Suporte à tomada de decisão em fundações de apoio por meio da análise de dados

Abstract

Resumo: Esta dissertação tem como objetivo analisar o potencial da aplicação de técnicas de análise exploratória e mineração de dados na identificação de padrões, tendências e oportunidades de melhoria nos processos operacionais e de gestão de uma fundação de apoio, visando subsidiar a tomada de decisão estratégica e a sustentabilidade institucional vinculada a uma Instituição Federal de Ensino Superior. O estudo utilizou dados operacionais de projetos geridos por uma fundação de apoio à Universidade Federal do Paraná (UFPR) no período de 2019 a 2024, coletados por meio do sistema ERP Protheus. A metodologia adotada foi baseada no modelo CRISP-DM, que orientou o processo em seis etapas: compreensão do negócio, compreensão dos dados, preparação, modelagem, avaliação e implantação. Após o tratamento da base de dados (com 270 projetos válidos), foram aplicadas técnicas de classificação (Random Forest), regressão, clusterização (k-means) e regras de associação (Apriori). Os resultados revelaram que apenas 8,88% dos projetos apresentaram recuperação de custos operacionais (RCO) igual ou superior ao calculado, e cerca de 78% apresentaram desempenho inferior a 70%, sendo as principais limitações atribuídas às normativas legais que impõem tetos para a cobrança das Despesas Operacionais Administrativas (DOA). O modelo de regressão para o RCO efetivo obteve erro médio de 6,5%, e a clusterização evidenciou três perfis distintos de projetos quanto a rentabilidade e risco. A partir dessas análises, foi proposto um framework de governança de dados e apoio à gestão institucional, com foco na padronização do cadastro de projetos, criação da figura do data steward, e uso contínuo de painéis analíticos como suporte à tomada de decisão. A pesquisa contribui para o fortalecimento da gestão estratégica da informação em fundações de apoio, propondo ações práticas para melhoria da sustentabilidade financeira, captação de recursos e eficiência nos processos internos

Abstract: This dissertation aims to analyze the potential of applying exploratory data analysis and data mining to identify patterns, trends, and opportunities for improvement in the operational and management processes at a supporting foundation, with a view to supporting strategic decision-making and institutional linked to a Federal Higher Education Institution. The study used operational data from projects managed by a foundation supporting the Federal University of Paraná (UFPR) from 2019 to 2024, collected through the Protheus ERP system. The methodology adopted was based on the CRISP-DM model, which guided the process in six stages: understanding the business, understanding the data, preparation, modeling, evaluation and implementation. After processing the database (with 270 valid projects), classification (Random Forest), regression, clustering (k-means) and association rules (Apriori) techniques were applied. The results showed that only 8.88% of the projects had an operating cost recovery (RCO) equal to or greater than that initially calculated, and around 78% had a performance of less than 70%, the main limitations being attributed to legal regulations that impose ceilings on the collection of DOA (Operating Administrative Costs). The regression model for the effective RCO obtained an average error of 6.5%, and the clustering showed three distinct project profiles in terms of profitability and risk. Based on these analyses, a data governance and institutional management support framework was proposed, focusing on standardizing project registration, creating the role of data steward, and continuously using analytical dashboards to support decision-making. The research contributes to strengthening strategic information management in support foundations, proposing practical actions to improve financial sustainability, fundraising and efficiency of internal processes