Analisando dados da Pesquisa Mensal de Serviços com o Python

A Pesquisa Industrial Mensal - Produção Física (PIM) é um dos principais indicadores de acompanhamento do setor de serviços no Brasil, e é extremamente útil para entender o comportamento conjuntural da economia do país. No post de hoje, mostramos como é possível utilizar o Python para criar uma breve análise do indicador.

O indicador pode ser buscado através do Sidra, repositório de acesso de dados das pesquisas realizados pelo IBGE. É extremamente fácil de realizar a importação de dados do Sidra através do Python, no qual ensinamos todos os passos através do Clube AM, onde disponibilizamos o código e o vídeo comentado. Também ensinamos toda a teoria e prática da Análise da PMS no curso Análise de Conjuntura usando o R.

Abaixo, temos o gráfico da variação acumulada em 12 meses do indicador desde 2011, demonstrando os caminhos percorridos pelo Setor de Serviços. É visível a queda do indicador proporcionada pela pandemia de Coronavírus em 2020, e a subsequente recuperação, apesar da queda na ponta.

É possível criar diversos estilos de gráficos, computando a variação interanual, marginal e acumulada no ano. A devida coleta reprodutível também permite a criação de modelos de previsões totalmente automatizados.

________________________________________

Quer saber mais?

Veja nossos cursos de Macroeconomia através da nossa trilha de Macroeconomia Aplicada.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.