Mobilidade e Big Data - Tecnologia, Big Data e Planejamento Urbano

Vídeo

Descrição

No dia 21 de junho, o Grupo de Estudos de Economia da Infraestrutura e Soluções Ambientais da FGV, em parceria com o Arq.Futuro, realizou mais um debate sobre Mobilidade Urbana, desta vez com o mote Tecnologia, Big Data e Planejamento Urbano. Esse é o segundo debate realizado este ano, que ainda prevê outros dois encontros em 2017. A entrada é aberta ao público e gratuita.

Pablo Cerdeira é Coordenador do Centro de Tecnologia e Sociedade e ex-Chief Data Officer da prefeitura do Rio de Janeiro.

Resumo (Gerado por IA)

Resumo do uso de dados na administração pública

Introdução

Neste resumo, abordamos os principais pontos discutidos acerca da importância do uso de dados na administração pública, destacando o papel fundamental que a conectividade e a inteligência artificial desempenham na transformação social e na gestão pública.

Principais Pontos

1. Dados como ferramenta esencial:

   • Importância do pensamento baseado em dados: A administração pública deve priorizar soluções que atendam efetivamente às demandas sociais, utilizando uma abordagem fundamentada em dados.
   • Dados não são consumidos, são acumulados: Ao contrário do petróleo, que é um recurso finito, os dados são gerados continuamente e refletem o comportamento humano.

2. Revolução da conectividade:

   • A conectividade (incluindo internet e inteligência artificial) está mudando a maneira como as sociedades funcionam, promovendo uma reestruturação significativa na gestão urbana e nos serviços públicos.

3. Transformação do governo através de dados:

   • A implementação de dados e inteligência nas políticas públicas não deve seguir o modelo antiquado da burocracia, mas sim personalizar o atendimento às necessidades individuais dos cidadãos.

4. Impacto econômico e social:

   • O desperdício de tempo no trânsito, exemplificado no Rio de Janeiro, é significativo. O uso de dados pode resultar em soluções que economizem não apenas tempo, mas dinheiro, revertendo recursos para a população.

Dados e Comportamento Social

• Estudos demonstram que as interações das pessoas com aplicativos, como Waze, podem alterar comportamentos e reduzir desperdícios, apresentando uma forte relação entre dados gerenciais e satisfação do cidadão.

• Tabelas ilustrativas: Os dados coletados pelo Waze e outros aplicativos de mobilidade podem ajudar a identificar as áreas de congestionamento e seus impactos diretos no PIB.

  Área	Impacto no PIB
  Congestionamento no Rio	R$ 20 bilhões/ano
  Principais áreas	26% congestionamento

Novas Abordagens na Gestão Pública

• A análise de dados sociais não deve ser restrita a números frios, mas deve incluir percepções e reclamações dos cidadãos, garantindo um atendimento mais eficaz às demandas da população.
• O uso de modelos preditivos para entender comportamentos sociais pode resultar em gestão proativa, onde antecipações de eventos e necessidades são realizadas com eficiência.

Conclusão

O uso de dados e análises na administração pública não é apenas uma ferramenta; é um imperativo para lidar com as complexidades da sociedade moderna. Ao priorizar a conectividade e a personalização dos serviços, as instituições governamentais podem se reestruturar para atender de forma mais eficaz às expectativas dos cidadãos, promovendo uma sociedade mais coesa e responsiva. Para termos um modelo de governo que mantenha sua legitimidade, é crucial que a sociedade participe ativamente desse processo, garantindo que as decisões atendam às suas reais necessidades.

Site do Evento

Debates sobre Mobilidade Urbana

Mais Informações

Transcrição automática (Gerado por IA)

00:00 eu fui Como já foi apresentado aqui
00:02 durante 3 anos e meio o chefe do
00:05 escritório de dados da Prefeitura do Rio
00:07 de Janeiro é um grupo chamado pensa sala
00:10 de ideias e confesso que esse nome só me
00:13 caiu bem mesmo depois que eu entendi a
00:16 importância eh do pensar dentro da
00:19 administração que é algo que a gente tem
00:21 enfim infelizmente deixado um pouco para
00:22 trás e pensar em cima de dados pensar em
00:27 cima de eh elementos fáticos que traz
01:30 uma solução não só científica que isso é
01:34 um processo pós-moderno que já foi
01:36 superado lá dos anos 50 60 mas uma
01:39 solução que atenda as demandas da
01:41 sociedade acho que esse é Talvez um dos
01:42 aspectos mais importantes tá eu costumo
01:44 sempre começar com esse trechinho de um
01:46 texto do Ger torp que ele diz que a cada
01:49 14 minutos entra alguém num palco um
01:50 executivo de vendas dizendo data is the
01:52 new Oil falando que vai ser a solução de
01:54 todos os problemas o valor que os dados
01:56 têm Mas ele tem uma leitura crítica
01:58 disso e muito muito apropriada tá pro ge
01:02 torp eh eles têm algumas semelhanças
01:04 ambos têm riqueza T dificuldades para
01:07 serem obtidos mas acaba por aí na
01:10 verdade eles tem algumas diferenças
01:12 fundamentais dados a gente não consome a
01:14 gente acumula a gente tem dados Hoje a
01:16 gente vai ter muito mais no futuro curva
01:18 contrária a curva do petróleo petróleo
01:20 dis nada sobre a nossa sociedade dados
01:24 relatam eles são gerados pelo nosso
01:27 comportamento então ele tem uma
01:29 importância muito maior nesse Esse
02:30 aspecto permite que a gente construa
02:32 soluções de baixo para
02:34 cima e eu acho que a gente tá passando
02:36 por uma fase muito importante na
02:38 sociedade a gente vai olhar para trás no
02:40 futuro Talvez daqui a 100 200 anos e
02:43 categorizar esse momento que a gente tá
02:45 passando hoje talvez muito próximo e eu
02:49 diria até tentaria arriscar aqui talvez
02:51 mais importante até do que diversas
02:52 outras grandes revoluções que a gente
02:53 passou na história uma delas a questão
02:56 quando a gente passou a ser a revolução
02:59 agrícola quando a gente inventou a
02:01 escrita quando a gente descobriu fogo
02:04 quando a gente inventou a roda todas
02:05 essas até revolução industrial na minha
02:08 opinião talvez a única que se equipare a
02:10 mudança que a gente tá passando agora é
02:13 a revolução agrícola porque ela formou o
02:15 nosso conceito de sociedade que a gente
02:17 tem hoje todos os outros acrescentaram
02:19 foram tecnologias que melhoraram ou
02:21 ampliaram o nosso Nossa forma de de
02:23 viver o que aconteceu na na na Revolução
02:28 dacula não e o que tá acontecendo agora
03:31 tem a mesma dimensão muita gente costuma
03:33 dizer que esse momento é marcado pela
03:35 internet eu penso que não internet para
03:38 mim é um meio é o canal onde se dá as
03:40 grandes revoluções os grandes recursos
03:43 que estão vindo para fazer essa
03:44 revolução é a conectividade isso sim não
03:47 só a internet mas a conectividade dados
03:50 e inteligência artificial a gente mudou
03:53 toda a nossa estrutura de rede que a
03:54 gente trabalhou Até recentemente que era
03:56 baseada em redes centralizadas né você
03:59 pensa numa rede de telefonia numa rede
03:01 enfim de distribuição uma rede de
03:04 delivery qualquer rede a gente sempre
03:05 trabalhou com pontos centralizados em
03:07 que um ator er o controlador de como
03:09 Aquela rede funcionaria uma rede
03:11 topologia que a gente chama de estrela a
03:13 internet quebra isso ela coloca uma
03:17 série de caminhos possíveis alternativos
03:19 para essa conexão e o que ao mesmo tempo
03:23 é a fortaleza da internet é a fraqueza
03:26 da nossa estrutura de sociedade porque
03:29 quando a gente
04:30 começa a indexar e entender como esses
04:33 novos elementos componentes da internet
04:35 aqui no caso do site se relacionam Esse
04:37 é um mapa da internet né usando como um
04:41 site cita o outro que é o modelo do
04:43 Google né de indexação do page rank a
04:45 gente vê que isso aqui é um mapa mund da
04:48 internet tá isso daqui sem fronteiras
04:52 onde o Brasil tá meio misturado com os
04:53 Estados Unidos com um pouco misturado
04:55 com a Europa só a China que tá um pouco
04:57 mais isolada ali que vocês reparam por
04:59 causa do great Firewall que eles têm que
04:02 limita o acesso de dentro para fora de
04:04 fora para dentro mas em essência é a
04:06 mesma
04:07 Ah a internet fora acaba tendo alguns
04:11 agrupamentos por conta fora da China por
04:13 conta de semelhanças linguísticas
04:16 culturais etc mas não tem mais aquele
04:19 aquela delimitação stank que a gente
04:20 tinha de
04:21 estado isso afeta desde as
04:24 macroestruturas como Estado até o
04:27 comportamento individual Esse é um
04:28 exemplo de um paper publicado pela Marta
05:30 na Nature Marta Gonzales é uma
05:32 professora do Mit Trabalhou muito com a
05:34 gente aqui na prefeitura do Rio eh
05:36 durante esses quase 4 anos do pensa e
05:40 usando dados que a gente coletava da
05:42 sociedade fazendo uma série de análise e
05:43 uma das conclusões que eles chegaram é
05:45 que o waz já tá produzindo mudanças no
05:49 comportamento do cidadão pelo simples
05:51 fato de romper aquela bolha que o
05:54 cidadão se coloca quando entra dentro de
05:56 um carro a gente tá acostumado a viver
05:58 em sociedade a educado tem um desenho do
05:60 Pateta que eu costumo mostrar não vou
05:01 mostrar aqui para não tomar tempo mas
05:03 vocês lembram aquele desenho dos anos 50
05:05 que o Pateta quando assume o volante do
05:06 carro vira o Mr real que é um cara super
05:10 agressivo que sai batendo no carro e etc
05:13 e aquilo é um é um sintomático do nosso
05:16 comportamento quando a gente tá na rua
05:18 quando ele tá lá andando na calçada ele
05:20 cumprimenta todo mundo ele é simpático
05:22 ele entra no carro ele vira aquele
05:23 monstro porque no carro ele se isola da
05:25 sociedade o simples um simples
05:27 aplicativo como o e nesse exemplo que
05:30 tamb DIU é capaz de identificar que só
06:33 pelo comportamento colaborativo a
06:36 redução do selfish driving que é o
06:38 comportamento egoísta na tomada de
06:40 decisão de caminho a gente consegue
06:42 reduzir de 15 a 30% embraf momento nas
06:44 cidades né Vejam a importância que tem a
06:47 questão da conectividade dos dados e de
06:49 aumentar a a inteligência artificial por
06:53 trás do nosso modelo de comportamento eu
06:55 não vou nem falar do volume de dados que
06:57 a gente tá gerando quem tem mais de 2
06:58 anos de conta de Facebook aqui aqui
06:01 Imagino que vocês já devam ter dado mais
06:02 de 200 likes ali né num post numa coisa
06:05 tem um estudo muito interessante que tá
06:07 citado no próximo exemplo eles pediram
06:09 para as pessoas preencherem o formular a
06:11 seu respeito preferências alimentares
06:13 time de futebol cor preferida orientação
06:16 sexual eh Enfim uma série de questões
06:18 pessoais e que essa pessoa distribuísse
06:20 o formulário para que outros ao seu
06:21 redor preenchessem também
06:24 sobre aquela pessoa tá E aí eles de
06:27 acordo com o grau de distância eles
06:29 identificam um padrão de acertos sobre a
07:32 pessoa principal sendo analisada foram
07:34 mais de 2000 pessoas que responderam
07:36 esse formulário depois eles analisaram
07:38 os perfis dessas pessoas no Facebook e
07:40 tentaram com o algoritmo
07:42 identificar responder o mesmo formulário
07:45 e o resultado é o seguinte com mais de
07:47 200 likes na sua conta no Facebook o
07:49 algoritmo acertava tanto quanto a sua
07:51 esposa ou seu marido seu cônjuge né o
07:55 seu
07:55 formulário com mais de 250 likes ele
07:58 aceta mais do que o seu cônjuge talvez
07:60 mais do que você a seu respeito tá então
07:03 vejam a importância que tem desses dados
07:05 que a gente tá gerando desse tipo de
07:07 resposta que esses aplicativos podem dar
07:10 pr pra sociedade isso tem alguns efeitos
07:13 na Bolsa de Nova York um grupo de
07:15 físicos mais de 2000 Tem trabalhado para
07:17 desenvolver softwares robôs para fazer
07:19 trade né para fazer operações nas bolsas
07:22 hoje mais de 70% do mercado americano de
07:25 ações é negociado por robôs é a mesma
07:28 coisa no Brasil em outros países né ISO
08:30 significa o seguinte meu dinheiro tá lá
08:33 no banco seu dinheiro tá no banco não tá
08:35 lá parado esse dinheiro tá aplicado tá
08:37 girando provavelmente tá lá na bolsa
08:39 então a sua poupança a sua seu plano de
08:41 previdência tudo isso tá na bolsa de
08:44 valor sendo hoje operado por robos isso
08:46 tem sido usado bastante um dos caras que
08:50 pregava o uso disso começou a falar a
08:51 respeito da importância de fazer isso
08:52 era esse sujeito aqui o Kevin Space que
08:55 a Netflix comprou a ideia usando dados
08:57 eles fizeram uma série chamada Game of
08:59 Thrones muita coisa que tava acontecendo
08:01 na Série A gente vi aconte House of
08:03 Cards perdão House of Cards perdão
08:05 obrigado e muita coisa acho que os dados
08:08 foram tão bem usados no House of Cards
08:10 que muita coisa do que viria acontecer
08:13 já estava previsto ali então reparem o
08:15 efeito disso na nossa sociedade tá em
08:18 2015 no Reino Unido os trabalhistas eram
08:20 favoritos e perderam depois agora a a
08:24 meia era favorita os trabalhistas
08:26 recuperaram a gente teve o dó que ganhou
08:28 aqui em São Paulo no primeiro turno sem
08:29 que fosse previsto teve o brexit que não
09:31 era previsto trump eleito nos Estados
09:33 Unidos que não era previsto e não para
09:35 aí a gente teve o ocupai Wall Street a
09:37 gente teve a primavera árabe a gente
09:39 teve as jornadas de Junho No Brasil
09:41 existe um esgarçamento do nosso conceito
09:44 nossos conceitos clássicos de de de de
09:48 estruturas sociais que não é só no
09:50 Brasil não é só aqui essa crise isso é
09:52 Global talvez muito porque as nossas
09:54 estruturas institucionais não estão
09:56 Preparadas para responder às demandas
09:58 que a sociedade hoje ho tem Então hoje
09:02 você tá acostumado a fazer uma busca por
09:03 viagem ao Egito no Google e se você é
09:06 uma pessoa que faz viagens de alto
09:07 padrão ele vai te mostrar opções mais
09:09 caras se você é uma pessoa que prefere
09:10 viagens econômicas mochilar ele já vai
09:13 te dar opções nesse nesse padrão
09:16 Enquanto isso você vai lá procurar o
09:17 governo para alguma prestação a serviço
09:19 e o que que você recebe de volta um
09:21 atendimento absolutamente antiquado past
09:23 teorizado que a pretexto de isso enfim a
09:27 teoria burocrática lá do século 18 enfim
10:31 Francesa A a pretexto a burocracia a
10:33 pretexto de igualar todos que era essa a
10:36 ideia da burocracia original evitar
10:38 tratamentos distintos né entre as
10:40 pessoas na sociedade acaba não
10:41 respondendo a ninguém a gente precisa
10:44 seguir hoje um caminho inverso desse
10:46 caminho da burocracia ah francesa que a
10:50 gente incorporou que a gente não precisa
10:52 mais de tratamento igual para todos a
10:54 gente precisa de tratamentos
10:55 customizados para os nossos cidadãos né
10:57 E aí entra o uso de dados uso de
10:60 inteligência nos governos Esse é um um
10:03 exemplo eu costumo dizer que a gente tem
10:04 que passar quebrar E aí seguindo um
10:06 pouco de novo a linha do bma no castelos
10:08 a gente tem que quebrar essa separação
10:11 entre estado governo e sociedade e
10:13 tentar construir um novo modelo de
10:15 gestão que não seja restrito a
10:17 participação a cada 4 anos nas urnas
10:20 isso a gente tentou fazer na prefeitura
10:22 como pensa e eu digo nomo pensa me
10:24 pareceu muito apropriado Mas depois
10:27 porque eu vi que o que a gente estava
10:28 fazendo lá era de fato pensar Sistemas
11:31 de governo pensar modelos de
11:33 representatividade e de tomada de
11:34 decisão vou falar de mobilidade 9% dos
11:38 nossos do nosso tempo é perdida no
11:40 trânsito tá se você considerar mudanças
11:43 que estão vindo pro Futuro isso pode
11:44 chegar a 15% do PIB tô falando aí de
11:47 carros autônomos integrados elétricos se
11:50 você pensar em toda a cadeia envolvida
11:51 Eh aí aí a gente tá falando de mecânico
11:55 do estacionamento do poço de gasolina do
11:58 lava carro etc Então tudo isso vai ser
11:02 ah afetado em
11:04 breve o que a gente tava tentando fazer
11:07 no pensa na maior parte das vezes a
11:09 gente olha para para modelos de uso de
11:12 dados na administração olhando pro
11:13 primeiro quadrante que é no short term
11:16 Ah para operação como é que eu uso esse
11:19 dado para melhorar a operação o nosso
11:20 objetivo lá era chegar no quarto
11:22 quadrante como usar esses dados para
11:25 repensar a estrutura da cidade não só
11:27 para operação mas pegar isso para para
11:29 outros levar isso para outros níveis Por
12:32 exemplo quando a gente começa a analisar
12:34 os dados de Waze cruzando os dados
12:35 históricos depois que você faz uma série
12:37 de algoritmos para limpar ruídos etc
12:40 cruza com dados de população do IBGE a
12:42 gente percebeu um aspecto Curioso o
12:44 trânsito do Rio de Janeiro às 3 da manhã
12:46 é só na Lapa tá depois disso que mostra
12:51 claramente uma atividade econômica
12:54 bastante específica da cidade mas quando
12:56 a gente olha o que acontece às 5 da
12:59 manhã vocês estão vendo lá em cima que
12:00 começa a ficar vermelhinha em duas alças
12:02 a seis também e a sete uma alça lá no
12:07 meio um acesso lá do Meio fica vermelho
12:09 olhando mais de zoom a gente tem um
12:11 problema em duas alças da Washington
12:13 Lise e alça da dú chegando na Brasil
12:15 essas alças quando para engarrafamento
12:17 eles se espalha lá para cima e vai parar
12:19 uma via de acesso no meio então a gente
12:21 começa a perceber a Gênese desse
12:22 trânsito é a Gênese do que tá gerando o
12:24 problema desses 9% de pig a gente pode
12:27 ver como isso tem evoluído no tempo
12:29 então a gente comparou uma série de
13:30 semanas no Rio de Janeiro utilizando
13:31 dados do eaz para identificar por
13:34 exemplo que a semana Olímpica primeira
13:36 segunda-feira lá o que que aconteceu em
13:38 termos de enraf momento mas podem ver
13:39 que a partir de terça a quarta-feira o
13:41 trânsito da Cidade voltou praticamente
13:43 ao normal Claro com uma série de medidas
13:44 que foram tomadas usando inclusive dados
13:47 a gente consegue comparar vocês não vão
13:48 ver daí mas período escolar período de
13:51 final de semana período que colocou
13:54 faixa Olímpica período que tirou faixa
13:56 Olímpica enfim cada um desses dessas
13:58 políticas a gente começa a medir o que
13:59 tá acontecendo mas isso ainda é naquele
13:02 primeiro quadrante
13:03 tá quando eu começo a usar outros dados
13:06 por exemplo dados de acidente aqui a
13:08 gente mapeou os seis principais locais
13:09 de acidente na cidade do Rio de Janeiro
13:11 segundo os dados do e e levei Isso paraa
13:13 Sete a s Rio falou não esses dados estão
13:16 errado isso não bate com o que a gente
13:17 tem aqui nessa hora instalou um outro
13:20 aspecto importante o que esse dado
13:22 social tava me provendo não era
13:25 informação sobre os principais locais de
13:27 acidente eram os principais locais
13:29 locais em que as pessoas mais reclamam
14:31 de acidentes reparem que tem uma mudança
14:33 muito grande nisso eu não tô falando do
14:35 problema a partir do número de acidentes
14:37 mas o número de pessoas que reclamam
14:39 decidente como são afetadas por isso
14:42 esse layer essa camada de tomada de
14:45 decisão baseada na percepção da
14:48 sociedade e não do administrador que tá
14:50 avaliando um dado seco de número de
14:52 acidentes é importantíssimo pra tomada
14:54 de decisão é importantíssimo pra gente
14:56 decidir onde vai ficar o guincho onde
14:58 vai fazer obra onde vai melhorar a
14:60 iluminação esse dado quando a gente
14:02 cruza com presença de Pardais por
14:04 exemplo consegue a gente consegue
14:05 perceber claramente a mudança de
14:07 comportamento da população fora dos
14:08 Pardais que são esses pontinhos azuis
14:11 ali tá eh a gente consegue perceber que
14:14 os guardas estão chegando depois porque
14:16 os guardas têm GPS no Rio e fazer um
14:18 reposicionamento da nossa dos nossos
14:20 guardas ou propor um reposicionamento
14:22 dos guardas usando esses dados dados
14:24 sociais dados de acidentes dados dos
14:27 guardas dados dos quais Vejam a riqueza
15:30 que isso pode trazer mas vou mais além
15:32 quando a gente começa a perceber o
15:34 comportamento da sociedade a gente
15:35 começa a conseguir fazer esse tipo de
15:37 coisa isso aqui é um simulador de
15:38 tráfego o que que acontece se eu PED o
15:40 túnel Rebolsas em um sentido como o
15:43 trânsito vai se espalhar pela cidade a
15:45 gente conseguiu rodar isso usando dados
15:47 sociais dados gerados pelo a dados de
15:50 trânsito da cidade e simular o
15:52 engarrafamento perdendo cada um dos
15:54 quarteirões da cidade e dá um ranking
15:56 dizer Esse é o quarteirão mais perigoso
15:59 para se pd isso inclusive para questões
15:01 de segurança para as Olimpíadas tá a
15:03 gente sab exatamente qual o risco de
15:04 cada quarteirão se uma manifestação um
15:06 ataque terrorista parasse aquele
15:08 quarteirão e até onde o trânsito se
15:10 espalharia isso com base em dados não
15:12 você não consegue fazer isso se você não
15:13 tiver dados da sociedade eu vou direto
15:15 pro ponto que eu acho que aqui um dos
15:17 mais importantes pra gente encerrar tá
15:19 como eu já disse lá atrás 9% do nosso
15:21 tráfego é perdido em engarrafamentos no
15:23 Rio isso é R 20 bilhões de reais São
15:24 Paulo é R 60 bilhões deais no ano tá mas
15:27 não é o estado que pede isso é o cidadão
15:29 porque você vai chegar no horário no
16:31 trabalho você é que saiu mais cedo então
16:33 isso tá na conta do cidadão como é que a
16:35 gente pode usar esses dados para tentar
16:37 entender o como aplicar a solução na
16:40 cidade Bom usando aí de novo os dados do
16:42 e a gente identificou todas as áreas de
16:45 engarrafamento as 30 principais se eu
16:47 tenho eh 99% do PIB sendo perdido em
16:50 toda a cidade essas 30 principais áreas
16:52 correspondem a 26% do total de
16:54 engarrafamentos tá logo eu consigo saber
16:57 o custo dessas 30 principais áreas no
16:60 caso do Rio daqueles 20 bi dá 5.2 Bi tá
16:04 2.4% do PIB e mais eu consigo colocar
16:07 preço em cada engarrafamento da cidade
16:10 porque eu sei o tempo que as pessoas
16:12 estão perdendo em cada engarrafamento se
16:14 eu sei o total vejam esses estudos que
16:16 pegam o total da cidade são bastante
16:18 comuns bastante usados falar cidade tal
16:19 pede tanto cidade tal pede tanto mas
16:21 dificilmente a gente chega a dizer É
16:23 nesse quarteirão é nessa rua que se pede
16:26 tanto esses dados sociais gerados pelo
16:28 usuário no dia a dia permitem que a
17:31 gente chegue a esse nível e a gente pode
17:32 começar a medir se a solução da bical Me
17:35 Custa 1.3 bilhões que eram o a criação
17:38 do BRT Transbrasil e ali o cidadão tá
17:43 perdendo 840 milhões ano se eu reduzir
17:45 50% desse engarrafamento em 4 anos eu
17:47 paguei com o tempo que eu devolvi pro
17:50 cidadão que no final das contas Tá
17:52 pagando com os impostos o BRT que tá
17:54 sendo colocado como solução ou seja veja
17:56 como a gente começa a fechar o ciclo
17:58 entre quem é o beneficiário e quem paga
17:00 pela solução do problema e e medir essa
17:03 eh essa solução tá a gente foi pra
17:06 questão de realocação de áreas de
17:08 transferência de entulho a gente passou
17:11 por estratégias para reduzir os
17:12 alagamentos na cidade criando rankings
17:15 dizendo quantas pessoas eram afetadas em
17:17 cada área de engarrafamento que a gente
17:19 usou a mesma metodologia aqui com o
17:20 Banco Mundial Ah para medir a emissão de
17:24 gases do efeito estufa em cada região da
17:26 cidade então no rio acho que hoje a
17:27 primeira cidade do mundo a conseguir
17:30 dizer o quanto se pede inclusive em
18:31 linhas de ônibus tá esse caso foi para
18:33 ônibus mas a gente consegue fazer isso
18:35 também com os azois a saber o quanto
18:37 você emite em cada região da Cidade a
18:39 gente vai ter pro Futuro mudanças muito
18:41 grandes isso aqui é a parte do estudo do
18:42 Mit que foi feito lá em parceria com a
18:44 com a prefeitura e com com a FGV e com a
18:47 cop usando uma bancada de dados de
18:49 celular para criar um modelo de smart
18:52 routing para carros integrados tá isso
18:55 aqui é é o que vai fazer a grande
18:57 diferença entre carro autônomo
18:60 e um um modelo de carro autônomo
18:02 integrado a gente tem um componente
18:03 social no modelo de de alocação de
18:06 veículos nas ruas hoje Se você usar o
18:09 waz ele escolhe sempre a melhor rota
18:10 para você é aquela história que eu falei
18:12 de 15 a 30% do engarrafamento pode ser
18:14 reduzido só pela melhor distribuição dos
18:16 veículos na malha aviária disponível o
18:18 que a gente pretende fazer é implementar
18:22 testes com modelos de melhor
18:24 distribuição que só isso seria capaz de
18:26 15 a 30 daqueles 9% que a gente tem eh
18:30 de perda anual e deixo
19:33 como pergunta pra gente aí fechando tudo
19:36 isso que eu comecei aqui tem falar de
19:37 uma forma bem
19:39 rápida dizer que a gente pode usar dados
19:42 a gente pode usar tecnologia a gente
19:43 pode usar ah Inteligência Artificial
19:46 machine learning para desenvolver todos
19:48 os projetos usava tudo isso tá dentro do
19:50 pensa mas nada disso vai ser mais do que
19:53 ferramenta se a gente não pensar em como
19:56 isso pode reestruturar nossas
19:59 instituições nosso modelo de governo e
19:02 de relação entre governo e sociedade tá
19:06 liquefação disso como como diz bman
19:09 mesmo no conceito enfim de de de
19:12 premissas da sociedade li como é que a
19:15 gente vai criar um novo modelo de
19:17 governo que use essas
19:19 ferramentas e que atenda ao que o
19:22 cidadão ao que os cidadãos precisam para
19:25 essas próximas gerações só assim a gente
19:27 vai conseguir manter um modelo de
19:28 governo que seja legítimo e que seja
20:31 reconhecido e que a gente não tenha
20:33 impeach manifestações jornadas e trocas
20:37 radicais de governo a cada cada vez mais
20:39 frequente Então acho que é esse o recado
20:41 sobre uso de dados para administração é
20:43 mais que PR administração é para nossa
20:45 sociedade obrigado gente