RESUMO:
Aborda sobre o conhecimento e princípios iniciais sobre base de dados atuarial e a diferença de banco de dados.
I. INTRODUÇÃO
Quando pensamos em estudos atuariais e avaliações atuariais é possivel afirmar que, tudo se inicia com uma base de dados, ou seja, um minucioso e árduo estudo na base de dados.
II. MAS O QUE É UMA BASE DE DADOS?
A base de dados é a nomenclatura que se dá para uma ferramenta que recolhe e organiza as informações. As bases de dados podem armazenar informações sobre pessoas, endereços, produtos, tipo de negócio, encomendas ou qualquer outro assunto. Muitas bases de dados começam por ser uma lista num programa de processamento de texto ou em uma planilha em Excel(*) que agrupa os campos necessários para efetuar o estudo ou cálculo.
À medida que a lista cresce ou base de dados cresce, começam a aparecer inconsistências e repetições nos dados, principalmente quando comparadas a base anteriores, geradas para a mesma finalidade, mas em período diferente.
Certo que, a cada ano são:
Adicionados novos dados a uma base de dados.
Alteração de centro de custo, localização, tipo de produto, salário, benefício etc.
Duplicidade de informações, por exemplo, quando beneficiário é ativo e passa a ser inativo, quando o produto está à venda e depois vendido etc.
Inclusão de novos campos, para visualização de outros cenários.
Etc.
III. O QUE É UMA DATA BASE?
A Data-base será sempre a data que foi gerada a base para utilização em determinado cálculo, quando for solicitada mesmo em época diferente deverá retornar a mesma base.
Dessa forma, a base de dados deverá ser considerada como a primeira e talvez a mais importante etapa atuarial, uma vez que, existindo inconsistências comprometerá todo o trabalho futuro e com isso os resultados apresentados poderão não ser verdadeiros.
A base de dados confiável e fidedigna é um elemento fundamental para o trabalho do atuário, permite que o profissional faça uso de várias técnicas de análise dos dados, bem como, estimativas futuras, utilizando variáveis aleatórias e hipóteses biométricas, demográficas, financeiras e econômicas que influenciam nos resultados dos estudos atuariais dando mais solidez e possibilitando uma correta interpretação aos dados coletados.
Assim, quando gerada novamente, independente do ano, considerando a mesma data base, deverá retornar as mesmas informações para a mesma lista de campos escolhidos.
Considerando que a Inteligência Artificial- IA, e a Lei Geral de Proteção aos Dados – LGPD são temas atuais, manter o correto armazenamento dos dados é fundamental para avaliar os riscos expostos por cada empresa e garantir a conformidade com a LGPD.
Ao utilizarmos como atuário em cálculos, uma base de dados com critérios do LGPD, podemos afirmar que para as empresas com reflexo no mercado securitário (seguros, saúde, previdência, capitalização, resseguros e privadas) o gerenciamento dos riscos e os controles feitos com apoio de atuários contribuem para idoneidade da base de dados no resultado de seus cálculos considerando as aplicações de metodologia, desenvolvimento de produtos e provisões, recálculos, modelagem e testes de adequação de passivo.
Portanto, interfere diretamente na correta quantificação/avaliação/mensuração atuarial que apresentará como reflexo nos relatórios atuariais contendo as premissas aplicadas, o objetivo do cálculo, os cálculos aplicados, o diagnóstico frente aos cenários e como resultado a conclusão de sustentabilidade/lucratividade ou relatório contendo as medidas de correção, assim promovendo a liquidez e solvência da empresa.
Além disso, resultados de análises atuarias com dados precisos possibilitam uma correta precificação (*), um correto mapeamento dos riscos que são relevantes para a atuação da empresa objeto dos estudos/avaliação/mensuração e com isso auxiliando na otimização dos processos e produtividade.
Um dos exemplos mais claros da dependência de uma base de dados fidedigna é quando o atuário aplicando seu conhecimento para desenvolvimento de qualquer, que seja, o produto, utiliza para o cálculo de precificação (*) e ou taxação dos seguros, saúde, previdência, capitalização etc., utilizam a base dos dados históricos, visto que a partir da base de dados (gerada para a finalidade e com data base específica), o atuário realiza estudos estatísticos, matemáticos, biométricos, financeiros, econômicos, que envolve informações cadastrais, dos produto adquiridos, dos valores pagos para ter direito caso ocorra o risco e os risco efetivamente ocorrido e pago.
IV. O QUE É FIDEDIGNIDADE DA BASE DE DADOS?
A fidedignidade da base de dados o próprio termo sugere confiabilidade da base de dados, para o atuário ter certeza de que a base é confiável, são aplicados escores testes para confirmar a razoabilidade da confiança da base de dados. Esses escores são obtidos a partir de uma amostra grande em condições padronizadas, escolhidos aleatoriamente. Importante como contraposição que os erros aleatórios têm igual probabilidade de influenciar os escores em direção positiva ou negativa.
A maior dificuldade que o atuário enfrenta é que a maioria das empresas acabam não armazenando os dados corretamente, na mesma data base, ou ainda, não conseguem extrair estes dados de forma que possibilite a replicação do estudo/avaliação/mensuração atuarial elaborada. Inclusive há empresas que possuem diversos dados armazenados em base de softwares, diretórios como informações iguais e campos diferentes e distintos, sem existir “matrizes chaves” que possibilitem correlacionar estes dados, o que inviabiliza a realização ou a replicação de qualquer estudo atuarial.
Estes comentários não estão focando em banco de dados considerando que o conceito de banco de dados é uma aplicação digital moderna, ou seja, um sistema de software que envolve entradas, saídas e estruturas que armazenam dados como uma espécie de memória para uso posterior.
Em texto extraído do https://blog.somostera.com/data-science/tipos-de-banco-de-dados, temos:
Por mais clássicas que sejam as tecnologias de banco de dados, ultimamente temos visto um debate acirrado acerca das ferramentas ideais para lidar com o Big Data — um novo paradigma para o armazenamento. O desafio é construir arquiteturas robustas o suficiente para lidar com o volume e a complexidade dessas categorias de dados e desenvolver uma cultura data-driven.
V. O QUE É UM BANCO DE DADOS?
Bancos de dados nada mais são do que uma coleção e um conjunto de registros de dados. Também chamados de bases de dados, são estruturas de armazenamento de informações importantes para uma aplicação em um determinado contexto. Todo sistema de software utiliza esse conceito como base para automatizar tarefas e agilizar processos.
Pense em um exemplo simples: um formulário. Digamos que você preencha um formulário hipotético de cadastro com dados de login, senha, nome e endereço. Em qualquer aplicação moderna, só existe uma forma de fazer esses dados serem funcionais: registrá-los em um local específico para uso posterior.
O uso posterior nesse caso pode ser quando você tentar fazer login ou precisar autenticar o seu acesso. A lógica do sistema então vai comparar as informações digitadas com as informações que já estão salvas no banco, de modo a permitir um acesso seguro.
Ou ainda o sistema pode utilizar o nome e o endereço já salvos como uma forma de agilizar o processo de checkout de uma compra online. Nesse caso, busca gerar praticidade ao recuperar informações que já foram cedidas. O nome também pode ser usado em uma comunicação da empresa por e-mail.
Uma aplicação de streaming de áudio/vídeo, por sua vez, salva os arquivos que colocamos em lista de favoritos nos seus bancos de dados. Nossas informações de pagamento e dados referentes a nossa conta também são salvos nessas bases.
Em suma: quando utilizamos um sistema, ele solicita algumas informações sobre nós para atingir um determinado fim. Esses dados são o que o software sabe acerca de nós. O banco de dados é o local onde esse tipo de dado é armazenado de uma forma segura.
Caso não tivéssemos bancos de dados à nossa disposição, o uso dos sistemas seria somente volátil. Não poderíamos salvar nenhuma informação, e os softwares não aprenderiam nada sobre nós, tornando a utilização extremamente difícil. Nesse sentido, é como se precisássemos nos cadastrar em uma aplicação toda vez que quiséssemos logar, por exemplo.
Bancos de dados também registram dados sobre os dados, que são informações relacionadas que enriquecem a compreensão de cada dado nas análises. Da mesma forma, registram dados sobre o uso de uma aplicação e outros.
Para gerenciar bancos de dados, contamos com um conceito central: o SGBD (Sistema Gerenciador de Bancos de Dados).
Trata-se de uma aplicação gerencial que permite controlar o acesso e a manipulação do banco de dados, bem como administrar questões fundamentais como backups e recursos de segurança e privacidade. É como um sistema geral para acessar e cuidar do banco de dados físico. O software trabalha com uma linguagem específica, como o SQL, que é padrão para a maioria dos BDs.
Vamos avançar agora para estudar os dois principais tipos de banco de dados.
Bancos relacionais
Chamamos de relacionais os bancos mais tradicionais, construídos sobre uma lógica de relações entre dados. A estrutura deles apresenta geralmente tabelas, com um conjunto de linhas e colunas, bem como chaves que conectam diferentes tabelas. A partir disso, é possível compreender um dado em um contexto maior para aprofundar no entendimento de suas implicações.
A característica principal do banco de dados relacional é que ele apresenta um esquema muito bem-definido. Para chegar até ele, uma pessoa que trabalha com BDs deve modelar o banco a partir de relações do mundo real (uma pessoa e suas playlists, por exemplo) e projetar de fato o sistema com o apoio de tecnologias específicas.
Por sua característica organizada, o modelo relacional é muito comum em aplicações do mundo corporativo, como CRMs e ERPs. O foco dessas aplicações é o registro de dados de uma forma simplificada, de modo que as equipes consigam se concentrar mais nas análises e no que farão com esses dados. Todos os dados atendem a um padrão e não demandam preocupação com seu formato.
Bancos não relacionais.
Se você imaginou que o modelo relacional parece ser organizado demais para um fluxo enorme de dados, você acertou. Para lidar com um fluxo muito grande, típico do que chamamos de Big Data, é preciso contar com um banco de dados não relacional.
Os não relacionais não apresentam esquemas, nem demandam relações entre os dados. Geralmente, usam chave-valor, grafos, colunas ou documentos como forma de organização dos dados.
Assim, são perfeitos para salvar informações em formatos não convencionais, como imagens, áudios, vídeos, outros tipos multimídia ou tweets, por exemplo. Ou seja, são ótimos para lidar com dados oriundos da internet, que surgem desestruturados, em alto volume e são atualizados em tempo real.
A lógica não relacional se preocupa mais com os dados, estabelecendo como prioridade o tratamento deles. Como não há uma ordem clara, é necessário pensar em como estruturá-los para análises posteriores. Nesse contexto, entram em cena as soluções analíticas que se dedicam exclusivamente a lidar com esses dados para extrair insights deles.
Os bancos não relacionais estão no centro das discussões sobre aprendizado de máquina, Business Intelligence, internet das coisas, etc. Estruturas maiores como um Data Warehouse podem conter vários bancos não relacionais para análises e consultas rápidas, com um poder de desempenho maior do que BDs relacionais justamente pela falta de um esquema específico.
Quais são os 9 tipos de banco de dados?
Veremos agora os principais SGBDs do mercado. Analisaremos opções de bancos de dados relacionais e não relacionais.
1. Oracle
O sistema tradicional da Oracle é um sistema para banco de dados relacional que funciona perfeitamente em softwares operacionais usuais, como Linux e Windows. Além disso, apresenta uma ótima documentação para ajudar quem precisa utilizá-lo.
2. SQL Server
O SGBD da Microsoft se destaca por recursos robustos de segurança. Adota mecanismos importantes de criptografia para controlar a confidencialidade dos dados, ou seja, que eles só estejam disponíveis para pessoas autorizadas. Ademais, esse banco de dados SQL traz algumas regras interessantes para proibir que os dados se percam com ações negligentes ou descuidadas.
3. MySQL
Provavelmente o mais famoso dos tipos de banco de dados relacional, o MySQL é um SGBD simples e fácil de controlar, inclusive com a integração com o PHP (principal linguagem para back-end). Foi criado pela Oracle como uma opção inclusive para ser de código aberto (modificável por qualquer pessoa em repositórios públicos). Hoje, é usado por grandes empresas como Twitter e Google.
No meio dos relacionais, o MySQL é geralmente usado para ensinar pessoas que não têm tanto contato com BDs e é uma das primeiras opções de quem está estudando esse tema. Justamente por ser uma opção tão comum e menos complexa de aprender.
4. NoSQL
O conceito de NoSQL surgiu quase como uma filosofia para lidar com algumas limitações da linguagem SQL no tratamento de bancos de dados.
O esquema que a linguagem SQL requer atrapalhava algumas aplicações que precisavam crescer rapidamente. No nosso mundo, com os dados massivos não estruturados que crescem instantaneamente, conseguimos compreender essa questão de forma mais natural.
Os bancos não relacionais, ou NoSQL, não apresentam um esquema rígido de tabelas. Por isso, conseguem se adaptar melhor a dados desestruturados, como já falamos.
Em suma, é mais do que um nome de SGBD, mas merece uma menção por sua importância como uma classe de ferramentas.
5. PostgreSQL
Outro dos mais famosos entre os relacionais. O Postgre é importante por trazer mecanismos de consulta mais complexos, chaves estrangeiras e outros recursos avançados para projetos de maior escala. Suporta diferentes tipos de dados e é também muito escalável.
6. DB2
A opção da IBM é segura, versátil e apresenta ótimo desempenho com bases menores e grandes. Por isso, se adapta bem a diferentes tipos de projetos — o que normalmente se espera de uma tecnologia como o banco de dados.
7. MongoDB
Um dos líderes do mercado de banco de dados não relacional, o MongoDB lida sempre com documentos JSON. Possui recursos que auxiliam na manipulação de Big Data e na escalabilidade sempre que necessário.
8. Redis
O Redis também é não relacional. Estrutura-se pelo formato chave-valor, similar ao conceito de dicionário em muitas linguagens de programação (como em Python). É fácil de usar e apresenta uma ótima versatilidade para atender a projetos que precisam de um BD com boa performance.
9. Dynamo DB
O DynamoDB é outra alternativa interessante no universo NoSQL. Foi projetado pela Amazon e é a base de empresas como a Netflix. Traz ótimos recursos de segurança e de desempenho, como cache, soluções de recuperação e tolerância a falhas e backups.
Segundo a Amazon, pode suportar um pico de 20 milhões de consultas em um segundo e 10 trilhões de solicitações em dia. É uma ótima opção para gerenciar micros serviços, algo que é muito requerido em aplicações web modernas.
VI. CONCLUSÃO
Para cada objetivo independentemente do tipo de banco de dados é importante que a base de dados tenha sua finalidade sua data e que seja possível replicar independente do tempo, para qualquer recálculo ou teste.
*Magali Zeller
Sócia e Diretora Atuarial na AT Service Consultoria Atuarial, empresa que há mais de 35 anos está entre as maiores consultoria atuarial em saúde, previdência, seguros, pet| Avaliação Benefícios a Empregados NBC TSP 25 – IAS 19 – CVM 695 – CPC 33| Auditoria Atuarial |IFRS 17 | Pericia Atuarial Membro do IBA – Instituto Brasileiro de Atuária | Associada e Representante no IAA – International Actuarial Association, | Pela Unidas Autogestão foi convidada a participar dos comentários dos indicadores da Pesquisa Unidas de 2010 e pela GNDI em estágio na Kaiser Permanente em Oakland-EUA. Membro colaborador do IPCOM – Instituto de Previdência Complementar e Saúde Suplementar Atuária desde 1987 pela PUC. MBA pela FAAP – Gestão em Saúde. Especialização em Estatística pela USP. Bacharel em Ciências Contábeis em 1985. Acadêmica desde 2010 e Coordenadora da Cátedra de Ciências Atuariais pela ANSP – Academia Nacional de Seguros e Previdências.
*Sandra Odeli
Atuária e Gerente Atuarial na CTS Consultoria Técnica Atuarial e Serviços. Acadêmica desde 2019 e Vice Coordenadora da Cátedra de Ciências Atuariais pela ANSP – Academia Nacional de Seguros e Previdências.
Expediente – Diretor de Comunicações: João Alfredo Di Girolamo | Conselho Editorial: Edmur de Almeida l Felippe Moreira Paes Barretto l Goldete Priszkulnik l Homero Stabeline Minhoto l João Marcelo dos Santos l Rogério Vergara l Produção: Oficina do Texto | Jornalista responsável: Paulo Alexandre | Endereço: Alameda Santos 2335 – 11º andar, conjunto 112 – Cerqueira César – São Paulo – SP – CEP 01419-002 | Contatos: (11)3335-5665| secretaria@anspnet.org.br | anspnet.org.br |
