Inovação na análise do Programa Nacional de Alimentação Escolar (PNAE): automatização de correspondência, padronização e integração de base de dados

Este artigo apresenta uma aplicação concreta de técnicas de Big Data, Machine Learning (ML) e Inteligência Artificial (IA) para superar os desafios de monitoramento e avaliação do Programa Nacional de Alimentação Escolar (PNAE). Diante do contexto global de insegurança alimentar e da necessidade de políticas públicas inovadoras, o PNAE se destaca ao vincular a segurança alimentar e nutricional ao desenvolvimento rural. Análises do PNAE proporcionam a possibilidade de potencializar efeitos positivos do programa. No entanto, a análise do programa é limitada pela inconsistência e despadronização de seus dados. Este trabalho detalha uma metodologia desenvolvida para automatizar a correção, padronização e integração da base de dados do PNAE, utilizando uma função de ML para tratamento de texto e cruzamento com o Cadastro Nacional da Pessoa Jurídica (CNPJ). Os resultados demonstram a viabilidade de transformar um grande volume de dados brutos (3.3 GB) e desestruturados em uma base analítica robusta (5.6 GB), padronizando 176.769 descrições de produtos em 251 categorias consistentes e georreferenciando 99,8% dos fornecedores. Conclui-se que a integração entre ciência de dados e políticas públicas, como exemplificado neste caso, é um avanço metodológico crucial para ampliar a transparência, qualificar a gestão e fomentar pesquisas que aprimorem a efetividade de programas transformadores como o PNAE.