Utilize este identificador para referenciar este registo: https://hdl.handle.net/1822/69135

TítuloDesenvolvimento de um modelo para apoio à tomada de decisão na gestão dos gastos da Marinha do Brasil
Outro(s) título(s)Development of a model to support decision making in the management of Brazilian Navy spending
Autor(es)Silva, Stefan Santos Maciel
Orientador(es)Crispim, José António Almeida
Palavras-chaveAprendizado de máquina
Gastos militares
Gestão de recursos
Organização orientada a dados
Tomada de decisão
Data-driven organization
Decision making
Machine learning
Military spending
Resource management
Data2020
Resumo(s)Em todo o mundo, governos enfrentam um desafio sem fim de promover um número cada vez maior de serviços públicos com o mesmo (ou até menor) volume de gastos a cada ano. Aprimorar a eficiência dos gastos no setor público significa potencializar a capacidade de atuação do estado, bem como garantir que o mesmo responda adequadamente àqueles que o financiam: seus cidadãos. Neste contexto, as tecnologias da informação e comunicação são a base para muitas das ideias inovadoras que permitem reduzir custos e, ao mesmo tempo, promover a qualidade do serviço prestado. No entanto, a literatura de inovação no setor público aponta que pouca atenção foi dada às inovações relacionadas a processos tecnológicos. Por ser um campo de estudo com potencial de facilitar a tomada de decisão orientada a dados, esta pesquisa se propôs a efetuar uma abordagem baseada em aprendizado de máquina para o desenvolvimento de um modelo capaz apoiar o processo de tomada de decisão ao perceber a variação dos gastos comuns e essenciais nas mais de 400 instalações pertencentes à Marinha do Brasil, responsáveis pela execução de diversas e distintas atividades necessárias ao cumprimento de sua missão institucional em todo o território brasileiro. Para atingir este objetivo, dados secundários, oriundos de diferentes fontes e que representam diversos atributos das instalações, foram devidamente coletados, tratados, e carregados em uma arquitetura que possibilitou o processo de aprendizagem sob diversas perspetivas. Posteriormente, os melhores modelos passaram por um procedimento capaz de identificar os atributos mais relevantes com base na força com que os mesmos contribuem para a performance preditiva do modelo. Os resultados mostram que, apesar das limitações de dados, o modelo alcançou uma capacidade razoável de previsão e, o conhecimento dos atributos mais importantes que contribuem para o mesmo são capazes de gerar percepções úteis que auxiliam no processo de tomada de decisão relacionado à gestão dos seus recursos. O desempenho alcançado também sustenta que a arquitetura desenvolvida também pode ser considerada um resultado adicional deste estudo. A implementação da mesma como um processo na plataforma de análise de dados da organização possibilitará uma análise mais aprofundada do problema apresentado, com um volume maior de dados e atributos, bem como sua reutilização em outras áreas de interesse.
All around the world, governments face an endless challenge to promote an increasing number of public services with the same (or even less) volume of spending each fiscal year. Improving the efficiency of public sector spending means enhancing the state's capacity to act, as well as ensuring that it responds adequately to those who finance it: its citizens. In this context, information and communication technologies are the foundations for many of the innovative ideas that allow to reduce costs and, at the same time, promote the quality of the service provided. However, the innovation literature in the public sector points out that little attention was paid to innovations related to technological processes. As it is a field of study with the potential to facilitate data-driven decision-making, this research proposed to carry out an approach based on machine learning for the development of a model capable of supporting the decision-making process by understanding the variation of common and essential expenses in the more than 400 Brazilian Navy installations, responsible for the execution of several and different activities necessary to fulfill its institutional mission throughout the Brazilian territory. In order to achieve this objective, secondary data, coming from different sources and representing different attributes of the facilities, were adequately collected, treated, and loaded into an architecture that enabled the learning process from different perspectives. Subsequently, the best models went through a procedure capable of identifying the most relevant attributes based on the strength with which they contribute to the predictive performance of the model. The results show that, despite the data limitations, the model has achieved a reasonable capacity for forecasting, and the knowledge of the most important attributes that contribute to it are capable of generating useful insights that assist in the managerial decision-making process related to the allocation of resources. The performance achieved also maintains that the developed architecture can also be considered an additional result of this study. Its implementation as a process on the organization's data analysis platform will enable a more in-depth analysis of the problem presented, with a larger volume of data and attributes, as well as its reuse in other areas of interest.
TipoDissertação de mestrado
DescriçãoProposta de projeto de mestrado em Estudos de Gestão
URIhttps://hdl.handle.net/1822/69135
AcessoAcesso aberto
Aparece nas coleções:BUM - Dissertações de Mestrado

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Stefan Santos Maciel Silva.pdf4,25 MBAdobe PDFVer/Abrir

Este trabalho está licenciado sob uma Licença Creative Commons Creative Commons

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID