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

O que é e como funcionam Sistemas Multi-Agentes

Sistemas multi-agentes (MAS) representam uma nova forma de estruturar aplicações de inteligência artificial, especialmente úteis para lidar com problemas complexos e distribuídos. Em vez de depender de um único agente generalista, esses sistemas são compostos por múltiplos agentes especializados que colaboram, competem ou se coordenam para executar tarefas específicas. Neste post, explicamos o que são os MAS, seus principais componentes (como LLMs, ferramentas e processos) e as arquiteturas mais comuns.

O que é um Vector Database e como criar um com LangChain

Nesta postagem, mostramos como construir um pipeline simples de RAG (Retrieval-Augmented Generation) usando o LangChain, o modelo Gemini 2.0 Flash e o Vector Database Chroma. Utilizamos como exemplo o Relatório de Inflação de junho de 2025 do Banco Central do Brasil. O fluxo envolve o download e leitura do PDF, divisão do texto com RecursiveCharacterTextSplitter, geração de embeddings com Gemini, armazenamento vetorial com Chroma e busca semântica para responder perguntas com base no conteúdo do relatório. É uma aplicação prática e didática para economistas que desejam integrar IA ao seu fluxo de análise.

Automatizando a Construção de Códigos em Python com LangGraph

Neste post, mostramos como construir um agente de código em Python utilizando LangGraph, LangChain e Gemini. A proposta é construir um protótipo para automatizar o ciclo completo de geração, execução e correção de código com o uso de LLMs, organizando o processo em um grafo de estados.

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.