Quando o dado muda, a realidade mudou?

Coluna

Análise De Dados

30 de setembro de 2026

Quando o dado muda, a realidade mudou?

Análise de quase 20 milhões de vínculos-ano docentes entre 2020 e 2025 mostra como mudanças na composição da população e na produção dos registros podem alterar a interpretação de série histórica

Entre 2020 e 2025, o número de vínculos formais de trabalho docente identificados na RAIS (Relação Anual de Informações Sociais), do Ministério do Trabalho, passou de cerca de 2,58 milhões para 4,03 milhões. No mesmo período, houve uma transformação expressiva na composição desses vínculos: os estatutários, que eram 63,1% do total em 2020, passaram a 40,2% em 2025, enquanto os vínculos públicos não efetivos ou temporários subiram de 16,8% para 43,8%.

Os dados sobre afastamento por doença também chamam a atenção. A proporção de vínculos com registro de licença passou de 4,07% em 2020 para 10,54% em 2022 e, depois, recuou até praticamente retornar ao ponto inicial: 4,08% em 2025.

À primeira vista, seria tentador concluir que, depois de uma forte elevação até 2022, houve uma melhora expressiva nos anos seguintes. Quando os dados são examinados por tipo de vínculo, porém, surge um resultado difícil de ignorar. Entre os vínculos públicos não efetivos ou temporários, a taxa registrada passa de 8,47% em 2022 para apenas 0,41% em 2025.

O que aconteceu? Houve realmente uma redução dessa magnitude nos afastamentos ou mudou a forma como esse fenômeno passou a ser registrado? Essa pergunta ilustra um problema central da análise de dados: nem toda mudança observada em uma série histórica representa necessariamente uma mudança equivalente no fenômeno que pretendemos medir. Antes de interpretar um resultado, é preciso compreender como os dados foram produzidos.

Por trás dos números

Os resultados foram obtidos a partir dos microdados da RAIS, considerando cinco famílias ocupacionais relacionadas à docência. A análise abrange todos os estados brasileiros e acompanha as características dos vínculos formais de trabalho, como ocupação, idade, sexo, tipo de vínculo e registros de afastamento por doença.

Há uma distinção importante: a unidade analisada não é necessariamente uma pessoa, mas um vínculo de trabalho. Um mesmo professor pode manter mais de um vínculo e, portanto, aparecer mais de uma vez na base. Por essa razão, 4,03 milhões de registros em 2025 não significam 4,03 milhões de professores, mas aproximadamente 4,03 milhões de vínculos docentes.

Essa diferença parece apenas técnica, mas é essencial. Bases administrativas são produzidas originalmente para finalidades de registro e gestão. Quando são utilizadas para análise de dados, é necessário compreender o significado de cada variável e, principalmente, aquilo que cada registro representa.

Transformação na estrutura

Entre 2020 e 2025, o número de vínculos docentes considerados na análise aumentou aproximadamente 56%, passando de 2,58 milhões para 4,03 milhões. Mais importante do que o crescimento absoluto, porém, é observar como a composição desses vínculos se modificou. Em 2020, os vínculos públicos estatutários correspondiam a 63,1% dos registros analisados, enquanto os públicos não efetivos ou temporários representavam 16,8%. Em 2025, os percentuais passaram para 40,2% e 43,8%, respectivamente.

Se esses números fossem observados isoladamente, seria possível interpretar o período como evidência de uma rápida transformação na estrutura do trabalho docente. Mas justamente nesse intervalo ocorreu uma mudança importante na própria produção da RAIS.

Fonte dos dados

A partir do ano-base de 2023, o cumprimento da RAIS passou a ser aferido unicamente pela extração dos eventos informados no eSocial para todos os grupos de declarantes, incluindo os órgãos públicos. A Nota Técnica da RAIS 2023 registra uma importante quebra na série histórica e recomenda que os resultados daquele ano não sejam comparados diretamente com anos anteriores, devido ao processo de transição da forma de captação dos dados.

Isso não significa que os dados posteriores sejam inválidos nem que toda mudança observada decorra do eSocial. Significa que a comparação exige cautela. Em vez de perguntar apenas por que os números mudaram, é necessário perguntar quanto dessa mudança pertence ao fenômeno estudado e quanto pode estar relacionado à maneira como ele passou a ser registrado.

Dados de afastamento

Em 2020, 4,07% dos vínculos analisados apresentavam registro de afastamento. A taxa sobe para 6,83% em 2021 e alcança 10,54% em 2022, o maior valor da série. Depois disso, recua para 8,25% em 2023, 5,50% em 2024 e 4,08% em 2025. Há duas tentações nessa leitura. A primeira seria associar automaticamente o pico de 2022 aos efeitos da pandemia. A segunda seria interpretar a queda posterior como evidência de melhora nas condições de saúde dos professores. Os dados utilizados aqui, isoladamente, não permitem sustentar nenhuma dessas conclusões causais. O que se pode afirmar é mais restrito: o indicador de afastamento registrado na base aumentou fortemente até 2022 e caiu nos três anos seguintes.

Entre os vínculos públicos estatutários, a taxa registrada de afastamento passou de 4,63% em 2020 para 10,68% em 2022. Em seguida, recuou para 8,19% em 2023, 7,55% em 2024 e 6,59% em 2025. Entre os vínculos públicos não efetivos ou temporários, a trajetória é muito mais acentuada: 2,44% em 2020, 8,47% em 2022, 6,47% em 2023, 1,53% em 2024 e apenas 0,41% em 2025.

Uma redução de 8,47% para 0,41% poderia produzir uma manchete atraente. Mas não sabemos, a partir desses números, se professores com vínculos não efetivos passaram a adoecer menos. O que sabemos é que a frequência com que o afastamento aparece registrado nesses vínculos caiu drasticamente. A diferença é fundamental.

Para investigar se a queda da taxa geral poderia ser explicada simplesmente pela mudança na composição dos vínculos, a variação entre 2022 e 2025 foi decomposta em duas parcelas: uma associada à alteração da participação dos diferentes tipos de vínculo e outra relacionada às mudanças das taxas registradas dentro desses grupos.

A taxa agregada caiu de 10,54% para 4,08%, redução de 6,46 pontos percentuais. Desse total, aproximadamente 0,92 ponto percentual está associado à mudança da composição dos vínculos, enquanto 5,54 pontos percentuais decorrem das mudanças das taxas registradas dentro dos grupos. Em termos proporcionais, cerca de 14% da redução está associada à composição, e aproximadamente 86%, às mudanças intragrupo.

Matematicamente, a decomposição mostra que a queda agregada não ocorreu apenas porque aumentou a participação de determinado tipo de vínculo. Mas uma técnica estatística pode decompor corretamente aquilo que está registrado na base e, ainda assim, não resolver um problema de mensuração. Se a forma de produzir os dados mudou durante o período, a decomposição também refletirá essa mudança.

Em 2020, a taxa agregada de afastamento era de 4,07%. Em 2025, era de 4,08%. Observando apenas os dois extremos, praticamente nada parece ter mudado. A decomposição conta outra história: a alteração na composição dos vínculos contribuiu com aproximadamente -1,15 ponto percentual para a taxa, enquanto as mudanças das taxas internas contribuíram no sentido contrário, com aproximadamente +1,16 ponto percentual. Os dois movimentos praticamente se anularam.

Assim, 4,07% e 4,08% são números quase idênticos produzidos por estruturas bastante diferentes. Indicadores agregados são úteis, mas podem esconder transformações importantes na população analisada.

O que esse caso ensina

O caso da RAIS mostra que uma análise de dados não começa no algoritmo. Ela começa na compreensão da base. Poderíamos ter observado a queda entre 2022 e 2025, aplicado técnicas estatísticas e encerrado a análise com uma conclusão aparentemente consistente. Os cálculos estariam corretos. O problema estaria na interpretação.

Esse problema não é exclusivo da RAIS. Uma nova regra de preenchimento, a migração de um sistema, uma alteração de classificação, a inclusão de novos usuários ou uma mudança na obrigatoriedade de determinado campo pode criar uma quebra que, em um gráfico, se parece perfeitamente com uma mudança de comportamento.

Por isso, algumas perguntas deveriam anteceder qualquer modelo mais sofisticado: a população observada permaneceu comparável? As definições das variáveis continuaram as mesmas? A cobertura mudou? Houve alteração no sistema que produz os registros?

Mais dados também não significam necessariamente mais informação. Com milhões de vínculos, diferenças pequenas podem ser calculadas com enorme precisão. Mas precisão numérica e validade da interpretação são coisas diferentes. Se uma variável passa a ser registrada de maneira diferente, milhões de registros podem reproduzir essa diferença com enorme consistência. Antes de perguntar “qual modelo devo utilizar?”, muitas vezes a pergunta mais importante é “o que exatamente este dado está medindo?”.

O valor de um resultado inesperado

O resultado de 0,41% poderia ter sido tratado como uma descoberta. Em vez disso, ele funcionou como um alerta. Resultados muito diferentes do esperado não precisam ser descartados, mas também não deveriam ser imediatamente transformados em conclusões. Eles podem indicar um fenômeno relevante, um erro de processamento, uma mudança de população, uma alteração metodológica ou uma característica da fonte que ainda não compreendemos.

Nesse caso, a análise começou como uma exploração de milhões de vínculos docentes e terminou revelando algo mais amplo sobre o próprio trabalho com dados: às vezes, a principal descoberta não está no número encontrado, mas na razão pela qual ele deve ser examinado com cautela.

A RAIS permite enxergar transformações importantes no mercado formal de trabalho brasileiro e oferece uma riqueza de informações difícil de reproduzir por outras fontes. A análise identificou crescimento expressivo dos vínculos docentes, mudanças relevantes em sua composição e grandes oscilações nos registros de afastamento por doença entre 2020 e 2025.

Esses resultados continuam sendo informativos. O que muda é a forma de interpretá-los. A transição para o eSocial mostra por que séries históricas não devem ser tratadas apenas como sequências de números. Cada ponto de uma série é resultado de regras, sistemas, definições e processos administrativos que também possuem uma história.

Para quem trabalha com Data Science, uma das principais conclusões deste exercício é que, antes de explicar por que um indicador mudou, deve-se verificar se o mesmo fenômeno continua sendo medido da mesma maneira.

Um algoritmo pode encontrar padrões em milhões de registros. Saber se esses padrões representam o fenômeno que queremos compreender continua sendo uma tarefa humana.

Para ter acesso às referências desse texto clique aqui

Quem publicou esta coluna

José Erasmo Silva

José Erasmo Silva é professor, formado em Matemática e Administração, com mais de 25 anos de experiência em gestão empresarial e de pessoas. É mestre e doutor em Administração, com foco em Finanças, e especialista em Data Science e Analytics e em Finanças e Controladoria. Realizou pós-doutorado na Universidade Federal da Bahia (UFBA). Atualmente, atua como professor orientador no MBA em Data Science, Inteligência Artificial e Analytics da USP/Esalq e leciona na EEP/FUMEP e na rede estadual de ensino de São Paulo.

Você também pode gostar

17 de novembro de 2026

Deteção e Diagnóstico de Doenças em Milho e Arroz em Moçambique com Deep Learning

A agricultura moçambicana depende do milho e arroz, culturas fundamentais para a segurança alimentar, mas sua produtividade é fortemente afetada por doenças fitossanitárias, cuja identificação precoce e precisa permanece um desafio em contextos de recursos limitados. O estudo objetivou desenvolver e comparar modelos baseados em Deep Learning para a detecção e o diagnóstico automático de doenças em folhas de milho e arroz em Moçambique. Utilizaram-se três abordagens: uma Rede Neural Convolucional (CNN) clássica desenvolvida do zero, e dois modelos de transfer learning, ResNet50 e MobileNetV2. O conjunto de dados foi composto por imagens de bases públicas e coletadas em campo, que passaram por etapas de limpeza, balanceamento e aumento artificial. Os modelos foram treinados e avaliados com métricas de desempenho padrão, incluindo acurácia, precisão, recall, F1-score, Log Loss e Kappa de Cohen. A CNN clássica apresentou o melhor desempenho global, com 94% de precisão, recall e F1-score, e 93% de acurácia e Kappa de Cohen. A MobileNetV2 alcançou 91% de F1-score e 90% de acurácia, destacando-se pelo menor Log Loss (0,30) e tempo de treinamento (6h32min59s). A ResNet50 atingiu 80% de F1-score e 79% de acurácia. Concluiu-se que técnicas de Deep Learning possuem elevado potencial para apoiar o diagnóstico fitopatológico em contextos agrícolas reais, contribuindo para decisões mais rápidas e precisas no manejo de doenças em milho e arroz.

Palavras-chave: Aprendizagem profunda; Arroz; Doenças em plantas; Milho; Visão computacional.

17 de novembro de 2026

Estruturação do processo de encerramento de projetos de uma indústria da construção civil

Um estudo abordou o grupo de processo de encerramento de projetos em uma indústria de manufatura da construção civil, utilizando o guia PMBOK como referência principal. O processo existente na indústria apresentava superficialidade e fragilidades, especialmente no registro de lições aprendidas. Diante desse cenário, o objetivo foi desenvolver um procedimento para o encerramento de projetos da organização, visando agregar valor por meio da padronização do processo, registro do conhecimento adquirido, formalização da conclusão e entrega dos projetos, e aprimoramento da comunicação, engajamento, integração e transparência com os stakeholders. A pesquisa classificou-se como descritiva, empregou dados qualitativos e adotou a pesquisa-ação como delineamento. O escopo do estudo estruturou-se conforme os cinco grupos de processos do guia PMBOK e foi representado por uma Estrutura Analítica de Projeto (EAP). Os principais resultados obtidos incluíram o procedimento desenvolvido e diversos templates de documentos, que constituíram os entregáveis do novo processo de encerramento de projetos. Verificou-se que o trabalho alcançou o objetivo esperado, pois o procedimento desenvolvido viabilizou a padronização do encerramento de projetos, o aprimoramento da integração e engajamento com os stakeholders, e a promoção de segurança e transparência no processo.

Palavras-chave: Gestão do conhecimento; Lições aprendidas; PMBOK; Templates; Termo de aceite de projeto.

17 de novembro de 2026

Machine Learning e priorização de funcionalidades em produtos digitais: um estudo de caso em uma fintech

Uma análise investigou o potencial da utilização de técnicas de machine learning aplicadas à análise do comportamento dos usuários na priorização de funcionalidades em produtos digitais. O objetivo foi compreender os processos de priorização utilizados na prática, o papel dos dados comportamentais na tomada de decisão e as percepções sobre a aplicação de técnicas de machine learning nesse contexto. Adotou-se uma abordagem qualitativa e exploratória, estruturada como um estudo de caso em produtos desenvolvidos sob o modelo Software as a Service (SaaS). A coleta de dados realizou-se por meio de entrevistas semiestruturadas com profissionais das áreas de produto e de dados. A análise dos dados seguiu a técnica de análise de conteúdo. Os resultados indicaram que, embora os dados comportamentais já fossem utilizados como apoio à decisão, os processos de priorização ainda apresentavam baixa formalização e enfrentavam limitações técnicas e organizacionais. Observou-se, também, o reconhecimento do potencial do machine learning como suporte estratégico à priorização de funcionalidades, embora sua aplicação prática fosse incipiente. Como principal contribuição, o estudo propôs um modelo conceitual que integra dados comportamentais, processos de priorização e o uso de machine learning como suporte à decisão.

Palavras-chave: Análise de dados; Comportamento do usuário; Dados comportamentais; Software as a Service (SaaS); Tomada de decisão.

17 de novembro de 2026

Inteligência artificial nas rotinas operacionais contábeis e na eficiência financeira

A incorporação de Inteligência Artificial (IA) e de ferramentas de automação reconfigurou as rotinas de escritórios contábeis brasileiros, impactando produtividade, mitigação de erros e eficiência financeira. Analisou-se esses impactos em um escritório contábil de pequeno porte, especializado no atendimento a prestadores de serviços da área médica em São Caetano do Sul, São Paulo. A pesquisa adotou abordagem qualitativa, com delineamento de estudo de caso único e unidades de análise incorporadas. Os dados foram coletados por questionário estruturado, aplicado via Google Forms entre janeiro e fevereiro de 2026, a cinco profissionais da estrutura operacional do escritório em levantamento censitário. O tratamento seguiu análise de conteúdo com categorias a priori e emergentes. Todos os respondentes declararam uso de ferramentas automatizadas ou com recursos de IA. A percepção de redução do tempo de execução, de diminuição de erros operacionais, de retrabalho e de melhor aproveitamento do tempo da equipe convergiu em 80% das respostas afirmativas e 20% parciais. As atividades mais beneficiadas foram conciliação bancária, importação de documentos fiscais e apuração tributária, com ganhos visíveis sobre erros de digitação, lançamentos duplicados e classificação incorreta. A intervenção humana permaneceu indispensável em planejamento tributário, análise de cenários e conferência de obrigações acessórias. A avaliação geral da contribuição da IA foi predominantemente favorável, com moderação vinculada à complexidade normativa fiscal.

Palavras-chave: Análise de conteúdo; Automação de processos; Contabilidade 4.0; Pequeno porte; Transformação digital.

17 de novembro de 2026

Fatores que influenciam a gestão de prazos em projetos de “retrofit” de estações de esgoto

Projetos de “retrofit” em Estações de Tratamento de Esgoto (ETE) caracterizam-se por elevada complexidade, restrições operacionais e múltiplas interfaces técnicas. O estudo analisou a percepção dos profissionais envolvidos sobre a gestão e o cumprimento dos prazos em projetos de “retrofit” de estações de tratamento de esgoto, considerando fatores técnicos, operacionais e organizacionais. A pesquisa caracterizou-se como um estudo aplicado, com abordagem quali-quantitativa, delineado como levantamento de campo do tipo “survey”. A análise dos dados realizou-se por estatística descritiva e categorização qualitativa, utilizando as ferramentas SWOT, matriz de risco (Probabilidade x Impacto) e plano de ação 5W2H. Os resultados indicaram alta percepção de clareza (77,8%) e realismo dos prazos (100% de concordância), evidenciando um planejamento inicial consistente. Contudo, 77,7% dos respondentes apontaram que retrabalhos e alterações de escopo impactaram diretamente o cumprimento dos prazos. A integração entre engenharia, fabricação e Planejamento e Controle da Produção (PCP) apresentou avaliação intermediária (77,7% de concordância parcial/total), indicando fragilidade na coordenação interfuncional. A matriz de risco destacou como críticos: mudanças de escopo, limitações operacionais da ETE e complexidade técnica, todos com nível alto. Como melhoria central, propôs-se a padronização do controle de mudanças de escopo, análise e aprovação, visando reduzir retrabalhos e aumentar a previsibilidade do cronograma.

Palavras-chave: Desempenho; Integração; Planejamento; Retrabalho; Risco.

17 de novembro de 2026

Captação B2C em medicina diagnóstica: parcerias estratégicas com consultórios médicos especializados

O setor de medicina diagnóstica no Brasil opera com elevada dependência das operadoras de planos de saúde, o que limita a autonomia financeira dos prestadores. Este estudo propôs e analisou um modelo de captação direta de pacientes (B2C) para uma instituição de medicina diagnóstica de alta complexidade, estruturado a partir de parcerias com consultórios de Oncologia e Cardiologia e operacionalizado por um serviço de atendimento personalizado denominado concierge. A investigação adotou abordagem mista em três fases: levantamento de campo com questionário estruturado aplicado a 87 pacientes, mapeamento do fluxo operacional por “Service Blueprint” e análise da taxa de conversão a partir de 312 indicações médicas registradas no projeto-piloto. Os resultados indicaram que a confiança na indicação médica obteve 92,0% de concordância, configurando-se como principal fator de adesão. A conveniência de realizar o exame no mesmo dia alcançou 78,2%, e a disposição para pagamento direto atingiu 55,2%, com polarização associada à predominância de usuários de plano de saúde. O “Service Blueprint” identificou três pontos críticos nas transições entre etapas da jornada. A taxa de conversão global foi de 51,0%, com desempenho superior na Oncologia (58,2%) em relação à Cardiologia (45,0%), e a maior perda concentrou-se na etapa de aceite e agendamento (28,3%). Concluiu-se que o modelo demonstrou possível viabilidade operacional e indícios de aceitação pelos pacientes, condicionado à transparência de preços e à redução do intervalo entre consulta e abordagem pelo concierge.

Palavras-chave: Desembolso direto; Jornada do paciente; Saúde suplementar; Serviço concierge; Taxa de conversão.

17 de novembro de 2026

O papel do gestor escolar na promoção de uma cultura inclusiva: liderança e políticas educacionais

A pesquisa analisou a atuação do gestor escolar na promoção de uma cultura inclusiva, considerando a necessidade de transformar diretrizes legais e fundamentos pedagógicos em práticas institucionais efetivas. Partiu-se do pressuposto de que a inclusão escolar exige planejamento, organização e liderança estratégica no cotidiano da escola. Adotou-se uma abordagem qualitativa de natureza aplicada, desenvolvida em três etapas complementares: análise documental das legislações brasileiras sobre educação inclusiva, revisão bibliográfica sobre liderança e gestão escolar, e sistematização dos dados por meio de ferramentas gerenciais como a matriz SWOT e o ciclo PDCA. Os resultados indicaram que a atuação da gestão escolar exerceu influência direta na consolidação de ambientes inclusivos, especialmente na organização de processos, formação continuada da equipe e fortalecimento de uma cultura institucional colaborativa e respeitosa à diversidade. Identificaram-se também desafios estruturais, pedagógicos e relacionais que demandaram intervenções planejadas. Ao final, elaborou-se um Guia Prático para Gestores Escolares, com diretrizes, protocolos e orientações operacionais para a tomada de decisão e organização dos processos inclusivos. Concluiu-se que a construção de uma cultura inclusiva dependeu da capacidade gestora de articular políticas públicas, práticas pedagógicas e processos institucionais, consolidando a inclusão como compromisso permanente no contexto escolar.

Palavras-chave: Acessibilidade educacional; Equidade educacional; Gestão participativa; Planejamento estratégico; Processos institucionais.

17 de novembro de 2026

Um artefato de IA baseado em Design Thinking para apoiar a elicitação de requisitos de software a partir das necessidades dos usuários

O desenvolvimento de software orientado às necessidades dos usuários frequentemente enfrenta desafios na elicitação de requisitos, decorrentes de ambiguidades na linguagem natural e falhas de comunicação. Diante disso, propôs-se e validou-se um artefato inteligente que integra Design Thinking e Inteligência Artificial, com foco nas etapas de Empatia e Definição, para apoiar a coleta, interpretação e estruturação das necessidades dos usuários. A pesquisa, de natureza aplicada, qualitativa e exploratória, conduziu uma Prova de Conceito em ambiente controlado, empregando cenários hipotéticos. O artefato operou por meio de entrevistas guiadas em linguagem natural, organizando informações em elementos como dor, contexto e impacto, e gerando sínteses de problemas rastreáveis. Os resultados indicaram que o sistema organizou relatos não estruturados, reduziu ambiguidades e preservou o sentido das informações originais na maioria dos casos. Observou-se também a capacidade de reorganização lógica em cenários complexos, embora com limitações na separação de múltiplos problemas e dependência das instruções. Concluiu-se que o artefato possui potencial como apoio à elicitação de requisitos, melhorando a clareza e a estruturação das informações, mas requer supervisão e controle contextual.

Palavras-chave: Design Thinking; Elicitação de Requisitos; Engenharia de Requisitos; Inteligência Artificial; Processamento de Linguagem Natural.

17 de novembro de 2026

A Extinção da Sistemática Monofásica na Indústria Farmacêutica à Luz da Reforma Tributária

A Reforma Tributária do consumo, estabelecida pela Emenda Constitucional nº 132/2023, introduziu alterações estruturais no sistema tributário brasileiro, com a substituição do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) pela Contribuição sobre Bens e Serviços (CBS), em um modelo de Imposto sobre Valor Agregado (IVA dual). O objetivo foi analisar os impactos da extinção da sistemática monofásica na indústria farmacêutica, à luz do novo desenho normativo e de seus efeitos econômicos e jurídicos. Realizou-se pesquisa qualitativa, de natureza exploratória, por meio de estudo de caso e análise documental da legislação e da doutrina especializada. Examinou-se se o fim da monofasia implicaria aumento relevante da carga tributária para o setor. Os resultados indicaram que, embora a superação formal da sistemática monofásica tenha ocorrido, a desoneração material dos medicamentos foi preservada, sobretudo em razão da aplicação de alíquotas reduzidas de 60% e, em determinados casos, de alíquota zero do Imposto Sobre Bens e Serviços (IBS) e da CBS. A mudança de modelo pode provocar variações pontuais na arrecadação, sem caracterizar aumento estrutural da carga tributária, tendendo à neutralidade ao longo do tempo. Concluiu-se, preliminarmente, que a Reforma Tributária reorganizou a técnica de tributação na indústria farmacêutica, substituindo um regime concentrado por mecanismos mais transparentes de desoneração. Essa abordagem mostrou-se compatível com os princípios da neutralidade, da não cumulatividade plena e da extrafiscalidade, mantendo a proteção tributária aos medicamentos essenciais e alinhando a política fiscal ao direito fundamental à saúde.

Palavras-chave: CBS; COFINS; IBS; IVA Dual; PIS.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade