1 INTRODUÇÃO
As Instituições
Federais de Ensino (IFEs) passaram por transformações significativas nas últimas décadas,
impulsionadas pelo Decreto
nº 6.096/2007 (BRASIL, 2007), que instituiu o Programa de Apoio a Planos de Reestruturação
e Expansão das Universidades Federais (REUNI). Esse programa buscou ampliar o acesso
e a permanência estudantil na educação superior, tendo como metas
a expansão da oferta de vagas em cursos de graduação, especialmente no período noturno, a redução da evasão estudantil, o fortalecimento da estrutura física das instituições bem como a
adoção de modelos acadêmicos inovadores.
Para atender a
essas metas, as universidades que aderiram ao programa ampliaram significativamente suas estruturas, contrataram mais professores e abriram novos cursos. No entanto,
mudanças na política econômica nos anos seguintes resultaram em restrições
financeiras, orçamentárias e de pessoal, comprometendo a sustentabilidade desse
crescimento.
Entre as
limitações financeiras e orçamentárias, ressalta-se o contingenciamento e os
cortes no orçamento, com destaque para a Emenda Constitucional nº 95/2016 (BRASIL,
2016), que instituiu o novo regime
fiscal no âmbito dos orçamentos fiscal
e da seguridade social da União, em vigor por vinte anos. Esse contingenciamento
limitou o crescimento dos investimentos públicos e restringiu o aumento das
despesas com educação, comprometendo o custeio e a manutenção da expansão.
Destacam-se também a Lei de Diretrizes Orçamentárias (LDO) e a Lei Orçamentária Anual (LOA), que, a partir de 2017, reduziram os recursos
discricionários, afetando projetos de infraestrutura, pesquisa e assistência
estudantil.
A limitação de
pessoal prejudicou o crescimento das universidades devido à impossibilidade de
contratação de mais servidores docentes e técnico-administrativos limitados
pela contenção fiscal. O Decreto nº 7.232/2010 (BRASIL, 2010) estabeleceu o
Quadro de Referência dos Servidores Técnico-Administrativos (QRSTA), mas
limitou a reposição dos cargos de nível operacional e em extinção, dificultando
a renovação da força de trabalho qualificada. Ressalta-se também o Decreto nº
9.262/2018 (Brasil, 2018) que extinguiu milhares de cargos técnico-administrativos,
impactando a gestão e o suporte acadêmico
nas universidades além da
alteração do sistema
de previdência social
estabelecendo novas regras de transição.
Ressalta-se
também a implementação do Sistema de Seleção Unificada (SISU), que ampliou a oferta de vagas nas instituições, facilitando o acesso ao ensino superior público.
A legislação relacionada ao SISU inclui
também a Lei nº 12.711/2012
(BRASIL, 2012), conhecida como Lei de Cotas, que determina a reserva de vagas para estudantes de escolas públicas, de baixa renda,
negros, pardos, indígenas e pessoas com deficiência.
Somado a esse
contexto, a reforma administrativa, aliada à reforma da previdência, resultou
em um aumento expressivo no número de aposentadorias, reduzindo a força de
trabalho nas instituições. Ademais, observa-se um contingente significativo de
servidores que já cumpriram os requisitos para aposentadoria, o que implica a
possibilidade de desligamentos imediatos, agravando os desafios relacionados à
gestão de pessoal e à continuidade das atividades institucionais.
Diante disso,
para aumentar a eficiência dos processos de controle e gestão, torna-se
necessária a implementação e uso de tecnologias da informação
que, por meio da consolidação de bases de dados primárias, permitam a
construção e a geração de indicadores na área de gestão e desenvolvimento de pessoal. Conforme destacado por Assis
(2014), é essencial que qualquer instituição realize medições para alcançar seus
objetivos. Emerge, assim, a necessidade de implementar tecnologias da
informação que deem suporte aos processos de planejamento e controle da gestão
de mão de obra, ao seu redimensionamento decorrente dos processos de
aposentadoria e da dificuldade de reposição de determinados cargos.
Diante desses
desafios, observa-se a crescente adoção de ferramentas de Business Intelligence
em universidades, devido a entrega de dados analíticos aos gestores para
auxiliar no processo decisório. Medina et al. (2018) exploraram o uso do conceito
de Business Intelligence em uma universidade chilena por meio do
desenvolvimento de um Data Mart voltado à obtenção de indicadores de produtividade
acadêmica, com o objetivo de apoiar decisões estratégicas. O processo de
construção do Data Mart seguiu etapas específicas, incluindo análise, projeto conceitual
de modelo multidimensional (MM), processo ETL acrescido da etapa de Validação (ETL
+ V), e processamento analítico. Foram criados dois Data Marts: um contendo indicadores
relacionados à produtividade dos professores e outro voltado para indicadores
de produtividade científica. Para o processo ETL, foi empregada a ferramenta Pentaho
Data Integration (PDI), enquanto o Qlikview foi utilizado na etapa OLAP. Como resultado,
foi desenvolvida uma plataforma de inteligência de negócios capaz de apoiar a tomada
de decisões estratégicas de maneira eficaz.
Em trabalho
voltado para a implementação de Business Intelligence na área de ensino do
Instituto Federal da Bahia, de Souza Barreto e Freitas (2020), ressaltaram a
importância dos indicadores como ferramenta essencial para a avaliação do desempenho
das instituições de ensino. O estudo teve como foco a identificação dos
principais indicadores educacionais da instituição e suas aplicações, propondo
uma solução de Business Intelligence baseada na utilização do Power BI, plataforma
da Microsoft. Essa proposta visa à extração de microdados a partir dos sistemas
acadêmico e administrativo da instituição, com o propósito de gerar indicadores
estratégicos que apoiem decisões relacionadas à gestão e ao acompanhamento da
vida acadêmica.
De acordo com Souza
(2021), foi desenvolvido um Data Mart utilizando o processo de Business
Intelligence, com o uso exclusivo de ferramentas open source, na gestão de pessoas
da Universidade Federal de Viçosa (UFV), com o objetivo de gerar relatórios
quantitativos sobre os servidores da instituição relacionados aos cargos. Os dados
apontaram que, em 2021, dos 3.242 servidores ativos, cerca de 32% ocupavam
cargos classificados como "extintos" (sem possibilidade de reposição via
concurso público) ou "vedados" (com concursos suspensos). Essa
realidade é preocupante, pois impossibilita a reposição de servidores por meio
de concursos, comprometendo a manutenção das atividades institucionais e a força
de trabalho necessária para o funcionamento adequado da universidade.
Nesse contexto,
conforme Da Silva Souza et al. (2021a), “Uma solução para medir e gerar
indicadores de desempenho é a utilização do conceito de Business Intelligence que
agrupa ferramentas inteligentes gerando informações precisas e sólidas que auxiliem
no processo de gestão”. Conforme Rob e Coronel (2010), Business Intelligence é
“um conceito amplo, coeso e integrado de ferramentas e processos para captar, coletar,
integrar, armazenar e analisar dados para transformá-los em informações que deem
suporte à tomada de decisões de negócio”. Esse conceito ressalta a importância
da integração e análise dos dados por meio de ferramentas tecnológicas,
possibilitando uma gestão mais eficiente e alinhada às necessidades
institucionais.
Dessa forma, as
Instituições Federais de Ensino (IFEs), com destaque para o setor de gestão de
pessoas da Universidade Federal de Viçosa (UFV), enfrentam o desafio de
incorporar tecnologias da informação capazes de subsidiar o processo decisório,
sobretudo no planejamento das futuras aposentadorias de seus servidores. A
adoção dessas tecnologias permite analisar detalhadamente os dados do quadro
ativo, identificar perfis elegíveis à aposentadoria e projetar cenários de
vacância com base nos critérios definidos pela Emenda Constitucional nº
103/2019 (BRASIL, 2019).
Antes da
implementação dessa solução, entretanto, a Pró-Reitoria de Gestão de Pessoas
(PGP) da UFV não dispunha de instrumentos de gestão integrados que possibilitassem
uma visão consolidada, atualizada e preditiva do seu quadro funcional. As
informações sobre aposentadorias e abono de permanência - benefício concedido a
servidores públicos que, mesmo após preencherem os requisitos para aposentadoria
voluntária, optam por permanecer em atividade, recebendo valor equivalente à
contribuição previdenciária - encontravam-se dispersas em diferentes sistemas
administrativos, exigindo consultas manuais, demoradas e suscetíveis a
inconsistências. Essa fragmentação comprometia o planejamento de pessoal, dificultava
a elaboração de projeções e limitava a capacidade institucional de antecipar
cenários críticos. Nesse contexto, o desenvolvimento do processo de Business
Intelligence surgiu como resposta estratégica a essa lacuna, ao consolidar
múltiplas bases de dados e oferecer uma visão analítica integrada, precisa e
dinâmica da força de trabalho da instituição.
Este artigo
propõe o uso de ferramentas open source aplicadas ao processo de Business
Intelligence para a implementação de um Data Mart voltado às projeções de
futuras aposentadorias dos servidores nos próximos cinco anos. A seleção e o
uso de diversas soluções tecnológicas para a integração de dados provenientes de
múltiplas fontes serão essenciais para a elaboração de relatórios gerenciais,
seja em tempo real ou organizados por períodos específicos. Esses relatórios
proporcionarão o fornecimento contínuo de informações integradas, tanto
quantitativas quanto qualitativas, garantindo a rapidez e a flexibilidade
necessárias à gestão dos processos relacionados ao controle, movimentação e
desenvolvimento de pessoal na Instituição.
2 REFERENCIAL TEÓRICO
Nas seções
seguintes, são discutidos os principais fundamentos teóricos necessários para compreender a importância do desenvolvimento de ferramentas
específicas voltadas ao setor público, com ênfase na Governança Pública, na
Gestão de Pessoas nas Instituições Federais de Ensino (IFEs), no Business Intelligence e nas Limitações e
Desafios do uso dessa tecnologia na Administração Pública.
2.1
Governança Pública
e Gestão de Pessoas nas IFEs
A administração
pública, conforme disposto no Decreto-Lei nº 200 (BRASIL, 1967), compreende a administração direta e a indireta. A primeira é constituída pelos serviços integrados à
estrutura administrativa da Presidência da República e dos ministérios,
enquanto a segunda abrange entidades com personalidade jurídica própria, como
autarquias, empresas públicas, sociedades de economia mista e fundações
públicas.
De acordo
com o texto constitucional, a administração pública
direta e indireta deve obedecer aos princípios da legalidade, impessoalidade, moralidade, publicidade e
eficiência, além dos princípios de acessibilidade e investidura em cargo ou
emprego público, mediante aprovação prévia em concurso público, conforme sua natureza e complexidade, na forma prevista
em lei.
Destacam-se também
as legislações específicas, como a Lei Complementar
nº 131/2009 (BRASIL. 2009), que estabelece a obrigatoriedade de disponibilizar,
em tempo real, informações detalhadas, sobre a execução orçamentária e
financeira dos entes federados e a Lei nº 13.709/2018 (BRASIL, 2018), a Lei
Geral de Proteção de Dados (LGPD), que regulamenta o uso, proteção e
transferência de dados pessoais, assegurando direitos e garantias dos cidadãos.
Desde a década
de 1980, segundo Secchi (2009), diversas mudanças vêm sendo implementadas na
gestão pública, com o objetivo de modernizar a administração e aprimorar a qualidade dos serviços oferecidos, influenciadas por práticas e modelos do setor privado.
Dentre essas mudanças,
destaca-se a gestão de
pessoas, definida por Terabe e Bergue (2014) como o esforço de articular estratégias para o suprimento, a manutenção e o desenvolvimento de pessoas, considerando os valores culturais e as condições
específicas do contexto organizacional.
Para Oliveira
Menon e Delcidio
(2020) em uma entidade pública,
a gestão de pessoas
exige uma abordagem única, alinhada com
os princípios fundamentais da legislação, como
legalidade, impessoalidade, moralidade, publicidade e eficiência, que formam a
base da cidadania e dos serviços públicos. Diante desses princípios,
assegura-se decisões ágeis e fundamentadas na legislação vigente.
Ressalta-se,
neste aspecto, a Reforma da Previdência e o estabelecimento das regras de
transição pela Emenda Constitucional nº 103/2019 (BRASIL, 2019) demandando dos
setores de gestão de pessoas a implementação de novas ferramentas para análise
de cenários e planejamento estratégico, especialmente em um contexto de aumento de vacâncias e limitações legais para
reposição de pessoal.
A Reforma da Previdência
introduziu mudanças significativas nas regras de aposentadoria dos servidores públicos.
Para servidores efetivos da União, a aposentadoria é regulamentada pelo Regime
Próprio de Previdência Social (RPPS) e pode ocorrer de forma voluntária com proventos
integrais, voluntária com proventos proporcionais ao tempo de serviço, ou compulsória
aos 75 anos.
A Emenda
Constitucional nº 103/2019 (BRASIL, 2019), estabeleceu idade mínima de 65 anos para homens e 62 anos para mulheres,
além de 25 anos de tempo de contribuição, sendo necessário 10 anos
de serviço público e 5 anos no cargo efetivo.
Regras diferenciadas foram
criadas para servidores expostos a condições insalubres, com idade mínima de 60 anos e 25 anos de contribuição. Também foram instituídas
regras de transição, como a pontuação 86/96, que permite a aposentadoria voluntária para mulheres
aos 56 anos de idade
e 30 anos de contribuição, e
para homens aos 61 anos de idade e 35 anos de contribuição, com exigência de 20
anos de serviço público e 5 anos no cargo efetivo. A pontuação aumenta
anualmente até atingir
100 pontos para mulheres
e 105 para homens. Essas mudanças reforçam a necessidade de ferramentas de
simulação e projeção, capazes de auxiliar no planejamento das vacâncias e na
continuidade dos serviços públicos, seja por meio de servidores efetivos ou terceirizados.
Neste contexto,
Assis (2014) destaca a relevância de que a administração pública empregue variados
tipos de indicadores para mensuração e análise. A observação do comportamento dos dados, a partir de cenários variados
e da combinação de diferentes métricas, possibilita aos gestores
antecipar ou reavaliar situações, permitindo a realização de ajustes
necessários e, consequentemente, promovendo uma utilização mais eficiente dos
recursos públicos.
Diante do
cenário apresentado, é evidente que a modernização e a inovação na gestão de
pessoas são fundamentais para o fortalecimento da governança pública,
especialmente nas Instituições Federais de Ensino. A utilização de sistemas integrados, a análise estratégica e o cumprimento dos princípios constitucionais são pilares que contribuem para o desenvolvimento de uma administração
pública mais eficiente e transparente.
2.2
Business Intelligence
Business Intelligence é um conjunto de tecnologias amplo,
coeso e integrado de ferramentas e processos utilizados para dar suporte
à tomada de decisão (Da Silva Souza et al., 2021a). Atualmente, qualquer
organização necessita de informações precisas que podem ser obtidas a partir de
Business Intelligence.
Primak (2008,
p. 5), afirma que Business Intelligence é
“um processo inteligente de coleta, organização, análise, compartilhamento e
monitoração de dados contidos em Data
Warehouse (DW) e/ou Data Mart (DM),
gerando informações para suporte à tomada de decisões no ambiente de negócios”.
Conforme
Coronel e Morris (2016), a Figura 1 demonstra a arquitetura do processo do Business Intelligence.
Figura 1 - Arquitetura do Business Intelligence
Fonte: Coronel
e Morris (2016)
Segundo Primak
(2008), a arquitetura do Business
Intelligence é estruturada em quatro componentes principais: Dados
Operacionais, Processo ETL (Extract,
Transform, Load), Data Warehouse (DW)
e On-Line Analytical Processing (OLAP).
Cada um desses elementos desempenha um papel fundamental para assegurar a
coleta, o armazenamento e a análise eficiente dos dados, possibilitando a
geração de insights estratégicos para as organizações.
O mesmo autor
define que os Dados Operacionais abrangem tanto as fontes internas — que
consistem nos sistemas e registros corporativos — quanto as fontes externas,
que incluem informações provenientes de outras entidades. Essas fontes são
essenciais, pois fornecem as informações brutas que serão processadas ao longo
do sistema de Business Intelligence.
Da Silva Souza et al. (2021b), definem que o processo
ETL representa uma etapa crítica da arquitetura, composta por três fases principais: a extração dos dados de diversas fontes;
a transformação desses dados para garantir sua consistência, integridade e conformidade com os padrões estabelecidos; e, por fim,
a carga das informações
tratadas no DW. Esse processo assegura que os dados estejam organizados e preparados para análises posteriores, garantindo sua qualidade e relevância.
Machado (2007),
afirma que o DW é a base de armazenamento centralizada onde os dados integrados
e consolidados são mantidos. Trata-se de um repositório que suporta consultas e análises
complexas, oferecendo uma visão ampla
e histórica das informações
da organização. O DW é estruturado para facilitar o acesso rápido
e eficiente aos dados, sendo
otimizado para suportar
grandes volumes de informações.
De acordo
com Inmon (1997),
o DW é definido como "um conjunto
de dados baseado em assuntos,
integrado, não volátil e variável em relação ao tempo, projetado para apoiar a
tomada de decisões gerenciais".
Conforme Primak
(2008), o DW é formado
pela combinação de diversos Data
Marts, que são responsáveis por armazenar informações específicas de setores organizacionais. Esses
Data Marts desempenham um papel fundamental no suporte às
decisões estratégicas, além de serem caracterizados por custos reduzidos e
implementação ágil.
Por fim, no
ambiente de OLAP, os dados multidimensionais são disponibilizados aos usuários
finais de forma acessível, por meio de relatórios apresentados em formatos como
gráficos, tabelas e mapas, facilitando a visualização e a análise de
informações estratégicas.
2.3
Limitações e Desafios do Uso do Business Intelligence na Administração
Pública
A adoção de
ferramentas de Business Intelligence e
Analytics no setor público depende
menos de infraestrutura tecnológica e mais da consolidação de uma cultura
organizacional orientada para o uso estratégico dos dados, com apoio
institucional e engajamento dos gestores (ESPEGREN, 2025). O fortalecimento
dessa cultura é essencial para que a análise de dados deixe de ser uma atividade isolada e passe
a integrar de forma contínua os processos de
planejamento e gestão de pessoas na administração pública.
Entre os
desafios mais recorrentes, destaca-se a governança de dados, compreendida, conforme
Bernardo et al. (2024),
como o conjunto de políticas, processos e responsabilidades
voltados a assegurar a disponibilidade, integridade, segurança e
rastreabilidade das informações. A ausência de estruturas de data governance bem definidas gera
inconsistências e retrabalhos, reduzindo a confiabilidade das análises e
comprometendo o uso estratégico das ferramentas de Business Intelligence. As organizações — especialmente as públicas
— ainda carecem de práticas sistemáticas de qualidade e monitoramento dos
dados, capazes de garantir padrões mínimos de consistência e confiabilidade nas
bases utilizadas para fins decisórios.
Além das
limitações técnicas, persistem barreiras organizacionais e comportamentais que
dificultam a consolidação do Business
Intelligence na administração pública. Conforme Takawira et al. (2024), a resistência à mudança,
a falta de capacitação analítica e a ausência de liderança comprometida com o
uso de dados são fatores que reduzem o impacto das iniciativas de analytics
nas organizações públicas.
Os autores ressaltam
que a tecnologia, por si só, não gera valor, sendo
indispensável um ambiente institucional favorável, pautado
pela comunicação interna, pelo incentivo à aprendizagem contínua e pelo
alinhamento entre tecnologia, estratégia e gestão de pessoas. Assim, a
maturidade analítica depende menos da disponibilidade de sistemas e mais do fortalecimento da liderança e da cultura organizacional orientada ao uso
estratégico da informação para a tomada de decisão.
Em âmbito
internacional, Hmoud et al. (2023)
analisaram fatores que influenciam a adoção do Business Intelligence em instituições de ensino superior públicas e
privadas da Jordânia, com base no modelo Technology–
Organization–Environment (TOE). O estudo identificou que o sucesso na
implementação dessa tecnologia depende menos de fatores externos e mais de
elementos internos, como a cultura informacional, o apoio da alta gestão, a
qualidade dos dados e o preparo organizacional. Os autores destacam que a
complexidade tecnológica e a dificuldade de integração entre sistemas
constituem os principais entraves à sua adoção, reforçando que a maturidade
analítica institucional está diretamente relacionada à eficiência da governança
de dados e ao fortalecimento de uma cultura orientada pelo uso estratégico da
informação.
Outro aspecto
relevante refere-se às questões éticas e legais associadas ao tratamento e à
utilização de dados no contexto do Business
Intelligence aplicado à administração pública. O uso de informações
funcionais e previdenciárias requer políticas rigorosas de segurança,
anonimização e acesso controlado, além de práticas transparentes de gestão de dados
que assegurem o cumprimento dos princípios de finalidade, necessidade e proporcionalidade, conforme
estabelece a Lei nº 13.709/2018 (Lei Geral de Proteção de Dados – LGPD). A
ausência de mecanismos de accountability e
de transparência na gestão dos dados, como destacam Cerrillo-Martínez e
Casadesús-de-Mingo (2021), pode comprometer a confiança dos gestores e da
sociedade, reduzindo a legitimidade das decisões baseadas
em dados. Assim,
a consolidação do Business
Intelligence na gestão pública requer não apenas governança e cultura analítica, mas também comprometimento ético e normativo na coleta, tratamento e
interpretação das informações utilizadas para fins estratégicos e decisórios.
Por fim,
ressalta-se que a consolidação do Business
Intelligence como instrumento de governança pública não depende apenas de
investimentos em infraestrutura tecnológica, mas sobretudo da maturidade
institucional e da adoção de uma cultura organizacional orientada por
evidências. Conforme Davenport e Harris (2017), o verdadeiro valor do Business
Intelligence não reside apenas nas ferramentas tecnológicas, mas na
capacidade institucional de integrar tecnologia, pessoas e processos sob uma
cultura organizacional orientada por evidências e orientada por princípios
éticos de gestão da informação. Assim, o desenvolvimento de competências
analíticas, a institucionalização de políticas de governança de dados e o
comprometimento dos gestores com a transparência são condições essenciais para
que as organizações públicas consigam transformar dados em conhecimento,
conhecimento em inteligência e inteligência em decisões efetivas, sustentáveis
e socialmente legítimas.
3 METODOLOGIA
Nesta pesquisa,
foram utilizados dados institucionais fornecidos pela Pró-Reitoria de Gestão de Pessoas (PGP) da UFV, abrangendo informações sobre os servidores ativos no mês de janeiro de 2025. O
principal objetivo foi calcular o número de servidores que poderão solicitar
o abono de permanência nos próximos
cinco anos. Ressalta-se que a concessão desse benefício não implica, necessariamente, na saída desses servidores da instituição, mas sim
no reconhecimento de seu direito
ao referido benefício, conforme as condições estabelecidas. O desenvolvimento metodológico seguiu o fluxograma apresentado na Figura 1, que orienta as etapas de extração,
transformação e carga dos dados utilizados na pesquisa.
A modelagem do
processo Business Intelligence foi
realizada com a ferramenta StarUML 5.0,
uma solução open source. Após a
instalação, a ferramenta foi customizada para a modelagem de dados espaciais, utilizando o
modelo UML GeoProfile (Lisboa Filho, et al., 2010).
Para o processo ETL,
foi empregada a ferramenta Pentaho Data Integration
(PDI), versão 8.3,
seguindo metodologias consagradas de Inmon (1997),
Kimball (1998), de Barros et al.
(2022) e Da Silva Souza et al.
(2021b). Essa ferramenta, também de código aberto, oferece flexibilidade para
se conectar a diferentes Sistemas Gerenciadores de Banco de Dados (SGBDs). O
banco de dados multidimensional escolhido foi o PostgreSQL, versão 12.3, uma solução open source amplamente reconhecida por sua robustez, confiabilidade
e desempenho na gestão de grandes volumes de dados.
Os resultados
da pesquisa foram apresentados por meio de dashboards
desenvolvidos na ferramenta Pentaho CDE,
versão 8.3. Todas as implementações foram realizadas em um
ambiente configurado com o Sistema Operacional Linux Ubuntu 20.4.
A modelagem
multidimensional é ilustrada na Figura 2, com o diagrama UML apresentando uma
tabela Fato no centro "Fato Faixa Etaria Tempo", conectada a dez tabelas
de dimensões (Prefixo DIM) que são:
DIM_Cargo_Status; Status_Tempo; Funcionario; Faixa_Etaria; Servidor;
Cargo; lotacao; Sexo; Campus (representação espacial pontual); e Tempo. Além
disso, a Tabela DIM_Historico_Averbacao ligada diretamente a DIM_Funcionario.
Figura 2 - Modelagem Multidimensional
Fonte: Autores
(2025)
Para realizar
a carga na tabela Fato_Faixa_Etaria_Tempo, foram
criadas 11 tabelas temporárias dimensões (prefixo STG),
definidas como: STG_Servidor; Cargo; Cargo_Status; Lotacao; Funcionario; Historico_Averbacao; Campus;
Sexo; Faixa_Etaria; Status_Tempo; e Tempo. As Tabelas STG_Cargo,
STG_Historico_Averbacao, STG_Lotacao, STG_Funcionario foram conectadas
diretamente às bases de dados da PGP, enquanto as demais tabelas foram
alimentadas a partir de arquivos externos nos formatos CSV e TXT.
Os detalhes
técnicos referentes à estrutura de dados, rotinas de transformação e processos
automatizados de carga encontram-se descritos no Apêndice A – Detalhamento Técnico do Processo ETL.
4 RESULTADOS
A implementação do processo de Business Intelligence na
Instituição em estudo,
possibilitou a consolidação e a visualização de informações estratégicas a
partir dos dados obtidos na pesquisa. O acesso ao sistema é disponibilizado por meio de um link,
onde os gestores podem entrar
utilizando login e senha,
garantindo segurança e exclusividade na consulta às informações.
As Figuras
3, 4 e 5, apresentadas no Apêndice A, ilustram as etapas de extração, transformação e carga (ETL)
descritas nesta seção. A seguir, a Figura 6 apresenta a tela inicial
do sistema, oferecendo uma visão geral dos
3.058 servidores ativos nos três campi da UFV, detalhando sua distribuição por
gênero, campus, categorias de professores e técnico-administrativos, além de
disponibilizar informações sobre 458 servidores que recebem o abono de permanência.
Este fato indica que esses servidores possuem condições de se desligarem da Instituição a qualquer tempo
e representa um dado estratégico relevante para o
planejamento e a gestão institucional.
Figura 6 - Quantitativo Geral dos Servidores Ativos da UFV
Fonte: Autores
(2025)
Outras informações sobre os servidores aptos a solicitar aposentadoria nos próximos cinco anos, bem como sobre aqueles
que recebem o benefício de abono de permanência, são detalhadas na Figura 7. Também são
disponibilizados dois tipos de relatórios, nos formatos PDF e XLS: um
contendo informações dos servidores que não recebem o abono de permanência e
outro abrangendo todos os demais servidores. Esses relatórios fornecem uma
visão ampla e funcional, facilitando o planejamento e a gestão institucional.
Ambos os relatórios incluem os seguintes campos: Matrícula SIAPE, Nome, Data de
Aposentadoria, Cargo e Status do Cargo. Os dados são organizados e distribuídos em quantitativos projetados para os próximos
cinco anos, proporcionando uma
análise objetiva e detalhada das informações.
Adicionalmente,
na lateral direita da Figura 7, o ícone de lupa localizado no quadro 'Abono'
apresenta o número de servidores que recebem o abono de permanência. Essas
informações também podem
ser acessadas em formato
PDF, garantindo praticidade e uma visão consolidada, auxiliando no planejamento
institucional. O relatório fornece detalhes como Matrícula SIAPE, Nome, Idade,
Sexo, Cargo e Status do Cargo.
Na mesma
figura, é apresentado um gráfico de barras intitulado como "Projeção de
Aposentadoria Gênero", juntamente com uma tabela denominada "Projeção
de Aposentadoria por Situação do Cargo", ambos referentes aos próximos
cinco anos, desconsiderando os servidores que recebem o abono de permanência.
Figura 7 - Servidores que podem Solicitar Aposentadoria Próximos 5 anos
Fonte: Autores
(2025)
A análise
dos dados evidencia que os servidores em cargos classificados como "Extinto" e
"Vedado" representam aproximadamente 49% do total de 278 servidores que poderão solicitar
aposentadoria nesse período.
Isso demonstra uma tendência
preocupante de redução do quadro funcional em áreas estratégicas. Ressalta-se
que, caso esses servidores se aposentem, não será possível realizar
concursos para reposição desses cargos, o que pode impactar
significativamente a força de trabalho da instituição e comprometer a
continuidade das atividades institucionais.
Do total de 458
servidores beneficiários do abono de permanência, aproximadamente 68% ocupam
cargos classificados como "Vedado" ou "Extinto", categorias
nas quais não é permitido realizar concursos para reposição das vagas.
Consequentemente, a saída desses servidores resultará na perda permanente
dessas posições, representando um impacto significativo na força de trabalho da
UFV e exigindo a adoção de medidas de reestruturação para minimizar os efeitos
dessa redução.
À direita da
Figura 8, é apresentada uma tabela que combina os dados dos servidores aptos a
se aposentar nos próximos cinco anos com os que já recebem o benefício de abono
de permanência. Do total de 736 servidores, aproximadamente 60% ocupam cargos
classificados como "Extinto" ou "Vedado", o que significa que, caso esses
servidores se desliguem da instituição, suas vagas serão perdidas, resultando em
potencial sobrecarga para os servidores remanescentes e comprometendo a
continuidade das atividades institucionais.
Figura 8 - Servidores que já enquadram
nas regras de aposentadoria por status
de cargo
Fonte: Autores
(2025)
Na mesma tela,
encontra-se um mapa do OpenStreetMap, alimentado com dados do Nominatim (Figura
9), que exibe a localização dos três campi da UFV localizados em Viçosa (MG), Florestal
(MG) e Rio Paranaíba (MG). Ao clicar em um dos pontos no mapa, é exibida uma
nova tela contendo os quantitativos de servidores aptos a se aposentar nos
próximos cinco anos. Do total de 278 servidores, o Campus de Florestal conta
com 19 servidores que atendem aos critérios
para aposentadoria. No Campus de Rio Paranaíba, nenhum servidor se enquadra nos requisitos,
enquanto no Campus de Viçosa esse número sobe para
259 servidores. Estes dados
reforçam a necessidade de uma política
de gestão de pessoas
diferenciada entre os campi, considerando o impacto desigual das aposentadorias
previstas.
Por fim, o
mesmo dashboard apresenta a Figura
10, uma base concreta para a definição de estratégias de reposição e
reorganização da força de trabalho, alinhadas às restrições legais e às
necessidades institucionais, ao projetar os quantitativos de aposentadorias, sem levar em consideração os servidores que recebem abono
de permanência, classificados por cargo e status
dos cargos nos próximos quatro anos.
O
desenvolvimento do processo de Business Intelligence (BI) na Pró- Reitoria de
Gestão de Pessoas (PGP) da Universidade Federal de Viçosa (UFV) representou um
avanço significativo em termos de eficiência, integração e qualidade das
informações gerenciais. Antes da implantação do sistema, o acesso aos dados era
fragmentado e dependente da Diretoria de Tecnologia da Informação, exigindo
consultas manuais e demoradas, que frequentemente levavam dias para serem concluídas. Com a nova solução, esse processo passou a ocorrer de forma centralizada,
segura e imediata, por meio de um painel integrado com autenticação de usuário,
garantindo maior autonomia e rapidez na consulta às informações institucionais.
Figura 9 - Projeção
de Aposentadorias por Campus
Fonte: Autores
(2025)
O tempo de
geração de relatórios, anteriormente comprometido por procedimentos manuais
suscetíveis a erros, foi reduzido
de forma expressiva. Os relatórios passaram a ser
produzidos automaticamente em poucos segundos, com possibilidade de exportação em formatos PDF e XLS, otimizando o trabalho
das equipes e eliminando retrabalhos desnecessários.
No que se
refere à integração das bases de dados, a ausência de interoperabilidade entre o SIAPE e os sistemas internos
da PGP constituía um dos
principais entraves à gestão eficiente. Com o uso do processo ETL (Extract,
Transform, Load), foi possível padronizar, validar e auditar as informações,
garantindo consistência e integridade aos dados utilizados nas análises.
O planejamento
de aposentadorias, antes limitado pela falta de uma visão consolidada e
preditiva, foi aprimorado com a geração automática de projeções e com a
identificação dos servidores com direito ao abono de permanência. Esse novo
recurso permitiu aos gestores antecipar cenários de vacância e elaborar estratégias de reposição e capacitação com base em dados
reais e continuamente atualizados.
A tomada de
decisão, que antes se apoiava em planilhas fragmentadas e análises manuais,
passou a basear-se em painéis dinâmicos e indicadores estratégicos disponíveis
em tempo real, ampliando a agilidade, a precisão e a confiabilidade das
deliberações gerenciais.
Figura 10 - Cargos
classificados por Status
Cargos
Fonte: Autores
(2025)
5 CONCLUSÃO
A implementação
do processo de Business Intelligence na gestão de pessoas da UFV evidenciou o potencial estratégico dessa tecnologia para o planejamento de aposentadorias e a sustentabilidade da força de trabalho nas Instituições Federais de Ensino
(IFEs). A consolidação das bases de dados e a integração das informações antes
dispersas permitiram à instituição obter indicadores precisos e confiáveis
sobre o perfil dos servidores ativos, segmentados por status de cargo e
elegibilidade para aposentadoria, o que fortalece o planejamento institucional
e a tomada de decisões baseadas em evidências.
Os resultados revelaram um
contingente expressivo de servidores em condições de aposentadoria, o que
reforça a necessidade de políticas institucionais voltadas à gestão e ao
desenvolvimento de pessoas, com foco na substituição planejada, na
redistribuição de tarefas e na manutenção da eficiência operacional. No contexto das IFEs, marcadas por severas restrições à reposição de cargos
extintos ou vedados, a utilização do Business Intelligence torna-se um
instrumento essencial para antecipar cenários críticos e propor estratégias de mitigação dos impactos decorrentes da redução de
pessoal.
Outro aspecto
relevante do estudo é o uso exclusivo de ferramentas open source, o que elimina custos com
licenças de software e possibilita a replicação do modelo em outras instituições públicas, assegurando viabilidade econômica e autonomia
tecnológica. A integração entre o banco de dados do Sistema Integrado de
Administração de Recursos Humanos (SIAPE) e as bases internas da instituição
demonstrou flexibilidade e adaptabilidade do modelo proposto, além de reforçar
o alinhamento às políticas de transparência e governança de dados.
As ferramentas
de Business Intelligence desenvolvidas já se encontram em uso pela Pró-Reitoria
de Gestão de Pessoas (PGP), promovendo maior
agilidade na obtenção
de informações estratégicas, redução do tempo
de resposta e melhoria na qualidade das análises gerenciais. Essas
evidências confirmam que o Business Intelligence é uma solução de alto impacto
na administração pública, especialmente quando orientado por dados
institucionais de qualidade e pela necessidade de eficiência na gestão.
Por fim, os
ganhos em governança e transparência foram igualmente relevantes. A dificuldade
antes existente em consolidar e comunicar informações à alta gestão
foi superada com a disponibilização de indicadores
padronizados e acessíveis, os quais passaram a subsidiar a elaboração do Plano de Desenvolvimento Institucional (PDI) e outros
relatórios estratégicos da
universidade. Dessa forma, o Business Intelligence consolidou-se como
ferramenta essencial para a modernização da gestão pública, promovendo decisões
fundamentadas em evidências e fortalecendo a cultura institucional de planejamento e responsabilidade administrativa. Além disso, o modelo pode ser
adotado por outras
instituições públicas, promovendo uma cultura de gestão
orientada por dados, ética e responsabilidade institucional.
Como
continuidade da pesquisa, recomenda-se a ampliação do Data Mart com novas dimensões analíticas relacionadas à
capacitação, progressão funcional e movimentação interna de servidores. Essa
evolução permitirá análises ainda mais abrangentes sobre desenvolvimento de
capital humano e sustentabilidade da força de trabalho, fortalecendo o papel do
Business Intelligence como instrumento de apoio ao planejamento estratégico, à
transparência e à modernização da gestão pública.
AGRADECIMENTOS
Os autores
agradecem à Universidade Federal de Viçosa
pela autorização de uso de dados reais. Este projeto foi parcialmente financiado com recursos da
Fapemig – Fundação de Amparo à Pesquisa do Estado de Minas Gerais.
REFERÊNCIAS
ASSIS, M. D. Indicadores
de gestão de recursos humanos.
v. 2. Rio de Janeiro: Qualitymark, 2014.
BERNARDO, B. M. V.; SÃO MAMEDE, H.;
BARROSO, J. M. P.; SANTOS, V. M. P. D. Data governance & quality
management—Innovation and breakthroughs across different fields. Journal of
Innovation & Knowledge, v. 9, n. 4, 100598, 2024.
BRASIL.
Decreto-Lei n. 200, de 25 de fevereiro de 1967. Dispõe sobre a organização da
Administração Federal, estabelece diretrizes para a Reforma Administrativa e dá
outras providências. Disponível em: http://www.planalto.gov.br/ccivil_03/Decreto-Lei/Del0200.htm.
Acesso em: 16 mai. 2025.
BRASIL.
Decreto n. 6.096, de 24 de abril de 2007. Institui o Programa de Apoio a Planos
de Reestruturação e Expansão das Universidades Federais – REUNI. Disponível em:
http://www.planalto.gov.br/ccivil_03/_ato2007- 2010/2007/decreto/d6096.htm.
Acesso em: 18 mar. 2025.
BRASIL.
Lei n. 131, de 27 de maio de 2009. Estabelece normas de finanças públicas
voltadas para a responsabilidade na gestão fiscal e dá outras providências. Disponível em: https://www.planalto.gov.br/ccivil_03/leis/2009/L131.htm.
Acesso em: 5 mar. 2025.
BRASIL.
Decreto n. 7.232, de 19 de julho de 2010. Dispõe sobre os quantitativos de
lotação dos cargos dos níveis de classificação “C”, “D” e “E” integrantes do
Plano de Carreira dos Cargos Técnico-Administrativos em Educação. Disponível
em: http://www.planalto.gov.br/ccivil_03/_Ato2007- 2010/2010/Decreto/D7232.htm.
Acesso em: 18 mai. 2025.
BRASIL.
Lei n. 12.711, de 29 de agosto de 2012. Dispõe sobre o ingresso nas
universidades federais e nas instituições federais de ensino técnico de nível
médio. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2011- 2014/2012/lei/l12711.htm.
Acesso em: 17 mai. 2025.
BRASIL.
Emenda Constitucional n. 95, de 15 de dezembro de 2016. Altera o Ato das
Disposições Constitucionais Transitórias para instituir o Novo Regime Fiscal. Disponível em: https://www.planalto.gov.br/ccivil_03/constituicao/emendas/emc/emc95.htm.
Acesso em: 17 mai. 2025.
BRASIL.
Decreto n. 9.262, de 9 de janeiro de 2018. Extingue cargos efetivos vagos e que
vierem a vagar dos quadros da administração pública federal. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2015-
2018/2018/decreto/d9262.htm.
Acesso em: 17 mar. 2025.
BRASIL.
Lei n. 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm. Acesso
em: 5 mai. 2025.
BRASIL.
Emenda Constitucional n. 103, de 12 de novembro de 2019. Disponível em: http://www.planalto.gov.br/ccivil_03/constituicao/emendas/emc/emc103.htm.
Acesso em: 16 mai. 2024.
CERRILLO-MARTÍNEZ,
A.; CASADESÚS-DE-MINGO, A. Data governance for public transparency. Profesional de la información, v. 30, n. 4, 2021.
CORONEL, C.; MORRIS, S. Database systems: design,
implementation, & management. Boston: Cengage Learning, 2016.
DAVENPORT, T. H.; HARRIS, J. G. Competing on
Analytics: Updated, with a New Introduction — The New Science of Winning.
Boston: Harvard Business Press, 2017.
DA SILVA SOUZA, E.; ABRANTES, L. A.; LISBOA-FILHO, J.
ETL process in a federal educational institution: obtaining functional
information and geolocation of retired servers. In: IBERIAN CONFERENCE ON
INFORMATION SYSTEMS AND TECHNOLOGIES – CISTI, 16., 2021a. Anais
[...]. p. 1–6.
DA
SILVA SOUZA, E.; ABRANTES, L. A.; LISBOA-FILHO, J. O uso de data mart para apoio
à tomada de decisão na gestão de pessoas em uma Instituição Federal de Ensino.
In: Workshop de Computação Aplicada em Governo Eletrônico – WCGE, 2021b. Anais [...]. p. 203-214.
DE BARROS, M. N.; SOUZA, E. D. S.; LISBOA-FILHO, J.
Using spatial analysis to calculate the incidence of lung cancer in the region
of Muriaé-MG. In: Iberian Conference on Information Systems and Technologies –
CISTI, 17., 2022. Anais [...]. p. 1-6.
DE SOUZA BARRETO, I. M.; FREITAS, A. E. S. Generating
intelligence through microdata: a business intelligence proposal for the
education area of the Bahia Federal Institute. Cadernos de Educação, Tecnologia
e Sociedade, v. 13, n. 4, p. 463-473, 2020.
ESPEGREN, Y. Reasons for HR analytics adoption in
public sector organisations: evidence from Swedish public administrations. Personnel
Review, v.54, n.7, p. 1621-1642, 2025.
HMOUD, H.; AL-ADWAN, A. S.; HORANI, O.; YASEEN, H.; AL
ZOUBI, J. Z. Factors influencing Business Intelligence adoption by higher
education institutions. Journal of Open Innovation: Technology, Market, and
Complexity, v. 9, n. 3, p. 100111, 2023.
INMON, W. H. Como
construir o data warehouse. Rio de Janeiro: Campus, 1997.
KIMBALL, R. Data
warehouse toolkit: técnicas para construção de data warehouses dimensionais.
São Paulo: Makron Books, 1998.
LISBOA-FILHO, J.
et al. A UML profile for conceptual modeling in GIS domain. In: DE@CAISE, 2010.
Anais [...]. p. 18-31.
Machado, F.
Tecnologia e Projeto de Data Warehouse: Uma Visão Multidimensional. São Paulo:
Érica, 2007.
MEDINA, F.;
FARIÑA, F.; CASTILHO-ROJAS, W. Data Mart para obtención de indicadores de
productividad académica en una universidad. Ingeniare. Revista chilena de ingeniería, Universidad de Tarapacá, v. 26,
p. 88–101, 2018.
OLIVEIRA MENON,
I.; DELCÍDIO, C. Gestão de pessoas na administração pública. São Paulo: Editora
Senac, 2020.
PRIMAK, F. V.
Decisões com BI (Business Intelligence). Rio de Janeiro: Ciência Moderna, 2008.
ROB, P.; CORONEL,
C. Sistemas de banco de dados: projeto, implementação e administração. São
Paulo: Cengage do Brasil, 2010.
SECCHI, L. Modelos
organizacionais e reformas da administração pública. Revista de Administração
Pública, v. 43, n. 2, p. 299-317, 2009.
SOUZA, E. D. S. O
uso de data mart para sistematização e apoio à tomada de decisão na gestão de
pessoas em uma instituição federal de ensino. 2021.
Takawira, B.; Misheck, M.; Kalitanyi, V. Leveraging
Human Resource (Hr) Analytics for Effective Talent Management in Public Sector
Organisations. Digital Transformation in Public Sector Human Resource
Management. IGI Global, 2024. P. 90-114.
TERABE,
C.; BERGUE, S. Gestão estratégica de pessoas como política pública: estudo de
caso no Ministério da Ciência, Tecnologia e Inovação. In: Estudos em gestão de
pessoas no serviço público. Brasília: ENAP, 2014. p. 11–37.
APÊNDICE
A – Detalhamento Técnico do Processo ETL
Este apêndice
apresenta os aspectos
técnicos e operacionais do processo ETL desenvolvido no âmbito desta
pesquisa, descrevendo as etapas de extração,
transformação e carga dos dados que compõem o Data Warehouse da UFV.
A carga das tabelas
temporárias foi programada para ocorrer em horários de menor demanda de acesso
à base de dados, minimizando possíveis impactos no desempenho operacional. Esse
processo é automatizado por meio de um job scheduler da ferramenta Pentaho,
configurado para executar "a rotina" no primeiro dia de cada mês.
Como resultado, a carga das tabelas de dimensões (DIM) no DW pode ser realizada
a qualquer momento, sem comprometer o desempenho do banco de dados
transacional.
O passo
seguinte consistiu na criação de uma rotina no processo ETL para cada tabela
STG, em que, ao conectar-se à base de dados da PGP ou nos arquivos nos formatos
CSV ou TXT, os dados existentes nas tabelas STG são deletados e substituídos
pelos novos dados extraídos, garantindo a atualização e a consistência das
informações.
Após a
realização das cargas nas tabelas de dimensões, foi realizado um processo ETL
para a criação e carga de cada tabela dimensão com prefixo DIM da Figura 2.
Para essa tabela fato, foi utilizada uma tabela com propriedade de localização espacial,
considerando o campus. Para obter os dados geográficos dessa tabela, utilizou-se
a plataforma OpenStreetMap (OSM), disponível no sítio https://www.openstreetmap.org, onde os três campi da UFV
foram previamente mapeados.
A Figura 3 apresenta
uma representação detalhada do processo executado para alimentar a tabela Fato,
destacando as etapas envolvidas na integração e organização dos dados.
Figura 3 - Processo
ETL tabela Fato Faixa Etária
Tempo
Fonte: Autores
(2025)
No step “DIM_Servidor” (Figura 3), ocorre a
integração com a tabela “DIM_Servidor” no DW. Esse procedimento identifica os
servidores ativos, organiza-os por classe e determina a faixa etária, além de
calcular o tempo de serviço incluindo as averbações. Todas
essas operações são realizadas por meio da consulta SQL configurada no step. As transformações dos dados são
realizadas pelos steps “String
operations”, “Select values1” e “Modified JavaScript value”, que ajustam
e processam as informações. No step “DIM_Sexo”,
seleciona-se o código do sexo na tabela “Dim_Sexo” e inserido no fluxo do
processo. Os steps “DIM_Lotacao”,
“DIM_Tipo_Servidor”, “Cargo”, “Status_Cargo” e “DIM_Tempo” seguiram o mesmo
processo, conectando-se diretamente às respectivas tabelas dimensionais:
“DIM_Lotacao”, “DIM_Servidor”, “DIM_Cargo”, “DIM_Status_Cargo” e “DIM_Tempo”. E por fim, no
step “Insert / Update”, realizou-se a
carga na tabela Fato, resultando no DW.
Em seguida,
foi desenvolvido um processo ETL para calcular
as previsões de aposentadoria
dos servidores nos próximos cinco anos, com base nas diretrizes estabelecidas
pela Emenda Constitucional 103/2019 (BRASIL, 2019). Na tabela
"Fato_Faixa_Etária_Tempo" foi configurado um novo campo denominado
“código_tempo_aposentar_pk”, responsável por armazenar a data da provável
aposentadoria de cada servidor que não recebe o abono de permanência. Nesse
processo, foram considerados apenas os artigos da Emenda Constitucional nº 103/2019 (BRASIL,
2019) que se referem aos servidores públicos federais, especificamente os
artigos 4º, 10º e 20º.
A Figura 4
demonstra o processo ETL para realização do cálculo de futuras aposentadorias
nos próximos 5 anos.
Figura 4 - Processo
ETL Lei nº 103 de 12 de novembro de 2019 aposentadoria
Fonte: Autores
(2025)
Na Figura 4, o
step “Table input” estabelece conexão
com a tabela “DIM_Funcionario” no DW. Por meio
de uma consulta
SQL, são geradas
informações relacionadas aos servidores, incluindo idade, soma do tempo
de averbação com o tempo de serviço, tempo de serviço
como professor EBBT, tempo de serviço no último cargo e tempo de serviço
público. No step “Formula” é
calculada a diferença da data atual para a data de pedágio - período adicional
de contribuição correspondente a 100% (cem porcento) do tempo que faltava para
o servidor atingir o tempo mínimo de contribuição previdenciária para se
aposentar -, definida como “12/11/2019”, em conformidade com as disposições da
Emenda Constitucional nº 103/2019 (BRASIL, 2019). Em seguida, são realizados os
tratamentos dos dados nos steps “String
operations” e “Select values”.
Nos steps “Art_20” e
“Art_20_Professor_EBTT_Normal” são realizados os cálculos das futuras
aposentadorias dos servidores com base no Art. 20 da Emenda Constitucional n° 103/2019
(BRASIL, 2019). Nesses steps, foram
realizadas diversas simulações considerando diferentes cenários de
aposentadoria, incluindo:
· Servidores com tempo normal: cálculo
baseado em gênero, idade, tempo de serviço, pedágio e tempo no último cargo.
· Professores EBTT: cálculos similares aos
dos servidores com tempo normal, mas considerando uma redução de 5 anos no tempo
de contribuição e na idade
mínima, aplicável a ambos os sexos.
Logo depois,
no step “Modified JavaScript Value”, é realizada a projeção da data provável de aposentadoria do servidor, considerando a menor data entre os steps do Art_20
e inserido essa informação no fluxo do processo ETL. No
step “Art_4”, são realizados cálculos relacionados ao Art. 4 da
Emenda Constitucional nº 103/2019 (BRASIL,
2019), com os mesmos critérios utilizados no Art. 20, exceto
pela exclusão do cálculo do tempo de pedágio. Nesse caso, o processo
exige a soma dos pontos
resultantes da idade e do tempo de contribuição. No step “Art_4_Professor_EBTT_Normal”, é
calculado o tempo de serviço dos professores EBTT utilizando os critérios
aplicáveis ao tempo normal de serviço. Em seguida, no step “Modified JavaScript Value 2”, é realizada a projeção
da data provável
de aposentadoria do servidor, considerando os requisitos estabelecidos.
O Art. 10
apresenta duas modalidades de aposentadoria: uma baseada na idade e outra considerando o tempo de serviço em condições insalubres. O step “Art_10_idade” realiza
cálculos semelhantes aos dos Art. 20 e Art. 4, porém,
sem incluir o cálculo do tempo de pedágio e a soma dos pontos, respectivamente. Já no step
“Art_10_Professor_EBTT_Normal” efetua o cálculo da provável data de aposentadoria
do Professor EBTT. Por fim, no step “Modified
Java Script Value 3”, é calculada a melhor data de aposentadoria com base nas
regras previstas no Art. 10 para a modalidade por idade.
O step “Art_10_Insalubridade” projeta a
aposentadoria dos servidores que recebem adicional de insalubridade, com base
no tempo de serviço em condições insalubres. Em seguida, o processo armazena a
melhor data de aposentadoria dos servidores, considerando as regras previstas
nos Art. 4, Art. 10 e Art. 20. No step “Melhor_Data”,
são analisadas todas as possíveis datas de aposentadoria calculadas pelos
artigos mencionados, e a menor data é selecionada como a mais vantajosa para o
servidor.
Em seguida,
no step “Select values2”,
é realizado o tratamento do campo
da melhor data de aposentadoria. Posteriormente, no step “DIM Tempo”, é estabelecida
a conexão com a tabela
“DIM_Tempo” para buscar
o código referente à data atual. O mesmo
procedimento é executado no step “DIM
Tempo2”, onde é selecionado o código
correspondente à data de aposentadoria. Por fim, a carga
é realizada no DW com a atualização do campo “código_tempo_aposentar_pk” na
tabela fato "Fato_Faixa_Etaria_Tempo" pelo step “Insert / Update”.
Com a conclusão
das cargas na tabela fato, foi desenvolvido um cubo OLAP utilizando a
ferramenta Schema Workbench Mondrian.
Esse cubo permite a realização de consultas e análises interativas pelos
usuários finais, oferecendo uma visão multidimensional dos dados.
Posteriormente,
foi criado um job no processo ETL
para organizar e sequenciar as rotinas
de transformação, garantindo a execução das cargas nas tabelas STG e DIM. A Figura 5 ilustra
o processo ETL para as tabelas DIM realizando a carga no DW na tabela fato
“Fato_Faixa_Etaria_Tempo”.
O fluxo de execução
das rotinas inicia-se
no step “START” (Figura
05), responsável por disparar o processo de carga dos dados no Data Warehouse (DW). As etapas seguem a
seguinte sequência: “DIM_Averbação”, “DIM_Cargo”, “DIM_Cargo_Status”,
“DIM_Lotação”, “DIM_Funcionário”, “DIM_Faixa_Etária”, “DIM_Tempo_Serviço”, “FATO”, “Cálculo_Aposentadorias”, “OpenStreetMap_Campus”
e, por fim “Sucess”. Em caso de falhas durante a execução, o processo é
interrompido pelo step “Abort job”, e
um e-mail contendo o registro detalhado do erro (log) é enviado automaticamente
ao administrador por meio do step “Mail”.
Figura 5 - Rotinas
job carga na tabela
Fato Faixa Etária
Tempo
Fonte: Autores (2025)
Business Intelligence na Gestão de Pessoas: Projeções de Aposentadoria nas IFEs
