Dashboard de Política Fiscal

Acompanhar os resultados fiscais do Brasil devem estar entre os principais pontos de analises feitos por aqueles que desejam acompanhar a conjuntura econômica do país. Investigar os principais resultados fiscais das diferentes esferas do governo, sejam valores nominais ou deflacionados. Para tanto, aqui na Análise Macro, ensinamos nossos alunos não somente a teoria sobre a política fiscal, bem como a construção de um painel de monitoramento para esta área da analise de conjuntura. No post de hoje, mostraremos o Dashboard de Política Fiscal, construído com base no Curso de Análise de Conjuntura com o R.

Nas últimas semanas, realizamos demonstrações sobre os dashboards de nível de atividade econômica e de inflação, produzidos aqui na Análise Macro, no qual também ensinamos nestes posts a como realizar o deploy desses painéis. Demonstramos também nossos Dashboards de Mercado de Trabalho e Política Monetária. Para tanto, mostraremos aqui o Dashboard de Política Fiscal.

Você pode ver o resultado através do seguinte link:https://analisemacro.shinyapps.io/dashboard_fiscal/

Na primeira aba, encontramos a Necessidade de Financiamento do Setor Público para diferentes esfera do governo e em diversas unidades de medidas. Dentre as possibilidades de input do NFSP por esfera de governo, temos:  INSS, Governo Federal, Governo Estadual, Governos Municipais, Empresas Estatais e Setor Público Consolidado. Para as unidades de medida, encontra-se disponíveis: Valores Nominais, Valores Deflacionados, Valores Nominais (12 meses, % do PIB) e Valores Deflacionados (12 meses).

Como possibilidade input, também encontra-se o filtro de período de seleção. Os gráficos dispostos sugerem os diferentes indicadores da NFSP, bem como há uma tabela demonstrando os valores deflacionados em meses para diferentes esferas de governo.

Na segunda aba, encontra-se disponível as diversas contas desagregados do Resultado Primário do governo, em diferente unidades de medidas, sendo estas as mesmas da primeira aba, adicionado a Variação Percentual (12 meses, %).  O interessante desta aba é que é possível baixar as contas (em formato long), em uma planilha .csv.

Na terceira aba, há as contas desagregadas da Dívida Pública, com os gráficos das diferentes métricas de Endividamento Público. Nas Unidades de Medida, encontra-se três possíveis valores: Valores Nominais, Valores Deflacionados e Valores Nominais (% do PIB).

Quer aprender a criar Dashboards com o R?

Nos cursos oferecidos pela Análise Macro, você consegue criar as habilidades necessárias para criar Dashboards com o R utilizando os principais indicadores Econômicos e Financeiros. Veja nossos cursos de Análise de Conjuntura usando o R, Produção de Dashboards, Modelos Preditivos (de Machine Learning) aplicados à Macroeconomia e R para o Mercado Financeiro.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

Análise de Dados com REPL Tool e LLM usando LangGraph

Neste post, vamos mostrar como você pode criar um agente que interpreta e executa código Python em tempo real, utilizando o REPL-Tool e um LLM da família Gemini. Começamos com um exemplo genérico e, em seguida, aplicamos a mesma estrutura à análise econômica de uma série histórica do IPCA.

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.