Projetos

O nosso Centro de Conhecimento ajuda organizações dos setores público, social e privado a resolver desafios complexos através de data science. As colaborações existentes incluem as indústrias da saúde, educação, turismo, desemprego, entre outras, nacional e internacionalmente.  

Se a sua organização tem um desafio que pode ser resolvido com a ciência de dados, entre em contacto connosco! 

O Nova SBE Westmont Institute of Tourism and Hospitality (WiTH) estabeleceu uma parceria com o Data Science Knowledge Center (DSKC) da Nova SBE para desenvolver uma plataforma de dados abrangentes sobre turismo em África: A Nova SBE WiTH Africa. 

O Projeto WiTH Africa visa avançar a qualidade dos dados relacionados com o turismo em África, gerando conhecimento e insights, promovendo a tomada de decisões com base em dados no setor do turismo africano, e estimulando o debate sobre o poder dos dados junto da comunidade dos profissionais do turismo em Africa.  

Consulte o website WiTH Africa: https://with-africa.com/   

E subscreva à nossa newsletter: https://with-africa.com/join-community  

O projeto é financiado pelo Westmont Hospitality Group. 

Parceiros: Nova SBE Westmont Institute of Tourism and Hospitality. 

O projeto transnacional EPSILON reúne parceiros da Alemanha, de Portugal, do Chipre e da Lituânia e aborda as necessidades das organizações de Data for Good europeias, bem como instituições de ensino superior com licenciaturas em Ciência de Dados. Como primeiro passo, a equipa do projeto desenvolverá fluxos de trabalho e ferramentas sob medida para iniciativas de Data for Good. Com base nisto, a equipa EPSILON irá criar uma Plataforma Europeia de Conhecimento e estabelecer uma nova iniciativa de Data for Good na Lituânia. A experiência e o conhecimento adquiridos serão transformados em material de aprendizagem específico, destinado a estudantes, professores universitários e entusiastas da Ciência de Dados.  

O projecto EPSILON é financiado pelo Erasmus+, Parceria de Cooperação (Projeto número: 2021-1-DE01-KA220-HED-000029711).

Parceiros: Hochschule Harz (Alemanha), Vilnius University (Lituânia), University of Cyprus (Chipre).

Sítio Web do projecto: ▲ Hochschule Harz: Plataforma Europeia para a Ciência de Dados: Incubação, Aprendizagem, Operações e Rede (hs-harz.de). 

Website: ▲ Hochschule Harz: European Platform for Data Science: Incubation, Learning, Operations and Network (hs-harz.de).

O projeto “Estudo para o conhecimento da fraude nos fundos estruturais em Portugal” foi proposto no âmbito do Think Tank | Risco de Fraude, Recursos Financeiros da União Europeia, criado pela Procuradoria Geral da República, com o objetivo de conhecer a realidade, avaliar o risco e definir estratégias de prevenção de fraude. O Estudo tem por objetivo conhecer a realidade das irregularidades nos fundos estruturais, em Portugal.  

O Estudo está a ser desenvolvido em parceria entre o ISCTE - IUL e a NOVA SBE, por uma equipa com experiência nas áreas de Análise e Integração de Dados, Machine Learning e Visualização de Dados. O projeto pretende recolher informação, para depois tratar, sistematizar e analisar os dados sobre fundos, de forma a extrair conclusões que permitam uma caracterização dessa realidade ao diferentes níveis.  

O Estudo é financiado pelo Programa Operacional Assistência Técnica - POAT (Projeto número POAT-01-6177-FEDER- 000126). 

Parceiros: ISCTE – IUL, ADC, IFAP, IGF, PGR.

O Projeto MD2TRUST (Trustworthy data science for improving healthcare efficiency: the case of the medical referral process) visa desenvolver um sistema de recomendação de médicos especialistas, a ser utilizado por médicos de cuidados primários, que seja compatível com a prática actual de recomendação, e que possa encorajar de forma transparente a mudança organizacional, no sentido de uma gestão mais eficaz dos cuidados de saúde centrada no doente. 

O projeto é financiado pela FCT – Fundação para a Ciência e a Tecnologia. 

Parceiros: Nova FCT - NOVA School of Science and Technology (PT), Carnegie Mellon University (USA). 

Os DSKC Data Squads são projetos de investigação que conectam os alunos da Nova SBE interessados em ter experiências práticas em Ciência de Dados aos Professores e Departamentos da Nova SBE que precisem de apoio para desenvolver projetos de dados e investigação no campo da Ciência de Dados. Estes projetos são implementados pelos alunos da Nova SBE com a supervisão de líderes dos Data Squads (Professores e Departamentos da Nova SBE), e com o apoio do DSKC. 

Os Data Squads começaram em 2020 e estão atualmente na sua terceira edição.  

A Base de Dados Social foi lançada no final de 2020, no âmbito da Iniciativa para a Equidade Social – uma parceria entre a Fundação “la Caixa”, o BPI e a Nova School of Business & Economics (Nova SBE). 

Em Portugal, o setor social representa um setor importante da economia portuguesa. No entanto, as poucas fontes de dados disponíveis fornecem informações insuficientes e desconexas, baixo nível de interação e fracas visualizações. Além disso, ter acesso a informação de qualidade é de extrema importância para o processo de decisão de todos os atores do setor social. Motivada por estes desafios, a equipa da Nova SBE, aqui representada pelo seu Data Science Knowledge Center, começou a mapear o ecossistema social, criando uma plataforma pública e disponibilizando, de forma simples, intuitiva e justa, informação completa e de qualidade, acerca de todas as organizações de impacto social e ambiental em Portugal. 

A Base de Dados Social pretende criar valor para todas as organizações sociais, beneficiários destas organizações e respetivas famílias, investigadores, voluntários e colaboradores, investidores, órgãos governamentais, empresas, entre outras partes interessadas do setor de impacto em Portugal. Cada um destes atores poderá navegar e analisar a informação que melhor suporta a sua tomada de decisão, respondendo a diferentes casos de uso: 

  • que organizações, na minha região, trabalham na minha área de atuação favorita? 
  • que organizações têm ofertas de trabalho ativas? 
  • que organizações podem dar apoio ao meu filho, tendo em conta a sua deficiência? 
  • como se distribuem as organizações sociais em Portugal relativamente aos Objetivos de Desenvolvimento Sustentável? 
  • quais são os problemas sociais negligenciados na minha região? 
  • onde posso oferecer o meu tempo voluntariamente? 

entre muitos outros! 

Disponível nas Línguas Portuguesa e Inglesa, na Base de Dados Social pode encontrar-se informação de localização georreferenciada, dados de identificação da organização (ex.: nome, morada, contactos), de governança (ex.: formato legal, órgãos sociais), de atividade (ex.: área de atuação, projetos, público-alvo), de impacto (ex.: número de beneficiários, prémios), e de finanças e recursos humanos (ex.: fontes de receitas, número de colaboradores e voluntários). 

Para saber mais, convidamo-lo(a) a visitar a nossa plataforma, a seguir-nos no Facebook e a subscrever a nossa newsletter! 

Parceiros: Fundação ”la Caixa” e BPI (Iniciativa para a Equidade Social). 

Este projeto é o vencedor da quarta edição do concurso Data for Change, e está a ser desenvolvido em parceria com a Associação Portuguesa Promotora de Saúde e Higiene Oral - APPSHO. 

O projeto tem como objetivo identificar os alunos com pior saúde oral, com base em variáveis ​​auto referidas e de fácil recolha, tais como hábitos e crenças de higiene oral dos alunos e comportamentos alimentares e desportivos. Através da utilização destas variáveis, pretende-se desenvolver uma ferramenta escalável e de baixo custo que possa ser facilmente aplicada para priorizar alunos com maiores necessidades no acesso a recursos de saúde oral, minimizando as barreiras de acesso a esses cuidados e sugerindo mudanças comportamentais aos alunos. 

O projeto é apoiado por um Conselho Estratégico, que inclui membros de municípios da Área Metropolitana de Lisboa, investigadores em saúde e economia da saúde, profissionais de saúde oral e um diretor de escola. 

Parceiros: Fundação ”la Caixa” e BPI (Iniciativa para a Equidade Social). 

O Data Science Project-Based Learning (DS PBL) é uma oportunidade exclusiva e única que combina Organizações com desafios de dados e alunos do Mestrado em Business Analytics. 

Os alunos farão parte de uma equipa multidisciplinar e serão alocados a um desafio real, no qual a equipa trabalhará ao longo de seu programa de mestrado. Cada equipa é apoiada por um Data Science Mentor e por um Business & Management Mentor. 

O Data Science PBL permite aos alunos: 

  • Adquirir experiência no setor de ciência de dados 
  • Desenvolver um projeto de ciência de dados em contexto real 
  • Aprender com seus colegas, parceiros e mentores 
  • Conectar-se com profissionais de ciência de dados 

e às Organizações: 

  • Desenvolver as competências das suas equipas através de “learning by doing” 
  • Ter acesso a uma excelente pool de talento para resolver os desafios de negócio da sua organização 
  • Promover a sua organização e a perceção da marca 
  • Reter o seu talento e aumentar o respetivo entusiasmo  

Alguns exemplos de projetos já desenvolvidos no âmbito do DS PBL incluem: 

  • Prever os novos padrões de mobilidade no período pós-Covid19 (Brisa) 
  • Desenvolver um sistema dinâmico de recomendação de preços para a indústria automotiva pós-venda (tips4y).Definir um Customer ID de Sustentabilidade para a Banca Comercial (CGD).
  • Otimizar a produção alimentar para um take-away social (Cozinha com Alma). 
  • Segmentar doadores e prever o seu churn (Fundação AMI).
  • Prever a procura por produtos de moda de luxo (Stockedge).

Video: Summary of PBL experience for Students and Clients 2021 

Video: Summary of PBL experience for Students and Clients 2022 

No âmbito da pandemia COVID-19, o Governo Português decretou um conjunto de medidas para minimizar o impacto da pandemia na população e economia. Nesse sentido, a Nova SBE apoiou a missão da empresa NOS de elaborar indicadores avançados de mobilidade para contribuir para a tomada de decisão por parte dos municípios portugueses.

Uma vez que diferentes medidas de contenção da pandemia têm sido definidas com base na finalidade de cada deslocação, começou-se por segmentar as várias secções estatísticas que constituem os municípios, de forma a inferir o propósito das deslocações da população. Esta segmentação foi feita principalmente com base em informação sobre usos do solo, reunida de fontes diversas e organizada numa ontologia.

Analisou-se, de seguida, a evolução dos movimentos da população ao longo da pandemia, para os diferentes segmentos das secções estatísticas e de acordo com as principais fases das medidas de contenção da pandemia.

As análises e modelações realizadas tiveram como objeto de estudo inicial os municípios de Cascais e Lisboa.

O relatório final das análises desenvolvidas pode ser consultado aqui.

Ficha Técnica

1. Designação do projeto
ANA - Anti-Pandemics Analytics

2. Código do projeto
LISBOA-01-02B7-FEDER-050865

3. Objetivo principal
Reforçar a investigação, o desenvolvimento tecnológico e a inovação

4. Região de intervenção
NUTS II - Lisboa

5. Entidades beneficiárias
Nova School of Business & Economics, NOS Comunicações e NOS Technology

6. Data de aprovação
16/07/2020

7. Data de início
15/08/2020

8. Data de conclusão
31/07/2021

9. Custo total elegível
447 470,20 €

10. Apoio financeiro da União Europeia
FEDER - 357 976,16 €

11. Cofinanciado por:

Este projeto é o vencedor da terceira edição do concurso Data for Change e está a ser desenvolvido em parceria com a Associação Tempos Brilhantes - ATB.

Implementado em setembro de 2018, o Sistema de Alerta Precoce do Insucesso Escolar – SAPIE é atualmente utilizado em cerca de 85 Agrupamentos Escolares. Contudo, a plataforma tem algumas limitações. Este projeto visa compreender padrões na trajetória dos alunos com o objetivo de prever e explicar o risco individual de insucesso escolar no final do 3º ciclo de ensino (9º ano).

O projeto irá utilizar dados históricos de Agrupamentos Escolares Portugueses relativos ao desempenho dos alunos, a fim de testar diferentes modelos para garantir a melhor utilidade possível na previsão de falha de risco individual, fornecendo o impacto de cada característica considerada na pontuação de risco final.

Este projeto foi concluído em 2022.

O relatório público do projeto encontra-se disponível aqui e o vídeo sumário aqui.

Parceiros: Associação Tempos Brilhantes (ATB), Fundação ”la Caixa” e BPI (Iniciativa para a Equidade Social).

Desenvolvemos um sistema que avalia o risco de um indivíduo ficar desempregado por mais de 12 meses, em diferentes alturas de seu percurso de desemprego. Esta ferramenta permite que os técnicos de emprego desenvolvam intervenções precoces para prevenir o desemprego de longa duração. Este trabalho foi co-criado com especialistas em políticas de trabalho, aplicando uma abordagem centrada no utilizador que inclui os próprios técnicos de emprego no processo de design do sistema. Como parte do projeto, produzimos um modelo que: i) foi validado temporalmente; ii) pode ser aplicado em qualquer altura do percurso do candidato dentro do IEFP; iii) é explicável para cada candidato; iv) foi analisado quanto a enviesamentos para diferentes grupos sociais; v) tem melhor desempenho que o modelo atual em produção no IEFP. Além disso, nós: i) investigámos como o modelo atual do IEFP era utilizado pelos técnicos, assim como as suas atitudes e crenças em relação ao modelo, através de entrevistas, questionários e grupos focais; ii) desenvolvemos ferramentas para integrar o nosso modelo no sistema de informação do IEFP, em colaboração com o IEFP (e.g., uma infraestrutura de base de dados, um webservice e um dashboard); iii) desenhámos e implementámos um estudo para investigar como diferentes interfaces influenciam a maneira como os técnicos interagem com o modelo. 

O projeto está em processo de implementação a nível nacional no IEFP, com previsão de conclusão no início de 2021. 

Parceiro: Instituto de Emprego e Formação Profissional (IEFP), Faculdade de Engenharia da Universidade do Porto (FEUP) e Fundação para a Ciência e a Tecnologia (FCT) .

O projeto está em curso e foi iniciado em 2018.

Este projeto é o vencedor da segunda edição do programa Data for Change e foi desenvolvido em parceria com a Agência Natureza Portugal (ANP/WWF) e a Docapesca – Portos e Lotas, S.A.

O projeto tem por objetivo utilizar análises de dados para identificar tendências na primeira venda de pescado, antes e durante a pandemia COVID-19, em Portugal, em 22 portos nacionais com Número de Controlo Veterinário. O objetivo foi perceber como é que a atividade pesqueira evoluiu durante e após a pandemia. Este projeto exploratório teve também o objetivo de validar a viabilidade e usabilidade de uma ferramenta preditiva para uma melhor gestão da pesca, mais ambientalmente responsável.

Consulte aqui o relatório público e aqui um vídeo sumário do projeto.

O projeto terminou em 2021.

Parceiros: Agência Natureza Portugal (ANP/ WWF), Docapesca – Portos e Lotas S.A., Fundação ”la Caixa” e BPI (Iniciativa para a Equidade Social).

Este projeto recebeu uma Menção Honrosa nos Prémios Verdes, atribuídos pela Revista Visão e pela Águas de Portugal.

O Diário da República Eletrónico é gerido pela Imprensa Nacional-Casa da Moeda (INCM) e permite o acesso a toda a legislação portuguesa. Atualmente, para esclarecer uma questão específica, os cidadãos precisam muitas vezes de consultar diferentes diplomas, o que exige uma interpretação técnica e complexa.  
A parceria entre o DSKC e a INCM surge como uma oportunidade para desenvolver a experimentação no campo do Processamento de Linguagem Natural (PNL), na Língua Portuguesa e no contexto do Direito, desenvolvendo uma ferramenta de conversação para apoiar os cidadãos a esclarecerem dúvidas acerca do tema da aposentação. Juntamente com uma equipa de alunos do Mestrado em Análise de Negócios, será criada uma prova de conceito do projeto "Legislação de Decodificação", com o objetivo de tornar a lei mais acessível para os cidadãos.   

Parceiro: Imprensa Nacional-Casa da Moeda (INCM).   

O projeto está em curso e foi iniciado em 2020.

Este projeto é o vencedor da primeira edição do programa Data for Change e foi desenvolvido em parceria com a Associação Protetora dos Diabéticos de Portugal (APDP).  

A nefropatia diabética é uma condição crítica que descreve a perda gradual da função renal, podendo levar a danos irreversíveis nos rins. Segundo o Observatório Nacional da Diabetes, uma em cada três pessoas com diabetes desenvolve nefropatia. 

Adiar ou prevenir esta condição traduz-se numa melhoria da qualidade e prolongamento da esperança média de vida dos pacientes diabéticos, impactando também o orçamento público a nível de saúde, uma vez que ao progredir na doença, os tratamentos ficam mais complexos e dispendiosos, podendo chegar à diálise ou transplante renal. Por se tratar de uma condição que evolui silenciosamente nos estágios iniciais, os primeiros sinais de nefropatia diabética são críticos para prevenir ou retardar a progressão da doença. 

Para este projeto, foram utilizados dados transacionais históricos, registados durante as visitas dos pacientes à APDP, os quais permitem fazer uma caracterização sociodemográfica e clínica dos diabéticos. Como resultado, a equipa do DSKC desenvolveu um modelo para prever a probabilidade de desenvolvimento da nefropatia diabética de nível três, num horizonte temporal de três e cinco anos. Para além da probabilidade, a ferramenta também indica o impacto de cada variável analisada sobre o resultado final, permitindo que as equipas médicas atuem proactivamente, evitando assim o surgimento ou a progressão da doença.

O projeto terminou em 2021.

 

Saiba mais acerca deste projeto:

Em julho de 2021, o projeto foi reconhecido com o primeiro lugar na categoria Data4Good do Prémio SAS Curiosity Data Science Iberian Awards.

 

Parceiros: APDP (Associação Protetora dos Diabéticos de Portugal), Fundação ”la Caixa” e BPI (Iniciativa para a Equidade Social).  

As Instituições Financeiras em todo o mundo estão a desenvolver estratégias que maximizam os seus resultados através da análise de dados. Estas estratégias geralmente implicam a reestruturação dos seus processos ETL, a formação das suas equipas e também a adoção de novas tecnologias. Este projeto permitiu o desenvolvimento de um algoritmo para prever o risco de crédito de um grupo de clientes. Para tal, foi preparado um seminário para o Departamento de Análise de Dados, onde foram utilizados os seus dados e o problema de negócio existente para apresentar as bibliotecas e métodos mais comuns. O seminário foi um dos vários esforços desenvolvidos pela empresa para iniciar dois processos de transição: 1) de software licenciado (SAS) para Python, 2) de modelos econométricos tradicionais a técnicas de machine learning.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2018.

Projetos sociais de financiamento coletivo são uma forma inovadora e inspiradora de promover a cooperação e a colaboração na nossa sociedade. Este projeto teve como objetivo determinar os principais fatores que influenciam o sucesso de uma campanha de crowdfunding. Com base na análise de mais de 2,4 milcampanhas já realizadas na plataforma, a equipa do DSKC criou um modelo que pode ser utilizado em diferentes momentos no tempo, durante a campanha. Para além de informar acerca da probabilidade de financiamento, a ferramenta também identifica os principais fatores responsáveis pela previsão, de forma a melhor informar a equipa PPL. Desta forma, o PPL pode orientar de forma mais assertiva os angariadores de fundos relativamente à criação de campanhas, bem como reagir de forma proativa às campanhas em curso, com o intuito de maximizar as hipóteses de financiamento dos projetos. 

Parceiro: PPL Crowdfunding.

Este projeto decorreu entre os anos de 2018-2020.

Desenvolvido em parceria com a empresa Tips4y – Automotive Intelligence, o projeto tem por objetivo desenvolver e disponibilizar uma plataforma de dados aberta sobre o setor automóvel em Portugal.

Foram utilizados dados acerca do parque automóvel Português e do Aftermarket, os quais permitem fazer uma caracterização do setor. Como resultado, a equipa do DSKC desenvolveu uma plataforma interativa que permite a pesquisa, personalização e visualização de indicadores como a distribuição dos veículos do parque automóvel português por segmento, tipologia, combustível, distrito, entre outros, e a distribuição de encomendas de peças do aftermarket por tipologia de cliente, por dias da semana e quantidade de artigos, entre outros. O projeto também possibilita que a Tips4y inove no desenvolvimento de produtos e serviços, através dos novos pedidos, comunicações e parcerias gerados pela plataforma.

O projeto terminou em 2021.

Parceiro: Tips4y – Automotive Intelligence.

Nos últimos anos, Portugal tem assistido a um rápido crescimento na área do turismo, que não está devidamente preparado para enfrentar as dificuldades relativas à quantificação de desafios, tais como constrangimentos turísticos, perda da identidade local, degradação do património, etc. O projeto propõe uma abordagem data aplicável à gestão de turismo no território português através de um conjunto de ferramentas que informe os políticos portugueses sobre o estado do turismo, indo além dos tradicionais dados de pesquisa e investigação e facultando análises completas deste sector através do uso de fontes big data. Com as abordagens apresentadas pelo projeto, os grandes decisores do setor turístico terão informações cruciais para poderem criar políticas que promovam cidades sustentáveis e acolhedoras tanto para os turistas como para os moradores.

Parceiros: Turismo de Portugal e NOS.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2018.

Uma vez que a Toscana é um dos destinos turísticos mais populares do mundo, a região, os seus recursos e os seus habitantes têm sido expostos a uma grande pressão. O projeto visava usar algoritmos de machine learning para agrupar indivíduos e, desta forma, compreender melhor os turistas que visitam a região e melhorar a gestão na área do turismo.
 

Parceiros: Toscana Promozione Turistica e Vodafone Itália.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2018.

O propósito deste projeto é usar os dados disponibilizados pelo IEFP e criar um sistema modelo para capacitar o IEFP e os técnicos locais a identificar melhor os indivíduos em risco elevado de desemprego de longa duração. Este projeto faculta ainda perspetivas data que permitam uma alocação mais eficiente dos recursos do IEFP a fim de responder às necessidades individuais da população desempregada.

Parceiros: IEFP e EAPN.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2018.

O grande objetivo deste projeto era aumentar a taxa de vacinação contra o sarampo, a papeira e a rubéola na Croácia. Para atingir este objetivo, a equipa previu o nível de risco de cada criança caso não recebesse as duas doses recomendadas da vacina MMR e desenvolveu grupos, compostos pelas crianças acima mencionadas, de acordo com características semelhantes a fim de permitir políticas de promoção à vacinação.

Parceiros: Croatian Institute for Public Health (CIPH) (nome original: Hrvatski Zavod Za Javno Zdravstvo), Institute of Public Health of Split-Dalmatia County (nome original: Nastavni zavod za javno zdravstvo Splitsko-dalmatinske županije), Andrija Štampar School of Public Health (nome original: Škola narodnog zdravlja "Andrija Štampar") e Croatian Society for School and University Medicine (CroSEMIC) (nome original: Hrvatsko društvo za hitnu i internističku intenzivnu medicinu - HDHIIM).

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2017.

O objetivo do projeto era ajudar a Câmara Municipal de Cascais a compreender os padrões de desemprego na região e a desenvolver um sistema que recomendasse o melhor tipo de intervenções para colmatar lacunas de competências e aumentar as probabilidades de emprego das pessoas.

Parceiros: Câmara Municipal de Cascais e IEFP.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2017.

O projeto tinha como objetivo ajudar as autoridades locais a compreender e avaliar a área de turismo além dos tradicionais questionários e estatísticas para que pudessem, assim, explorar e criar soluções para um turismo sustentável na cidade.

Parceiros: Toscana Promozione Turistica e Vodafone Itália.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2017.

O objetivo do projecto era criar um modelo de machine learning utilizando dados de acidentes registados, características rodoviárias, dados relativos ao fluxo de tráfego e velocidade, e dados metereológicos para prever, num determinado espaço de tempo, a probabilidade de um acidente. Este projeto permite uma melhor alocação da polícia de trânsito para patrulhar as estradas e diminuir o seu tempo de resposta a acidentes.

Parceiro: Rijkswaterstaat.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2017.

As pescas ilegais e excessivas são uma grande ameaça para os nossos oceanos. Estima-se que 70 % da pesca global seja sobreexplorada e esteja agora à beira do colapso. A quantidade de atum, um predador crítico em muitos ecossistemas marinhos, diminuiu mais de 90 % nos últimos 40 anos. A menos que sejam tomadas medidas sérias para combater estes fenómenos podemos estar à beira de um colapso piscatório de grande escala que poderá devastar o meio ambiente e a subsistência de milhões de pessoas em todo o mundo que dependem desta atividade. Este projeto visava criar uma ferramenta de risco de fonte aberta, que combinasse múltiplas fontes de dados por satélite a fim de ajudar a ultrapassar a pesca ilegal, não declarada ou regulamentada, e criando um avaliação de risco.

Parceiros: Spire, World Economic Forum, Planet e DigitalGlobe.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2017.

O projeto focava-se na optimização da correspondência entre pacientes e médicos através do desenvolvimento de um serviço de mediação automatizada. O principal objetivo era aumentar a probabilidade de relacionamentos duradouros e a qualidade dos acompanhamentos, bem como a prática de medicina preventiva.

Parceiro: José de Mello Saúde.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2017.

O projeto tinha como objetivo ajudar Rijkswaterstaat, uma divisão do Ministério de Infraestrutura e Meio Ambiente da Holanda, desenvolvendo uma política para otimizar o estacionamento e os locais de patrulhamento dos inspetores de serviço a fim de minimizar o tempo que demoram a chegar ao local do incidente. Desta forma, o projeto teve um contributo para a otimização da segurança e do fluxo do trânsito para os condutores.

Parceiro: Rijkswaterstaat.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2017.

O projecto visava perceber como uma melhor utilização dos telhados poderia ajudar a enfrentar desafios com o armazenamento de água, espaços verdes e produção de energia. Para isso, a equipa utilizou imagens aéreas e de satélite para identificar o uso de telhados em Roterdão.

Parceiro: Cidade de Roterdão.

Este projeto fez parte da  Data Science for Social Good Europe – Summer Fellowship 2017.