Relatório AM #34 - Pesquisa Mensal de Serviços (PMS)

A Pesquisa Mensal de Serviços (PMS) é um dos principais indicadores de acompanhamento do setor de serviços no Brasil. A pesquisa produzida pelo IBGE podem ter seus dados acessados pelo SIDRA. No R, é possível acessar os dados da PMS através do pacote {sidrar}. Nós ensinamos além dessa coleta, o tratamento e a visualização  no nosso Curso de Análise de Conjuntura.

Primeiro carregamos os pacotes.


library(tidyverse)
library(sidrar)
library(patchwork)

Prosseguimos para a coleta dos dados via SIDRA e também para o tratamento dos dados.


# PMS
parametros <- list(api_pms = "/t/6442/n1/all/v/all/p/all/c11046/40311,40312/d/v8676%201,v8677%201")

# Função get_sidra realiza a coleta dos dados

raw_pms <- sidrar::get_sidra(api = parametros$api_pms)

# Tratamentos dos dados e o cálculos das variações

pms <- raw_pms %>%
dplyr::filter(`Variável` == "Índice de volume de serviços") %>%
dplyr::select(
"date" = `Mês (Código)`,
"index" = `Tipos de índice`,
"value" = Valor
) %>%
tidyr::pivot_wider(
id_cols = date,
names_from = index,
values_from = value
) %>%
rename_with(~c("date", "volume", "volume_sa")) %>%
dplyr::mutate(
date = lubridate::ym(date),
margem_volume = (volume_sa / dplyr::lag(volume_sa, 1) - 1) * 100,
interanual_volume = (volume / dplyr::lag(volume, 12) - 1) * 100,
anual_volume = acum_i(volume, 12),
id = "PMS (Volume)"
) %>%
filter(date > "2015-01-01")

A partir disso, podemos visualizar nossos dados.

 

 

 

Além do gráfico de linhas, construímos também uma tabela.

________________

Você confere o script completo no nosso Curso de Análise de Conjuntura usando o R. A apresentação da PMC também está disponível no Clube AM.

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.