MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA APLICADOS À IDENTIFICAÇÃO DE FRAUDES DE FORNECEDORES

Resumo

A fraude nas licitações ocorre pela tentativa de frustrar o seu caráter competitivo, causando o superfaturamento e o favorecimento de um grupo específico. Esta pesquisa tem como objetivo verificar qual conjunto de indicadores e algoritmos possui melhores propriedades e maior assertividade na identificação de potenciais fraudadores entre os fornecedores da administração pública nos processos de contratação do Governo do Estado do Rio de Janeiro. A pesquisa tem relevância uma vez que pode ser utilizada pelos órgãos de controle do governo e empresas privadas para identificar esses atos no processo de contratação. Como parte da metodologia, a Lei de Newcomb-Benford foi aplicada inicialmente aos dados de contratos publicados no Portal da Transparência do Governo do Estado do Rio de Janeiro e demonstrou que a base não estava em conformidade com a lei, podendo estar propensa a ter sofrido manipulação dos números. Na sequência foram avaliados diferentes métodos de classificação supervisionada, nomeadamente, vizinho mais próximo (KNN), regressão logística, máquina de vetores de suporte (SVM) e árvore de classificação com o objetivo de identificar fraudadores. Os resultados obtidos foram satisfatórios para a classificação de fornecedores sancionados. O algoritmo de classificação com melhor resultado nas duas métricas de avaliação foi o SVM, com precisão de 99,30%, e um falso positivo na verificação da base-teste. Os atributos levantados por meio das bases de dados também se mostraram relevantes no resultado do modelo.

Palavras-chave: fraude em licitações; indicadores; algoritmos de classificação supervisionada