Análise do Comércio Varejista com o R

O IBGE divulgou hoje pela manhã os resultados de abril da Pesquisa Mensal do Comércio (PMC). A PMC conta com script no nosso Curso de Análise de Conjuntura usando o R que automatiza a coleta, tratamento e apresentação dos dados diretamente do site do SIDRA/IBGE. No corte restrito, houve queda na margem de 16,84%. Já na publicação ampliada, que inclui veículos e materiais de construção, houve queda de 17,73% nessa mesma métrica de comparação. Na comparação interanual, com o mesmo mês do ano passado, a queda no varejo ampliado foi de 27,11%.

A abertura por atividades mostra uma queda de 60,58% na margem no volume de Tecidos, vestuário e calçados. Na comparação interanual, a queda foi de 75,62%, sendo a atividade que mais sofreu com a pandemia. Hipermercados e supermercados tiveram crescimento de 5,85% na comparação interanual.

A apresentação completa dos dados da PMC pode ser vista aqui. O script que gera a apresentação estará disponível na Versão 4.0 do nosso Curso de Análise de Conjuntura usando o R.

____________________

(*) Você aprende a coletar, tratar e visualizar dados macroeconômicos no nosso Curso de Análise de Conjuntura usando o R.

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.