Os colaboradores de uma organização frequentemente submetem solicitações de reembolso para despesas relacionados ao desenvolvimento do seu trabalho. Dessa forma, é de grande importância a validação e análise dessas transações, na intenção de verificar se essas fazem parte do desenvolvimento do trabalho e com isso, devem ser reembolsadas. A correta identificação dessas transações é uma tarefa complexa e cara, uma vez que existe a necessidade de uma pessoa auditar cada transação, analisando um contexto macro, relacionando a função do colaborador com o gasto realizado. A presente contribuição contorna esses desafios utilizando conceitos de análise de dados e aprendizado de máquina, na intenção de criar modelo capaz de analisar e classificar uma transação como em conformidade e não conformidade com as politicas organizacionais. Os resultados para os modelos desenvolvidos mostram uma melhoria acentuada em relação aos esforços convencionais para identificação das transações, com precisão se aproximando dos níveis de potencial prático.

Employees of an organization often submit reimbursement requests for expenses related to the development of their work. The validation and analysis of these transactions are critical to ensure proper reimbursement for work development. The correct identification of these transactions is a complex and costly task. It requires a person to audit each transaction, relating it to the employees role, and analyze the transaction in the macro context of the organizations overall finances and budget. This contribution overcomes these challenges by using data analysis and machine learning concepts to create a model capable of analyzing and classifying a transaction as compliant or non-compliant with organizational policies. The results for the developed models show a marked improvement over conventional efforts to identify transactions with accuracy approaching practical potential levels.