Big data, análise de dados, IoT e cidades inteligentes

Imagine uma prefeitura que acompanha o nível de rios para emitir alertas. O sensor produz dados; o contexto transforma esses dados em informação; a análise tenta responder uma pergunta; e a decisão pública transforma a conclusão em ação. Quando dispositivos conectados passam a observar o ambiente e trocar dados, entra a IoT. Quando esse uso tecnológico é orientado a problemas urbanos e resultados para as pessoas, entra a ideia de cidade inteligente.

Esse encadeamento evita quatro confusões frequentes: mais dados não significam automaticamente melhor decisão; correlação não prova causalidade; IoT não exige IA; e cidade inteligente não é a cidade com mais sensores.

Corte de atualização: 10 de agosto de 2026. O edital cobra noções de big data e análise de dados para políticas públicas e Internet das Coisas (IoT) em cidades inteligentes. O foco é conceitual e aplicado. Engenharia de dados avançada, governança específica de IA e aprofundamentos de privacidade, ética e acessibilidade pertencem a outros recortes.

1. O fluxo que organiza o assunto

Quatro perguntas resolvem grande parte das questões:

1. Que dado ou fenômeno está sendo observado?
2. Que pergunta a análise pretende responder?
3. Que conclusão os dados realmente sustentam?
4. Na IoT, quem observa, quem comunica e quem atua?

A sequência mental é: medir → contextualizar → analisar → decidir → avaliar o resultado. Em soluções de IoT, acrescente ao fluxo os dispositivos e a comunicação que levam observações ao sistema e, quando houver, comandos de volta ao ambiente.

2. Dado, informação e qualidade

2.1 Dado e informação

Dado é uma representação de fato, medida, símbolo ou valor. Informação surge quando o dado é contextualizado ou processado de forma que possa ser interpretado para uma finalidade.

Exemplo hipotético:

• 82 isoladamente é um dado pouco informativo;
• 82 mm de chuva em seis horas no ponto X já possui unidade, período e contexto;
• comparar a medição com histórico e limites de alerta pode apoiar uma decisão de defesa civil.

O processamento não torna uma conclusão automaticamente correta. Se o dado de origem estiver errado ou representar mal o fenômeno, a informação resultante também pode induzir a erro.

2.2 Formas de organização

Metadados são dados que descrevem outros dados: significado, fonte, unidade, período, método, atualização e condições de uso. Eles ajudam alguém a descobrir uma base e a entender o que seus campos realmente significam.

Pegadinha: dado estruturado não é sinônimo de dado correto. Estrutura facilita tratamento; não garante qualidade.

2.3 Qualidade e representatividade

Qualidade significa adequação ao uso. Dimensões úteis incluem:

• acurácia: o valor representa corretamente o fenômeno?
• completude: os campos necessários foram preenchidos?
• consistência: as fontes e regras não se contradizem indevidamente?
• atualidade: o dado ainda é válido para a decisão?
• validade: formato e domínio esperados foram respeitados?

Também é preciso verificar representatividade: a base cobre adequadamente a população ou o fenômeno sobre o qual se quer concluir? Muitos registros de um aplicativo podem descrever muito bem seus usuários e, ainda assim, representar mal quem não usa o aplicativo.

Outro cuidado: ausência de dado não é zero. Um sensor indisponível, um campo não informado e uma medição real igual a zero são situações diferentes. O tratamento incorreto de valores ausentes pode distorcer taxas, médias e alertas.

3. Noções de big data

3.1 Conceito

Big data refere-se a conjuntos e fluxos de dados cuja escala, ritmo, diversidade ou complexidade exigem técnicas e arquiteturas adequadas de armazenamento, processamento, integração e análise.

Não existe um tamanho universal a partir do qual uma base “vira” big data. A dificuldade depende do volume, da velocidade necessária, dos formatos, das fontes e do uso pretendido.

3.2 Os 5 Vs

Os 5 Vs são uma heurística frequente para enxergar dimensões do problema:

Os 5 Vs não são requisito jurídico fechado. Algumas referências usam mais ou menos dimensões. Em prova, o importante é reconhecer o critério descrito no enunciado.

Pegadinha: grande volume com baixa veracidade apenas permite produzir erros em escala.

3.3 Uso público

Big data pode apoiar:

• integração de fontes antes isoladas;
• detecção de padrões e anomalias;
• monitoramento mais tempestivo;
• previsão de demanda ou risco;
• segmentação territorial de políticas;
• avaliação e revisão de serviços.

O ganho depende de pergunta bem formulada, qualidade, cobertura, método e capacidade de agir sobre o resultado. A tecnologia aumenta a capacidade de observar e processar; não elimina a necessidade de interpretar.

4. Análise de dados para políticas públicas

Antes de escolher técnica, identifique a pergunta. A mesma base pode servir a análises diferentes conforme o que se deseja descobrir.

4.1 Quatro tipos de análise

As categorias não formam uma escada obrigatória. Uma boa descrição pode ser mais útil do que uma previsão ruim.

Predição estima; não garante. Prescrição recomenda; não cria competência administrativa, orçamento ou autorização jurídica. A decisão continua sujeita ao contexto, às regras aplicáveis e à responsabilidade do agente competente.

4.2 Correlação e causalidade

Correlação indica associação entre variáveis. Causalidade exige sustentar que uma mudança produziu efeito em outra, considerando explicações alternativas.

Se acidentes diminuem depois de uma campanha, a sequência temporal não basta para provar que a campanha causou toda a redução. Podem existir sazonalidade, obras, fiscalização, mudança de tráfego ou tendência anterior.

A ideia de contrafactual organiza a pergunta causal: o que provavelmente teria ocorrido sem a intervenção? Quanto mais difícil responder a isso, mais cautela é necessária para atribuir efeito à política.

4.3 Indicadores e interpretação

Um indicador útil precisa de contexto:

• definição;
• fonte;
• período;
• unidade;
• população ou território de referência;
• limitações.

Comparar apenas totais entre cidades muito diferentes pode enganar. Uma taxa relaciona eventos a uma população ou exposição de referência. Por isso, o denominador pode mudar completamente a interpretação.

Também é preciso verificar:

• quem está representado e quem ficou fora;
• se houve mudança de definição ou método;
• se o instrumento de medição é confiável;
• se o período captura sazonalidade;
• se valores ausentes foram tratados corretamente.

4.4 Dados ao longo da política

Dados podem apoiar diagnóstico, desenho, implementação, monitoramento, avaliação e revisão. Para não confundir entrega com efeito, separe quatro níveis:

Instalar sensores prova que houve produto, não que houve impacto. Para falar em impacto, é preciso avaliar efeitos e sustentar a atribuição, e não apenas contar equipamentos ou atividades.

5. Dados no setor público: integração e governança mínima

Uma política baseada em dados depende de definições claras, qualidade conhecida, responsáveis e regras de acesso. A IND é, no âmbito do Poder Executivo federal, um conjunto de normas, políticas, arquiteturas, padrões, ferramentas tecnológicas e ativos de informação voltado ao uso estratégico de dados. Seu contexto ajuda a entender por que descoberta, interoperabilidade, segurança, proteção e governança precisam caminhar juntas.

Para este edital, guarde o mecanismo:

• metadados ajudam a localizar e interpretar dados;
• interoperabilidade permite que sistemas e organizações troquem dados de modo útil;
• troca técnica sem significado comum pode transmitir valores que cada órgão interpreta de maneira diferente;
• governança define responsabilidades e condições para qualidade, segurança, acesso e uso adequado;
• integrar bases não torna automaticamente legítimo todo uso nem corrige problemas de qualidade.

Não é necessário decorar arquiteturas como ETL/ELT, lakehouse ou modelos detalhados de compartilhamento para compreender o núcleo deste item.

6. Internet das Coisas — IoT

6.1 Conceito

O Decreto nº 9.854/2019, que instituiu o Plano Nacional de Internet das Coisas, define IoT como infraestrutura que integra serviços com capacidades de conexão física ou virtual de coisas com dispositivos baseados em tecnologias da informação e comunicação, com interoperabilidade.

O mesmo decreto ajuda a separar os elementos: coisas são objetos físicos ou digitais capazes de ser identificados e integrados às redes de comunicação; dispositivos têm capacidade obrigatória de comunicação e podem também sensoriar, atuar, coletar, armazenar ou processar dados.

Em termos práticos, uma solução de IoT conecta coisas e dispositivos para observar, comunicar e, em alguns casos, atuar no ambiente.

6.2 IoT não é qualquer uso da internet

Não basta, isoladamente:

• colocar um arquivo na web;
• acessar uma página por computador;
• usar uma máquina automática sem comunicação;
• ter um sensor que só grava localmente sem integração em rede.

O ponto central é a integração de coisas/dispositivos por comunicação em rede dentro de uma solução.

6.3 IoT não exige IA

Um sensor pode enviar temperatura e uma regra fixa pode acionar um alerta. Isso já pode compor uma solução de IoT.

IA pode ser acrescentada para previsão ou reconhecimento de padrões, mas não é requisito conceitual da IoT.

7. Componentes básicos de IoT

Pense no caminho ambiente → dispositivo → comunicação → processamento → resposta. Os componentes abaixo ocupam posições diferentes nesse fluxo:

Sensor observa; atuador age. Um mesmo equipamento pode reunir ambos.

7.1 Telemetria e comando

• telemetria: observação ou medição enviada remotamente pelo dispositivo ao sistema;
• comando: instrução enviada ao dispositivo ou atuador para produzir mudança.

Exemplo hipotético: um medidor envia pressão da rede de água (telemetria); o sistema envia ordem para fechar uma válvula (comando).

7.2 Conectividade

Não existe uma tecnologia de comunicação universalmente melhor. A escolha depende de:

• alcance;
• largura de banda;
• latência;
• consumo de energia;
• custo;
• disponibilidade;
• mobilidade.

Um vídeo contínuo e um sensor que envia poucos bytes por hora têm necessidades distintas. A tecnologia adequada é a que atende aos requisitos da aplicação, e não a que parece mais sofisticada.

7.3 Continuidade e segurança — noções

IoT urbano pode produzir efeitos físicos. Por isso, uma solução deve considerar:

• identificação e autenticação dos dispositivos;
• controle de acesso;
• atualização e manutenção;
• proteção das comunicações quando aplicável;
• perda de rede, energia ou plataforma;
• sensor defeituoso e mensagem ausente;
• procedimento seguro para falhas.

O aprofundamento de segurança, privacidade e responsabilidade digital pertence aos assuntos específicos correspondentes. Aqui, o ponto é perceber que falha tecnológica também é risco operacional.

8. Cidades inteligentes

A Carta Brasileira para Cidades Inteligentes associa cidade inteligente à transformação digital e ao desenvolvimento urbano sustentáveis, com atuação planejada, inovadora, inclusiva e em rede, uso responsável de dados e tecnologias, redução de desigualdades, resiliência e melhoria da qualidade de vida.

A Carta é uma orientação estratégica, não lei nem certificação obrigatória.

8.1 Tecnologia é meio

Uma cidade não é inteligente por instalar muitos dispositivos. A pergunta é se a solução:

• resolve problema público concreto;
• melhora serviço ou qualidade de vida;
• reduz desperdício ou tempo de resposta;
• é sustentável financeiramente e operacionalmente;
• funciona para os territórios e públicos relevantes;
• pode ser mantida, avaliada e corrigida ao longo do tempo.

8.2 Aplicações frequentes

8.3 O exemplo integrado, do sensor ao impacto

Retome o município que instala sensores de nível de rios:

1. sensor: mede o nível;
2. conectividade: envia a telemetria;
3. processamento: compara a medição com regras e histórico;
4. informação: transforma a medição em condição interpretável de risco;
5. ação: um alerta pode ser emitido e equipes podem ser mobilizadas;
6. avaliação: mede antecedência, alcance, resposta e danos evitados.

Agora aparecem juntos os conceitos do capítulo. Os sensores são insumos; os pontos monitorados e alertas são produtos; aviso mais rápido pode ser resultado; redução de perdas pode ser impacto, se a avaliação sustentar essa atribuição.

O sensor melhora a observação; não substitui plano de contingência, manutenção, decisão pública ou comunicação de emergência. Essa é a diferença entre instalar tecnologia e produzir valor público.

9. Como reconhecer as pegadinhas

1. Big data ≠ apenas volume. Pergunte qual dimensão do problema está descrita.
2. 5 Vs = heurística, não lista legal fechada.
3. Dado estruturado pode estar errado. Estrutura e qualidade são dimensões diferentes.
4. JSON é normalmente semiestruturado.
5. Completude ≠ acurácia ≠ atualidade.
6. Amostra grande pode continuar não representativa.
7. Ausência de dado ≠ zero.
8. Descritiva descreve; diagnóstica investiga; preditiva estima; prescritiva recomenda.
9. Predição ≠ causalidade. Prever corretamente não prova o mecanismo causal.
10. Correlação ≠ causalidade. Associação não basta para atribuir efeito.
11. Produto ≠ resultado ≠ impacto. Entrega não prova efeito amplo.
12. IoT ≠ IA. Uma solução conectada pode operar por regras fixas.
13. Sensor observa; atuador age.
14. Gateway não é obrigatório em toda arquitetura.
15. Edge e nuvem podem coexistir.
16. Telemetria ≠ comando. Um fluxo relata o ambiente; o outro manda agir.
17. Cidade inteligente ≠ cidade com mais sensores. O critério é o problema e o resultado público.
18. Carta Brasileira para Cidades Inteligentes ≠ lei.

10. Estratégia de resolução

Em questão de análise de dados:

1. identifique qual pergunta está sendo feita;
2. verifique qualidade, cobertura e contexto da base;
3. diferencie descrição, previsão e causalidade;
4. confira denominador, período e população antes de comparar;
5. não atribua à análise autoridade jurídica que ela não possui.

Em questão de IoT:

1. encontre o dispositivo/sensor;
2. identifique a comunicação;
3. veja se existe atuador/comando;
4. diferencie processamento próximo à fonte e plataforma remota;
5. conecte a tecnologia ao problema urbano e ao resultado esperado.

Se a alternativa transformar meio em fim — mais dados, mais sensores, mais automação — sem demonstrar qualidade, interpretação ou resultado, desconfie.