gente nem repara. Mas o mundo digital joga luz a algumas palavras, que, pouco a pouco, vão ocupando terreno até se tornarem latifúndios. Um desses termos é “Predição” - ato de predizer o que vai acontecer. A palavra costuma vir dentro do campo semântico da Ciência de Dados. Quando bem prospectados, segmentados e analisados, terabytes de informação geram inteligência competitiva para predições cada vez mais certeiras sobre economia e - porque não? - sobre política.
Danilo Oliveira, CEO do Sigalei, resolveu desafiar o senso comum e buscar padrões na política brasileira, mais precisamente no Poder Legislativo, imprevisível por natureza quanto aos meandros, mas com entregas bem definidas quanto ao fim: as leis.
Com uma lupa desembaçada pela estatística e inteligência artificial, Danilo apresentou, no começo do ano, o trabalho Compreendendo e prevendo o processo legislativo via ciência de dados, com o qual concluiu o seu mestrado no Instituto de Ciências Matemáticas e de Computação (ICMC), da USP, em São Carlos.
Em entrevista para o Blog Tudo é Política, Danilo detalhou a sua pesquisa e falou sobre o potencial da Ciência de Dados para os profissionais de Relações Institucionais e Governamentais (RIG), na medida em que pode trazer maior assertividade quanto às predições a respeito dos projetos de lei. Ou seja, identificar se eles têm maior ou menor probabilidade de serem aprovados. Boa leitura!
Acredito que os problemas que estamos passando não são exclusivos do Brasil. Toda sociedade que decide adotar um sistema político que aceita e valoriza a participação das pessoas com as mais diversas opiniões sempre enfrentará grandes desafios. Desse modo, penso que não é o Brasil, mas, sim, a democracia que não é para amadores.
No olho do furacão da democracia, está o parlamento. Ele possui diversos papéis, responsabilidades e uma dinâmica própria. Apesar de ser uma das instituições mais próximas do cidadão, ele é pouco compreendido e, por isso, muitas vezes aparenta ser caótico.
Porém, não é bem assim. Há uma lógica que rege as atividades do parlamento, mas como ele é pouco familiar ao cidadão, cria-se o senso comum do caos. Nesse caos, vejo uma grande oportunidade para a área de Ciência de Dados.
A partir das técnicas e ferramentas da Ciência de Dados, podemos traduzir os dados legislativos em visualizações gráficas e em insights que facilitam o entendimento e a identificação das tendências legislativas.
Entre as iniciativas que demonstram esse poder, está o projeto do meu mestrado, mas também o crescente número de reportagens que usam dados e visualizações espalhados nos principais veículos de comunicação.
2 – Qual foi a principal motivação para você escolher esse tema?
Não houve apenas uma motivação, mas duas. A primeira motivação foi técnica, sou fascinado com a área de Ciência de Dados, e o meu mestrado foi a oportunidade de sentar e realmente entender o que realmente significa o termo “Inteligência Artificial” e como ela poderia ser aplicada para resolver problemas reais.
A segunda motivação, que é tão importante quanto a primeira, foi exatamente tentar desvendar e racionalizar o Processo Legislativo. É muito comum escutar em noticiários políticos expressões como “Nos corredores do Congresso, há um ânimo sobre tal projeto de lei e uma expectativa de aprovação” ou “Conversei com uma fonte que está otimista na aprovação” e que para mim estão mais próximas da fofoca que da informação.
A principal pergunta que direcionou o trabalho foi “Quais são as variáveis que relacionadas a aprovação ou arquivamento de um projeto de lei?”. No começo, não havia qualquer variável que pudesse ser utilizada em uma resposta cientificamente válida, por isso, a partir da intuição, nós escolhemos 72 variáveis que poderiam estar relacionadas com o resultado final.
Após executar um processo de seleção, conseguimos identificar 20 variáveis que possuíam relevância estatística. Entre elas, há 7 principais, sendo 4 relacionadas positivamente com a aprovação e 3 relacionadas negativamente. As 4 positivas são: a velocidade, total de andamentos, total de pareceres e regime. Quanto maior a velocidade, maiores as chances de o projeto ser aprovado. Em segundo, quanto mais ela caminhou no Processo Legislativo, maior a chance de o projeto ser aprovado. Em terceiro, quanto mais pareceres o projeto receber, também há maiores chances. E por último, um projeto em urgência possui maiores chances que um projeto em regime de prioridade, que por sua vez, possui mais chances que um projeto em regime ordinário.
Por outro lado, as outras 3 negativas são: total de órgãos, se o projeto irá passar em plenário e total de dias. Podemos entender da seguinte forma. Quanto mais comissões o projeto for analisado, menores as chances de o projeto ser aprovado. Em segundo, um projeto que será analisado em plenário possui menos chances de um projeto que será somente analisado pelas comissões. Por último, quanto maior tempo em tramitação, menores as chances de o projeto ser aprovado.
Exatamente, não há receita de bolo. Todo modelo é uma simplificação da realidade. Inclusive, acredito que essa afirmação é elevada ao exponencial quando estamos falando de política.
Se eu fosse apostar em um projeto de lei, olhando somente as características do Processo Legislativo estudadas pelo modelo do projeto do meu mestrado, apostaria naquele projeto que fosse analisado somente por uma comissão de mérito mais a CCJC, fosse terminativo nas comissões e que tivesse com regime de prioridade.
Acredito que o trabalho pode contribuir em dois aspectos. O primeiro aspecto está relacionado a comunicação. Os profissionais de RIG podem usar os modelos para inserir aspectos quantitativos no estudo e isso ajuda a embasar conclusões ou convencer os diferentes stakeholders.
O segundo aspecto, que particularmente acho o mais legal, é na construção da estratégia. Por exemplo, sabendo que quanto mais comissões analisarem, menores as chances de um projeto passar, esse insight pode ajudar no desenvolvimento de uma estratégia para arquivar um projeto. Nesse caso, um grupo poderia influenciar os parlamentares para um projeto ser analisado por mais uma comissão de mérito além daquela que já foi despachada.
Do outro lado, um grupo favorável, sabendo que menos comissões ajudam na aprovação, pode tentar influenciar para que o projeto seja analisado por uma comissão adicional de mérito, forçando a criação de uma comissão especial. Dessa forma, reduzindo o total de comissões para somente uma.
Também é possível, por exemplo, criar uma estratégia de priorização. Sabendo que o tempo e recursos da área de RelGov são limitados, os dados podem ajudar na otimização das tomadas de decisão dos profissionais, permitindo aumentar os ganhos e reduzir as perdas.
Não acredito que seja questão de faltar, mesmo porque a realidade de dados é recente. Acredito que estamos vivendo em um momento único de transformação abrindo uma grande janela de oportunidade para quem quer inovar.
Até então, a Ciência Política precisou confiar em métodos qualitativos para construir suas análises, o que trouxe grandes resultados e permitiu chegarmos aonde estamos. Mas em uma realidade onde há muitos dados sociais se abre uma grande oportunidade de reforçar e expandir o potencial analítico.
Em pouco tempo, jornalistas e profissionais da política que se baseiam somente em impressões perderão espaço e serão ultrapassados pelos profissionais que souberem usar os dados, não somente devido às análises mais robustas, mas também pelos resultados alcançados.
O próximo passo é complementar o modelo com aspectos mais relacionados aos jogadores, em vez de utilizar somente variáveis relacionadas às regras do jogo. Nesse sentido, entra a intenção dos parlamentares. E com certeza é possível ter maior assertividade sobre os votos, pois, cada vez mais, os parlamentares deixam mais pistas e rastros digitais, seja nas redes sociais ou em discursos na Câmara sobre os seus posicionamentos. O desafio é desvendar como transformar essas pistas em um modelo racional.
