza; ser útil para o usuário final a quem se destina o novo conhecimento; e compreensível após atualização ou novos processamentos. Os padrões podem ser avaliados qualitativamente por um teor de qualidade pré-definido, devido a acurácia. Se tratando de conceitos como ser uma informação compreensível é subjetivo (FAYYAD et al, 1996).
Côrtes (2002) define de forma sucinta as etapas do KDD como a seguinte sequência iterativa:
● Limpeza de dados - remove inconsistências e ruídos (noise data);
● Integração de dados: integra dados de diferentes fontes para que possam ser analisados de forma conjunta;
● Seleção dos dados: pesca os dados relevantes que serão vitais para uma boa mineração de dados;
● Transformação de dados: coloca os dados no formato correto para o processo de mineração, usando técnicas como sumarização ou agregação;
● Mineração dos dados: processo vital, onde ocorre a análise de padrões com diversas técnicas possíveis e gera o resultado mais apropriado;
● Avaliação dos Padrões: seleciona os padrões relevantes após a mineração de dados, baseados em algumas medidas de interesse;
● Apresentação e assimilação do conhecimento: através de técnicas de visualização, o novo conhecimento adquirido é apresentado aos usuários finais, assim como introduzi-los no âmbito estudado.
A figura 6 mostra as etapas do KDD como um processo linear, do seu pré ao pós processamento dos dados inicialmente crus.
Figura 6: As etapas do KDD
Fonte: Adaptado de Fayyad et al. (1996)
O pós-processamento tem como uma das etapas o data mining, que é interpretar esse novo conhecimento em mãos. O data mining possivelmente é a etapa mais agregadora no processo de descobrimento, responsável pela pesquisa, no conjunto de dados, dos padrões que serão resultarão em informações úteis (DASU; JOHNSON, 2003; HAND, MANILLA, SMYTH, 2001). Nessa etapa se aplicam alguns algoritmos e o uso de softwares já desenvolvidos para extrair esses padrões.
2.2.4 Mineração de Dados (Data Mining)
Mineração de dados (em inglês, data mining) é a busca por informações que tenham algum valor para o seu usuário em grandes bancos de dados (WEIS, 1999). Thuraisingham (1999) define data mining como sendo o processo de aplicação de várias consultas para extrair essas informações úteis, através de padrões e tendências, que geralmente estão subliminares por conta da vastidão de dados.
Um conceito errado sobre mineração de dados é o que conceitua os sistemas de mineração como sendo capazes de minerar e gerar os dados de forma automática e os valores e conceitos mais úteis em uma extensa base de dados sem que haja a intermediação humana (HAN et al, 2011). O ser humano cumpre papel fundamental, direcionando o sistema para agregar e associar os dados cruciais e que cirurgicamente vão gerar os resultados esperados.
Como uma etapa do KDD, a mineração de dados compõe diversas tarefas, sendo utilizadas da forma como se deseja identificar o padrão, e são ditas como descritivas ou preditivas (KANTARDZIC, 2011). Ambas as classificações serão melhores detalhadas nos tópicos a seguir.
2.2.4.1 Análise Descritiva
A Análise Descritiva, de acordo com Côrtes et al. (2002), significa a investigação nos dados que procura características relevantes, muitas vezes escondidas e não óbvias ao usuário, como analisar os dados, principalmente pelo seu aspecto de qualidade, para ratificar os resultados obtidos na mineração, ou seja, o conhecimento que foi gerado. A análise é subdividida em Análise Prévia e Descobrimento.
A análise prévia consiste em avaliar uma base de dados com o objetivo de encontrar possíveis anomalias e resultados raros que possam impactar os produtos da mineração de dados. Descobrimento já consiste em analisar uma base de dados buscando padrões que podem estar obscuros, sem que exista uma hipótese levantada previamente (CÔRTES et al. 2002). Ambas as análises possuem sub-funcionalidades, que funcionam como técnicas adequadas para diferentes bases de dados e objetivos. A figura a seguir mostra as sub-funcionalidades citadas.
Figura 7: Análise descritiva destrinchada
2.2.4.2 Análise Preditiva
A Análise Preditiva significa investigar os dados procurando inferir resultados a partir dos padrões resultantes na análise descritiva (descrita no tópico anterior), ou seja, prognosticar como irá se comportar um conjunto de dados novo. Berry e Linoff (1997), Thuraisingham (1999) e Han et al (2011) subdividem essa análise da seguinte forma:
● Estimação: prediz algum valor, de acordo com um padrão pré-estabelecido. Por exemplo, em uma grande base de dados, sabendo as despesas e idade de uma pessoa nessa base, pode-se estimar seu salário (CÔRTES, 2002).
● Classificação: prediz um valor para uma variável categórica, ou seja, classifica um elemento do seu banco de dados em grupos pré-definidos. Como exemplo, uma instituição financeira que classifica clientes como oferecedor de risco ou não para se obter um empréstimo (CÔRTES, 2002).
2.2.4.3 Técnicas possíveis para as funcionalidades
Definidas as funcionalidades sendo o objetivo da mineração de dados, deve-se escolher a técnica a se utilizar de forma mais adequada e aderente ao resultado esperado. Exemplificando, para a funcionalidade de estimativa, poder usar técnicas de regressão linear ou múltipla, mas dependendo da complexidade e a que prazo se deseja estimar o resultado, uma das técnicas vai prevalecer sobre a outra (CÔRTES et al. 2002). A tabela abaixo lista várias técnicas possíveis (não totais) de cada uma funcionalidade.
Fonte: Côrtes (2002)
empresa pesquisada, essa sub funcionalidade será explorada no tópico subsequente.
2.2.5 Clustering ou Agrupamento
Segundo Han et al (2011), a análise de cluster é o processo de particionamento de um conjunto de dados em subconjuntos. Cada subconjunto é um cluster, de tal forma que os objetos em um cluster são semelhantes uns aos outros, mas diferem de objetos de outro subconjunto. Denomina-se como clustering o conjunto de agrupamentos resultados de uma análise. Neste contexto, diferentes métodos de cluster podem gerar diferentes agrupamentos no mesmo conjunto de dados. O particionamento mais refinado é feito através de algoritmos de clustering, e não diretamente por humanos (HAN et al., 2011). Por levar a descobertas não antes propostas que o método de clustering é considerado tão útil.
Tratando-se de mineração de dados, essa análise possibilita o uso de uma ferramenta autônoma para obter percepção da distribuição de dados, enxergar as características dos k clusters obtidos e focar em um conjunto particular de clusters focar a análise (HAN et al., 2011).
Alguns requisitos são necessários para que o algoritmo possa fazer a clusterização, seja para fazer a análise propriamente dita ou para comparar diferentes métodos. Han et al. (2011) citam requerimentos típicos para a análise eficaz de cluster em data mining:
● Escalabilidade do algoritmo utilizado;
● Habilidade para lidar com diferentes tipos de atributos ● Ser capaz de descobrir clusters de diferentes tamanhos;
● Conhecimento de domínio para determinar os parâmetros de entrada; ● Conseguir lidar com noise data (ruídos);
● Insensibilidade a ordem de entrada e a novas entradas no banco; ● Capacidade de clusterizar dados de várias dimensões ou atributos; ● Clusters que respeitem variadas restrições requeridas pelo usuário; ● Ser capaz de gerar resultados interpretáveis e principalmente que sejam úteis;
em relação ao nível de particionamentos (quer os agrupamentos sejam mutuamente exclusivos ou não) e às medidas de semelhança entre eles utilizadas (HAN et al., 2011).
Existem muitos algoritmos capazes de realizar agrupamentos. Han et al (2011) afirmam que é difícil fornecer uma categorização de métodos de agrupamento. No entanto, é útil apresentar uma imagem relativamente organizada de métodos de agrupamento. Em geral, os principais métodos de agrupamento podem ser classificados nas seguintes categorias: Métodos de partição, métodos de hierarquia, métodos baseados em densidade e por fim métodos baseados em grades. A tabela abaixo resume as principais características de cada método.
Quadro 3: Métodos de agrupamento
Método Características Gerais
Partição
- Encontra aglomerados mutuamente exclusivos de forma esférica - Baseado em distância
- Pode usar média para representar o centro do cluster
- Efetivo para conjuntos de dados de tamanho pequeno a médio Hierárquico
- Cluster é uma decomposição hierárquica (ou seja, vários níveis) - Não corrige mesclagens ou divisões erradas
- Pode incorporar outras técnicas como microcluster
Baseado em densidade
- Pode encontrar clusters de forma arbitrária
- Clusters são regiões densas de objetos no espaço que são separados por regiões de baixa densidade
- Densidade de cluster: cada ponto deve ter um número mínimo de pontos dentro de seu "bairro"
- Pode filtrar outliers
- Usa uma estrutura de dados de grade de multirresolução Baseado em
grade
- Tempo de processamento rápido (normalmente,
independentemente do número de objetos de dados, ainda dependentes do tamanho da grade)
Fonte: Han et al. (2011)
Após a escolha do método mais condizente com a necessidade, precisa-se então avaliar os clusters gerados. A avaliação de cluster verifica a viabilidade da análise de clustering em um conjunto de dados e a qualidade dos resultados gerados por um método de agrupamento. As tarefas incluem avaliar tendência de agrupamento, determinação do número
de clusters e medição de clustering qualidade.
2.3 QUALIDADE
Algumas referências na área de qualidade a classificam de formas diferentes, mas não exclusivas. Para Deming (1990), por exemplo, qualidade corresponde ao atendimento às necessidades momentâneas e futuras do consumidor. Crosby (1990) diz que “qualidade significa conformidade aos requisitos”. Já Ishikawa (1986) conceitua qualidade como sendo a percepção e satisfação das necessidades do mercado, produtos com uso adequado e homogeneidade nos resultados.
Kotler (2000) traz a ideia de que um serviço ou um produto é dito de qualidade e conquista fidelidade do cliente se lhe agregar valor e também satisfação. Ou seja, ter como ponto focal da qualidade somente a necessidade do cliente pode obscurecer o fato de que a o cliente almeja valores intrínsecos ao produto/serviço, como por exemplo o atendimento, a forma de entrega ou até mesmo espera para se obter o que foi adquirido.
Taguchi (1986) afirma que qualidade é inversamente proporcional ao desvio da meta, e deve se garantir que a produção tenha o mínimo desvio. Esses desvios implicam no custo final da qualidade no seu processo. Ou seja, quanto maiores os seus desvios da meta, maiores serão os custos corretivos para garantir a qualidade de alguma forma. Heldman (2003) destrincha esses custos em dois momentos: o custo externo e o interno. Os internos são os gastos necessários para corrigir o produto/serviço enquanto ele ainda está sobre o controle da organização, antes da entrega; o externo é exatamente o oposto, sendo o custo de falhas quando o produto/serviço já está em posse do cliente e ele tem a percepção de estar fora das exigências.
Ainda segunda Heldman (2003), é menos dispendioso evitar eventuais falhas com processo e ferramentas eficazes de qualidade do que gastar posteriormente com ações corretivas. Ele ainda ressalta que os benefícios atrelados ao cumprimento da qualidade são:
● Stakeholders mais satisfeitos;
● Custos mais baixos do que ações corretivas; ● Maior produtividade;
● Diminuição no retrabalho.
Como o presente estudo está pautado para a busca de um método que indique a solução de um problema que surgirá pós uma análise quantitativa, o tópico a seguir irá avaliar e embasar detalhadamente as técnicas que apoiam a qualidade e buscam propor soluções para problemas.
2.3.1 Técnicas de apoio a qualidade
Para a manutenção e controle da qualidade, Cruz (2008) apresenta técnicas de Gerenciamento da Qualidade para que o processo possa ser mensurado e analisado. Além disso, ferramentas que proponham solução para os problemas emergentes. Brow et al (2005) destacam que essas ferramentas e técnicas são de suma importância na qualidade estratégica.
Nos próximos tópicos serão abordadas algumas das principais técnicas de apoio para a tomada de decisão e garantia da qualidade
2.3.1.1 Benchmarking
Pinto (2007) classifica o Benchmarking como uma ferramenta estratégica com a qual as empresas procuram melhores seus processos ou forma de gestão realizando uma troca de know-how com outras organizações que possuem atividades semelhantes ou até mesmo adaptáveis ao seu meio. Essa comparação pode acontecer até mesmo dentro de uma organização, avaliando e entendo processos de outros setores e operações.
Davis et al (1999) analisam o benchmarking em quatro classificações: ● Interno: compara processos dentro da mesma organização;
● Competitivo: faz a comparação geralmente com processos similares de seu competidor mais forte. Isso define em qual patamar a organização se encontra naquele processo frente ao mercado;
● Funcional: compara processos com as melhores áreas funcionais, independente do setor;
● Genérico: procura comparar processos que estão fazem parte de qualquer tipo de empresa.
2.3.1.2 Fluxograma
Segundo Peinado e Graeml (2007), os fluxogramas são formas de representar, através de símbolos e formas, uma sequência lógica de atividades com o objetivo de melhor entendimento do processo. Pode ser utilizado como recurso visual para gestores analisarem sistemas e identificarem possíveis melhorias na cadeia.
A simbologia padrão utilizada nos fluxogramas evidenciam a origem, processo e destino de elementos de um sistema um processo qualquer (ROSA, 2002). Ramos (2006) ressalta que a sequência desses símbolos, formando o fluxograma, resulta em um mapa que gera entendimento fácil e lúdico a respeito dos caminhos percorridos pelos dados, pessoas, arquivos etc.
A figura abaixo ilustra um exemplo clássico de fluxograma.
Figura 8: Exemplo de um fluxograma
2.3.1.3 Ciclo PDCA e o MASP
Campos (2004) afirma que 100% dos problemas operacionais acontece durante a rotina. Assim, se torna necessário diagnosticar essa rotina, avaliar os pontos fracos e utilizar procedimentos de controle que mantenham a qualidade do processo. Nessa ideia surgiu o conceito de Planejar (Plan), Fazer (Do), Checar (Check) e Agir (Act) – PDCA.
Werkema (1995) define o PDCA como sendo uma ferramenta que facilita a tomada de decisão gerencial e garante o alcance as metas e assim a sobrevivência de mercado. O método tem como objetivo padronizar o controle da qualidade torna as informações do processo mais fáceis de serem entendidas e funciona como uma forte ferramenta para a cultura da melhoria continua (AGOSTINETTO, 2006).
Para se melhorar um processo uma nova meta deve ser estabelecida para atingimento dessa melhoria. Para isso, Campos (2004) conceitua resumidamente as quatro fases do PDCA da seguinte forma:
● Plan: são as etapas que irão investigar e identificar o problema, fragmentar o problema para encontrar a causa-raiz do mesmo e elaborar um plano de ações para as etapas seguintes;
● Do: é a ação propriamente dita do plano previamente montado, com o objetivo de impedir que as causas principais do problema continuem agindo contra o processo;
● Check: essa fase consiste na checagem do andamento do plano posto em ação, ou seja, confirmar a eficácia do plano quanto a mitigação das causas do problema.
● Act: essa fase pode ser dividida em suas subfases, denominadas de padronização e conclusão. Padronizar significa tornar aquele plano recorrente no processo, tendo em vista que ele foi eficaz, evitando que o problema reapareça. Já a conclusão tem como objetivo revisar o planejamento para aplica-los em futuros trabalhos.
Campos (2004) ainda ressalta que, caso na fase Check tenha se verificado que não houve o bloqueio da causa raiz, então volta-se a fase Plan para encarar o problema com outra abordagem, e assim caracterizando o PDCA como um ciclo mitigador de problemas.
A Metodologia de Análise e Solução de Problemas – MASP é uma poderosa ferramenta para gerar soluções e melhorias, ajudando para a tomada correta de decisão, onde a solução segue uma lógica linear em um sequenciamento racional de etapas (MATTOS, 1999). Silva (2015) classifica o MASP como um desdobramento das etapas do ciclo PDCA. O quadro abaixo mostra a conexão entre o PDCA e as fases do MASP.
Quadro 4: As fases do MASP e a relação com o PDCA
Fonte: Campos (2004)
2.3.1.4 Plano de Ação 5W2H1S
De acordo com Lima (2014), o método 5W2H1S tem como objetivo mapear as atividades necessárias para se atingir um objetivo, colocando-as por escrito de uma forma clara e sequencial, ajudando aos envolvidos no plano a controlar e verificar a eficácia da melhoria proposta. A ferramenta e destrinchada da seguinte forma:
● What: o que será feito. A proposta em si;
● Who: quem será o responsável por implementá-la (pessoa, departamento etc.);
● Why: porque será feito; ● Where: onde será aplicado; ● When: quando será feito;
● How Much: o custo da implementação (pessoal, material, ferramentas etc.) ● Show: cria um indicador para avaliar o desempenho do processo após a
aplicação da melhoria.
O quadro 5 é uma exemplificação do uso da ferramenta 5W2H1S.
Quadro 5: Exemplo de um plano de ação 5W2H1S
3 METODOLOGIA
A metodologia escolhida em uma pesquisa é um risco a se correr e é intrínseco ao conhecimento científico. Justificar essas escolhas metodológicas irá definir o nível científico e minimiza possíveis questionamentos quando a credibilidade da pesquisa (ENSSLIN; VIANNA, 2008). Thiollent (2004) completa dizendo que a metodologia irá definir o modo como a pesquisa decorrerá, tomar as decisões certas escolhendo as técnicas e conceitos, mais adequados para o processo investigativo.
A pesquisa pode ser tratada como as ações necessárias para se solucionar um problema, com bases lógicas e sistemáticas. A motivação advém da situação problema apresentada e a possibilidade de se apresentar uma solução para sanar ou mitigar a questão. (SILVIA, MENEZES, 2005). Silvia e Menezes (2005) citam que a pesquisa pode ser entendida por sua natureza, abordagem do problema, objetivos e procedimentos técnicos.
● Natureza: pode ser básica (geração de novo conhecimento científico) ou aplicada (aplicação prática em um problema específico);
● Abordagem: se divide em quantitativa (informação em números, técnicas estatísticas) ou qualitativa (interpretação dos fenômenos observados e a atribuição de significados aos mesmos);
● Objetivos: pode ser exploratória (levantamento de bibliografias anteriores no assunto, entrevistas etc.), descritiva (estabelecer relações entre variáveis) ou explicativa (explicação da ocorrência de fenômenos e assim aprofundando o conhecimento);
● Procedimento Técnico: podem ser bibliográficos, documental, estudo de caso, experimental, de levantamento, ex-post-facto, pesquisa/ação ou participante.
Diante das definições apresentadas, o presente projeto tem natureza aplicada, pois trata de gerar a solução para um problema específico em uma empresa; possui abordagem qualitativa, por gerar uma solução subjetiva embasada em uma análise de dados; objetivo descritivo, por ter como objetivo principal a mineração de dados e sendo assim a busca por padrões em diferentes atributos em uma base de dados grande, e usa o procedimento técnico de estudo de caso, por estudar a fundo um objeto específico da empresa (dados de clientes
inadimplentes) e gerar conhecimento detalhado.
3.1 PESQUISA BIBLIOGRÁFICA
Primeiramente buscou-se estudos prévios em diversas plataformas que tratavam de assuntos relacionados com “saneamento básico” ou “saneamento ambiental”. A maior parte das informações valiosas sobre esse assunto estavam contidas em relatórios emitidos anualmente por agências e associações brasileiras que tratam de saneamento e indústria, como a Abcon, CNI, Trata Brasil etc. O restante da pesquisa tratou de palavras-chave como “tecnologia da informação”, “mineração de dados”, “data mining”, “clusterização” e “ferramentas e técnicas de qualidade”. Estas pesquisas foram realizadas em fontes como: Periódicos Capes; repositórios de teses e dissertações de instituições renomadas no Brasil, tais como: UFSCar, UFRJ, UFF, USP e UFSC; além de livros disponíveis on-line ou na biblioteca da UFF.
3.1 AMOSTRAGEM
O estudo tem como objetivo clusterizar uma amostragem de clientes inadimplentes de uma empresa. Por ser uma base de dados muito grande levando-se em consideração todos os clientes inadimplentes da empresa, e a busca de padrões em bancos muito grande pode se tornar mais complexa, a amostra foi reduzida para os clientes com alguma dívida ativa com a empresa estudada no intervalo de janeiro de 2018 até junho do mesmo ano.
Após a seleção da amostra, 10% dessa base será reservada e não participará do processo de agrupamento, que encontrará padrões e assim agrupar os clientes em clusters. Essa população reserva permitirá que haja uma base de teste para verificar o quão eficaz foi a mineração de dados.
3.2 ESTUDO DE CASO
O estudo será baseado na aplicação de um conhecimento específico em um estudo de caso estruturado. Yin (2001) classifica o método de estudo de caso como sendo a investigação de um fenômeno contemporâneo em um contexto de vida real, e quando as
soluções da situação problema perpassam por perguntas simples envolvendo “como” e “porque”.
O método de pesquisa baseado em um estudo de caso se caracteriza por um anseio investigativo que leva em consideração as características complexas e abrangentes de fenômenos da vida real, como ciclos de vida unitários, processos organizacionais e administrativos, bem como relações e desenvolvimento de departamentos (YIN, 2001).
Estando a empresa do estudo previamente selecionada, a sequência do estudo irá abordar as próximas fases do estudo de caso, sendo definidos a base de dados e o método mais adequado para a resolução do problema descoberto.
3.3 ORGANIZAÇÃO DO ESTUDO
O fluxograma apresentado na figura 9 descreve os passos do presente estudo e define o caminho para atingir o objetivo definido no primeiro capítulo.
Figura 9: Organização do presente estudo em um fluxograma
4 O ESTUDO DE CASO
4.1 A EMPRESA ESTUDADA
A empresa onde foi aplicado o estudo de caso do presente trabalho atua na cidade de Niterói – Rio de Janeiro desde 1998 como concessão privada prestadora de serviços de abastecimento de água, coleta e tratamento de esgotos. O grupo em que a concessionária pertence, está presente em mais de 13 cidades na região Sudeste, atende mais de 4 milhões de habitantes e por isso é líder no referido setor. Além disso, o grupo é 100% nacional e possui fortes parcerias com prefeituras e outras empresas privadas para alcançar metas de universalização do serviço de saneamento nos próximos anos.
No ano de 2016 o grupo apresentou os seguintes indicadores operacionais/financeiros:
● Número de ligações de água: 1.250.000 ● Número de ligações de esgoto: 1.100.000
● Receita operacional bruta: R$ 1,5 bilhões de reais
● EBITDA (Earnings before interest, taxes, depreciation and amortization): R$ 335 Milhões
● Lucro líquido: R$ 126 Milhões
Em 2017, o grupo atingiu rating máximo de crédito AA+ na Fitch Ratings (uma das maiores agências de classificação de risco do mundo), sendo a única empresa de saneamento do Brasil a ter essa classificação. Além disso, o grupo vem aperfeiçoando sua área comercial, otimizando processos para melhor relacionamento com clientes externos e internos (principalmente com a área financeira) da empresa.
A concessionária onde o estudo foi aplicado, desde o início de sua atuação, diminuiu a perda de água durante a distribuição para a população de 40% para 16%. Além disso, expandiu a rede de esgoto de 35% da população do município para 95%, atingindo patamares internacionais de qualidade e chegando próximo a universalização do serviço.
A situação da inadimplência apresentada como problema focal deste estudo implica não só nos indicativos comerciais como nos resultados financeiros, sendo um assunto de
interesse para ambas as áreas. Com o atual momento de melhoria do fluxo interno de informações entre as duas áreas, um projeto que atue em um impasse na interseção das áreas está de total acordo com a conduta da empresa.
4.2 A INADIMPLÊNCIA NA EMPRESA
Por se tratar de uma concessionária de saneamento, não existe a necessidade de um marketing ostensivo, justamente pelo fato de que a universalização do serviço para toda a população é uma obrigação da empresa. Por conta disso, a área comercial visa estreitar o relacionamento com o cliente para solucionar questões pós-venda. Ou seja, diversifica canais de comunicação e possui um Serviço de Atendimento ao Consumidor capaz de manter um nível de serviço elevado, além de manter negociações com diversos fornecedores e também com o poder público, sendo esse um dos principais stakeholders do grupo. Em 2017 o grupo implantou um modelo de melhoria comercial para melhor atendimento do cliente, aumentando o setor de call center (aumento de capacidade de mais de 4000 ligações/dia) e ganhando eficiência em processos de cobrança.
O setor de cobrança é responsável pelo controle ativo da inadimplência, utilizando mecanismos de contato direto com o cliente para a que a dívida seja sanada. Esses mecanismos são: e-mails, mensagens para o telefone celular e ligações. A empresa também possui um plataforma on-line em seu site, permitindo o parcelamento das faturas em aberto do cliente e tornando o saldo da dívida mais acessível. Devido a essa forte atuação do setor, a empresa recebe por mês uma média de 700 mil reais de débitos negociados em meses anteriores ao vigente.
Após o setor de cobranças fazer o levantamento dos dados de clientes inadimplentes, cabe ao setor de planejamento transformar esse banco de dados em números gerenciais. Com isso, são calculados indicadores vitais, como por exemplo: Inadimplência acumulada nos últimos 12 meses; Inadimplência acumulada desde o começo da concessão; Evasão da receita por inadimplência. Esses indicadores são expressos em relatórios mensais juntamente com outros indicadores financeiros/operacionais. Por fim, os dados já tratados são enviados a Superintendência Financeira, que juntamente com a Diretoria Administrativa-Financeira tomam as medidas cabíveis e fazem uma análise mais acurada, procurando identificar causas e possíveis soluções.
A diversificação e eficácia dos meios de cobrança é um ponto focal da área devido a expressiva taxa de dívida ativa. A inadimplência é tida como um importante indicador. É calculada dividindo-se o saldo de contas recebidas no mês pelo faturamento original (o que realmente foi consumido de água e esgoto tratado). Esse indicador ao final de 2017 atingiu um patamar de 5% no ano. Ou seja, o faturamento real do ano foi decrescido em cerca de R$ 20 milhões de reais devido a esse problema.
Gráfico 8: Saldo de contas a vencidas desde o começo da concessão
Fonte: Autor (2018)
O gráfico representa o crescimento do somatório dos débitos vencidos dos clientes ao final dos últimos 3 anos. A previsão em dezembro de 2018 é de que esse número cresça cerca de 12,8% em relação ao final de 2017, constituindo-se em uma quantia representativa de evasão na receita por inadimplência.
4.3 O BANCO DE DADOS
Como o presente trabalho trata de uma mineração de dados em estado cru, surge a necessidade de se obter um banco de dados onde as informações de cada cliente inadimplente estejam de forma não gerencial. Ou seja, não tenham sido processadas ou melhoradas. O banco de dados deve conter a maior quantidade de informações possíveis para que o software
