Made available in DSpace on 2014-06-12T15:54:42Z (GMT). No. of bitstreams: 2 arquivo1992_1.pdf: 1340077 bytes, checksum: 87952fc48524e4810f49792ca3ccee8a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Considerando que, cada vez mais, tanto a sociedade como as instituições da esfera governamental, vêm exigindo dos órgãos responsáveis uma atuação de controle de gestão mais eficiente. Resta, a essas instituições, a difícil missão de realizar suas tarefas que são fortemente dependentes de informações e de recursos adequados para tratamento das mesmas. A mineração de dados como parte de processo de descoberta de conhecimento em bases de dados vem se consolidando como opção para o tratamento de grandes volumes de dados, no sentido de extrair conhecimento dos mesmos. Essa dissertação apresenta, como principal contribuição, investigar uma solução de mineração de dados fundamentada na metodologia Cross-Industry Standard Process for Data Mining (CRISIP-DM), metodologia não proprietária que define um processo de mineração de dados de forma estruturada e não linear, e em indução de regras de associação como apoio à decisão no controle da gestão pública, mais especificamente controle de gastos públicos. Os recursos estudados e avaliados foram dispostos em conformidade com uma metodologia específica para processo de mineração de dados. Na investigação do problema, a escolha da técnica de inteligência artificial, baseada na extração de regras de associação e seus respectivos algoritmos, teve o foco na questão da utilidade do conhecimento adquirido com os dados para os processos concretos de tomada de decisão inerentes às atividades de controle interno. Os experimentos realizados através de um estudo de caso, baseados nos algoritmos de indução de regras APRIORI e TERTIUS, com dados reais da Secretaria da Fazenda de Pernambuco (SEFAZ-PE), representaram uma confirmação do modelo escolhido como um recurso adequado no apoio às atividades de controle de gestão pública