Análise, painéis de controlo, mapas e proteção de dados

1Analisar e apresentar

• Escolher o indicador que responde à pergunta e o denominador certo (percentagem de quê?).
• Desagregar por sexo, idade, deficiência e zona, quando pertinente.
• Um gráfico por mensagem: barras para comparar, linhas para uma evolução, nada de gráficos circulares com dez fatias, nada de efeitos 3D.
• Indicar sempre a fonte, a data, a cobertura e as limitações dos dados.

Um painel de controlo útil cabe numa página: alguns números-chave, a evolução, as lacunas e o que exige uma decisão. Ferramentas: Excel, Power BI, Looker Studio, consoante os meios da equipa.

2Cartografia humanitária

• Ferramentas: QGIS (gratuito) para os mapas, dados do OpenStreetMap (estradas, edifícios), fronteiras COD.
• Tipos de mapas frequentes: mapa de presença 4W, mapa de gravidade das necessidades, mapa de acesso (estradas cortadas, zonas de risco), mapa de localização dos serviços.
• Um bom mapa tem: um título que transmite a mensagem, uma legenda, uma escala, o norte, a fonte, a data e a advertência sobre as fronteiras («as fronteiras indicadas não implicam um reconhecimento oficial»).
• Cores legíveis (incluindo para daltónicos), classes de valores coerentes, pouca informação, mas a certa.

3Proteção e responsabilidade dos dados

• Dados pessoais: nome, telefone, localização precisa, dados biométricos; dados sensíveis: saúde, violência, etnia, estatuto jurídico.
• Princípios: recolher o mínimo, com consentimento, para um objetivo preciso; acesso limitado; encriptação; prazo de conservação definido; partilha enquadrada por um acordo.
• Mesmo dados agregados podem expor um grupo (por exemplo, um mapa que localiza pessoas de uma minoria ou sobreviventes de violência): avalia-se o impacto antes de publicar.
• As orientações operacionais do IASC (2023) sobre a responsabilidade dos dados na ação humanitária e as normas do cluster servem de referência.

4O plano de análise: ponderação, intervalos de confiança e regras de publicação

Uma base limpa não produz, por si só, uma análise correta. Entre as duas está o plano de análise, redigido antes do fim da recolha: para cada indicador da matriz, especifica a pergunta colocada, o cálculo, o denominador, as desagregações, a ponderação e a forma de apresentar o resultado. As avaliações multissetoriais coordenadas exigem-no, e é o primeiro documento que um avaliador pede quando quer verificar um número.

Conteúdo mínimo de um plano de análise

A ponderação: porquê e como

Quando cada estrato recebe o mesmo número de entrevistas, embora as populações tenham dimensões diferentes, a média bruta sobrerrepresenta os estratos pequenos. O peso de uma entrevista é a razão entre a proporção do seu estrato na população e a sua proporção na amostra: peso = (N estrato / N total) / (n estrato / n total).

Se 52 %, 30 % e 41 % dos agregados destes três estratos dispõem de menos de 15 litros, a média bruta é de 41 %, e a média ponderada de 0,48 × 52 + 0,21 × 30 + 0,31 × 41 = 43,9 %, ou seja, 44 %. A diferença parece pequena aqui; atinge muitas vezes 5 a 10 pontos quando as dimensões dos estratos são muito desiguais.

Intervalos de confiança e pequenas subpopulações

• Um resultado obtido a partir de uma amostra publica-se com a sua margem: «44 % (intervalo de confiança a 95 %: 39 a 49 %)». O intervalo aproximado de uma proporção é p ± 1,96 × raiz quadrada de p(1 − p)/n, a alargar com o efeito de desenho no caso de uma amostragem por conglomerados.
• Os subgrupos não previstos na amostragem (por exemplo, os agregados chefiados por uma mulher num município) são indicativos: deve escrever-se isso. Uma regra corrente consiste em não publicar percentagens calculadas sobre menos de 30 observações, ou em assinalá-las claramente.
• Dois resultados cujos intervalos se sobrepõem amplamente não devem ser apresentados como diferentes: «a situação é pior em Kessa do que em Lounda» exige uma diferença significativa, e não apenas dois números diferentes.

Cada número publicado deve poder responder a três perguntas: percentagem de quê (o denominador), medida como (o método e a data), com que precisão (n, margem ou caráter indicativo).

Da análise descritiva à análise explicativa

A análise humanitária não se fica pelas percentagens. O quadro de análise intersetorial conjunta (JIAF) exige que se liguem as condições humanitárias às suas causas e consequências e que, depois, se atribua uma severidade numa escala de 1 (mínima) a 5 (catastrófica) por zona e por grupo populacional, antes de estimar o número de pessoas com necessidades. O IMO prepara os indicadores; a interpretação faz-se num workshop conjunto com os setores, porque é aí que os números são confrontados com o conhecimento do terreno.

5A 4W e a consolidação das pessoas alcançadas sem dupla contagem

A matriz «quem faz o quê, onde e quando» (3W, 4W ou 5W consoante os países, sendo a quinta dimensão «para quem») é o produto mais pedido a um IMO de cluster e o que mais vezes está errado. O problema central é a dupla contagem: a mesma família pode receber um kit de higiene de uma ONG, uma distribuição de água de outra e uma sensibilização de uma terceira, e ser contada três vezes.

O modelo 4W mínimo de um cluster

As regras de consolidação

1. Dentro de uma atividade e de um município: somam-se as pessoas alcançadas por diferentes organizações apenas se se souber que servem populações diferentes (locais diferentes, listas separadas). Caso contrário, retém-se o máximo.
2. Entre atividades de um mesmo setor: não se soma. O número setorial de pessoas alcançadas por município é geralmente o máximo das atividades-chave, ou o de uma atividade de referência definida pelo cluster.
3. Entre meses: distinguem-se as novas pessoas (primeiro contacto) e as pessoas assistidas de forma repetida. O acumulado anual não se obtém somando doze meses de distribuições recorrentes.
4. Entre setores: o número intersetorial de pessoas alcançadas por município é muitas vezes o máximo dos números setoriais, o que subestima ligeiramente, mas evita a sobrestimação. O método é decidido ao nível do IMWG e registado na nota metodológica do painel de controlo.
5. Limite lógico: as pessoas alcançadas não podem exceder a população do município. Qualquer excedente desencadeia uma verificação.

Exemplo de consolidação para um município

Uma 4W não mede as necessidades cobertas, mas a presença operacional. Comparar as pessoas alcançadas com a população com necessidades dá uma ordem de grandeza da cobertura, nunca uma prova de que as necessidades estão satisfeitas: a qualidade, a quantidade e a duração da assistência não constam dela.

O calendário de um ciclo mensal

• D1 a D5 do mês seguinte: os parceiros submetem a sua 4W (ferramenta em linha, por exemplo ActivityInfo, ou modelo Excel bloqueado).
• D6 a D8: o IMO controla (P-codes, desagregações incoerentes, números acima do limite) e devolve as questões aos pontos focais dos parceiros.
• D9 a D10: consolidação, atualização do painel de controlo e do mapa de presença, envio ao OCHA para a monitorização do plano de resposta.
• Reunião do cluster: apresentação das lacunas de cobertura, e não simples leitura dos números.

6Produzir painéis de controlo e mapas que sirvam para decidir

Conceber um painel de controlo em cinco etapas

1. Identificar o utilizador e a sua decisão: um coordenador humanitário que arbitra prioridades entre setores não precisa do mesmo produto que um chefe de base que acompanha as suas distribuições semanais.
2. Escolher quatro a oito indicadores-chave provenientes da matriz, com a respetiva meta ou limiar de alerta. Para além disso, o leitor deixa de ver o que quer que seja.
3. Desenhar a maqueta em papel antes de abrir o programa e fazê-la validar pelo utilizador. A leitura segue habitualmente uma ordem de cima para baixo e da esquerda para a direita: números-chave, evolução, distribuição geográfica, lacunas e alertas.
4. Construir a partir de uma fonte única: o painel lê a base consolidada e não contém números introduzidos à mão. É a condição para que uma atualização demore uma hora e não dois dias.
5. Documentar: uma zona «método e fontes» visível indica a data dos dados, a cobertura (número de parceiros que reportaram), as definições e as limitações.

Escolher o gráfico certo

Método de produção de um mapa temático no QGIS

1. Carregar os limites COD-AB ao nível pretendido, na versão em vigor.
2. Preparar a tabela de dados com uma coluna de P-code idêntica (mesmo formato, mesmo nível) e valores numéricos sem texto.
3. Fazer a junção pelo P-code e depois verificar o número de entidades unidas: qualquer unidade não unida revela um código errado ou uma versão diferente dos limites.
4. Escolher o sistema de projeção: WGS 84 (EPSG:4326) para o intercâmbio de dados; uma projeção métrica (por exemplo, a zona UTM do país) para medir distâncias ou áreas.
5. Escolher a representação: um coroplético para uma taxa ou uma percentagem; círculos proporcionais para números de pessoas. Um coroplético de efetivos dá uma impressão enganadora, porque as unidades grandes parecem sempre mais afetadas.
6. Escolher as classes: limiares fixos com significado operacional (por exemplo, os cinco níveis de severidade ou os limiares setoriais), caso contrário quantis ou quebras naturais, mencionando-o. No máximo cinco classes, uma paleta sequencial de um só tom para uma intensidade, legível pelas pessoas daltónicas.
7. Compor o esquema: título que enuncia a mensagem, legenda, escala, seta do norte, mapa de enquadramento, fontes, data de produção e data dos dados, logótipos, aviso sobre as fronteiras.
8. Mandar rever por uma segunda pessoa: P-codes, unidades vazias, ortografia, aviso, ausência de dados sensíveis.

Uma zona sem dados nunca deve ter a cor da classe mais baixa. Recebe uma cor ou uma trama distinta e a menção «sem dados»; caso contrário, o mapa afirma que não há necessidades onde nada se sabe.

As armadilhas de interpretação dos mapas

• Efeito de recorte: o mesmo dado agregado por distrito ou por município pode produzir imagens muito diferentes. Escolhe-se o nível que corresponde à decisão e evita-se tirar conclusões a um nível mais fino do que o da recolha.
• Efeito de área: as grandes unidades pouco povoadas dominam visualmente. Os símbolos proporcionais ou um mapa em grelha corrigem este efeito.
• Dados de datas diferentes reunidos num mesmo mapa: a evitar ou a assinalar.

Ferramentas e prazos realistas

O Excel basta para um painel de controlo de projeto. O Power BI ou o Looker Studio convêm para dados atualizados regularmente e consultados em linha, desde que se gerem os direitos de acesso (uma ligação pública expõe todos os dados subjacentes, incluindo os que não são apresentados). Para um mapa padrão a partir de um modelo existente, contar meio dia; para um produto novo (maqueta, validação, primeira produção), uma a duas semanas.

7Exemplo completo: o produto mensal de um cluster de abrigo, da 4W ao mapa

Contexto fictício: o cluster de abrigo e artigos não alimentares (NFI) da Valdorie conta com 23 parceiros ativos na região de Haut-Lisse. O plano de resposta fixa 96 000 pessoas com necessidades e uma meta de 54 000 pessoas para o ano. A coordenadora do cluster prepara a reunião com o grupo de coordenação intercluster, que deve realocar 1,2 milhões de dólares do fundo comum de país. O IMO do cluster dispõe de quatro dias.

Dia 1: receção e controlo da 4W

19 dos 23 parceiros reportaram (83 %). Os controlos detetam: 2 parceiros que ainda utilizam os P-codes da versão antiga, 1 parceiro que reporta agregados familiares e não pessoas, 3 linhas em que as pessoas alcançadas excedem a população deslocada do município segundo a monitorização da mobilidade. Após contacto com os pontos focais, os códigos são corrigidos, os agregados convertidos com a dimensão média do agregado obtida na avaliação (6,2 pessoas) e 2 das 3 linhas são revistas em baixa (acumulação de duas distribuições aos mesmos agregados).

Dia 2: consolidação e análise

A mensagem principal emerge: Tessil, com severidade 4, é o distrito menos coberto, enquanto metade dos parceiros está concentrada em Morane, mais acessível. O IMO verifica a hipótese com o mapa de acesso do cluster de logística: o eixo principal para Tessil está condicionado há dois meses (escoltas, pontes danificadas), o que explica em parte a fraca presença.

Dia 3: produção

• Painel de controlo de uma página: quatro números-chave (pessoas alcançadas, % da meta, parceiros ativos, taxa de reporte de 83 %); barras horizontais da percentagem da meta atingida por distrito, ordenadas; linha mensal das pessoas alcançadas; caixa «lacunas» sobre Tessil e Hautes-Rives.
• Mapa: coroplético da severidade por distrito (paleta sequencial de cinco classes), círculos proporcionais para as pessoas alcançadas, tracejado para Hautes-Rives com a menção «sem dados este mês», traçado dos eixos condicionados. Título: «Haut-Lisse: a cobertura de abrigo continua baixa em Tessil, distrito de severidade 4».
• Nota metodológica de cinco linhas: fontes, data, regra de eliminação de duplicados (máximo por município e por atividade), taxa de reporte, conversão de agregados em pessoas.

Dia 4: controlo e difusão

Revisão pelo IMO do OCHA e pela coordenadora; o parceiro de Hautes-Rives envia os seus números com atraso, que são integrados na versão seguinte, e não alterando silenciosamente o produto já difundido. O painel de controlo é apresentado ao grupo de coordenação intercluster com uma recomendação explícita: priorizar Tessil na alocação, associando um financiamento para a logística de acesso. O produto público é colocado em linha sem nenhuma lista precisa de locais para as zonas onde há deslocados ameaçados; a versão detalhada por local fica reservada aos parceiros.

O que o exemplo mostra: o valor do trabalho do IMO não está no gráfico, mas no controlo que torna os números credíveis, no cruzamento com outros dados (acesso) que explica a lacuna e na formulação de uma mensagem utilizável para decidir.

8Proteger os dados no dia a dia: ciclo de vida, anonimização e controlo de divulgação

A proteção de dados não se resolve com uma cláusula num contrato: joga-se em gestos quotidianos, em cada etapa do ciclo de vida dos dados. O manual do CICV e do Brussels Privacy Hub sobre a proteção de dados na ação humanitária, as orientações operacionais do IASC sobre a responsabilidade dos dados e, para as organizações estabelecidas na União Europeia, o Regulamento Geral sobre a Proteção de Dados (RGPD) definem o quadro.

Medidas por etapa do ciclo de vida

Anonimizar a sério: o controlo de divulgação estatística

Retirar os nomes não basta. Uma combinação de variáveis aparentemente inócuas (município, idade, sexo, deficiência, número de filhos, profissão) pode designar uma única pessoa numa pequena aldeia. Estas variáveis chamam-se quase-identificadores. O Centro de Dados Humanitários do OCHA recomenda avaliar o risco de reidentificação antes de partilhar microdados, por exemplo com a ferramenta livre sdcMicro.

1. Listar os quase-identificadores e as variáveis sensíveis da base.
2. Medir o risco: quantos registos são únicos na combinação de quase-identificadores? O princípio do k-anonimato exige que pelo menos k registos partilhem cada combinação (k = 3 ou 5 são valores correntes).
3. Reduzir o risco: agrupar (idade em faixas, município substituído por distrito), suprimir localmente os valores raros, retirar as variáveis desnecessárias, arredondar as coordenadas ou suprimi-las.
4. Verificar a utilidade: as análises previstas continuam a ser possíveis? Procura-se o melhor compromisso, documentado.
5. Para as tabelas agregadas: suprimir ou agrupar as células com efetivos reduzidos (uma regra difundida fixa o limiar em menos de 5 pessoas), verificando que não podem ser recalculadas a partir dos totais.

O risco não diz respeito apenas aos indivíduos. Um mapa que mostre a concentração de um grupo étnico ou religioso, ou a localização de mulheres sozinhas num local, pode expor um grupo inteiro: é o que as orientações do IASC designam por dados demograficamente identificáveis. Tratam-se com a mesma prudência que os dados pessoais.

Responder aos pedidos de dados

Os pedidos de listas nominativas vêm de parceiros, de autoridades locais e, por vezes, de doadores ou de forças armadas. A resposta prepara-se antes de o pedido chegar:

• Qual é a finalidade exata? Pode ser alcançada com dados agregados? Na grande maioria dos casos, sim.
• Existe um fundamento legítimo e uma informação prévia das pessoas para esta partilha?
• Qual é o risco para as pessoas se os dados forem desviados ou divulgados indevidamente?
• Quem decide? Uma partilha de dados pessoais é validada ao nível da direção do país, nunca pelo IMO sozinho nem pela equipa de terreno sob pressão.

No caso dos doadores, as verificações de listas de beneficiários negociam-se geralmente sob a forma de consulta no local ou de amostra, e não de transferência de ficheiros completos; a organização deve conhecer as cláusulas do seu acordo sobre este ponto.

Em caso de violação de dados

Perda de um telefone de inquérito, envio de uma base ao destinatário errado, conta comprometida: contém-se o incidente (revogação dos acessos, apagamento remoto), avalia-se o risco para as pessoas, informa-se a direção e, consoante o quadro aplicável, a autoridade de controlo e as pessoas em causa. O RGPD impõe, por exemplo, uma notificação à autoridade de controlo no prazo de 72 horas quando a violação apresenta um risco. Documenta-se o incidente e corrige-se a causa, mesmo quando não se constata nenhum dano.

9Erros frequentes, expectativas dos doadores e adaptações consoante o contexto

Erros frequentes na análise e na difusão

O que os doadores e os avaliadores examinam

• A coerência dos números entre o relatório ao doador, a 4W do cluster e os relatórios financeiros (um número de kits distribuídos deve corresponder às saídas de stock).
• A desagregação por sexo, idade e deficiência, que a maioria dos grandes doadores humanitários exige; o marcador de género e idade da ECHO é verificado com base nos dados efetivamente reportados.
• A participação na coordenação: os fundos comuns geridos pelo OCHA e muitos doadores consideram o reporte regular à 4W do cluster como uma condição de parceria.
• A gestão dos dados pessoais: política de proteção de dados, avaliações de impacto para os tratamentos de risco, acordos de partilha, nomeadamente para os programas de transferências monetárias.
• A utilização efetiva: um avaliador pergunta de que forma os dados alteraram decisões; um painel de controlo nunca consultado é um custo, não um resultado.

Adaptações consoante o contexto

10Perguntas de entrevista e referências-chave

Perguntas de entrevista

1. «As pessoas alcançadas na sua 4W excedem a população de vários municípios. O que faz?»

Uma boa resposta identifica as causas prováveis (dupla contagem entre organizações ou entre meses, confusão entre agregados e pessoas, denominador que não inclui os deslocados), descreve a verificação com os parceiros, a aplicação de regras de consolidação escritas e a menção do método no produto. Não corrige os números em silêncio.

2. «Porquê ponderar os resultados de um inquérito?»

O candidato explica a estratificação, a diferença entre a proporção na amostra e a proporção na população, dá a fórmula do peso e um exemplo numérico. Menciona que os resultados por estrato não são ponderados entre si, apenas os agregados.

3. «Apresente a abordagem para produzir um mapa de severidade por distrito.»

Dados atualizados e P-codes, junção controlada, coroplético com classes com significado operacional, categoria «sem dados», elementos obrigatórios do esquema, aviso, revisão e reflexão sobre a sensibilidade daquilo que é mostrado.

4. «Um parceiro pede-lhe a base de dados nominativa do seu programa para evitar duplicações de assistência. Como responde?»

A resposta reconhece o objetivo legítimo, explora as alternativas (comparação por identificador pseudonimizado, sistema partilhado de eliminação de duplicados com regras de acesso, comparação por um terceiro de confiança), verifica a informação dada às pessoas, pede um acordo de partilha e a validação da direção, e recusa um envio de ficheiro por correio eletrónico.

5. «Como saberia que um painel de controlo é útil?»

A resposta cita as decisões que ele fundamentou, a consulta (estatísticas de acesso, presença em reunião), os comentários dos utilizadores, e propõe eliminar os elementos nunca utilizados.

6. «O que é o k-anonimato e quando o aplica?»

Definição, quase-identificadores, técnicas de redução do risco, compromisso com a utilidade, aplicação antes de qualquer partilha de microdados e para as tabelas com efetivos reduzidos.

Referências-chave

• Operational Guidance on Data Responsibility in Humanitarian Action: IASC (versão revista de 2023).
• Data Responsibility Guidelines e notas de orientação do Centro de Dados Humanitários (controlo de divulgação estatística, avaliações de impacto): OCHA.
• Handbook on Data Protection in Humanitarian Action: CICV e Brussels Privacy Hub.
• Regulamento Geral sobre a Proteção de Dados (RGPD) da União Europeia, para as organizações a ele sujeitas.
• Quadro de análise intersetorial conjunta (JIAF) e orientações sobre o cálculo das pessoas com necessidades: IASC.
• Orientações do OCHA sobre a 3W/4W e a monitorização dos planos de resposta humanitária; normas de produtos cartográficos do OCHA.
• Documentação do QGIS e da ferramenta sdcMicro.
• Diretrizes do IASC sobre a inclusão das pessoas com deficiência na ação humanitária (2019), para a desagregação.