Uso de Técnicas de Machine Learning No Supervisado para la Planificación del Trabajo de Revisión de Remuneraciones para la Jubilación

Marcos Augusto Lobato Miani; Miguel Ângelo Lellis Moreira

DOI: 10.22167/2675-6528-202603293

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

El dimensionamiento de personal y la gestión de flujos de jubilación en organismos públicos federales configuraron desafíos estratégicos complejos. El estudio tuvo como objetivo aplicar técnicas de Machine Learning no supervisado, específicamente Agrupamiento (K-means) y Análisis de Correspondencia Múltiple (ACM), para mejorar la planificación de revisiones funcionales en una autarquía federal brasileña. La metodología consistió en el procesamiento de una base validada de 487 servidores activos. Inicialmente, variables cuantitativas, como edad, tiempo de contribución y remuneración, fueron sometidas al algoritmo K-means, resultando en la formación de cinco clusters, apoyada en el Método del Codo y Coeficiente de Silueta. Subsecuentemente, los grupos fueron integrados a variables cualitativas vía ACM, proyectadas en un mapa perceptual que explicó el 74,81% de la inercia de los datos. Los resultados revelaron que los clusters 0 y 3 representaron los perfiles de mayor criticidad previsional, concentrando a todos los beneficiarios de abono de permanencia y la mayoría de los cargos extintos. La investigación generó un Plan de Acción escalonado, priorizando a los 75 servidores de estos clusters que integraron los requisitos de jubilación hasta 2025, con directriz similar para 2026. En contrapartida, el cluster 2 presentó menor riesgo, con inactividad prevista solo a partir de 2031. El modelo se mostró ampliamente favorable como herramienta de auditoría y saneamiento, aunque su plena eficacia dependa de una gobernanza de datos más rigurosa en el servicio público.

Palabras clave: Agrupamiento; Análisis de Correspondencia Múltiple (ACM); Jubilación; Clusterización.

1. Introducción

La dotación de personal y la gestión de los flujos de jubilación en organismos públicos federales representan desafíos estratégicos complejos, especialmente ante inestabilidades normativas. Dutra et al. (2025) enfatizan que, si bien la dotación cuantitativa y cualitativa de personal a largo plazo es un pilar estratégico para las organizaciones, su ejecución es inherentemente compleja, influenciada por diversas variables, incluidas las sutilezas políticas que desafían la gestión eficaz.

La organización en estudio es una autarquía del Poder Ejecutivo Federal, con sede en Brasilia, Distrito Federal. Las modificaciones en su cuadro de recursos humanos están condicionadas a aprobaciones del órgano central y del Poder Legislativo, además de la obligatoriedad de concurso público (Brasil, 1988). Lara (2023) destaca que incluso las sustituciones derivadas de jubilaciones permanecen dependientes de aprobación previa del órgano central. En este escenario de baja rotación y dificultad de reposición, la gestión de temas como ausencias y jubilaciones se vuelve estratégicamente esencial (Costin, 2010).

El área de gestión de personas en este contexto enfrenta desafíos constantes en la evaluación y concesión de jubilaciones. Este proceso demanda el análisis de una serie de variables complejas, como la verificación de todas las remuneraciones y contribuciones a partir de julio de 1994, además de la corrección de los datos cadastrales de los servidores, incluyendo edad, tiempo de contribución, períodos de ausencia y anotaciones de tiempo de servicio (Brasil, 1988, art. 40). La inestabilidad normativa previsional brasileña, evidenciada por sucesivas reformas, exige de los profesionales un dominio técnico constantemente actualizado para mitigar fallos procesales. Giambiagi (2025) observa que los gastos con inactivos ocupan una parte expresiva del Producto Interno Bruto, resaltando la urgencia de nuevos ajustes estructurales, a pesar del respiro fiscal generado por la reforma de 2019.

La base de datos utilizada en este estudio proviene del Sistema Integrado de Administración de Recursos Humanos (SIAPE), instituido originalmente por el Decreto nº 99.328/1990. Actualmente, el sistema se encuentra en etapa de modernización, regido por el Decreto nº 10.715/2021, que establece los Sistemas Estructurantes de Gestión de Personal como pilares de la gobernanza digital y de la integración de datos en el Poder Ejecutivo Federal. Este escenario impone a los equipos el desafío de operar en un ambiente de transición tecnológica. Grande (2025) afirma que tal modernización demanda adaptaciones que trascienden la esfera tecnológica, abarcando cambios culturales, procedimentales y en los modelos de gestión institucional. Así, la utilización simultánea de bases heredadas y avanzadas resulta en un incremento del esfuerzo analítico necesario para salvaguardar la integridad y la consistencia de la información funcional.

Adicionalmente, la complejidad operativa se ve acentuada por la fiscalización de órganos de control, como la Contraloría General de la Unión (CGU), que actúa como órgano de control interno, y el Tribunal de Cuentas de la Unión (TCU), que ejerce el control externo. Sus auditorías ampliaron la responsabilidad técnica sobre los actos administrativos (Brasil, 1988, art. 70 a 74). Como consecuencia directa de las auditorías, se generan demandas de retrabajo a los sectores de gestión de personas, además de exponer a los servidores inactivos al riesgo de que sus jubilaciones sean negadas o cuestionadas. Se resalta que la jubilación solo se considera legal y definitiva tras el análisis y aprobación formal por parte del TCU, o tácitamente después de cinco años, conforme al entendimiento fijado por el Supremo Tribunal Federal en el Tema 445 de repercusión general (Brasil, 2020). Ante esto, se vuelve fundamental realizar una revisión preventiva y sistemática de las contribuciones, remuneraciones y, especialmente, de las anotaciones de los servidores públicos.

Considerando el número expresivo de servidores activos, es necesario establecer criterios objetivos para planificar este trabajo de revisión. En este contexto, las técnicas de Machine Learning no supervisado pueden ser útiles, ya que este tipo de enfoque, por definición, busca identificar patrones entre las variables sin la necesidad de definir previamente una variable objetivo (Sicsú et al., 2023). Carneiro et al. (2023) demostraron que el enfoque metodológico combinado, que utiliza el Análisis de Correspondencia Múltiple (ACM) junto con técnicas de agrupamiento (clusterización), es eficaz para analizar y agrupar observaciones en conjuntos de datos de naturaleza mixta, cualitativa y cuantitativa. Como técnica exploratoria, el análisis de agrupamiento identifica patrones y similitudes en datos cuantitativos sin necesidad de categorías predefinidas, permitiendo segmentar servidores por perfiles para subsidiar decisiones estratégicas en la planificación de revisiones funcionales (Fávero y Belfiore, 2024). El ACM, por su parte, actúa como técnica exploratoria no inferencial para identificar patrones de asociación entre variables cualitativas, siendo eficaz en el mapeo y segmentación de perfiles similares, proyectando visualmente estas relaciones en planos multidimensionales a través de ejes factoriales (Bernardino et al., 2025).

Así, la necesidad de optimizar los recursos humanos y reducir los riesgos de inconsistencias en los procesos auditados justifica la aplicación de enfoques innovadores. De esta manera, este trabajo tiene como objetivo aplicar técnicas de Machine Learning No Supervisado, con énfasis en Clustering y en la ACM, utilizando la base de datos del SIAPE con diversos atributos relacionados a los servidores públicos federales, con el fin de agrupar a los servidores en conjuntos con características similares y auxiliar la planificación de las revisiones de remuneraciones y legalizaciones para jubilación.

2. Material y Métodos

La presente investigación se caracterizó como un estudio de caso de naturaleza aplicada, con enfoque cuantitativo, utilizando técnicas de aprendizaje automático. El objetivo fue segmentar y priorizar revisiones previsionales en una autarquía del sector público federal. El proceso metodológico siguió etapas fundamentales, incluyendo la comprensión del problema, la identificación y tratamiento de variables, la aplicación de algoritmos y la interpretación de los resultados, según lo preconizado por Sicsú et al. (2023).

El objeto empírico del estudio fue una base de datos de servidores activos de una autarquía federal, con sede en Brasilia, Distrito Federal, ubicada en la Región Centro-Oeste. Los registros funcionales fueron anonimizados para garantizar la privacidad de los individuos. La base de datos original, proveniente del Sistema Integrado de Administración de Recursos Humanos (SIAPE), contenía aproximadamente 1.266 servidores activos.

La extracción y el tratamiento de los datos ocurrieron en octubre de 2025. Se identificaron inconsistencias en los informes generados por el sistema de gestión de personal. Para asegurar la integridad de los resultados, se realizó el saneamiento manual de las variables fundamentales, centrándose en los campos que determinaban la proximidad de la jubilación. Este proceso de validación individual resultó en una muestra final consolidada de 487 observaciones, todas compuestas por datos validados.

Las variables seleccionadas para el estudio se dividieron en cuantitativas y cualitativas. Las cuantitativas, utilizadas en el agrupamiento (Clustering), incluyeron edad, tiempo de ingreso en el organismo (en años), tiempo de contribución, año previsto para la jubilación y remuneración. Las cualitativas, empleadas en el Análisis de Correspondencia Múltiple (ACM), fueron sexo, discapacidad física, estado civil, cargo, tipo de ingreso, opción por Funpresp y recepción de abono de permanencia.

El análisis de agrupamiento se realizó mediante el algoritmo K-means, con el objetivo de identificar estructuras naturales de clústeres en los datos sin etiquetas predefinidas (Faceli et al., 2025). Su elección se debió a la simplicidad y el rendimiento en grandes volúmenes de datos (Fávero y Belfiore, 2024; Umargono et al., 2019). Las variables cuantitativas se estandarizaron utilizando el procedimiento Zscore, a través de la función StandardScaler de la biblioteca Python scikit-learn, y la métrica de distancia empleada fue la Distancia Euclidiana.

El modelo K-means buscó minimizar la varianza intra-clúster, con la asignación iterativa de puntos a los centroides más cercanos y su posterior actualización. El número ideal de agrupaciones se determinó mediante el Método del Codo (Elbow Method) y el Coeficiente de Silueta (CS) (Umargono et al., 2019; Vezo, 2024). La validación de la relevancia de las variables numéricas en la discriminación de los grupos se realizó mediante el Análisis de Varianza de un factor (ANOVA One-Way), considerando p-values significativos (p < 0,05).

Para el diagnóstico de las variables categóricas y la identificación de patrones de asociación, se aplicó el Análisis de Correspondencia Múltiple (ACM). Su selección se debió a la capacidad de manejar múltiples variables cualitativas y reducir la dimensionalidad de los datos (Fávero y Belfiore, 2024). El ACM se basó en la descomposición de una Matriz Indicadora (Z) y la Matriz de Burt (B), cuyos perfiles de fila y columna se proyectaron en un espacio vectorial de baja dimensionalidad mediante la Descomposición de Valores Singulares (SVD) (Carrasco-Bonal et al., 2025).

Los clústeres de K-means se integraron a la base de datos como una nueva variable categórica, permitiendo un análisis combinado con las demás variables cualitativas (Carneiro et al., 2023). Los datos fueron previamente normalizados utilizando la técnica StandardScaler para garantizar la comparabilidad entre variables con diferentes escalas (VanderPlas, 2025). El procesamiento computacional se ejecutó en Python, utilizando las bibliotecas Pandas, Scikit-learn, Prince, matplotlib.pyplot y seaborn.

La proximidad de la jubilación se estableció como criterio central en la agrupación de los servidores, combinando variables como el año previsto de jubilación, la edad actual, el tiempo en el órgano y el tiempo de contribución. Este enfoque permitió identificar a los servidores con mayor inminencia de solicitar el beneficio, orientando la planificación de las revisiones funcionales. La etapa final consistió en la interpretación de las agrupaciones proyectadas en el mapa perceptual de la ACM, con el fin de subsidiar la planificación de las revisiones procesales.

3. Resultados y Discusión

La presente sección presenta los resultados obtenidos mediante la aplicación de técnicas de Machine Learning no supervisado, con enfoque en Agrupamiento (K-means) y Análisis de Correspondencia Múltiple (ACM), con el objetivo de mejorar la planificación de revisiones funcionales en una autarquía federal brasileña. Los hallazgos revelan perfiles de servidores con diferentes niveles de criticidad previsional, permitiendo la proposición de un plan de acción estratégico para la gestión de jubilaciones. El análisis se inició con la caracterización de la muestra y la aplicación del algoritmo K-means para segmentar a los servidores en grupos homogéneos, seguida por el ACM para explorar las asociaciones entre estos grupos y variables cualitativas, conforme a la metodología establecida.

Resultados Provisionales

Inicialmente, se realizó un análisis estadístico descriptivo de la muestra de 487 servidores activos, tras un riguroso proceso de saneamiento manual de los datos. Este procedimiento fue crucial para corregir inconsistencias en los informes originales, garantizando la integridad de las variables cuantitativas y cualitativas utilizadas en el estudio. La etapa de validación individual se centró en campos críticos para la proximidad de la jubilación, como edad, tiempo de contribución y remuneración, asegurando la robustez estadística de la muestra final para los análisis subsecuentes.

La estadística descriptiva general de la muestra reveló que la edad media de los servidores era de 54,6 años, con un tiempo medio de contribución de 23,6 años. El año medio previsto para la jubilación fue 2035, y la remuneración media observada fue de 22.548,55. El tiempo medio de servicio en el organismo fue de 15,4 años. La amplitud de los datos varió significativamente, con edades entre 27 y 74 años, y años de jubilación previstos entre 2025 y 2062, indicando una diversidad de perfiles en el cuadro funcional.

Para determinar el número ideal de agrupaciones (clusters) en el algoritmo K-means, se aplicó el Método del Codo (Elbow Method) y el Coeficiente de Silueta. El Método del Codo identificó el punto de inflexión en la curva de varianza, indicando dónde el aumento de nuevos grupos no resultaba en reducciones expresivas en la inercia del modelo. El Coeficiente de Silueta, por su parte, evaluó la cohesión interna y la distinción entre las agrupaciones, buscando el índice más elevado para la cantidad ideal de categorías, según lo descrito por Vezo (2024). Ambos métodos convergieron para la formación de cinco clusters distintos como la estructura más adecuada para la segmentación de los servidores.

Análisis de Clustering por el Algoritmo K-means

La aplicación del algoritmo K-means tuvo como objetivo identificar estructuras naturales de clústeres en los datos, segmentando a los servidores públicos con base en características similares, sin la necesidad de etiquetas predefinidas, lo cual es fundamental para descubrir patrones y perfiles ocultos (Faceli et al., 2025). La elección del K-means se justificó por su simplicidad de implementación y reconocida performance en el tratamiento de grandes volúmenes de datos, además de ser adecuado para la hipótesis de clústeres con estructura globular (Fávero y Belfiore, 2024; Umargono et al., 2019).

El proceso de clusterización implicó la estandarización de las variables cuantitativas (edad, tiempo de contribución, año de jubilación, remuneración y tiempo en el organismo) utilizando el procedimiento Zscore, a través de la función StandardScaler de la biblioteca Python scikit-learn. Esta etapa fue esencial para garantizar que variables con diferentes escalas contribuyeran equitativamente al modelo. Se empleó la métrica de distancia Euclidiana para medir la similitud entre las observaciones, y el algoritmo buscó minimizar la suma de los cuadrados de las distancias dentro de cada clúster (Inercia), realocando dinámicamente las observaciones hasta la convergencia del sistema.

La validación estadística de la segmentación fue ratificada por el Análisis de la Varianza (ANOVA de una vía), que confirmó la relevancia de todas las variables numéricas en la diferenciación de los grupos. Los resultados de la ANOVA indicaron altos valores de prueba F y p-values significativos (p < 0,05) para remuneración, tiempo en el organismo, año de jubilación, tiempo de contribución y edad. Esto demuestra que la variabilidad entre los clusters es significativamente superior a la variabilidad interna, confirmando la importancia estadística de cada atributo en la composición de los agrupamientos.

El análisis descriptivo detallado de cada clúster reveló perfiles distintos. El Clúster 0, compuesto por 61 servidores, presentó la mayor edad promedio (63 años), mayor tiempo de contribución (38 años) y el año de jubilación más cercano (2026), configurando el perfil más senior. Sin embargo, su remuneración promedio (13.972) era relativamente baja. El Clúster 3, con 140 servidores, también se destacó por su senioridad, con una edad promedio de 61 años y un tiempo de contribución de 30 años, con jubilación prevista para 2029, y la mayor remuneración promedio (27.408).

En contraste, el Clúster 2, con 83 servidores, presentó una edad media de 52 años y un tiempo de contribución de 21 años, con jubilación prevista para 2037, y una remuneración media de 13.620, similar al Clúster 0. El Clúster 1 (160 servidores) y el Clúster 4 (43 servidores) representaron perfiles más jóvenes, con años de jubilación previstos para 2039 y 2049, respectivamente. El Clúster 4, en particular, era el más joven, con menor tiempo de contribución y tiempo en el organismo, indicando menor riesgo de inactividad inminente.

La visualización de la estructura de los cinco grupos se complementó con el Análisis de Componentes Principales (PCA), que transformó las variables cuantitativas en nuevos ejes ortogonales. Los dos primeros componentes principales (PCA1 y PCA2) explicaron, de forma combinada, el 77,57% de la varianza total de los datos. El PCA1 fue responsable del 57,41% de la varianza y concentró la variabilidad de las dimensiones temporales y etarias, con correlaciones negativas para edad y tiempo de servicio y positiva para el año de jubilación. El PCA2, por su parte, retuvo el 20,16% de la varianza, siendo definido casi exclusivamente por la dimensión financiera, con una carga factorial de 0,99 para remuneración. Esta distinción ortogonal evidenció una clara segmentación de los perfiles de servidores entre un “factor temporal” y un “factor remuneratorio”.

Análisis de Correspondencia Múltiple (ACM)

La segunda etapa del análisis estadístico utilizó el Análisis de Correspondencia Múltiple (ACM) para identificar asociaciones entre los clústeres formados y las variables cualitativas de la muestra. El ACM es una técnica exploratoria no inferencial eficaz para manejar un gran número de variables categóricas, reduciendo la dimensionalidad de los datos y facilitando la identificación de patrones subyacentes (Fávero y Belfiore, 2024). Los grupos de servidores (clústeres) se incorporaron como una nueva variable categórica, permitiendo un análisis integrado con sexo, estado civil, cargo, opción por Funpresp, recepción de bono de permanencia y tipo de ingreso al órgano (Carneiro et al., 2023).

El mapa perceptual generado por el ACM demostró que las dos primeras dimensiones retuvieron el 74,81% de la inercia total de los datos, con la Dimensión 1 capturando el 45,50% de la varianza y la Dimensión 2, el 29,31%. Se observó que algunas categorías de variables, como estado civil, sexo, discapacidad física y opción por Funpresp, presentaron baja contribución a la varianza total de los datos, concentrándose cerca del punto de origen del mapa. Esto sugiere que estas variables tuvieron menor relevancia en la formación de los agrupamientos.

Por otro lado, las categorías en torno a los Clústeres 0 y 2 demostraron una alta contribución a la varianza. El Clúster 0, considerado el grupo más expresivo para el estudio, presentó una fuerte asociación con servidores que reciben subsidio de permanencia y ocupan cargos ya extintos, cuya forma de ingreso fue la “redistribución”. Esta asociación es coherente, ya que los servidores que perciben subsidio de permanencia ya han completado los requisitos para la jubilación. Históricamente, muchos de estos cargos extintos fueron cubiertos por redistribuciones en la creación de la agencia, lo que explica el elevado tiempo de servicio de estos servidores.

El análisis en profundidad reveló que el 100% de los beneficiarios de subsidio de permanencia se concentraban en los Clústeres 0 (52%) y 3 (48%), reforzando la criticidad previsional de estos grupos. Adicionalmente, el 81% de todos los servidores que ocupan cargos extintos se encontraban mayoritariamente en los Clústeres 0 y 3, confirmando un patrón de elevado tiempo de servicio y forma de provisión por redistribución (Brasil, 1988, art. 37 de la Ley nº 8.112/90). Esta concentración de perfiles senior con derecho a subsidio y en cargos extintos indica un alto riesgo de vacancia inminente.

El Clúster 2, por otro lado, se asoció con puestos de nivel intermedio, como Técnico en Regulación, Técnico Administrativo y Asistente Administrativo, con remuneraciones inferiores en comparación con las carreras de nivel superior. La mayoría de los Agentes Administrativos (82%) se concentró en el Clúster 0, mientras que la mayoría de los Técnicos Administrativos (82%) y Técnicos en Regulación (65%) se encontraba en el Clúster 2. Este grupo se encuentra significativamente alejado del riesgo inminente de inactividad, con la fecha de jubilación más próxima prevista solo para el año 2031, y posee el promedio salarial más bajo de la muestra.

Plan de Acción e Implicaciones Estratégicas

Con base en los resultados de la clusterización y del mapa perceptual, que aislaron los grupos de mayor antigüedad y riesgo de vacancia, se propuso un Plan de Acción escalonado. El enfoque principal es la revisión y regularización de las remuneraciones de contribución y las anotaciones, priorizando el impacto y la inminencia de la jubilación. La prioridad inicial se dirigió a la intervención en el Cluster 0, que, con 61 servidores, posee la mayor antigüedad y concentra el 52% de los servidores que ya reciben subsidio de permanencia. Este grupo también incluye a individuos que, aunque elegibles, aún no han solicitado el beneficio, sugiriendo menor atención o conocimiento sobre las reglas previsionales.

Para el Clúster 0, la acción debe ser doble: realizar la revisión de las remuneraciones y llevar a cabo un trabajo activo de sensibilización individualizada para confirmar los requisitos e informarles sobre el beneficio del Abono de Permanencia. La priorización para el año 2025 implicó iniciar la revisión por los 39 servidores del Clúster 0, seguidos por los 36 servidores del Clúster 3. En paralelo, se identificó la situación de los 18 servidores que, aunque elegibles, aún no perciben el abono. Para el ejercicio de 2026, el cronograma debe avanzar, obedeciendo al mismo orden de prioridad, enfocándose en los servidores que integrarán los requisitos de jubilación en ese período.

La progresión a otros clústeres solo debe ocurrir después de la conclusión y regularización de las fases que involucran los Clústeres 0 y 3. Este enfoque gradual en la intervención garantiza que el esfuerzo del equipo de gestión de personas se concentre donde el impacto de la desvinculación es más inmediato, optimizando los recursos y mitigando los riesgos de inconsistencias en los procesos auditados. Para facilitar la búsqueda y análisis de los servidores responsables de las revisiones de las contribuciones, se desarrolló un panel interactivo de Business Intelligence, que permite visualizar y gestionar los datos de forma dinámica.

La eficacia del modelo estadístico, sin embargo, se vio limitada por la calidad de los datos provenientes del Sistema Integrado de Administración de Recursos Humanos (SIAPE). Durante la ejecución de la investigación, fueron necesarias sucesivas intervenciones ante el órgano central para la corrección de inconsistencias en los informes. La persistencia de datos divergentes evidenció que la plena eficacia de modelos analíticos avanzados está intrínsecamente ligada a una gobernanza de datos más rigurosa por parte del Ministerio de Gestión e Innovación en Servicios Públicos (MGI). El mantenimiento de bases fidedignas es un prerrequisito indispensable para trabajos predictivos en el sector público.

En resumen, la aplicación de técnicas de Machine Learning no supervisado permitió segmentar la fuerza laboral de la autarquía en perfiles de riesgo previsional, identificando los grupos de mayor criticidad (Clusters 0 y 3) y los de menor riesgo (Cluster 2). Esta segmentación posibilitó la proposición de un plan de acción escalonado para la revisión de remuneraciones y legalizaciones, priorizando a los servidores con jubilación inminente y derecho a bono de permanencia. El modelo demostró ser una herramienta valiosa para el saneamiento de datos y la gestión estratégica de personas, aunque su efectividad dependa de la mejora continua de la gobernanza de datos en el servicio público.

4. Conclusión

El presente estudio buscó aplicar técnicas de Machine Learning no supervisado, específicamente Agrupamiento (K-means) y Análisis de Correspondencia Múltiple (ACM), para mejorar la planificación de revisiones funcionales en una autarquía federal brasileña. Se verificó, por medio de la aplicación del algoritmo K-means, la formación de cinco clusters distintos de servidores, cuya adecuación fue confirmada por el Método del Codo y el Coeficiente de Silueta. Subsecuentemente, el Análisis de Correspondencia Múltiple integró estos agrupamientos a variables cualitativas, proyectándolos en un mapa perceptual que explicó el 74,81% de la inercia de los datos. Los resultados evidenciaron que los clusters 0 y 3 representaron los perfiles de mayor criticidad previsional, concentrando la totalidad de los beneficiarios de abono de permanencia y la mayoría de los cargos extintos. En contraste, el cluster 2 presentó menor riesgo, con inactividad prevista solo a partir de 2031. La investigación culminó en la generación de un Plan de Acción escalonado, que priorizó la revisión de los 75 servidores de estos clusters que integraron los requisitos de jubilación hasta 2025, con directriz similar para el ejercicio de 2026. Este modelo demostró ser una herramienta valiosa para la auditoría y el saneamiento de datos, optimizando la gestión estratégica de personas.

Sin embargo, la plena eficacia del modelo estadístico desarrollado se vio limitada por la calidad de los datos provenientes del Sistema Integrado de Administración de Recursos Humanos (SIAPE). La necesidad de sucesivas intervenciones para corregir inconsistencias en los informes originales evidenció que la efectividad de modelos analíticos avanzados está intrínsecamente ligada a una gobernanza de datos más rigurosa en el servicio público. Como consecuencia, se sugiere el intercambio de resultados con los equipos técnicos y con el Ministerio de Gestión e Innovación en Servicios Públicos (MGI), con el objetivo de fomentar la mejora continua de la gobernanza de datos. Se recomienda, además, la replicación de esta metodología en otras bases de la Administración Pública Federal para validar su escalabilidad y auxiliar en la gestión estratégica de la fuerza de trabajo a nivel nacional, siempre que se asegure la integridad informacional de las bases de datos.

Referencias Bibliográficas

Bernardino, D.C.A.M.; Souza, T.; Leitão, G.T.; Araújo, M.R.; Romero, A.C.; Fonseca, G. 2025. Fatores ocupacionais e socioeconômicos e mortalidade por câncer em participantes do Estudo Longitudinal de Saúde do Adulto (ELSA-Brasil): uma análise de correspondência múltipla. Revista Brasileira de Epidemiologia 28: e250022.

Brasil. 1988. Constituição da República Federativa do Brasil. Diário Oficial da União, Brasília, 5 out. 1988. Seção 1, p. 1.

Brasil. Supremo Tribunal Federal. 2020. Recurso extraordinário nº 636.553. Tema 445: prazo para o exercício do controle externo de legalidade dos atos de concessão inicial de aposentadoria, reforma e pensão. Diário Oficial da União, Brasília, 19 fev. 2020.

Carneiro, A.M.; Bin, A.; Ferrero, L.G.P.; Morini, C. 2023. A motivação dos estudantes de programas de pós-graduação: uma análise a partir das diferenças de perfis na área de administração. Disponível em: https://www.scielo.br/j/aval/a/7kpCXYNRD7CFhdpsWnb3jpz/. Acesso em: 17 nov. 2025.

Carrasco Bonal, V.; Vicente Galindo, P.; Queiruga Dios, A. 2025. Multiple correspondence analysis and hierarchical clustering of occupational exposure to COVID-19 among healthcare workers in Castilla y León, Spain. Mathematics 13(22): 3574. Disponível em: https://doi.org/10.3390/math13223574. Acesso em: 13 mar. 2026.

Costin, C. 2010. Administração Pública. Atlas, São Paulo, Brasil. Disponível em: https://app.minhabiblioteca.com.br/reader/books/9788595152281/. Acesso em: 06 jan. 2026.

Dutra, J.S.; Dutra, T.A.; Dutra, G.A. 2025. Gestão de Pessoas: Realidade atual e desafios futuros. Atlas, São Paulo, Brasil.

Faceli, K.; Lorena, A.C.; Gama, J.; Almeida, T.A.D.; Carvalho, A.C.P.L.F. 2025. Inteligência Artificial – Uma Abordagem de Aprendizado de Máquina. 3ed. LTC, Rio de Janeiro, Brasil. Disponível em: https://app.minhabiblioteca.com.br/reader/books/9788521639213/. Acesso em: 21 set. 2025.

Fávero, L.P.; Belfiore, P. 2024. Manual de Análise de Dados: Estatística e machine learning com Excel®, SPSS®, Stata®, R® e Python®. 2ed. LTC, Rio de Janeiro, Brasil.

Giambiagi, F. 2025. A previdência social no Brasil: tendências e desafios. Disponível em: https://web.bndes.gov.br/bib/jspui/handle/1408/27627. Acesso em: 07 jan. 2026.

Grande, S.R. 2025. Transformação digital no setor público: a legislação e os desafios em uma instituição de ensino superior. Dissertação de Mestrado em Ciência, Tecnologia e Sociedade. Universidade Federal de São Carlos, São Carlos, SP, Brasil.

Lara, L.R. 2023. Como as agências reguladoras selecionam seus burocratas? um estudo exploratório do sistema de incorporação na ANVISA, ANP e ANAC. Dissertação de Mestrado em Análise de Políticas Públicas. Escola de Artes, Ciências e Humanidades, Universidade de São Paulo, São Paulo, SP, Brasil.

Sicsú, A.L.; Samartini, A.; Barth, N.L. 2023. Técnicas de Machine Learning. Editora Blucher, São Paulo, Brasil. Disponível em: https://app.minhabiblioteca.com.br/reader/books/9786555063974/. Acesso em: 16 set. 2025.

Umargono, E.; Suseno, J.E.; Gunawan, V.S.K. 2019. K-means clustering optimization using the elbow method and early centroid determination based on mean and median formula. In: International Seminar on Science and Technology, 2019, Yogyakarta, Indonésia. Anais… p. 121-127.

VanderPlas, J. 2025. Guia do Python para Data Science: Ferramentas essenciais para trabalhar com dados. 2ed. Editora Alta Books, Rio de Janeiro, Brasil. Disponível em: https://app.minhabiblioteca.com.br/reader/books/9788550821795/. Acesso em: 26 nov. 2025.

Vezo, M.C.C. 2024. Identificação dos níveis de qualidade do sono usando o algoritmo k-means clustering: benefícios de um estilo de vida fisicamente ativo durante o envelhecimento. Dissertação de Mestrado em Exercício e Saúde. Instituto Politécnico de Bragança, Bragança, Portugal.

Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy