Análise e Modelagem de Dados da CEAPS

Índice

• Descrição do projeto
• Status do projeto
• Objetivos
• Pipeline analítico (o que foi feito)
• Principais insights
• Modelagem e previsão
• Tecnologias utilizadas
• Como executar
• Estrutura do repositório
• Próximos passos sugeridos
• Autoria
• Referências

Descrição do projeto

Este repositório documenta um estudo completo de análise de dados sobre a CEAPS (Cota para Exercício da Atividade Parlamentar dos Senadores), consolidando o período de 2008 até 2026 via API.

O trabalho foi construído integralmente no notebook ceaps-data-analysis.ipynb, cobrindo:

• Data wrangling (coleta, limpeza, padronização e imputação);
• EDA e storytelling com foco em transparência dos gastos;
• Análise por legislatura, categoria, parlamentar e UF;
• Forecasting para projeção dos gastos dos próximos meses.

Este projeto foi desenvolvido como parte da trilha 7 Days of Code (Dados) da Alura, no desafio de Ciência de Dados com o dataset CEAPS.

Status do projeto

✅ Concluído (versão analítica do notebook)

O notebook já contém todas as etapas implementadas, análises interpretadas e visualizações necessárias para reproduzir os resultados apresentados.

Objetivos

• Obter e consolidar a base CEAPS anual em um único dataset;
• Corrigir inconsistências de schema, encoding e nulos;
• Quantificar padrões de gastos por tempo, categoria e legislatura;
• Identificar sinais de opacidade em categorias sensíveis (ex.: consultorias);
• Comparar modelos de série temporal e gerar previsão de curto prazo.

Pipeline analítico (o que foi feito)

1) Coleta e consolidação

• Consumo da API CEAPS para os anos de 2008 a 2026;
• União das bases anuais em um único dataframe;
• Exportação do consolidado para arquivo CSV.

2) Qualidade e tratamento dos dados

• Correção de nomes de colunas;
• Padronização de tipos (DATA, valores monetários etc.);
• Tratamento de caracteres com problema de acentuação;
• Tratamento de nulos por coluna;
• Imputação de campos textuais faltantes, preservando a integridade analítica.

3) EDA + storytelling

• Evolução anual do custo CEAPS e interpretação histórica (pandemia, ciclos eleitorais etc.);
• Custo médio mensal por senador e custo anual por cadeira;
• Perfil de gasto por categoria e comparação entre legislaturas;
• Ranking de parlamentares na 57ª legislatura (atual) com cautela metodológica para outliers de mandato parcial;
• Análise geográfica (UF) e mapas comparativos;
• Auditoria de opacidade para gastos sem detalhamento adicional.

4) Forecasting

• Construção da série mensal de gastos;
• Baseline simples por média histórica;
• Benchmark entre modelos: Regressão Linear, ARIMA, SARIMA e Prophet;
• Seleção do melhor modelo por MAPE e previsão dos próximos 3 meses.

Principais insights

• O projeto consolidou mais de 386 mil registros com qualidade final controlada no pipeline.
• A categoria Consultorias aparece como um dos principais vetores de gasto ao longo da série.
• Uma parcela relevante dos gastos em consultorias apresenta baixo detalhamento, reduzindo rastreabilidade.
• A hipótese logística (distância até Brasília) não explica sozinha os maiores volumes: comunicação e estrutura política têm peso importante.
• Na legislatura atual, o custo médio por cadeira do Senado em CEAPS se mantém em patamar elevado (ordem de ~R$ 1 milhão/ano por vaga, conforme métricas do notebook).

Modelagem e previsão

Foram comparados quatro modelos com janela de teste de 36 meses e métrica MAPE:

Modelo	MAPE (%)
SARIMA	10.52
Regressão Linear	12.48
ARIMA	15.27
Prophet	18.73

Modelo escolhido: SARIMA, por melhor desempenho preditivo e melhor captura de sazonalidade anual.

Tecnologias utilizadas

• Linguagem: Python
• Ambiente: Jupyter Notebook
• Bibliotecas de dados/modelagem:
  • pandas, numpy
  • scikit-learn
  • statsmodels
  • prophet
• Visualização: plotly
• Coleta/integração: requests, urllib

Como executar

Pré-requisitos

• Python 3.12.4
• Jupyter Notebook/Lab

Passos

# 1) Clone o repositório
git clone <[url-do-repositorio](https://github.com/barlettab/ceaps-data-analysis.git)>
cd ceaps-data-analysis

# 2) (Opcional, recomendado) Crie ambiente virtual
python -m venv .venv
source .venv/bin/activate  # Linux/macOS

# 3) Instale dependências principais
pip install pandas numpy plotly scikit-learn statsmodels prophet requests urllib3 jupyter

# 4) Execute o notebook
jupyter notebook ceaps-data-analysis.ipynb

Estrutura do repositório

+ceaps-data-analysis/
├── ceaps-data-analysis.ipynb   # notebook principal com toda a análise
└── README.md                   # documentação do projeto

Próximos passos sugeridos

• Externalizar configuração (anos, filtros, parâmetros SARIMA) para arquivo .yaml;
• Criar requirements.txt/pyproject.toml para reprodutibilidade formal;
• Publicar dashboard final (ex.: Streamlit/Plotly Dash) com filtros por UF, legislatura e categoria;
• Automatizar atualização mensal.

+## Autoria Barbara Barletta Projeto de Ciência de Dados desenvolvido como estudo aplicado de análise de dados públicos com foco em transparência e previsão de gastos parlamentares.

Referências

• Base CEAPS (Dados Abertos do Senado):
  • http://www12.senado.leg.br/transparencia/dados-abertos-transparencia/dados-abertos-ceaps
• Kaggle Notebook:
  • https://www.alura.com.br/artigos/escrever-bom-readme
• Alura 7 Days Of Code:
  • https://7daysofcode.io/#dados