Sessão temática do CONFE — QUINTA-FEIRA, DIA 17/09/2026 — Das 16h30 às 18h30
O CONFE (Conselho Federal de Estatística) foi criado pela Lei nº 4.739/1965 para regular e fiscalizar a profissão de Estatístico no Brasil, junto com os Conselhos Regionais (CONRE). O Decreto nº 62.497/1968 definiu que o CONFE deve supervisionar a atuação dos CONRE, orientar e disciplinar o exercício profissional e também assessorar o governo em assuntos ligados à Estatística.
O sistema CONFE/CONRE trabalha em parceria com órgãos públicos e empresas privadas para garantir que atividades próprias da Estatística sejam realizadas por profissionais devidamente registrados.
Em termos de estrutura, o CONFE e os CONRE formam uma autarquia pública, com autonomia técnica, administrativa e financeira.
Minimizar a função de perda global (Cross-Entropy ou MSE), não é suficiente para garantir a decisão de um modelo entrar em produção. Quando bases de dados carregam desequilíbrios históricos ou vieses de amostragem, algoritmos otimizados tendem a converter distorções estatísticas em discriminação sistemica. Nesta palestra a idéia é discutir como o viés se esconde em espaços latentes e apresentar como quebras de premissas assintóticas e correlações espúrias podem afetar os reultados preditivos e apresentar técnicas para mitigar esse efeitos.
Mauro Correia Alves - Head de Modelagem & Inteligência de Dados na Digio. Bacharel e Mestre em Estatística pela USP, é também tecnólogo em TI pela FATEC e possui um MBA pela Saint Paul. Conselheiro do CONRE-3. Tem larga experiência em liderança e gestão de equipes em analytics e modelagem preditiva de projetos de crédito, cobrança e prevenção à fraude. Larga experiência em data science e modelos de machine learning utilizando dados estruturados e não estruturados. Experiência com RAG (Retrieval Augmented Generation). IA generativa com LLM (Large Language Models), implementação de prompts pata a implementação de agentes inteligentes em modelos de dados corporativos.
Pesquisas eleitorais são observações sujeitas a incerteza que, quando combinadas, permitem estimar tendências que nenhuma pesquisa isolada revela. A partir da experiência do PollingData e de um caso em que a divulgação de uma única pesquisa resultou em uma cobrança próxima de R$ 1 milhão, a apresentação discute o contraste entre o valor estatístico de uma pesquisa dentro de um modelo de agregação e suas possíveis consequências jurídicas.
Serão apresentados o modelo hierárquico utilizado pelo PollingData, a evolução da regulação das pesquisas eleitorais e uma análise das impugnações ocorridas em 2026. A discussão conduz ao paradoxo da transparência: a rastreabilidade torna a informação estatística mais verificável e auditável, mas também amplia a exposição de quem a produz, agrega e dissemina. A questão central é como conciliar qualidade estatística, transparência, responsabilidade profissional e regulação.
Neale Ahmed El-Dash - Bacharel e Mestre em Estatística pela Unicamp; Doutor em Estatística pela USP, especializado em amostragem. Trabalho com pesquisas eleitorais há mais de 20 anos, tanto no Brasil quanto no exterior. Meu objetivo é conciliar as necessidades práticas das pesquisas com as exigências teóricas da estatística. Sócio e Diretor de Pesquisas da Sleek Data, especializado em BI e Estatística. Idealizador do site, www.pollingdata.com.br, que agrega pesquisas publicadas no Brasil para prever os resultados das eleições presidenciais desde 2014.
