Cidades inteligentes e a análise de dados na gestão pública

No ano passado, a McKinsey & Company divulgou um estudo apontando que as cidades inteligentes vão movimentar em todo o mundo algo em torno de US$ 2 trilhões até a próxima década. Paralelamente, a Frost & Sullivan apontou que teremos mais de 50 bilhões de dispositivos conectados até 2020. No Brasil, segundo o IDC, é bem possível que o mercado de Internet das Coisas seja duplicado até o final da década atual, movimentando algo superior a US$ 13 bilhões.

Esses são alguns exemplos dos muitos avanços tecnológicos que tivemos nos últimos anos e ainda teremos no futuro, e que até pouco tempo nos pareciam muito distantes. No caso das cidades inteligentes, há um sinal evidente de que o uso eficiente das novas tecnologias poderá se reverter em uma transformação sem precedentes no que diz respeito à gestão pública, e que vai muito além de fornecer internet gratuita à população.

Na prática, fazer parte de uma cidade inteligente significa ser testemunha ocular da forma como vários serviços essenciais poderão ser administrados daqui pra frente, revolucionando a maneira como os cidadãos interagem com os espaços públicos e, assim, desfrutando do bem-estar de que tanto necessitam.

Mas como tornar tudo isso possível? Como as cidades podem e devem se preparar para esse futuro cada vez mais próximo ao atender às demandas da população, mas sem deixar de lado a eficiência na gestão?

Em qualquer cidade de médio e grande porte – e principalmente nos grandes centros urbanos -, a população lida com uma série de problemas que afetam diariamente milhares de pessoas em áreas essenciais, como transporte e segurança. São problemas que se tornaram cada vez mais complexos com o passar do tempo, gerando diversos desafios para as prefeituras a cada nova eleição. Hoje, com os dados presentes em quase toda parte – gerados, inclusive, por equipamentos públicos, como os sistemas de vigilância e de monitoramento de tráfego -, o uso correto das ferramentas analíticas permite avanços nunca antes imaginados na condução de temas tão espinhosos para qualquer gestor.

Por meio da análise inteligente, as prefeituras têm nesse conjunto de dados, hoje conhecido por Big Data, um leque de informações capazes de proporcionar – em tempo real e com origem em diversas fontes – os subsídios necessários para a tomada de decisões mais ágeis. Com isso, tornam-se capazes de fornecer respostas rápidas às necessidades da população e, ao mesmo tempo, eficientes quanto ao uso dos recursos – algo cada vez mais necessário em tempos de orçamento restrito ou escasso.

Se tomarmos como único exemplo o serviço de transporte, são inúmeras as possibilidades de melhorias na gestão, desde a fase de planejamento até a operação. Por meio do uso das ferramentas analíticas e do cruzamento de todas as informações disponíveis e coletadas, é possível compreender como e se o serviço tem sido útil à população e que tipo de melhorias podem ser implementadas para um bom aproveitamento do serviço.

Um exemplo disso seria a criação de novas rotas de ônibus, no intuito de acelerar o fluxo e assim reduzir o tempo de espera dos usuários, com base nas informações coletadas sobre horários de pico e número de veículos em determinados trechos. Outra aplicação eficaz seria fazer uso dos dados para prever e determinar qual seria o tempo ideal para fazer a manutenção necessária na frota – ou até mesmo sua renovação – sem afetar a rotina da população.

Assim como já ocorre no mundo dos negócios, as possibilidades e vantagens de uso da análise de dados na gestão pública são as mais diversas possíveis. Mas ainda há muito a ser feito para que as cidades inteligentes se tornem uma realidade cada vez mais comum no Brasil, colocando o país no mesmo patamar de outras nações já inseridas nesse cenário. Antes de tudo, é necessário que os gestores tenham a capacidade de identificar as demandas mais comuns e mais presentes na vida dos cidadãos, permitindo, assim, o surgimento de soluções cada vez mais inovadoras para os problemas da sociedade atual.

Wesley Santos, formado em Estatística pela USP (Universidade de São Paulo) e atua como instrutor nos cursos estatísticos do SAS Brasil. Possui experiência como consultor nas áreas de Modelagem de Risco de Crédito, Modelagem de Prevenção a Fraudes e Estatística Avançada.