Neste conteúdo, vamos à sequência da conversa com Rodrigo Tchalski, agora com foco no pioneirismo, nas particularidades e no valor estratégico da plataforma CASEBOARD, mergulhando nas capacidades dessa solução em contribuir, dentre outras atividades, para a análise criminal, a investigação de fraudes e a integração e inteligência de dados, reduzindo tempos de resposta, automatizando processos e permitindo que organizações públicas e privadas transformem grandes volumes de dados em conhecimento útil, confiável e oportunamente aplicável!

Saiba mais!

• Caseboard – Transformando dados em inteligência

Honoráveis Ouvintes! Sejam muito bem-vindos a mais um episódio do Hextramuros! Sou Washington Clark dos Santos, seu anfitrião! Se no episódio anterior falamos sobre por que a análise de dados é indispensável, agora avançamos para uma questão ainda mais prática: como fazer análise de dados em escala, com velocidade, método e confiabilidade em um mundo onde o volume de informações cresce de forma exponencial? A realidade operacional mostra que análises manuais, planilhas isoladas e sistemas fragmentados já não dão conta da complexidade atual. Investigações criminais, apurações de fraudes, auditorias e processos de inteligência exigem correlação automática, integração de múltiplas fontes e capacidade de análise massiva, tudo isso sem perder rastreabilidade e rigor metodológico. É nesse cenário que surge uma plataforma concebida desde a origem para automatizar tarefas analíticas, acelerar descobertas e apoiar decisões críticas. Solução esta que não substitui o analista, mas, potencializa sua capacidade de leitura, correlação e interpretação dos dados. Neste conteúdo, vamos à sequência da conversa com Rodrigo Tchalski, agora com foco no pioneirismo, nas particularidades e no valor estratégico da plataforma CASEBOARD, mergulhando nas capacidades dessa solução em contribuir, dentre outras atividades, para a análise criminal, a investigação de fraudes e a integração e inteligência de dados, reduzindo tempos de resposta, automatizando processos e permitindo que organizações públicas e privadas transformem grandes volumes de dados em conhecimento útil, confiável e oportunamente aplicável!

Saudando-o com as nossas boas-vindas, meu amigo, a ocasião é oportuna para expressar a admiração pela solução que aqui abordaremos, mas, acima de tudo pela pessoa que tu és! Honrado e grato pela sua presença e colaboração, inicio observando que o CASEBOARD nasceu em um contexto de explosão de dados e complexidade informacional. Qual foi a lacuna operacional ou analítica que motivou o desenvolvimento dessa plataforma?

Meu caríssimo Dr. Clark! Que satisfação estar com você em mais um episódio! É um prazer enorme poder falar a respeito do Caseboard! Interessante você falar sobre essa motivação ou qual a lacuna operacional que a gente está vivendo! Esse é um tema bem importante porque a gente já passou por essa adaptação do mundo do Big Data! Se a gente voltar uma década, talvez um pouco mais, o tema Big Data ainda era um tema um pouco assustador! Hoje, Big Data faz parte do nosso dia a dia e já está muito tranquilo falar sobre esse tema. Por outro lado, quando a gente entra principalmente na área investigativa, para gerar análise de dados, criar inteligência, o que a gente percebeu é que começaram a surgir várias ferramentas no mundo. E essas ferramentas tinham o objetivo de solucionar ou ajudar a responder algumas perguntas dentro do processo analítico investigativo. Com o passar do tempo, a gente acabou criando muitas ilhas! Então, a gente tinha a ilha da análise vínculos, a ilha dos dashboards, a ilha das biometrias, a ilha do OSINT, a ilha da forense digital e a gente poderia passar por dezenas de ilhas. Só que cada player nesse mercado analítico, se concentrou em uma parte da investigação! E aí, quando a gente começou o projeto do Caseboard, começou a entender que, quando eu vou analisar dados, eu preciso analisar isso de uma forma integrada. Eu preciso fazer uma correlação entre todos esses tipos de ferramentas, porque o usuário recebe uma vez o dado da investigação, só que ele precisa trafegar por diferentes ferramentas. A gente percebeu que o usuário - o analista - estava ali no meio daquele mar, nadando entre uma ilha e outra, ou tentando criar uma ponte entre essas ilhas do tipo: “ah, eu tenho aqui uma ferramenta de BI que me ajuda a filtrar os dados e eu preciso exportar isso para tratar esses dados e abrir na minha análise vínculos ou, depois da análise vínculos, exportar esse dado de novo, para fazer um mapa”! E isso começou a tornar complexa a vida do analista, por conta do excesso de tecnologia! Então, dada essa visão que a gente tinha sobre o processo analítico como um todo dentro da investigação, a gente pensou fazer uma plataforma de inteligência de dados que conhecesse mais profundamente o investigador ou o processo da investigação e trouxesse para esse mundo analítico uma maneira de trafegar com fluidez entre esses diversos cenários. Ou seja, eu consigo integrar minhas bases de dados e os meus arquivos, e uma vez que eu trago essa informação para dentro da plataforma, eu consigo enxergar tudo sob diversas óticas porque, ali dentro, eu tenho hoje mais de vinte ferramentas analíticas, todas elas perfeitamente integradas!

Em termos de análise de dados, o que diferencia o CASEBOARD de abordagens tradicionais baseadas em planilhas, bancos de dados isolados ou ferramentas genéricas de Business Inteligence?

Nesse contexto, o Caseboard traz uma série de benefícios que vão diferenciar ele do que a gente tem de abordagens tradicionais hoje no mundo investigativo por vários motivos. Primeiro: ele foi desenvolvido com a visão da investigação, ou seja, tudo que está dentro do Caseboard já nasce num ambiente investigativo. Porque, por exemplo, quando a gente pensa nas ferramentas de BI, na sua concepção original, elas não foram desenvolvidas para fazer a análise criminal! Elas vêm para o ambiente corporativo! Criar dashboards, tomar decisão, entender KPIs, outras coisas que precisam para tomar decisão dentro de grandes empresas e, no fim das contas, a gente está adaptando essas ferramentas corporativas para o mundo investigativo! Segundo ponto, é que a gente tem essa visão de unificar todo o fluxo! Fazer com que as ferramentas nativamente já conversem entre si, ou seja; se eu estou trabalhando com planilhas, banco de dados, outras ferramentas, tudo dentro do Caseboard já se torna nativo! Isso quer dizer que eu posso trafegar o meu dado entre as diversas ferramentas que ele já vai saber fazer isso nativamente. A gente trabalha com um modelo ontológico de dados incorporado, que permite que a ferramenta se adapte ao ambiente do usuário, não o contrário! Ou seja, se eu estou no ambiente criminal, o Caseboard vai falar a linguagem do analista criminal. Se eu estou em um ambiente bancário, o Caseboard vai falar a linguagem do ambiente bancário. Se eu ligo para um ambiente fazendário, o Caseboard vai falar a linguagem fazendária. E, por outro lado, eu tenho que dar um input da informação só uma vez! E não importa por onde eu comece a minha análise! Todo o tempo o usuário tem controle sobre a informação. A informação está integrada. As ferramentas conversam entre si e não são ferramentas genéricas! São ferramentas que foram desenvolvidas com essa visão da investigação, lá na ponta! Esse, talvez, seja o grande diferencial: colocar tudo junto dentro de uma mesma plataforma!

Como a automação de tarefas analíticas no CASEBOARD contribui para reduzir o tempo entre a coleta dos dados e a produção de inteligência, especialmente em investigações sensíveis ao fator tempo?

Do ponto de vista da automação, dentro do Caseboard, a gente tem pensado cada vez mais como fazer o tempo entre a coleta e inserção de dados e a produção efetiva do conhecimento serem cada vez mais eficientes e mais rápidas! E isso faz muito sentido, primeiro, em como as ferramentas estão construídas - como elas conversam entre si - e a dinâmica completa que existe dentro da ferramenta. E aí tem alguns pontos chave: primeiro; a gente utiliza dentro dessa dinâmica da experiência do usuário muitos conceitos que o usuário já conhece. Então, a usabilidade da ferramenta, os conceitos de entidades, ligações, atributos, da ergonomia que existe dentro da ferramenta, foi produzida para diminuir tanto o tempo da curva de aprendizado do usuário como também a produção real do conhecimento! Quando eu consigo automatizar, criar dashboards automáticos, fazer com que haja uma fluidez entre diversas ferramentas - no final do dia - o usuário, quando ele está trabalhando com investigações sensíveis, por exemplo, que o fator tempo é muito importante, precisa chegar a uma conclusão rápida, todo esse ecossistema que foi construído dentro do Caseboard vai contribuir diretamente para chegar nesse resultado final! Quando você está trabalhando lá com extrações de telefone celular, o Caseboard hoje já tem uma dinâmica muito facilitadora para carregar múltiplas evidências ao mesmo tempo e, imediatamente, gerar dashboards que vão dizer o que tem em comum dentro dessas extrações. Ou, se em algum momento, eu tenho uma planilha, eu quero carregar essa planilha e parte dessa planilha eu preciso consultar em dez, quinze, vinte sistemas diferentes que eu estou conectado dentro da minha instituição e, depois disso, gerar um relatório e criar dashboards que vão me ajudar a ter os insights, isso ele faz com pouquíssimos cliques! Uma ferramenta especialista em análises telefônicas, por exemplo, onde ele consegue dar toda a carga de qualquer dado que ele tem de telefone, do WhatsApp Records, de antenas de celular, ele pode colocar tudo ali dentro e rapidamente gerar muitos dashboards analíticos que vão conduzir à tomada de decisão dele dentro da plataforma! O fato de estar tudo junto, o fato de automatizar muitos processos e o fato de mostrar isso de uma forma simples, faz com que esse tempo reduza cada vez mais! Tudo o que a gente faz dentro do Caseboard é visual, nada é técnico! A gente tem uma preocupação, já, há mais de uma década, de construir a ferramenta para o usuário comum! A gente tem muito essa preocupação de construir a plataforma de maneira que mesmo o usuário que tenha menos intimidade com tecnologia vai conseguir o mesmo tipo de resultado que usuários mais experientes.

A análise massiva de dados exige escalabilidade e robustez metodológica. Quais são as principais capacidades do Caseboard para lidar com grandes volumes de dados sem comprometer a qualidade analítica?

Quando a gente fala em escalabilidade, a gente entra em um ponto muito sensível e em uma parte superimportante do Caseboard. O Caseboard hoje é preparado para otimizar muito o acesso e uso de grandes volumes de dados! Por exemplo, a gente tem clientes hoje que têm bases de dados na ordem de mais de cem bilhões de registros! Desde o momento em que a gente está acessando essas bases de dados, está tendo muito cuidado para não causar nenhum impacto negativo no acesso aos dados, na consulta massiva a dados e na obtenção de grandes volumes de informações quando eu rodo consultas. O acesso ao dado tem que ser otimizado! Depois, quando eu utilizo as ferramentas, elas vão proporcionar também um ambiente seguro para trabalhar com essa escala maior de dados. Porque, não necessariamente, eu preciso estar com esse dado sempre na memória, ou sempre disponível. Então, o Caseboard já me permite acessar de forma filtrada essa informação. Então, quando eu consigo aplicar filtros inteligentes, eu estou contornando esse problema da escalabilidade para que eu não onere meus servidores, meus computadores sem a necessidade de usar processamento, memória, disco, etc, que não sejam necessários! Então, eu estou trabalhando com uma metodologia muito específica para otimizar o acesso a dados, não necessidade de migração de grandes volumes de dados e trabalhar só com a informação que é mais necessária de cada vez! Quando eu junto uma metodologia diferente com robustez no acesso aos dados, isso garante que essa escalabilidade vai ser natural para o usuário. Depois disso, para alguns processamentos, vai utilizar GPU - se a máquina tiver - vai trabalhar de uma maneira muito sensível com os bancos de dados e, no final, o analista, além de receber no ambiente analítico efetivo uma quantidade menor de dados ou só a quantidade que ele realmente vai precisar utilizar, essa experiência de chegar a conclusões gera uma qualidade analítica muito mais profunda, muito mais objetiva, muito mais limpa! Acho que aí está o segredo: tornar os dados mais limpos para o usuário para ele chegar nessa qualidade que ele precisa! A gente evita trabalhar com dados desnecessários o tempo todo. E, dentro do ecossistema do Caseboard, a gente tem ferramentas que ajudam o analista a compreender isso e a chegar nesse ambiente de uma maneira muito segura.

No contexto da análise criminal e da investigação de fraudes, como o CaseBoard auxilia na identificação de padrões, vínculos, anomalias e comportamentos recorrentes que dificilmente seriam percebidos por análise manual?

Quando a gente vai entrar no contexto da análise propriamente dita - análise criminal, investigação de fraudes, todo esse ambiente investigativo - a gente começa a falar do real potencial do Caseboard para auxiliar o analista na ponta. A gente falou sobre integração, sobre facilitar essa gestão ou essa ingestão dos dados quando o analista precisa conectar dados muito heterogêneos. Quando entra no Caseboard esses dados que, a priori, ou nas suas fontes originais são dados muito heterogêneos - porque vêm de fontes diferentes - quando eles entram no Caseboard, a gente já começa a trabalhar na ingestão do dado e na uniformização dessa informação. Utilizando o modelo ontológico, a gente consegue caracterizar as informações mais importantes de uma maneira única. E a partir daí, o processo analítico começa a ficar mais fluído, porque a gente tem um conjunto de ferramentas bem extensa, que foi desenvolvido com muito cuidado para fazer com que essa experiência do analista seja muito confortável. Por exemplo, a gente vai trabalhar com análise de vínculos e, análise vínculos, vem de uma ciência muito profunda que é muito mais do que só mostrar vínculos visuais, mas, é organizar esses vínculos, identificar padrões lá dentro, clusterizar os dados para ver como é que eu tenho informações de grupos, organizar visualmente essas informações para facilitar a interpretação dos dados e utilizar outras técnicas como homofilia, detecção de padrões, detecção de ligações não existentes. A gente traz todo esse mundo da ciência para dentro da ferramenta de vínculos, por exemplo, para tornar esse manuseio da informação mais confiável, mais seguro, mais amplo, também! A gente passa por ferramentas que vão ajudar a identificar padrões e a gente usa também metodologias e modelos matemáticos para ajudar extrair padrões de comportamento de um volume de dados extenso, também. Ter essa capacidade de utilizar ciência aplicada à análise criminal ou análise investigativa me ajuda a trazer para dentro desse ambiente ferramentas ou transformar conceitos e modelos muito eficientes dentro da ciência para ferramentas que vão auxiliar o analista lá na ponta. E a gente vai conseguir verificar se tem alguma anomalia nesses dados, se tem comportamentos recorrentes. Por exemplo; se eu estou fazendo um planejamento em segurança pública, eu posso utilizar desde a construção simplificada de dashboards, pegar parte dessa informação, enviar para o mapa, dentro desse mapa, fazer mapas de calor, colocar mapas de cidades, e tudo isso junto faz com que as respostas comecem a aflorar aos olhos do analista. Então, eu saio dessa análise manual e começo a entrar numa análise mais produtiva, uma análise semiautomatizada aqui, porque ela não é 100% automática, mas conduzida por uma metodologia que vai me auxiliar a chegar em identificação de padrões ou comportamentos de uma maneira muito mais objetiva, muito mais clara e muito mais profunda também, podendo responder perguntas que antes talvez nem seriam possíveis de serem respondidas.

O Caseboard foi concebido para atender tanto instituições governamentais quanto empresas privadas. Quais adaptações ou características da plataforma permitem essa versatilidade de aplicação entre diferentes setores?

À medida que a gente ia progredindo e avançando no desenvolvimento do Caseboard, a gente começou a perceber que a maneira como a gente estava abordando o tema da análise de dados podia ser feito de uma maneira muito agnóstica. Ou em outras palavras: a gente não estava desenvolvendo ferramentas engessadas para responder apenas a alguma quantidade específica de respostas dentro da análise investigativa ou criminal. E a gente começou a perceber que a gente podia criar uma ferramenta que fosse muito mais agnóstica e ampla, ou seja; trago dado para dentro da ferramenta e o conjunto de ferramentas auxiliares que a gente tem aqui dentro vão auxiliar você, a conduzir a tua investigação, seja lá qual for a temática. E nesse ponto a gente notou que o modelo ontológico que a gente implantou dentro do Caseboard era peça chave para isso! Eu podia customizar o modelo de ontologia - o esquema de dados do Caseboard - e uma vez que eu adaptasse esse modelo, a ferramenta estava pronta para ser utilizada em qualquer segmento que eu que eu precisasse. E aí isso embarcava tanto instituições governamentais como empresas privadas. Quando a gente colocou essa base muito robusta dos modelos de dados e desenvolveu as ferramentas para não responderem unicamente perguntas muito específicas, a gente conseguiu criar uma ferramenta que era muito versátil! Então, ao mesmo tempo que a gente usa a ferramenta para analisar dados de um e-commerce e verificar se tem algum padrão de comportamento dentro de anúncios, por exemplo, para ver se a maneira como os usuários estão colocando os seus anúncios é um modelo fraudulento ou não - isso baseado nos dados das contas de usuário, dos anúncios, dos logs de acesso, localizações, IP, máquinas, etc - eu podia trabalhar num ambiente, por exemplo, bancário e verificar se contas que estavam sendo invadidas tinham o mesmo padrão de comportamento, utilizando o comportamento do fraudador. E por outro lado, dentro das instituições governamentais, eu posso estar trabalhando com o modelo de lavagem de dinheiro, ou analisar um homicídio, ou fazer um levantamento societário para verificar se eu tenho algum tipo de fraude fazendária ou no recolhimento de impostos. Eu consigo trafegar por muitas áreas utilizando as mesmas ferramentas! Que perguntas você quer responder com o Caseboard? Abra o Caseboard, atualize o teu modelo semântico e ontológico, faça ele falar a tua linguagem e a partir disso use todas as ferramentas que tem aqui para fazer o manuseio do teu dado, fazer a exploração da sua informação e chegar às conclusões que você precisa. Por exemplo, quando você olha um mapa de calor. Eu não sei o que significa um mapa de calor, a menos que eu entenda o contexto que eu estou inserido. O mapa de calor poderia ser manchas de criminalidade. O mapa de calor poderia ser a extensão de atendimento dos meus clientes. O mapa de calor poderia ser uma análise de notas fiscais eletrônicas. Então, o que acontece no Caseboard é que, quando eu olho uma análise de vínculos, um mapa, um gráfico, um dashboard, uma análise de padrões temporais, elas vão significar o contexto dos dados que eu inseri lá dentro. A ferramenta se adapta muito facilmente a qualquer contexto, não importa se é público, privado, se é investigativo, se é fraude, se é compliance. O Caseboard consegue se adaptar a essa linguagem diversa dos nossos usuários.

Olhando para o futuro da integração, análise e da inteligência de dados, como você enxerga a evolução do Caseboard e o papel dessa solução no fortalecimento da soberania tecnológica e informacional do Brasil?

Falar sobre o futuro do Caseboard é interessante, porque a gente sempre fala aqui que o Caseboard nunca será uma ferramenta terminada! Porque todos os dias a gente aprende coisas novas! A cada reunião, cada apresentação, cada conversa com o cliente a gente aprende coisas novas e entende mais coisas que a gente pode fazer dentro do Caseboard para melhorar a integração, análise de dados, inteligência, tomada de decisão e por aí vai! O próximo passo, imediato, que a gente está trabalhando aqui é tornar o Caseboard baseado em inteligência artificial, utilizando as LLMs - os modelos de linguagem natural -, além de modelos muito específicos para responder a perguntas específicas lá dentro. O Caseboard, na versão atual já tem muitos modelos de inteligência artificial rodando lá dentro e, agora, a gente vai transformar o Caseboard baseado em Inteligência Artificial, desde a sua concepção! Isso vem diretamente em encontro ao que a gente tem de mais atual em tecnologia. Em encontro ao que tem de necessidades mais atuais dentro do ambiente investigativo! E, do ponto de vista de fortalecer a soberania tecnológica informacional no Brasil, a gente continua sendo uma empresa 100% nacional! Do ponto de vista de soberania, não só a tecnológica como a de dados, também, a gente está se preocupando muito em que a proteção dos dados seja soberana dentro do ambiente do nosso usuário. Então, toda a gestão desses dados, todo o armazenamento desses dados, todas as ferramentas analíticas, elas sempre acontecem dentro do ambiente do analista, dentro do ambiente do usuário, do cliente. Ninguém tem acesso a esses dados. Esses dados estão muito bem protegidos, criptografados, respeitando toda a política de segurança de informação, de dados, de aplicações que os nossos usuários precisam. Todos os dias a gente tem ideias novas e a próxima versão que está para vir aí vai ser muito legal, vai ser muito ampla, com conceitos diferentes e com muita inteligência artificial para tornar esse processo ainda mais amplo, mais robusto, mais integrado e com decisões muito mais sólidas e muito mais rápidas para os nossos analistas!

Rodrigo, ao longo desta conversa falamos sobre escala, automação, integração e sobre como o CASEBOARD contribui para reduzir o tempo entre o dado e a decisão. Fica claro que, no cenário atual, não se trata apenas de analisar mais dados, mas de analisar melhor — com método, rastreabilidade, confiabilidade e velocidade compatível com a complexidade das ameaças e dos desafios institucionais. Com os meus sinceros agradecimentos e, parabenizando a ti e equipe da 4SEC pelo desenvolvimento da plataforma, deixo este espaço para suas considerações finais. Fraterno abraço!

Muito obrigado! Poxa, para mim é sempre uma satisfação falar sobre esse tema. Obrigado pelo reconhecimento, pelo convite! O crime organizado se reinventa todos os dias! Está utilizando cada vez mais inteligência, tecnologia e está tornando a forma de rastrear e monitorar eles cada vez mais difícil! Do nosso lado, aqui, é uma satisfação poder de alguma forma contribuir com a nossa experiência, com a tecnologia e tornar esse processo de análise mais confiável, mais rápido, ter rastreabilidade em todos os dados. Obrigado pela tua parceria de sempre, por poder participar do teu podcast! Aos nossos ouvintes eu estendo minhas cordiais saudações. E fico à disposição! Um abraço a todos e nos vemos em breve!

Honoráveis Ouvintes! Este foi mais um episódio do Hextramuros! Sou Washington Clark dos Santos, seu anfitrião! Acesse nosso website e saiba mais sobre este conteúdo! Inscreva-se e compartilhe nosso propósito! Será um prazer ter a sua colaboração! Pela sua audiência, muito obrigado e até a próxima!