CAGED mostra aceleração na criação de vagas

O Ministério da Economia divulgou ontem os dados do CAGED, o cadastro geral de empregados e desempregados. O saldo de admitidos e demitidos chegou a 99,2 mil em novembro - 80,4 mil em termos dessazonalizados. A análise dos dados agregados do CAGED, que contam com script automático no nosso Curso de Análise de Conjuntura usando o R, permite verificar uma aceleração na criação de vagas.

A média móvel anual do saldo entre admitidos e demitidos chegou a 44,3 mil em novembro. Em termos de comparação, ela era de 35,5 mil em novembro de 2018 e de -21,4 mil em novembro de 2017. Em palavras outras, há uma aceleração em curso no mercado de trabalho formal.

A abertura do dado por setores mostra que a recuperação do emprego está sendo liderada pelos setores de serviços e comércio. A indústria ainda sofre os efeitos de choques exógenos, enquanto a construção civil tem ensaiado uma recuperação nos últimos meses.

A análise completa está disponível 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

Como usar LangGraph e LLMs para prever a inflação no Brasil

Este post apresenta um estudo de caso sobre como utilizar o LangGraph e modelos de linguagem para estruturar um sistema multiagente voltado à previsão do IPCA. O exercício cria um sistema que utiliza-se de personas analíticas que trabalham em paralelo, permitindo validar previsões, calcular métricas de erro e consolidar relatórios automatizados. A abordagem demonstra como fluxos multiagentes podem apoiar a análise econômica, oferecendo múltiplas perspectivas e maior consistência nos resultados.

O que é GraphRAG e implementar usando LangChain

GraphRAG é uma técnica de recuperação de informação para LLMs que utiliza grafos de conhecimento para conectar entidades e relações, permitindo estruturar informações complexas presentes em textos. Neste exercício, mostramos como transformar as atas do Copom em um grafo capaz de compreender essas entidades e relações, respondendo a perguntas complexas de forma contextualizada. Com Python e LangChain, todo o processo se torna automatizado, simples e altamente explorável.

Shiny + Agentes de IA: como criar aplicativos web inteligentes

A combinação de interfaces de usuário interativas com o poder dos grandes modelos de linguagem (LLMs) está abrindo um universo de possibilidades. Imagine criar um aplicativo web que não apenas exibe dados, mas também conversa com o usuário, respondendo a perguntas complexas com base em uma base de conhecimento específica. Usando Shiny para Python e ferramentas de IA como as do Google, isso é mais acessível do que nunca.

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.