Obter dados de empresas, estabelecimentos, CNAE, sócios e muito mais de forma aumatizada é possível com ferramentas como o Python. Neste exercício, mostramos como explorar estes dados da Receita Federal do Brasil.
A Receita Federal disponibiliza diversos dados em um repositório central (https://dadosabertos.rfb.gov.br/). A seguir, exploramos alguns exemplos de obtenção de dados.
Coletando dados de CNAE
A sigla CNAE significa Classificação Nacional das Atividades Econômicas. É o instrumento de padronização nacional por meio dos códigos de atividade econômica e dos critérios de enquadramento utilizados pelos diversos órgãos da Administração Tributária do país. Em resumo, é um identificador de atividades econômicas que pode ser usado para cruzar com outras tabelas de dados
Para coletar estes dados direto da Receita Federal, primeiro abrimos o Google Colab e importamos a bibliotecas pandas e, então, coletamos os dados:
Para obter o código e o tutorial deste exercício faça parte do Clube AM e receba toda semana os códigos em R/Python, vídeos, tutoriais e suporte completo para dúvidas.
cnae cnae_descricao
0 0111301 Cultivo de arroz
1 0111302 Cultivo de milho
2 0111303 Cultivo de trigo
3 0111399 Cultivo de outros cereais não especificados an...
4 0112101 Cultivo de algodão herbáceo
... ... ...
1354 9609208 Higiene e embelezamento de animais domésticos
1355 9609299 Outras atividades de serviços pessoais não esp...
1356 9700500 Serviços domésticos
1357 9900800 Organismos internacionais e outras instituiçõe...
1358 8888888 Atividade Econônica não informada
[1359 rows x 2 columns]Coletando dados de Empresas
Os arquivos de Empresas da Receita Federal disponibilizam dados sobre:
- Razão Social
- CNPJ
- Natureza jurídica
- Porte
- Capital social
- Etc.
Estes arquivos são pesados e dividos em várias partes, devido ao volume de dados. Aqui coletamos apenas o arquivo “Empresas1.zip”:
cnpj_basico ... ente_federativo
0 00000000 ... NaN
1 00000001 ... NaN
2 00000002 ... NaN
3 00000003 ... NaN
4 00000004 ... NaN
... ... ... ...
4494855 04631955 ... NaN
4494856 04631956 ... NaN
4494857 04631957 ... NaN
4494858 04631959 ... NaN
4494859 04631960 ... NaN
[4494860 rows x 7 columns]Observação: o arquivo é pesado e o servidor da Receita parece ser lento, então a coleta pode ser demorada e falhar. Escreva um código com retentativas para tornar o procedimento mais robusto.
Coletando dados de Sócios
Os arquivos de Sócios da Receita Federal disponibilizam dados sobre:
- Identificação
- Nome
- Qualificação
- Faixa etária
- Etc.
Estes arquivos são pesados e dividos em várias partes, devido ao volume de dados. Aqui coletamos apenas o arquivo “Socios1.zip”:
cnpj_basico id_socio ... qualificacao_representante faixa_etaria
0 07396865 2 ... 0 5
1 07396865 2 ... 0 4
2 52302726 2 ... 0 7
3 07396923 2 ... 0 6
4 07396923 2 ... 0 6
... ... ... ... ... ...
2019145 41554451 2 ... 0 4
2019146 41554527 2 ... 0 4
2019147 41554527 2 ... 0 4
2019148 41554527 2 ... 0 4
2019149 41554527 2 ... 0 5
[2019150 rows x 11 columns]Cruzamento de dados
Por fim, imagine que você precise cruzar estas informações, realizar filtros e produzir análises. Com a bibliotecas pandas estes procedimentos são simples. Abaixo cruzamos a tabela de empresas com a tabela de sócios, após aplicar alguns filtros:
razao_social ... faixa_etaria
cnpj_basico ...
00000208 BRB BANCO DE BRASILIA SA ... 6
00000208 BRB BANCO DE BRASILIA SA ... 5
00000208 BRB BANCO DE BRASILIA SA ... 5
00000208 BRB BANCO DE BRASILIA SA ... 5
00000208 BRB BANCO DE BRASILIA SA ... 5
00000208 BRB BANCO DE BRASILIA SA ... 5
00000208 BRB BANCO DE BRASILIA SA ... 5
01535210 METAIS DE GOIAS SA METAGO ... 4
01535210 METAIS DE GOIAS SA METAGO ... 5
02732525 PARANA DESENVOLVIMENTO S/A - ... 7
02732525 PARANA DESENVOLVIMENTO S/A - ... 7
03152510 COMPANHIA DE DESENVOLVIMENTO DA LAPA ... 7
03152510 COMPANHIA DE DESENVOLVIMENTO DA LAPA ... 9
04583057 AGENCIA GOIANA DE GAS CANALIZADO S/A ... 6
04583057 AGENCIA GOIANA DE GAS CANALIZADO S/A ... 5
04583057 AGENCIA GOIANA DE GAS CANALIZADO S/A ... 5
04583057 AGENCIA GOIANA DE GAS CANALIZADO S/A ... 7
04583057 AGENCIA GOIANA DE GAS CANALIZADO S/A ... 7
04583057 AGENCIA GOIANA DE GAS CANALIZADO S/A ... 5
04583057 AGENCIA GOIANA DE GAS CANALIZADO S/A ... 5
[20 rows x 16 columns]Conclusão
Obter dados de empresas, estabelecimentos, CNAE, sócios e muito mais de forma aumatizada é possível com ferramentas como o Python. Neste exercício, mostramos como explorar estes dados da Receita Federal do Brasil.
Tenha acesso ao código e suporte desse e de mais 500 exercícios no Clube AM!
Quer o código desse e de mais de 500 exercícios de análise de dados com ideias validadas por nossos especialistas em problemas reais de análise de dados do seu dia a dia? Além de acesso a vídeos, materiais extras e todo o suporte necessário para você reproduzir esses exercícios? Então, fale com a gente no Whatsapp e veja como fazer parte do Clube AM, clicando aqui.
