ambientalCNJ

Este repositório contém os dados e as análises utilizadas na pesquisa Corrupção e Lavagem de Dinheiro relacionados a Crimes Ambientais.

O estudo completo tem como objetivo identificar e analisar as cadeias de lavagem de bens e capitais relacionadas a crimes ambientais. A pesquisa é baseada na sistematização de informações sobre os atores e processos judiciais envolvidos, examinados sob a perspectiva dos crimes ambientais e da atuação jurisdicional no assunto. Ao combinar os temas de crimes ambientais e lavagem de bens e capitais, será possível estudar as sanções previstas nas leis de combate à lavagem de dinheiro, que frequentemente são mais efetivas do que as sanções previstas nas leis de crimes ambientais. Além disso, serão geradas recomendações sobre o assunto.

Link do relatório descritivo: aqui.

Link do Dashboard: aqui.

A pesquisa foi desenvolvida a partir de 16 perguntas norteadoras, listadas abaixo.

Mostrar questões norteadoras

Quais são as atividades que conectam e alimentam a cadeia de fluxos de capitais que promovem o desmatamento?
Quem são os atores envolvidos nos casos de lavagem de dinheiro e corrupção relacionados a crimes ambientais?
Quais são os desafios na diferenciação entre atividades legais e ilegais para fins de identificação de fluxos de lavagem de capitais?
Quais as teses jurídicas de defesa mais utilizadas nas ações envolvendo lavagem de dinheiro, fluxos de capitais para atividades ambientais ilegais e lavagem de dinheiro?
Existem padrões identificáveis nos casos judicializados quanto às circunstâncias, características dos autores, modalidades e tipos de crimes ambientais?
Quais são as decisões tomadas e seus fundamentos jurídicos de fato e a razão de decidir apresentadas nesses casos?
Qual o papel do Poder Judiciário no combate à lavagem de dinheiro e corrupção relacionados a crimes ambientais?
Quais os principais segmentos econômicos ou grupos empresariais que estão envolvidos na cadeia de produção que tenha alguma relação com crime ambiental (indústria de equipamentos pesados, maquinário agrícola, maquinário de mineração, táxi aéreo, bancos e instituições financeiras de fomento agrícola, leasing)?
Como especificar, em caso de crimes ambientais complexos e de grande monta, os mandantes indiretos? Há pessoas jurídicas envolvidas? Há desconsideração de pessoa jurídica nesses casos?
Há normas de ESG (environmental, social, and Governance) que podem reduzir a lavagem de capitais e o fluxo de capitais para atividades ambientais ilegais?
Há atos normativos ou diretrizes no âmbito da Estratégia Nacional de Combate à Corrupção e à Lavagem de Dinheiro - ENCCLA, do Banco Central do Brasil e/ou do Conselho de Controle de Atividades Financeiras - COAF que podem facilitar a identificação de fluxo de capitais em matéria ambiental?
Há correlação entre a incidência de crimes contra a vida ou ameaça em regiões de alta ocorrência de desmatamento, ou mineração ilegal ou crimes ambientais em geral?
Há relação entre a ocorrência da alta incidência de demandas judiciais de conflitos fundiários com crimes ambientais ou crimes contra a vida?
Qual o tempo de duração médio das ações criminais que envolvam a temática ambiental?
Qual a quantidade de ações criminais que apuram crimes contra a vida ou de ameaça contra pessoas ligadas à defesa do meio ambiente ou de movimentos relacionados à proteção de populações indígenas e/ou povos tradicionais que ingressam por ano? Qual o tempo de duração médio dessas ações? Quais as espécies de crime cometidas? Qual a efetividade da identificação da autoria e do cumprimento da pena?
Qual a quantidade de ações criminais que apuram crimes relacionados à questão fundiária que ingressam por ano? Qual o tempo de duração médio dessas ações? Quais as espécies de crime cometidas? Qual a efetividade da identificação da autoria e do cumprimento da pena?

Objetivo

O presente repositório tem como objetivo organizar os códigos utilizados para i) baixar e processar as bases de dados, ii) escrever um relatório que responde às perguntas de pesquisa que podem ser investigadas do ponto de vista empírico-quantitativo e iii) disponibilizar um dashboard contendo algumas análises das bases obtidas. Por se tratar de um levantamento quantitativo, nem todas as questões podem ser endereçadas. Das 16 perguntas listadas acima, 7 foram efetivamente analisadas. Especificamente, as questões 1, 2, 5, 8, 12 e 14.

Instalação

É possível instalar o pacote ambientalCNJ do GitHub rodando:

# install.packages("remotes")
remotes::install_github("abjur/ambientalCNJ")

Organização do repositório

O repositório está organizado na forma de pacote do R e contém todos os scripts utilizados para:

Gerar as bases de dados arrumadas a partir das bases de dados brutas.
Escrever o relatório reprodutível.
Desenvolver o aplicativo web.

Descrevemos os componentes em maiores detalhes a seguir.

Processamento das bases de dados brutas

Este trabalho utilizou diversas fontes de dados. Algumas foram enviadas pelo Conselho Nacional de Justiça (CNJ), outras foram obtidas a partir de dados abertos, e outras foram obtidas via raspagem de dados.

Para organizar as bases, foram desenvolvidos 9 scripts de processamento, que estão na pasta data-raw/. Os scripts são de uso interno para processamento de bases e não precisam ser rodados para abrir o dashboard ou o relatório. Detalhamos os scripts a seguir.

0-load.R. Utilizado para ler e processar as bases do SireneJud e do Datajud (corrupção). Trata-se dos scripts com processamento mais intenso. É necessário pelo menos 16gb de RAM para rodar os scripts. A saída principal do script são as bases que estão nos assets/rds, utilizadas no relatório.
1-rfb.R. Acessa as bases da RFB (utilizando um BigQuery interno da ABJ) e extrai os dados das empresas a partir dos CNPJs. O script não é reprodutível para pessoas que não são da ABJ, por conta da base no BigQuery.
2-export.R. Script utilizado para gerar amostras de dados que foram disponibilizados na primeira entrega da pesquisa (que foi posteriormente descartada). O script foi mantido apenas pelo histórico, já que a base não foi utilizada nas análises.
3-trf1.R. Script que baixa os dados do TRF1 a partir do banco de sentenças, utilizando uma ferramenta de raspagem de dados desenvolvida pela ABJ. Os scripts do raspador estão no caminho R/trf1-scraper.R.
4-trf1-cpopg.R. Script que baixa os dados do TRF1 a partir da consulta de processos do primeiro grau (CPOPG), utilizada para gerar as bases do TRF1 utilizadas no relatório.
5-elastic.R. Scripts utilizados para processar dados recebidos pelo CNJ a partir de uma consulta do ElasticSearch interno da entidade.
6-jusbrasil.R. Scripts utilizados para processar dados recebidos pela AMB a partir de uma consulta da ferramenta disponibilizada pelo JusBrasil.
7-sinesp.R. Scripts utilizados para processar dados obtidos dos Dados Abertos do Ministério da Justiça, com estatísticas de homicídios.
8-compilado.R. Scripts utilizados para compilar dados do ElasticSearch, JusBrasil e TRF1 para compor a amostra utilizada pelos pesquisadores no estudo.

Vale notar que, por serem de uso interno, os scripts não estão 100% documentados. Se tiver alguma dúvida sobre os scripts, abra uma issue.

A partir dos scripts desenvolvidos, foram geradas diversas bases de dados. As bases de dados são muito pesadas para armazenar diretamente no repositório. Por isso, as bases foram colocadas na página de Lançamentos (Releases) do repositório. Na maioria dos casos, as bases estão em formato .rds, um formato próprio do R para armazenamento de dados no formato binário, que permite o Input/Output de dados sem perda de formatação.

As pastas de arquivos disponibilizados são:

sirenejud: dados processados a partir da base do SireneJud para utilização em passos intermediários do data-raw/ ou utilização no relatório da pesquisa.
corrupcao: dados processados a partir da base do DataJud - Corrupção e Lavagem de Dinheiro para utilização em passos intermediários do data-raw/ ou utilização no relatório da pesquisa.
trf1: dados brutos do raspador utilizado no TRF1, com dados de passos intermediários do data-raw/ e utilização no relatório da pesquisa.
rfb: dados processados a partir da RFB para utilização em passos intermediários do data-raw/.
misc: arquivos miscelânea utilizados na pesquisa (dados sobre desmatamento, lista de municípios da Amazônia Legal, dados do Sinesp).
jusbrasil: arquivos do JusBrasil utilizados na pesquisa (para gerar a amostra).
elasticsearch: arquivos do ElasticSearch utilizados na pesquisa (para gerar a amostra).

As releases disponibilizadas têm um limite de 2gb por arquivo. Além disso, as bases fornecidas pelo CNJ não podem ser distribuídas livremente sem autorização da entidade. Por isso, disponibilizamos apenas os dados processados

Para reproduzir os scripts da pasta data-raw/, recomenda-se criar uma pasta dentro de data-raw/ com os nomes dos releases. Por exemplo, copiar os arquivos que estão na release misc para a pasta data-raw/misc. Os scripts da pasta data-raw/ estão preparados para ler arquivos com esses caminhos.

Os dados processados pequenos foram disponibilizados diretamente na pasta data/ para facilitar a reprodução das análises. Para acessar os arquivos, basta instalar o pacote como descrito anteriormente, rodar library(ambientalCNJ) e acessar as bases de dados pelo nome. As bases disponibilizadas são:

da_rfb: dados processados na RFB com informações sobre as empresas (dados do SireneJud).
da_rfb_ativo: dados processados na RFB com informações sobre as empresas no polo ativo (dados do SireneJud).
da_tempo_trf1: dados com tempos dos processos extraídos do TRF1.
da_trf1_cjpg_pequeno: dados da consulta de sentenças do TRF1 após filtrar casos dentro do escopo da pesquisa.
da_trf1_cpopg: dados da consulta de processos do TRF1 a partir dos processos listados pelo banco de sentenças.
sf_amazon: shapefile (objeto de clase sf) com a região amazônica, obtido a partir do pacote {geobr} com a função geobr::read_amazon().
sinesp: dados organizados do SINESP utilizado no relatório.

Além dessas bases de dados, outras bases maiores foram utilizadas para gerar o relatório, com origem no SireneJud e no DataJud (corrupção e lavagem de dinheiro). Essas bases foram disponibilizadas em um release próprio, chamado relatorio. Para reproduzir o relatório, é necessário salvar os arquivos desse release na pasta inst/relatorios/assets/rds/.

Relatório reprodutível

O relatório foi desenvolvido utilizando a tecnologia Quarto, utilizando melhores práticas de pesquisa reprodutível. O relatório está no arquivo inst/relatorios/2-descritiva.qmd. O relatório pode ser gerado utilizando o comando quarto render 2-descritiva.qmd

Link do relatório: aqui.

Dashboard

O Dashboard foi desenvolvido usando a tecnologia {golem}, que permite a criação de aplicativos Shiny utilizando melhores práticas de desenvolvimento de pacotes. Todos os scripts utilizados para gerar o dashboard estão na pasta R/.

Link do Dashboard: aqui.

Licença

MIT