Automação da Auditoria Fiscal e Contábil: Ferramenta de Verificação da Qualidade para o Ranking Siconfi

Paulo Henrique Mariano Chaves; Gian Carlo Decarli

DOI: 10.22167/2675-6528-202603363

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A transparência e a integridade da informação contábil são requisitos fundamentais para a conformidade fiscal dos entes públicos, avaliadas pela Secretaria do Tesouro Nacional (STN) por meio do Ranking do Sistema de Informações Contábeis e Fiscais do Setor Público Brasileiro (SICONFI). O estudo teve como objetivo desenvolver uma ferramenta de auditoria proativa para um ente da federação, visando mitigar inconsistências fiscais na Dimensão 1 (Gestão da Informação) antes do resultado oficial. A metodologia baseou-se em Ciência de Dados, utilizando a linguagem Python para a extração automatizada da Matriz de Saldos Contábeis (MSC) via Interface de Programação de Aplicações (API) do Tesouro Transparente, e o software Power BI para a construção de um painel de conformidade. O projeto focou na integração de dados para garantir a simetria de prazos e entregas entre os registros contábeis e os demonstrativos fiscais. Os resultados demonstraram que a automatização do fluxo de dados permitiu a identificação antecipada de divergências, promovendo a confiabilidade da informação e a eficiência do controle interno governamental, com arquitetura estruturada para expansão às demais dimensões do ranking. A aplicação da ferramenta em dados do exercício de 2025 demonstrou seu pleno funcionamento, com 100% de conformidade nas 38 verificações de controle da Dimensão 1. Concluiu-se que a solução atuou como um modelo inovador e escalável para a modernização da gestão pública, entregando uma ferramenta capaz de mitigar inconsistências fiscais previamente à consolidação do Ranking SICONFI.

Palavras-chave: Ciência de dados; Conformidade governamental; Controle interno; Gestão pública; Inteligência de negócios.

1. Introdução

A gestão das finanças públicas no Brasil é regida por princípios de transparência e responsabilidade, fundamentados na Lei de Responsabilidade Fiscal [LRF], estabelecida pela Lei Complementar nº 101/2000 (Brasil, 2000). Essa legislação impõe aos entes federativos a obrigatoriedade de publicar instrumentos que permitam o controle social e o monitoramento pelos órgãos de fiscalização. Nesse cenário, a transparência na gestão fiscal transcende o mero cumprimento legal, tornando-se um ativo estratégico para as entidades públicas.

A capacidade de um órgão se destacar na administração pública contemporânea depende diretamente do uso analítico dos dados para a tomada de decisão, conforme apontam Davenport e Harris (2017). No contexto brasileiro, o Ranking do Sistema de Informações Contábeis e Fiscais do Setor Público Brasileiro [SICONFI] atua como um termômetro de excelência, avaliando a consistência e a qualidade das informações enviadas ao Tesouro Nacional. A pontuação nesse ranking reflete a aderência dos entes federativos às normas contábeis e fiscais vigentes.

A geração do Relatório Resumido da Execução Orçamentária [RREO] e do Relatório de Gestão Fiscal [RGF] constitui exigências legais primordiais para o acompanhamento da execução orçamentária e financeira. A padronização desses documentos é regida pelo Manual de Demonstrativos Fiscais [MDF], editado pela Secretaria do Tesouro Nacional [STN] (STN, 2024), que estabelece regras rigorosas de integridade, conceitos contábeis e layouts para assegurar a comparabilidade e a fidedignidade das contas públicas. No entanto, a elaboração desses relatórios apresenta desafios operacionais significativos, dada a complexidade no cruzamento de dados orçamentários, financeiros e patrimoniais, que exige um elevado nível de precisão e mínima intervenção manual.

Historicamente, o acompanhamento das dezenas de verificações exigidas pelo Tesouro Nacional demandava um esforço predominantemente manual. Esse processo envolvia o cruzamento de relatórios em extensas planilhas, arquivos em formato Comma-Separated Values [CSV] e extratos em Portable Document Format [PDF]. Tal modelo analógico apresentava alta suscetibilidade a falhas humanas e consumia tempo significativo das equipes técnicas. Goularte (2022) destaca que a evolução do ranking de qualidade da informação exige dos entes federativos não apenas a transmissão de dados, mas uma verificação rigorosa e contínua da integridade contábil, evidenciando uma lacuna na capacidade de auditoria proativa.

Para superar esse cenário de alta complexidade e otimizar os processos de controle interno governamental, este estudo propõe uma solução inovadora. A metodologia fundamenta-se em Ciência de Dados, integrando a linguagem Python para a extração automatizada de informações, como a Matriz de Saldos Contábeis [MSC] via Interface de Programação de Aplicações [API] do Tesouro Transparente, e o software Power BI para a construção de um painel de conformidade. A utilização de técnicas de storytelling e visualização de dados, conforme preconizado por Knaflic (2015), torna-se essencial para que os gestores identifiquem distorções de forma clara e acionável, transformando dados complexos em insights visuais.

Diante da problemática da alta complexidade e da ineficiência dos processos manuais de auditoria fiscal e contábil, que resultam em inconsistências e riscos de sanções para os entes federativos, justifica-se o desenvolvimento de uma ferramenta que otimize o controle interno e promova a confiabilidade da informação. Assim, o estudo teve como objetivo desenvolver uma ferramenta de auditoria proativa para um ente da federação, visando mitigar inconsistências fiscais na Dimensão 1 (Gestão da Informação) do Ranking SICONFI antes do resultado oficial.

2. Material e Métodos

A presente pesquisa caracterizou-se como um estudo de natureza aplicada, com abordagem descritiva, voltada ao desenvolvimento de uma solução tecnológica. O objetivo foi aprimorar a qualidade da informação fiscal e otimizar os processos de controle interno governamental. A metodologia fundamentou-se em Ciência de Dados, integrando a linguagem Python para a extração automatizada de informações e o software Power BI para a construção de um painel de conformidade.

O procedimento metodológico foi estruturado em um fluxo contínuo, iniciando-se na coleta de duas fontes primárias distintas de informação. A primeira vertente focou na extração externa, capturando os relatórios já homologados do Relatório Resumido da Execução Orçamentária [RREO], do Relatório de Gestão Fiscal [RGF] e da Matriz de Saldos Contábeis [MSC]. Essa etapa foi automatizada por meio da linguagem Python, consumindo a Interface de Programação de Aplicações [API] do Tesouro Transparente.

Simultaneamente, a segunda vertente englobou a base de dados interna, capturando as informações do Sistema Contábil do Estado [SCG]. A extração dos dados da MSC foi segmentada por poder (Executivo, Legislativo, Judiciário, Ministério Público e Defensoria Pública) e por classes, visando otimizar o processo e garantir a integridade dos dados para posterior verificação.

A Matriz de Saldos Contábeis [MSC] agregada, uma obrigação acessória, foi extraída para cada mês do exercício, e a Matriz de Encerramento [MSCE] foi coletada para o encerramento do exercício. A MSC agregada é subdividida em três matrizes: a Matriz de Saldos Contábeis Patrimonial [MSCP], a Matriz de Saldos Contábeis Orçamentária [MSCORC] e a Matriz de Saldos Contábeis de Controle [MSCC].

Após a extração, procedeu-se ao tratamento e normalização dos dados, utilizando a ferramenta Power Query e a biblioteca Pandas. Esta fase foi essencial para a padronização das informações, tratamento de valores nulos e compatibilização das chaves primárias, permitindo a conexão entre as contas do sistema estadual e as exigências da Secretaria do Tesouro Nacional [STN], conforme recomendam Davenport e Harris (2017).

Nesta etapa, realizou-se a conversão de tipos de dados para assegurar que os saldos contábeis fossem lidos como valores numéricos precisos e a padronização das nomenclaturas de contas do Plano de Contas Aplicado ao Setor Público [PCASP]. A estrutura completa do PCASP vigente foi importada para o modelo de dados, em uma tabela de dimensão denominada PCASP_estendido, contendo a codificação das contas e a natureza do saldo.

Em seguida, a arquitetura do banco de dados foi estruturada no ambiente do Power BI, seguindo o modelo Star Schema. O modelo foi desenhado com tabelas fato, contendo os volumes das matrizes e extratos de entrega, e tabelas dimensão, como calendário, plano de contas e relatório de poder e órgão. Essa modelagem garantiu o desempenho das consultas analíticas e a integridade dos relacionamentos necessários para a aplicação das regras de auditoria.

A fase final do desenvolvimento consistiu na etapa de Business Intelligence, com a aplicação da linguagem Data Analysis Expressions [DAX]. Foram criadas métricas avançadas com o propósito de realizar o cruzamento entre as bases da matriz de saldo e os extratos de entrega. A utilização de técnicas de storytelling e visualização de dados, conforme preconizado por Knaflic (2015), foi essencial para a construção do painel.

O produto final desta arquitetura foi um painel de validação, uma interface interativa projetada para análise e consulta. Este painel foi desenvolvido para evidenciar divergências, monitorar o cumprimento dos prazos limites da Lei de Responsabilidade Fiscal e gerar alertas automatizados, propiciando a correção proativa das inconsistências antes do encerramento dos prazos legais de homologação. O escopo prático da validação delimitou-se estritamente à Dimensão 1 (Gestão da Informação) do Ranking SICONFI, para um ente da federação (ID 52), utilizando dados do exercício de 2025.

3. Resultados e Discussão

Os resultados alcançados neste estudo demonstraram a viabilidade técnica da solução proposta, evidenciando que a integração entre a linguagem Python e o Power BI é capaz de antecipar inconsistências que anteriormente seriam detectadas apenas após a publicação oficial no SICONFI. A abordagem desenvolvida representa um avanço significativo no controle interno governamental, transformando um processo reativo em um sistema de monitoramento contínuo e proativo. A seguir, detalham-se as etapas executadas e os achados iniciais, com foco na Dimensão 1 (Gestão da Informação).

Como resultado prático da automação voltada à Dimensão 1, foi desenvolvido um script em Python dedicado exclusivamente à captura do extrato oficial de entregas. Este script foi parametrizado para buscar o histórico do exercício de 2025 para o ente federativo (ID 52), permitindo a captação de dados de transmissões realizadas ao longo do ano. A extração bem-sucedida deste pipeline de dados permitiu a identificação de 119 registros de entrega para o exercício de 2025, abrangendo remessas da Matriz de Saldos Contábeis Agregada (MSC Agregada), Matriz de Saldos Contábeis de Encerramento (MSCE), Declaração de Contas Anuais (DCA), Relatório Resumido da Execução Orçamentária (RREO) e Relatório de Gestão Fiscal (RGF).

Essas remessas foram provenientes de diversos Poderes e Órgãos (PO), incluindo a Assembleia Legislativa, Defensoria Pública do Estado, Governo do Estado (Executivo), Ministério Público do Estado, Tribunal de Contas do Estado, Tribunal de Contas dos Municípios do Estado e Tribunal de Justiça do Estado. A análise preliminar dos dados capturados revelou a data e hora exatas da transmissão, registradas na coluna `data_status`. Essa informação possibilitou o cálculo automatizado e a rastreabilidade da conformidade com os prazos legais de entrega, como o dia 30 do mês subsequente para a MSC mensal, o dia 30 do mês subsequente para o RREO bimestral, o dia 30 do mês subsequente para o RGF quadrimestral e o dia 30 de abril do ano subsequente para a DCA.

Após a extração, os dados do extrato de entregas foram integrados ao ambiente do Power BI, onde o Power Query foi utilizado para as etapas de tratamento e normalização. Esta fase foi crucial para a padronização das informações, o tratamento de valores nulos e a compatibilização das chaves primárias, permitindo a conexão entre as contas do sistema estadual e as exigências da Secretaria do Tesouro Nacional (STN). A arquitetura do banco de dados foi estruturada no Power BI seguindo o modelo Star Schema, com tabelas fato contendo os volumes das matrizes e extratos de entrega, e tabelas dimensão como calendário, plano de contas e relatório de poder e órgão. Essa modelagem garante o desempenho das consultas analíticas e a integridade dos relacionamentos necessários para a aplicação das regras de auditoria.

No âmbito da preparação analítica no Power Query, a estratégia adotada segmentou o extrato de entregas em duas tabelas distintas: uma dedicada exclusivamente às remessas da Matriz de Saldos Contábeis e outra aos relatórios fiscais (RREO, RGF e DCA). Essa abordagem de modelagem visa facilitar as rotinas de verificação da Dimensão 1, permitindo que o sistema processe as regras de tempestividade de forma independente para cada tipo de obrigação. A tabela segmentada para relatórios fiscais permite monitorar a adimplência por quadrimestre ou bimestre de diversos Poderes e Órgãos, garantindo que o painel de verificação aponte com precisão eventuais falhas de transmissão em unidades específicas do ente. Este refinamento na estrutura de dados é essencial para a democratização da informação, transformando um volume massivo de metadados em indicadores granulares e acionáveis para o gestor (Knaflic, 2015).

Em seguida, foi construído um pipeline de extração via API, capaz de lidar com a volumetria da Matriz de Saldos Contábeis. Diferente de extrações genéricas, o script foi parametrizado para realizar a coleta segmentada por Poder e Órgão, o que evitou falhas de timeout comuns em requisições de grande porte. A utilização de funções modulares permitiu uma gestão eficiente da memória e garantiu a resiliência do processo através de lógicas de tentativa automática (retry). A implementação da lógica de extração e resiliência no script Python utilizou a biblioteca Requests e a parametrização do offset para a paginação dos dados da API do Tesouro Transparente.

A estrutura da MSC agregada é subdividida em três matrizes distintas, disponibilizadas pela API do SICONFI para extração. A Matriz de Saldos Contábeis Patrimonial (MSCP) contempla informações sobre ativos, passivos e patrimônio líquido do ente, abrangendo as Classes 1 (Ativo), 2 (Passivo), 3 (Variações Patrimoniais Diminutivas – VPD) e 4 (Variações Patrimoniais Aumentativas – VPA). A Matriz de Saldos Contábeis Orçamentária (MSCORC) registra a execução do orçamento, detalhando a previsão e realização da receita, bem como a fixação e execução da despesa, focando nas Classes 5 e 6 (Planejamento e Execução do Orçamento). Por fim, a Matriz de Saldos Contábeis de Controle (MSCC) destina-se ao registro de atos potenciais e informações que não afetam o patrimônio de imediato, além de controles específicos de transparência, compreendendo as Classes 7 (Controles de Devedores) e 8 (Controles de Credores). A Matriz de Encerramento (MSCE), conhecida como 13ª MSC, consolida todas as contas patrimoniais, orçamentárias e de controle ao final do exercício.

Após o consumo dos dados, aplicou-se o Tratamento e Normalização dos Dados, ou Data Wrangling, onde os dados foram submetidos a um processo de limpeza e normalização utilizando a biblioteca Pandas. Nesta fase, os resultados preliminares indicaram a necessidade de ajustes críticos, como a conversão de tipos de dados para assegurar que os saldos contábeis fossem lidos como valores numéricos precisos e a padronização das nomenclaturas de contas do Plano de Contas Aplicado ao Setor Público (PCASP). Este tratamento garantiu que os arquivos CSV gerados estivessem prontos para a modelagem no Power BI, sem a necessidade de intervenções manuais em planilhas Excel, o que representa um ganho significativo de produtividade e segurança da informação. A etapa de normalização e tipagem de dados fiscais, a estruturação das colunas de saldos e a limpeza de registros duplicados garantiram a integridade da base antes da carga analítica.

Para viabilizar as verificações das dimensões, que avaliam a consistência dos registros contábeis, foi realizada a importação da estrutura completa do PCASP vigente para o modelo de dados, na tabela de dimensão denominada `PCASP_estendido`. Esta tabela contém a codificação das contas, a natureza do saldo (Ativo, Passivo, Variações) e descritivos funcionais. Essa integração é fundamental para garantir a uniformização das práticas contábeis, permitindo que o sistema verifique automaticamente se a natureza do saldo devedor ou credor, na MSC do ente, está em conformidade com as regras estabelecidas pela STN. A utilização deste referencial normativo permitiu a identificação imediata de inconsistências de classificação das contas contábeis. Ao relacionar a MSC capturada via API com a tabela do PCASP, o modelo de dados consegue detectar, por exemplo, se contas de ativos da Classe 1 apresentaram saldos credores indevidos ou se houve utilização de subcontas em desacordo com a padronização federal. Esta abordagem automatizada materializa o conceito de democratização e clareza de dados (Knaflic, 2015), transformando a complexidade técnica do plano de contas em uma trilha de auditoria transparente e rastreável, assegurando a fidedignidade da informação contábil que compõe o Ranking SICONFI.

Para operar de forma granular, a extração foi dividida nas requisições por poder (Executivo, Legislativo, Judiciário, Ministério Público e Defensoria Pública) e por classes, que, em conjunto com o Plano de Contas Aplicado ao Setor Público (PCASP) em formato CSV (extraído do Tesouro Nacional), foram combinadas. Essa estratégia de fragmentação de consultas à API do Tesouro Transparente mostrou-se essencial para combinar os dados, garantindo a integridade da Matriz de Encerramento (MSCE) para posterior verificação. Assim, o estudo alcançou seu objetivo de verificar e avaliar a qualidade da informação e das práticas contábeis nas quatro dimensões de críticas do Ranking SICONFI.

A primeira dimensão analisada, D1 (Gestão da Informação), avalia o comportamento do ente no envio das declarações MSC, RREO, RGF e DCA, com ênfase na tempestividade e na observância dos prazos legais. A ferramenta desenvolvida alcançou essa verificação de forma eficaz. A dimensão D2 (Contábil) verifica a consistência dos dados dentro da MSC, analisando se os registros respeitam a natureza das contas de ativo, passivo e variações patrimoniais, e se os saldos seguem a lógica do PCASP. A dimensão D3 (Fiscal) cruza as informações da MSC com os relatórios fiscais do RREO e RGF, verificando se os valores declarados nos documentos fiscais conferem com os dados contábeis enviados eletronicamente. Por fim, a dimensão D4 (Contábil e Fiscal) realiza o cruzamento das informações contábeis e fiscais, avaliando a consistência entre a Declaração Contábil Anual (DCA) e os relatórios fiscais RREO e RGF, e a relação entre o resultado líquido e o patrimônio com a execução orçamentária do exercício.

O pipeline de dados consolidou as 38 verificações exigidas na Dimensão 1 em três grandes pilares automatizados de controle de governança, criando uma malha fina contínua para o ente federativo. O primeiro pilar de auditoria foca na Tempestividade e Completude. A lógica do algoritmo monitora a descentralização das obrigações, garantindo que relatórios críticos (RREO, RGF e DCA) de diferentes esferas, como Executivo, Legislativo e Judiciário, sejam entregues dentro dos prazos da Lei de Responsabilidade Fiscal. O sistema cruza a data de processamento na API com os marcos regulatórios, anulando o risco de perda de pontuação por atrasos sistêmicos ou omissões bimestrais.

O segundo pilar assegura a Integridade Contábil e Prevenção de Fraudes. O grande diferencial analítico da ferramenta reside na validação matemática do balancete. O sistema foi programado para aplicar o princípio das partidas dobradas e atestar a equação contábil fundamental de forma automatizada, rastreando valores absolutos negativos indevidos, inversões da natureza das contas, saldos credores onde deveriam ser devedores, e inconsistências de continuidade temporal entre os meses. Como inovação técnica, o modelo implementou uma heurística de assinatura digital capaz de detectar manipulações artificiais de envio, como a cópia integral do balancete do mês anterior, atuando como um rigoroso filtro antifraude.

Por fim, o terceiro pilar atua na qualidade e transparência do gasto público. A ausência de Informações Complementares inviabiliza o rastreamento do dinheiro governamental. Dessa forma, a ferramenta realiza uma varredura nas matrizes orçamentárias em busca de lacunas nos metadados essenciais, exigindo a correlação exata entre a Natureza da Despesa, a Classificação Funcional e a Fonte de Recursos. Isso assegura não apenas o compliance técnico, mas a transparência social sobre como e onde os recursos públicos estão sendo aplicados.

Toda essa inteligência computacional foi estruturada por meio de medidas dinâmicas em linguagem DAX, projetadas para consolidar milhares de linhas de dados contábeis em uma interface visual acessível. O principal ganho tecnológico foi superar as limitações de ferramentas de planilhas eletrônicas, entregando à alta gestão um painel interativo capaz de processar as regras de conformidade e gerar diagnósticos em tempo real. O painel da Dimensão 1 foi desenvolvido sob a ótica do Business Intelligence, traduzindo o rigor técnico e matemático da auditoria contábil em insights visuais de fácil assimilação para a alta gestão da Secretaria de Estado da Economia do ente.

A arquitetura do painel foi dividida em zonas de navegação estratégica. No painel lateral esquerdo, foram implementados filtros de segmentação de dados (slicers) que conferem interatividade à análise, permitindo ao gestor isolar os resultados por tipos de dimensão e por ano. Essa granularidade atende à necessidade de auditoria contínua, rompendo com o modelo tradicional de análises estáticas e anuais. Os resultados obtidos aplicados à base de dados do exercício de 2025 demonstraram o pleno funcionamento da ferramenta. A seção superior do painel exibe Key Performance Indicators (KPIs) sintéticos, evidenciando que todas as 38 verificações de controle elaboradas para a Dimensão 1 foram atendidas, com 100% de conformidade. O indicador gráfico de eficiência das entregas reflete a tempestividade e a completude na remessa dos relatórios RREO, RGF e MSC por todos os poderes do Estado.

A estrutura matricial disposta na área central do painel atuou como um mapa de rastreabilidade. Nela, cada indicador das verificações de D1_00001 a D1_00038 assumiu valor binário 1 (conforme) ou 0 (inconsistente). Em um cenário real de operação governamental, a simples aparição de um indicador com valor 0 ou sinalizado em vermelho atuaria como um gatilho de auditoria em flag vermelho, permitindo que os técnicos contábeis isolassem a falha na matriz e procedessem com a correção antes da submissão final ao Tesouro Nacional. Dessa forma, o painel atingiu o objetivo principal do estudo, ao identificar inconsistências antes da data de corte de avaliação do Ranking SICONFI, substituindo a tradicional constatação reativa de erros por um processo de verificação contínua e proativa.

A dinamicidade do Ranking SICONFI exige um alto grau de adaptabilidade dos entes federativos, uma vez que a Secretaria do Tesouro Nacional revisa periodicamente os critérios de avaliação. A estrutura de validações evoluiu significativamente durante o período deste estudo. Até meados de abril de 2026, o ranking contava com 186 verificações totais, sendo 38 delas para a Dimensão 1. Posteriormente, uma consulta pública introduziu 37 novas regras provisórias, das quais 6 eram para a Dimensão 1. A publicação oficial em 28 de junho de 2026, após um balanço de inclusões e exclusões de critérios, fixou a avaliação em 210 verificações vigentes, com 44 destinadas à Dimensão 1.

Para a Dimensão 1 (Gestão da Informação), foco prático desta pesquisa, essa atualização normativa exigiu a absorção de novas regras, como validações adicionais sobre restos a pagar e destinação de recursos vinculados. No modelo analógico tradicional, a adaptação a um novo escopo de avaliação exigiria a reformulação manual de dezenas de planilhas, demandando semanas de esforço da equipe técnica para atestar a conformidade retrospectiva. Contudo, a arquitetura modular desenvolvida em Python e Power BI demonstrou, na prática, sua escalabilidade. As novas exigências, assim que disponibilizadas em consulta pública, foram parametrizadas no motor DAX em questão de horas.

Como a extração da base de dados já estava automatizada e íntegra, o sistema processou as novas regras quase instantaneamente. O painel gerou um diagnóstico em tempo real, atestando 100% de conformidade do ente 52 frente às novas exigências da Dimensão 1, eliminando a necessidade de alocar servidores adicionais para a conferência ou de realizar ajustes nos relatórios já entregues. Esse episódio validou a ferramenta não apenas como um instrumento de auditoria passiva, mas como um ativo de adaptação regulatória ágil, promovendo uma governança baseada em dados e na transparência proativa.

A quantificação dos resultados evidencia o impacto direto da automação na eficiência do controle interno e na otimização do capital humano do ente. No modelo analógico anterior, o processo de verificação da Dimensão 1 gerava gargalos operacionais específicos. Algumas verificações demandavam o esforço de dois servidores durante um dia inteiro a cada mês apenas para a conferência parcial. Adicionalmente, no encerramento do exercício contábil, fazia-se necessária uma força-tarefa de quatro servidores, dedicados por cerca de cinco dias úteis exclusivamente para revisar todas as 38 verificações da Dimensão 1 conhecidas e garantir a correção dos dados. Estima-se que esse modelo reativo consumia um total de 352 horas-homem anuais.

Com a implementação do pipeline de dados validado neste estudo, a dinâmica operacional foi transformada em um monitoramento contínuo. Após o esforço técnico de desenvolvimento da solução, a rotina de validação passou a ser estritamente mensal. O processamento passou a exigir a alocação de apenas um servidor para realizar a extração da base de dados e a análise do painel analítico, consumindo aproximadamente 96 horas-homem anuais. Esse novo fluxo tecnológico representa uma redução estimada de 72,7% no esforço operacional dedicado à Dimensão 1. O ganho mais expressivo para o órgão, contudo, reside na eliminação total da necessidade de uma força-tarefa de encerramento de exercício para estas verificações, uma vez que as análises se tornaram tempestivas. As inconsistências passaram a ser mitigadas de forma antecipada, mês a mês, permitindo que a consolidação anual ocorra de forma fluida e sem retrabalhos operacionais.

Os achados do estudo demonstram que a ferramenta de auditoria proativa, fundamentada em Ciência de Dados, é eficaz na mitigação de inconsistências fiscais na Dimensão 1 do Ranking SICONFI. A automatização da extração, tratamento e visualização de dados permitiu a identificação antecipada de divergências, garantindo 100% de conformidade nas 38 verificações iniciais e adaptando-se rapidamente às 6 novas regras introduzidas. Essa abordagem resultou em uma redução de 72,7% no esforço operacional anual, eliminando a necessidade de forças-tarefas reativas e promovendo uma gestão pública mais eficiente, transparente e alinhada às exigências da STN.

4. Conclusão

O estudo teve como objetivo desenvolver uma ferramenta de auditoria proativa para um ente da federação, visando mitigar inconsistências fiscais na Dimensão 1 (Gestão da Informação) do Ranking SICONFI antes do resultado oficial. Verificou-se que a integração de tecnologias de Ciência de Dados, como a linguagem Python para extração automatizada da Matriz de Saldos Contábeis (MSC) via Interface de Programação de Aplicações (API) do Tesouro Transparente e o software Power BI para modelagem e visualização, permitiu a identificação antecipada de divergências. Os resultados demonstraram a conformidade integral do ente com as 38 verificações iniciais da Dimensão 1 para o exercício de 2025, além da rápida adaptação a seis novas regras normativas. A ferramenta consolidou três pilares de governança: tempestividade e completude, integridade contábil e prevenção de fraudes, e qualidade e transparência do gasto público, transformando a auditoria reativa em um monitoramento contínuo. Esta abordagem resultou em uma redução estimada de 72,7% no esforço operacional anual dedicado à Dimensão 1, eliminando a necessidade de forças-tarefas reativas e otimizando o capital humano. A principal contribuição reside na entrega de um modelo inovador e escalável que moderniza a gestão pública, promovendo a confiabilidade da informação e a eficiência do controle interno governamental.

Embora o estudo tenha focado na Dimensão 1, a arquitetura modular da solução foi concebida para permitir sua expansão. A complexidade técnica e o vasto volume de regras do Tesouro Nacional sugerem a replicação desta lógica para as demais Dimensões do Ranking SICONFI (2, 3 e 4) como uma perspectiva para trabalhos futuros. Tal ampliação possibilitaria a adaptação dos parâmetros de validação às diversas periodicidades exigidas pela Lei de Responsabilidade Fiscal, consolidando um ecossistema de auditoria proativa capaz de monitorar a conformidade do ente de forma sistêmica. A ferramenta, portanto, atua como um vetor de modernização tecnológica, capaz de mitigar inconsistências fiscais previamente à consolidação do Ranking SICONFI, assegurando uma governança baseada em dados e na transparência proativa.

Referências Bibliográficas

Brasil. 2000. Lei Complementar nº 101, de 4 de maio de 2000. Estabelece normas de finanças públicas voltadas para a responsabilidade na gestão fiscal e dá outras providências. Disponível em: <http://www.planalto.gov.br/ccivil_03/leis/lcp/lcp101.htm>. Acesso em: 10 fev. 2026.

Davenport, T.H.; Harris, J.G. 2017. Competing on analytics: the new science of winning. 2ed. Harvard Business Review Press, Boston, MA, EUA.

Goularte, J.L.L. 2022. Análise da evolução do ranking do indicador da qualidade da informação contábil e fiscal da Secretaria do Tesouro Nacional. Contabilometria – Brazilian Journal of Quantitative Methods Applied to Accounting 9(2): 118-135.

Knaflic, C.N. 2015. Storytelling com dados: um guia sobre visualização de dados para profissionais de negócios. Alta Books, Rio de Janeiro, RJ, Brasil.

Secretaria do Tesouro Nacional [STN]. 2024. Manual de Demonstrativos Fiscais [MDF]: aplicado à União e aos Estados, Distrito Federal e Municípios. 14ed. Tesouro Nacional, Brasília, DF, Brasil.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy