Como seguir o dinheiro público com um banco de grafos?
Resposta curta
Juntando dezenas de bases públicas num banco de grafos, em que cada entidade é um nó e cada relação é uma ligação. Em vez de cruzar tabelas, o sistema caminha do imposto ao orçamento, à emenda, ao executor e ao fornecedor. O grafo do vídeo tem mais de 1,35 milhão de entidades e gerou 80 fichas para revisão humana.
Treinei um algoritmo para seguir 80 bilhões de dinheiro público | Redes Neurais Ep. 1: Grafos
Pontos principais
- O dado de gasto público é aberto desde 2004, com o Portal da Transparência, e virou lei em 2009, mas cada órgão publica num lugar e formato diferentes.
- O banco de grafos guarda entidades como nós e relações como arestas, e responde perguntas sobre caminho sem cruzar tabelas.
- Um padrão procurado é o círculo, quando o dinheiro pago a um fornecedor volta como doação à campanha de quem indicou o pagamento.
- O grafo tem cerca de 1.350.000 entidades e quase 10 milhões de ligações, e a soma do dinheiro no mapa bateu com a fonte oficial com diferença de 0,00%.
- Entre autores de emenda federal, 15% dos eleitos ou reeleitos apareceram com ligação anômala, contra 12% dos não eleitos e 2% de quem não concorreu.
- Cada ficha é só anomalia, e a decisão de investigar cabe ao Ministério Público.
Para quem decide
Para rastrear dinheiro ou clientes numa organização, o que importa é a ligação entre registros e não o número solto. Um grafo com etiquetas de origem e revisão humana permite priorizar com rastreabilidade.
Por que olhar cada base pública isoladamente engana?
O vídeo abre uma série de três sobre um sistema que lê o gasto público só com dados abertos. As bases usadas incluem dados eleitorais do TSE, emendas parlamentares, convênios, contratos, sanções a empresas, servidores públicos e bases do setor financeiro.
Olhadas uma a uma, essas bases parecem não dizer nada. Interligadas, formam um desenho: o imposto vira orçamento, o orçamento vira emenda, a emenda vira contrato. O vídeo cita as emendas Pix como exemplo de recurso enviado sem a devida prestação de contas.
A ferramenta, chamada Rastro, faz quatro coisas em ordem. Junta as bases num grafo, pontua casos anômalos com um algoritmo treinado, passa os casos por um funil e gera fichas para revisão humana. O conteúdo já foi enviado a Ministérios Públicos estaduais e federal.
Qual é a diferença entre banco de tabelas e banco de grafos?
O banco de tabelas guarda listas, como empresas, pagamentos e sócios. Para saber quem liga uma empresa a um político, é preciso juntar tabela com tabela, e cada passo fica mais lento e mais frágil.
O banco de grafos guarda as entidades como nós e as relações como arestas. Para saber quem liga quem, basta caminhar pelas ligações, como num mapa de metrô em que cada estação é uma empresa, um pagamento ou uma emenda.
Por segurança, tudo roda localmente, sem nuvem, com dados criptografados. Os dados ficam compactados em formato Parquet, entre 50 e quase 100 GB, e são lidos com DuckDB. As ligações ficam no banco de grafos e bancos relacionais aparecem só na periferia.
Que padrões o grafo ajuda a encontrar?
O padrão central é o círculo. O dinheiro sai de uma emenda, passa por um executor, chega a um fornecedor e volta como doação para a campanha de quem indicou a emenda. O vídeo ressalta que isso não é prova e pode ser coincidência.
Outros sinais incluem uma empresa aberta três dias antes de receber 5 milhões como primeiro pagamento e o mesmo dono nos dois lados de uma transação. Parte desses sinais é determinística e serve de primeiro filtro. A lista, os pesos e os cortes não são divulgados por segurança.
Uma entidade isolada não diz nada. O desenho está no grupo, como entidades que recebem valores fracionados em datas próximas. Numa demonstração, o Rastro percorreu 147 nós com 236 ligações e encontrou 23 caminhos ligados a 17 autores distintos, com identidades mascaradas.
Como garantir que o mapa não inventa dinheiro?
Cada ligação recebe uma etiqueta com a fonte do dado, a regra que a criou, a confiança do sinal, a rodada de criação e uma impressão que identifica a aresta.
Com isso, todo o dinheiro que entrou no mapa foi somado e comparado com a soma direta na fonte oficial. A diferença foi de 0,00%. O mapa não perde nem inventa dinheiro no caminho, e isso sustenta a confiança no que vem depois.
A peneira parte de cerca de 11 mil pares com algum sinal, passa por regras determinísticas e por machine learning, chega a 2 mil executores com nota e termina em 80 fichas. Das representações enviadas, cerca de 60, pouquíssimas foram arquivadas, uma delas por prescrição.
O que os dados mostram sobre os eleitos?
Entre autores de emenda federal que poderiam aparecer no grafo, 15% dos eleitos ou reeleitos tinham alguma ligação anômala. Entre os não eleitos, 12%. Entre os que não concorreram, 2%. Quem concorre e se elege aparece quase seis vezes mais do que quem não concorre.
O vídeo não divulga nomes. Ter menos fichas não é atestado de honestidade, apenas indica menos sinal. A leitura proposta é que dado aberto só vira cidadania quando há ponte para lê-lo, e que mil planilhas sem cruzamento são transparência de fachada.
O produto principal é o método. Um grafo que liga bases que não se falam, um modelo que prioriza e um humano no circuito servem também para saúde, compras públicas e para rastrear clientes dentro de uma organização.
Conceitos do vídeo
- Banco de grafos
- Banco de dados que guarda entidades e as ligações entre elas, ideal para perguntas sobre caminhos e conexões.
- Nó e aresta
- O nó é uma entidade, como empresa ou parlamentar. A aresta é a ligação entre duas entidades, como pagou ou doou.
- Parquet
- Formato de arquivo que compacta grandes volumes de dados para armazenamento e leitura eficientes.
- DuckDB
- Banco de dados que cabe num arquivo só, usado no projeto para ler os dados compactados.
- Sinal determinístico
- Regra simples de sim ou não, como empresa aberta pouco antes de receber, usada como primeiro filtro antes do modelo probabilístico.
Perguntas frequentes
Os dados de gasto público no Brasil são realmente abertos?
Sim. Segundo o vídeo, o dado é público desde 2004, quando o governo lançou o Portal da Transparência, e em 2009 a publicação virou lei para municípios, estados e governo federal. O problema é que cada órgão publica sua parte num lugar e num formato diferentes, o que dificulta o cruzamento.
Quando um banco de grafos não é a melhor escolha?
Para contas simples, como somas e médias, o banco de grafos atrapalha. Ele resolve bem os problemas em que o valor da descoberta está na conexão entre entidades, como seguir o caminho do dinheiro público. Por isso o projeto mantém alguns bancos relacionais na periferia da arquitetura, ao lado do grafo principal.
Por que o sistema roda no computador local e não na nuvem?
Por segurança de dados. O projeto lida com muitos CPFs e com relações que têm implicações graves, já que embasam representações ao Ministério Público. Mesmo rodando localmente, os dados ficam criptografados e compactados em formato Parquet, e são lidos com DuckDB, sem passar por servidores de nuvem.
Uma ligação anômala no grafo prova corrupção?
Não. A ficha indica uma anomalia, um indício possível, e não prova de crime. A ferramenta pode errar, por exemplo confundindo pessoas de nome parecido. Por isso há revisão humana antes de qualquer envio, e é o Ministério Público quem decide investigar ou arquivar.
Texto produzido a partir da transcrição do vídeo. O raciocínio completo, os exemplos e as ressalvas estão no vídeo.
Receba as próximas aulas por e-mail
Um e-mail quando sair conteúdo novo do Estúdio 68. Sem spam, cancelamento em um clique.