Relatório do BigData-Funasa descreve andamento do projeto e operações das equipes

A Funasa já integrou 13 bases de dados, somando 61 tabelas e 4.410 variáveis, em um banco de dados voltado à gestão de informações sobre saneamento básico e saúde ambiental no Brasil. O levantamento foi divulgado no relatório técnico parcial do BigData-Funasa, projeto de cooperação entre a Fundação Nacional de Saúde (Funasa), a Organização Pan-Americana da Saúde (OPAS) e a Fundação de Empreendimentos Científicos e Tecnológicos (Finatec), vinculada à Universidade de Brasília, firmado por meio da Carta Acordo SCON2026-00086. Das onze atividades previstas para essa etapa, seis foram concluídas e cinco seguem em andamento ou em fase de prova de conceito.

O objetivo do projeto é aplicar ciência de dados e inteligência artificial para modernizar a gestão de dados da Funasa, otimizar a alocação de recursos e apoiar a tomada de decisão em políticas de saneamento e saúde ambiental.

Antes de estruturar o banco de dados, a equipe do BigData levantou as necessidades da Funasa e do público interessado. Foi realizada uma pesquisa sistemática sobre políticas de saneamento voltadas a sistemas de abastecimento de água (concluída e publicada em formato de artigo científico) e outra sobre doenças relacionadas ao saneamento inadequado (segue em andamento), que foi explorada em quatro bases internacionais e três idiomas. O mapeamento também incluiu a análise de acórdãos do Tribunal de Contas da União, o levantamento de requisições feitas à Funasa pelo portal Fala.BR e o cruzamento com o Relatório de Gestão 2024 da fundação. A partir desse diagnóstico, foram incorporadas ao banco de dados fontes como o Datasus, o Sistema Nacional de Informações em Saneamento Básico, o Censo Demográfico do IBGE, o Censo Escolar do Inep, o Sisagua, o Transferegov e o Atlas Esgotos.

Com os dados integrados, eles lançaram dois painéis interativos no portal do projeto. O primeiro conta com informações de Autorizações de Internação Hospitalar do Datasus e já está disponível para consulta pública. O segundo dashboard cruza indicadores de saúde pública, saneamento, gestão municipal e vulnerabilidade social para apoiar a priorização de municípios atendidos pela Funasa. O terceiro dashboard, ainda em formato de um relatório, apresenta: dados georreferenciados sobre os pontos de coleta de água na bacia do Rio Doce; a localização de unidades do SALTA-z, uma tecnologia da própria Funasa para purificação de água em comunidades isoladas; e os futuros sistemas de captação e armazenamento de água da chuva a serem implantados.

O relatório detalha ainda o desenvolvimento da IARA, inteligência artificial desenvolvida para responder, em linguagem natural, perguntas sobre os dados armazenados no banco, sem que o usuário precise baixar arquivos ou escrever consultas em linguagem SQL.

Entre as entregas já concluídas está o Portal de Documentos do PMSB, que tornou público em um único endereço os Planos Municipais de Saneamento Básico financiados pela Funasa entre 2006 e 2026, abrangendo documentos de 1.195 municípios e mais de quatro mil arquivos. Antes da plataforma, o acesso a esse material dependia de solicitação direta à Funasa.

Para sustentar o banco de dados, a equipe adotou uma arquitetura baseada em computação em nuvem e contêineres, organizada em camadas de acesso via VPN, gerenciamento de aplicações, armazenamento e processamento, dashboards analíticos e monitoramento do sistema, o que permite que o ambiente comece em uma escala reduzida e se expanda conforme novas bases e ferramentas sejam incorporadas. O projeto também desenvolveu uma metodologia própria de territorialização, batizada de Inteligência Territorial Multivariada, que substitui a lógica municipal tradicional pela delimitação de macrozonas de risco socioespacial. Esse processo contém quatro fases: vinculação de bases, estabilização estatística, clusterização por aprendizado não supervisionado e restrição espacial. A equipe também construiu a identidade visual do projeto, a partir da análise de 16 plataformas de dados nacionais e internacionais e de pesquisa interna com os membros da equipe.

O relatório aponta como principal desafio da primeira etapa a heterogeneidade das bases de dados e a necessidade de integrá-las a partir de arquiteturas distintas. Durante a execução, houve uma mudança na gestão da instituição, que exigiu ajustes no fluxo de trabalho e no cronograma, mas que, segundo a equipe, não comprometeu os objetivos pactuados com a OPAS. Como ponto-chave, o documento destaca a importância de mapear com antecedência as demandas informacionais de diferentes públicos dentro e fora da Funasa, além da necessidade de sensibilizar as equipes tanto para o fornecimento de dados quanto para a internalização do conhecimento gerado pelo projeto.

Nos próximos meses, o projeto deve concentrar esforços na finalização da automação da coleta de dados por web scraping, na ampliação da IARA para novas bases e na consolidação dos modelos preditivos de IA voltados à identificação de padrões de doenças relacionadas ao saneamento, etapa essencial para que a fundação avance na antecipação de surtos epidemiológicos e no planejamento de investimentos em infraestrutura sanitária.