Uma investigação quantitativa sobre a precarização do trabalho, saturação de mercado e desigualdades regionais no setor de transporte informal (2012-2025).
Este projeto de Ciência de Dados analisa o fenômeno da "uberização" (crescimento do trabalho por conta própria no transporte) através de uma abordagem comparativa entre o cenário macro (Brasil) e micro (Rio Grande do Norte).
Utilizando dados secundários da PNAD Contínua (IBGE) e técnicas de imputação estatística, o estudo investiga a correlação entre a oferta de mão de obra (densidade de motoristas) e a qualidade da remuneração (renda média real).
| Correlação - Oferta de Trabalho e Renda | Evolução - Densidade de Trabalhadores Informais (Transporte) / 100k Habitantes |
|---|---|
 |
 |
A análise revelou divergências estruturais importantes:
- Cenário Nacional (Saturação): O Brasil apresentou um aumento de 19% na densidade de trabalhadores informais, acompanhado de estagnação da renda. Isso valida a hipótese de precarização por excesso de oferta.
- Cenário Regional (Ajuste): O Rio Grande do Norte foi na contramão, com redução na oferta de motoristas, o que gerou uma valorização real de 10,3% na renda média em 12 anos.
- Desigualdade Estrutural: Apesar da recuperação, a renda média de um motorista no RN (R$ 2.029) ainda é 37% menor que a média nacional (R$ 3.230), evidenciando o abismo econômico regional.
O pipeline de dados foi construído em Python (Jupyter Notebook), cobrindo:
- Engenharia de Dados (ETL):
- Consolidação de 9 bases de dados dispersas (IBGE/Sidra).
- Tratamento de Missing Values via Interpolação Linear (preservação de tendências temporais).
- Enriquecimento com dados demográficos (projeção intercensitária 2010-2022).
- Análise Exploratória (EDA):
- Visualização de tendências com Média Móvel (Rolling Average).
- Gráficos de Eixo Duplo para correlação (Oferta x Renda).
- Matriz de Variação Percentual (Cenários).
Uma das principais barreiras encontradas foi a ausência de dados primários das plataformas (Big Techs). A análise dependeu de proxies oficiais (categoria "Conta Própria").
Recomendação Estratégica: O estudo aponta para a necessidade de Plataformas Públicas de Mobilidade. Além de reduzir taxas para o trabalhador, tais plataformas garantiriam a soberania dos dados, permitindo à gestão pública desenhar políticas baseadas em evidências reais, e não apenas em estimativas.
notebooks/: Código completo da ETL e Análise.data/raw/: Datasets brutos.data/processed/: Dataset tratado (dataset_uberizacao_tratado_final.csv).img/: Gráficos gerados durante o estudo.
Autor: Jadson Chagas Data Scientist & Pesquisador Acesse meu perfil no Kaggle