Resumen Ejecutivo

_{Autora: Dalciana Bressan Waller — Director: Eder Costa Cassettari}

^{Resumen elaborado por la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción.}

El objetivo de esta investigación fue investigar los patrones de gasto de los diputados federales brasileños con la Cuota para el Ejercicio de la Actividad Parlamentaria (CEAP), utilizando técnicas de clusterización no supervisadas para identificar agrupaciones. El estudio exploró una base de datos pública para verificar la existencia de comportamientos de gastos similares entre los parlamentarios, segmentándolos en grupos con perfiles de consumo distintos. El análisis pretende proporcionar un instrumento que contribuya a la fiscalización y la transparencia en el uso de recursos públicos, identificando tendencias generales y comportamientos atípicos que puedan merecer investigación.

La relevancia de este trabajo se inserta en la creciente demanda de transparencia gubernamental. La apertura de datos públicos permite que los ciudadanos ejerzan control social sobre sus representantes (Silva et al., 2014), fortaleciendo la participación cívica y la eficiencia de la gestión. Según informe del Tribunal de Cuentas de la Unión, la transparencia es una herramienta central en el combate a la corrupción, pues la publicidad de los actos administrativos inhibe prácticas ilícitas al exponer a los gestores al escrutinio público (TCU, 2018).

El parlamento brasileño ha evolucionado en la regulación y divulgación del uso de fondos públicos. Lemos y Joseph (2010) destacan que se implementaron medidas para otorgar mayor publicidad y rigor en el seguimiento de estos gastos. Entre las ayudas financieras, la Cuota para el Ejercicio de la Actividad Parlamentaria (CEAP), instituida en 2009, es uno de los principales mecanismos de financiación, cubriendo gastos como pasajes aéreos, mantenimiento de oficinas, alimentación, hospedaje, locomoción y divulgación de la actividad parlamentaria.

La transparencia en el uso de la CEAP fue formalizada por la Portaria 228/2014, que determinó la publicación de las facturas. El valor mensual de la cuota varía entre R$ 36 mil y R$ 51,4 mil por diputado, dependiendo del estado de origen para reflejar diferencias de costo, principalmente en desplazamiento. Una característica del reglamento es que el saldo no utilizado en algunas categorías puede acumularse a lo largo del año fiscal, influyendo en los patrones de gastos, mientras que otras categorías tienen límites mensuales rígidos y no acumulables.

La investigación aplica técnicas de análisis de datos para explorar la base de gastos de la CEAP, buscando patrones de consumo que permitan agrupar a los parlamentarios en clústeres. El uso de algoritmos de aprendizaje automático no supervisado, como la agrupación jerárquica y K-means, ofrece un enfoque objetivo para descubrir estructuras latentes en los datos. El estudio también verifica si las reglas actuales de la cuota pueden facilitar abusos o gastos de necesidad cuestionable, promoviendo la concienciación sobre el uso de recursos públicos.

El material de análisis consiste en bases de datos públicas sobre los gastos de la CEAP, del portal de datos abiertos de la Cámara de Diputados. Se utilizaron los archivos CSV de 2023, 2024 y 2025, de la 57ª legislatura. El conjunto de datos consolidado abarcó el período de 1º de febrero de 2023 a 30 de abril de 2025, totalizando 604.374 registros de gastos. La fecha de corte fue elegida para garantizar la completitud de los datos, considerando el plazo de 90 días para la presentación de comprobantes. Las variables centrales extraídas fueron nombre del parlamentario, partido, UF, descripción del gasto y valor neto.

La preparación de los datos implicó un tratamiento riguroso. Los campos monetarios se convirtieron a formato numérico. Para reducir la granularidad, la variable auxiliar macrocategorias agrupó descripciones detalladas en categorías más amplias, como “mantenimiento de oficina”, “combustibles y lubricantes” y “divulgación de la actividad parlamentaria”. Se incorporaron variables categóricas externas para enriquecer el perfil de los parlamentarios, como la reelección (catreeleicao) y la titularidad (catcargotitusup). La variable de tiempo numAnoMes_compet se creó para análisis temporales. Se optó por no aplicar actualización monetaria para simplificar el análisis comparativo en el corto período.

La metodología se basó en la agrupación no supervisada, adecuada para agrupar observaciones por similitudes intrínsecas sin una variable de respuesta predefinida (Fávero y Belfiore, 2017). La primera técnica fue la agrupación jerárquica, que construye una jerarquía de clusters representada por un dendrograma. Se probaron diferentes métricas de distancia (Euclidiana, Manhattan, Chebyshev) y métodos de encadenamiento (simple, completo, medio). La distancia Euclidiana mide la distancia lineal directa, mientras que la de Manhattan calcula la suma de las diferencias absolutas, ambas derivadas de la medida de disimilitud de Minkowski.

La segunda y principal técnica fue el algoritmo K-means, un método no jerárquico que particiona los datos en un número K de clústeres predefinido, minimizando la suma de las distancias cuadráticas intraclúster (WCSS). La elección del número ideal de clústeres (K) se orientó por el método del codo (“elbow method”) y el método de la silueta, que mide la cohesión y separación de los clústeres. El procesamiento y la modelización se realizaron en Python, con el entorno Jupyter Notebook y las bibliotecas Pandas, Scikit-learn, Matplotlib y Seaborn.

El análisis exploratorio inicial no reveló anomalías temporales, con excepción de enero de 2023, último mes del mandato anterior. Se identificaron 623 nombres de diputados con gastos, número superior a los 513 elegidos debido a la actuación de suplentes. Geográficamente, diputados de São Paulo, Minas Gerais y Rio de Janeiro tuvieron los mayores volúmenes totales de gastos, como se esperaba por tener las mayores bancadas. Sin embargo, el análisis del gasto medio por parlamentario mostró que diputados de estados de la región Norte presentaron las medias más elevadas, posiblemente por mayores costos con desplazamiento aéreo.

La distribución de los gastos por categoría fue uno de los hallazgos más significativos. La partida “divulgación de la actividad parlamentaria” correspondió a casi el 40% del valor total gastado con la CEAP. El análisis temporal de esta categoría reveló una fuerte estacionalidad, con gastos que se intensifican en el segundo semestre de cada año. Este patrón es relevante porque, a diferencia de otras categorías, la divulgación parlamentaria no tiene un límite mensual de gastos. La ausencia de techo, combinada con la no acumulación de saldo entre ejercicios, puede incentivar la concentración de gastos al final del año, planteando interrogantes sobre su real necesidad. Esta preocupación ya fue señalada por el TCU (2019), que recomendó la revisión de las reglas para esta partida, sugiriendo la fijación de criterios y valores máximos.

La agrupación se realizó en tres etapas. En la primera, se utilizaron 21 variables de las categorías de gastos para los 623 parlamentarios, con baja colinealidad entre ellas. La agrupación jerárquica resultó en dendrogramas ilegibles, una limitación común en grandes conjuntos de datos, como señala Noble. El intento con K-means también fue infructuoso: los métodos del codo y de la silueta no indicaron un número claro de clústeres. El análisis de varianza (ANOVA) mostró que la mayoría de las variables eran significativas, pero la superposición de los grupos en gráficos 3D demostró la dificultad para separarlos basándose en un conjunto tan amplio de variables.

En la segunda etapa, el enfoque se refinó, centrándose en las seis categorías de mayor representatividad financiera: divulgación de la actividad parlamentaria, pasajes aéreos, alquiler de vehículos, mantenimiento de oficinas, combustibles y alojamiento. Con este conjunto reducido, los resultados fueron más prometedores. El método del codo y el análisis de la silueta sugirieron un número óptimo entre 3 y 5 clusters. Optando por 5 clusters, el ANOVA confirmó la relevancia de todas las seis variables, siendo “divulgación de la actividad parlamentaria” la más discriminante (mayor estadística F). La visualización 3D mostró una separación más nítida, aunque con alguna superposición. Fue posible identificar un cluster (Cluster 4) con gastos elevados en divulgación y pasajes, y otro (Cluster 3) con gastos más contenidos, compuesto mayoritariamente por suplentes y diputados en primer mandato.

La tercera etapa adoptó una nueva perspectiva, utilizando como variables los valores medios mensuales de gastos en las mismas seis categorías, ponderados por el número de meses en ejercicio para normalizar los datos. Nuevamente, el método del codo indicó de 3 a 5 clusters. La aplicación del K-means con 5 clusters reveló un resultado interesante: la formación de un cluster (Cluster 4) con solo tres parlamentarios. El análisis de los centroides mostró que estos individuos presentaban un patrón de gastos medios mensuales significativamente superior al de los demás, caracterizándolos como outliers. Según Fávero y Belfiore (2017), la sensibilidad del K-means a outliers puede llevar a la formación de clusters individuales, y la identificación de estos puntos atípicos es un resultado valioso, ya que apunta a comportamientos que se apartan de la norma y pueden justificar una auditoría.

El análisis general de los resultados de la clusterización indica que, si bien los patrones de gasto son en gran medida homogéneos, la aplicación de técnicas de segmentación permite identificar perfiles de consumo distintos. La dificultad inicial para formar clusters con muchas variables sugiere que los gastos menores siguen un patrón similar entre los parlamentarios. Sin embargo, al centrarse en las categorías de mayor impacto financiero, especialmente “divulgación de la actividad parlamentaria”, fue posible agrupar a los diputados de manera más coherente. La identificación de un pequeño grupo con gastos medios muy por encima de la media en la tercera etapa refuerza el potencial de la metodología como herramienta de fiscalización para destacar casos que requieren un mayor escrutinio.

El estudio demostró que la aplicación de aprendizaje automático no supervisado en datos públicos de gastos parlamentarios es un enfoque viable para promover la transparencia. El análisis reveló que la “divulgación de la actividad parlamentaria” es el principal factor de diferenciación en los patrones de gasto y, debido a su regulación flexible, representa un área de potencial vulnerabilidad. Las limitaciones del estudio incluyen el número relativamente pequeño de observaciones (diputados), lo que puede superarse en trabajos futuros con la inclusión de datos de legislaturas anteriores. Las sugerencias para investigaciones futuras incluyen la aplicación de algoritmos más robustos a valores atípicos como el K-means++, el análisis de anomalías en la base de datos granular y la investigación de los CNPJ de los proveedores.

El análisis demuestra la utilidad de las técnicas de clusterización para la fiscalización de gastos públicos, ofreciendo un camino para mejorar la transparencia y el control social. La capacidad de segmentar e identificar patrones y valores atípicos en grandes volúmenes de datos gubernamentales representa un avance para la auditoría y la rendición de cuentas. Se concluye que el objetivo se alcanzó: se demostró que, aunque los patrones generales de gasto son homogéneos, el análisis segmentado mediante clusterización permite identificar perfiles específicos de consumo y valores atípicos que pueden respaldar acciones de control y transparencia.

Referencias:
_{Cámara de Diputados Asesoría de prensa. Guía para periodistas sobre Cuotas parlamentarias. Disponible en <https://www2. camara. leg. br/comunicacao/assessoria-de-imprensa/guia-para-jornalistas/cota-parlamentar>. Acceso el 31 de mayo de 2025.
Cámara de Diputados. Asesoría de prensa. Guía para periodistas sobre la Cámara de Diputados. Disponible en <https://www2. camara. leg. br/comunicacao/assessoria-de-imprensa/guia-para-jornalistas/camara-dos-deputados>. Acceso el 16 de junio de 2025.
Cámara de Diputados. Asesoría de prensa sobre receso. Disponible en <https://www2. camara. leg. br/comunicacao/assessoria-de-imprensa/guia-para-jornalistas/recesso-dos-deputados>. Acceso el 19 de julio de 2025.
Cámara de Diputados. Cuota para el Ejercicio de la Actividad Parlamentaria (Ceap). Disponible en <https://www2. camara. leg. br/a-camara/documentos-e-pesquisa/arquivo/sites-tematicos/57a-legislatura/no-exercicio-do-mandato/cota-para-o-exercicio-da-atividade-parlamentar-ceap>. Accedido el 2 de septiembre de 2025.
Cámara de Diputados. Datos abiertos. Sesión Gastos por la Cuota para Ejercicio de la Actividad Parlamentaria. Disponible en <https://dadosabertos. camara. leg. br/swagger/api. html? tab=staticfile>. Primer acceso el 10 de mayo de 2025 y segundo acceso el 2 de septiembre de 2025.
Cámara de Diputados. Gastos parlamentarios. Disponible en <https://www. camara. leg. br/transparencia/gastos-parlamentares/>. Acceso el 2 de mayo de 2025.
Cámara de Diputados. Preguntas frecuentes sobre diputados y sus mandatos. Disponible en <https://www2. camara. leg. br/transparencia/acesso-a-informacao/copyofperguntas-frequentes/deputados>. Acceso el 2 de septiembre de 2025.
Cámara de Diputados. Portaria Nº 228, de 18/06/2014. Disponible en <https://www2. camara. leg. br/legin/int/portar/2014/portaria-228-18-junho-2014-779144-publicacaooriginal-144692-cd-dg. html>. Acceso el 16 de junio de 2025.
Cámara de Diputados. Resultado de los diputados electos (titulares) para la 57a legislatura. Disponible en <https://www. camara. leg. br/internet/agencia/infograficos-html5/tabelasEleicoes/deputados-eleitos-estado/index. html>. Acceso el 20 de julio de 2025.
Cámara de Diputados. Resultado de los diputados reelegidos para la 57a legislatura. Disponible en <https://www. camara. leg. br/noticias/912220-reeleicao-na-camara-alcanca-57-veja-quais-deputados-foram-reeleitos/>. Acceso el 5 de julio de 2025.
Cámara de Diputados. Significado de las columnas de la base de gastos parlamentarios. <https://dadosabertos. camara. leg. br/howtouse/2023-12-26-dados-ceap. html>. Acceso el 2 de mayo de 2025.
Fávero, L. P.; Belfiore, P. Manual de análisis de datos: estadística y modelado multivariante con Excel, SPSS y Stata. Río de Janeiro: Elsevier, 2017. Acceso el 7 de junio de 2025.
Lemos, L.; Joseph, R. 2010. Parliamentarians’ Expenses Recent Reforms: a briefing on Australia, Canada, United Kingdom and Brazil. Global Economic Governance Programme- GEG Working Paper 2010/57. Disponible en <https://www. geg. ox. ac. uk/sites/default/files/Lemos%20JosephGEG%20WP%20201057. pdf>. Acceso el 15 de junio de 2025.
Noble, J. Cómo funciona el agrupamiento jerárquico. Disponible en <https://www. ibm. com/br-pt/think/topics/hierarchical-clustering> Acceso el 17 de agosto de 2025.
Silva, C. F.; Santos, E. M. F.; Chaves, M. C.; Vaz, W; Balaniuk;. R. Datos abiertos: una estrategia para el aumento de la transparencia y modernización de la gestión pública. Revista del TCU, Brasília, n. 131, p. p. 22–29, 2014. Disponible en: <https://revista. tcu. gov. br/ojs/index. php/RTCU/article/view/59> Acceso el 14 de junio de 2025.
Tribunal de Cuentas de la Unión. 2018. Informe sistémico sobre Transparencia Pública. Disponible en: <https://portal. tcu. gov. br/data/files/16/63/C5/6F/46A1F6107AD96FE6F18818A8/Fisc_Transparencia. pdf>. Acceso el 15 de junio de 2025.
Tribunal de Cuentas de la Unión. 2019. Acórdão 3048/2019 – Plenário. Disponible en <https://pesquisa. apps. tcu. gov. br//acordao-completo/Ac%25C3%25B3rd%25C3%25A3o%25203048%252F2019%2520/%2520/DTRELEVANCIA%2520desc%252C%2520NUMACORDAOINT%2520desc/0/%2520>. Accedido el 30 de junio de 2025.}

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

_{Más información sobre el curso; haga clic aquí:}