ADR-002 — Adoção do Modelo GSIM para o Classificador de Receita¶

Status¶

• Estado: Proposta
• Data: 2025-01-XX
• Decisor(es): AID
• Participantes: DCAF

Contexto¶

O projeto visa implementar um sistema de gestão do Classificador de Natureza de Receita alinhado a padrões internacionais de classificações estatísticas. O modelo de dados atual é ad hoc, sem alinhamento explícito a padrões internacionais, o que dificulta tratar de forma consistente séries de classificações, versões normativas versus atualizações menores, variantes (extensão, agregação, reagrupamento) e classificação flutuante com histórico. Referências já adotadas em docs/referencias/ incluem o GSIM Statistical Classifications Model v1.1 (2015), GSIM v2.0 (2023) e as Best Practice Guidelines for Developing International Statistical Classifications (2022).

Decisão¶

Adotar o GSIM Statistical Classifications Model v1.1 como modelo conceitual de referência para o domínio de classificações de receita, com as seguintes diretrizes:

1 - Adoção de objetos centrais do GSIM¶

Modelar explicitamente, no banco de dados, pelo menos os seguintes conceitos:

• ClassificationSeries (Série de Classificações).
• StatisticalClassification (Classificação Estatística).
• ClassificationVersion (Versão da Classificação).
• ClassificationVariant (Variante de Classificação).
• ClassificationItem (Item/Código de Classificação).
• ClassificationLevel (Nível hierárquico).

Outras entidades do GSIM poderão ser adicionadas conforme necessidade (por exemplo, correspondências entre classificações, notas explicativas, remissivas).

2 - Terminologia padronizada¶

• Utilizar a terminologia do GSIM nas tabelas, documentação e APIs, sempre que possível: Ex.: “versão da classificação” ≈ ClassificationVersion; “série de classificações” ≈ ClassificationSeries.
• Quando houver conflito com termos do MCASP ou legislações nacionais, registrar claramente os mapeamentos e diferenças na documentação (docs/referencias).

3 - Tratamento formal de versões, atualizações e variantes¶

• Versão (Version): Reservada para mudanças que alteram fronteiras conceituais entre categorias (divisões, fusões, realocações significativas).
• Atualização (Update): Para mudanças editoriais ou incrementais que não alteram fronteiras de categorias (ajustes de texto, notas, exemplos).
• Variantes (Variants): Modeladas explicitamente para extensões, agregações e reagrupamentos necessários a relatórios e normas específicas de MG, mantendo víncul conceitual com a classificação de origem.

Essa distinção deve ser refletida no schema e na governança (fluxos de aprovação da DCAF).

4 - Base predominantemente descritiva com referência prescritiva¶

• O banco de dados será uma base descritiva: Registra não apenas as classificações padrão, mas também variantes e usos reais (relatórios, exigências legais subnacionais).

• As classificações padrão (nacionais/internacionais) serão tratadas como núcleo prescritivo, servindo como referência conceitual e ponto de ancoragem para as variantes de MG.

5 - Alinhamento com GSIM v2.0 e boas práticas¶

• Usar o GSIM v1.1 como modelo principal para classificações,
• Mas consultar o GSIM v2.0 e as Best Practice Guidelines para:
  • Governança de alterações,
  • Documentação de decisões,
  • Integração com outros metadados estatísticos (quando relevante).

Alternativas Consideradas¶

Alternativa 1: Modelo ad hoc específico para MG (sem GSIM)¶

• Descrição: Construir um modelo "sob medida" apenas com base em necessidades atuais.
• Prós: Flexibilidade total para atender necessidades específicas de MG; sem dependência de padrões externos.
• Contras: Dificulta alinhamento com padrões internacionais; aumenta risco de inconsistências conceituais (por exemplo, mistura de versões, atualizações e variantes sem distinção formal).
• Razão da rejeição: Dificulta alinhamento com padrões internacionais; aumenta risco de inconsistências conceituais (por exemplo, mistura de versões, atualizações e variantes sem distinção formal).

Alternativa 2: Adoção total do GSIM v2.0 sem adaptação¶

• Descrição: Tentar transpor diretamente todo o GSIM v2.0 para o banco de dados.
• Prós: Alinhamento completo com o padrão mais recente; cobertura abrangente de conceitos.
• Contras: Escopo excessivo; complexidade desnecessária para o domínio atual; foco do projeto é o subdomínio de classificações.
• Razão da rejeição: Escopo excessivo; complexidade desnecessária para o domínio atual; foco do projeto é o subdomínio de classificações.

Alternativa 3: Uso apenas de boas práticas, sem modelo conceitual explícito¶

• Descrição: Seguir apenas as diretrizes de boas práticas da ONU, mantendo o modelo atual.
• Prós: Menor esforço de implementação; mantém modelo existente.
• Contras: Perde os benefícios de um vocabulário e estrutura conceitual bem definidos (objetos, atributos e relacionamentos).
• Razão da rejeição: Perde os benefícios de um vocabulário e estrutura conceitual bem definidos (objetos, atributos e relacionamentos).

Consequências¶

Positivas¶

• Alinhamento com o estado da arte internacional em classificações estatísticas.
• Modelo de dados mais claro e extensível (facilita futuras integrações e comparações).
• Melhor governança de versões, variantes e histórico, em sinergia com a bitemporalidade (ADR-001).

Negativas / Riscos¶

• Curva de aprendizado para equipe (GSIM e terminologia relacionada).
• Necessidade de adaptações cuidadosas para respeitar especificidades do classificador de MG (13 dígitos, 9 níveis).
• Possível necessidade de ajustes no futuro para acompanhar evoluções do GSIM v2.0.

Referências¶

• UNECE. (2015). GSIM: Statistical Classifications Model v1.1. Disponível em docs/referencias/.
• UNECE. (2023). GSIM v2.0 – Generic Statistical Information Model. Disponível em docs/referencias/.
• UNSD. (2022). Best Practice Guidelines for Developing International Statistical Classifications. Disponível em docs/referencias/.
• ADR-001: Estratégia de Bitemporalidade no Banco de Dados do Classificador