Análise de dados é uma ferramenta estratégica no desenvolvimento de ações de segurança pública.
Cientistas da Universidade da Flórida desenvolveram uma abordagem data-driven para identificar os padrões de ação policial, em mais uma iniciativa voltada para a aplicação de ferramentas de análise de dados na segurança pública. O tema é polêmico, por envolver situações em que o direito à privacidade muitas vezes se choca com o interesse público. Ou em que as mesmas ferramentas utilizadas para combater o crime podem ser utilizadas para coagir os cidadãos.
O objetivo do estudo conduzido nos Estados Unidos era identificar de forma mensurável se o posicionamento das forças de segurança se encaixariam em um dos dois conceitos mais conhecidos de ação: modo guardião e modo guerreiro.
O modo guerreiro é o mais comumente associado à atividade policial, com estrutura militarizada e focada em procurar, perseguir e prender. Por sua vez, o guardião privilegia ações de prevenção, aliando-se às comunidades, fazendo uso de serviço social e estabelecendo relações positivas.
Os pesquisadores utilizaram o banco de dados e resultados de pesquisas com as forças policiais das cidades Fayetteville (Carolina do Norte) e Tucson (Arizona). Os resultados mostraram de forma empírica a existência dos dois modos de ação. Os oficiais que obtiveram mais pontos em direção ao perfil guardião tendiam a valorizar mais a comunicação, enquanto os predominantemente guerreiros privilegiavam controle físico e maior tendência ao uso de força.
Uma outra abordagem data-driven na segurança, também nos Estados Unidos, é a ferramenta de prevenção de crimes Risk Terrain Modeling (RTM), baseada na análise de lugares, usada com razoável sucesso pela polícia em diversas cidades. O sistema cruza os dados geográficos das ocorrências policiais com diversas outras fontes, identificando áreas de risco e sugerindo ações preventivas. Na cidade Atlantic City, a queda na criminalidade foi de 20%, em apenas cinco meses de 2017, e os resultados persistem.
O algoritmo para o processamento dos dados é gratuito e está acessível a qualquer país. Os dados necessários ao processamento são, muitas vezes, públicos ou acessíveis de forma gratuita. Por meio deles, uma rede de vizinhos em Fort Worth, no Texas, modelou um mapa de risco para localizar áreas com ocorrências de abuso infantil. Ao contrário de aproximações baseadas em áreas perigosas (hot spots), bastante em uso no Brasil e baseada no mapeamento de ocorrências já registradas, a técnica usa ferramentas de machine learning para prever e identificar os locais de futuras ocorrências.
