https://github.com/dataforge-projects/covid19_ibge

Este repositório contém a análise de dados realizada no âmbito do Tech Challenge da pós-graduação em Data Analytics da FIAP. O objetivo do projeto é explorar e interpretar dados relevantes sobre o comportamento da população durante a pandemia da COVID-19, utilizando a base de dados PNAD-COVID19 do IBGE. Essa análise visa apoiar a tomada de decisão
https://github.com/dataforge-projects/covid19_ibge

bigquery excel google-bigquery google-cloud-platform powerbi python sql

Last synced: 4 months ago
JSON representation

Host: GitHub
URL: https://github.com/dataforge-projects/covid19_ibge
Owner: DataForge-projects
Created: 2025-03-18T00:18:09.000Z (about 1 year ago)
Default Branch: main
Last Pushed: 2025-04-06T21:41:06.000Z (about 1 year ago)
Last Synced: 2025-12-27T21:15:33.652Z (5 months ago)
Topics: bigquery, excel, google-bigquery, google-cloud-platform, powerbi, python, sql
Homepage:
Size: 8.2 MB
Stars: 0
Watchers: 0
Forks: 2
Open Issues: 0
Metadata Files:
- Readme: README.md

Awesome Lists containing this project

README

# Análise de Dados - Projeto Tech Challenge

## 📌 Apresentação do Projeto

Este repositório contém a análise de dados realizada no âmbito do Tech Challenge da pós-graduação em Data Analytics da FIAP. O objetivo do projeto é explorar e interpretar dados relevantes sobre o comportamento da população durante a pandemia da COVID-19, utilizando a base de dados PNAD-COVID19 do IBGE. Essa análise visa apoiar a tomada de decisão para um grande hospital em caso de um novo surto da doença.

## 🎯 Principais Objetivos

- Realizar uma análise exploratória dos dados fornecidos.
- Estruturar e organizar os bancos de dados utilizados no estudo.
- Apresentar as consultas SQL utilizadas na extração de insights.
- Desenvolver dashboards interativos para visualização dos resultados.
- Elaborar um relatório e apresentação com os principais achados.
- Utilizar no máximo 20 questionamentos da pesquisa PNAD-COVID19.
- Focar na análise de dados de três meses específicos.

## 📁 Estrutura do Repositório

O repositório está organizado da seguinte forma:

```
📂 Base_Tratada_Covid19_IBGE/ # Bases de dados tratadas em formato CSV
📂 Consulta_SQL/ # Arquivos de consulta SQL utilizados na análise
📂 Dicionario_Dados/ # Dicionário de dados (XLS) contendo detalhes das colunas
📂 PowerBI/ # Análise desenvolvida no Power BI (.pbix)
📂 Metodos_Utilizados/ # PPT informando como as atividades foram desenvolvidas (.pptx)
```

## 🔧 Tecnologias Utilizadas

- **SQL** – Para consultas e extração de dados.
- **Python (Pandas)** – Para tratamento e manipulação dos dados.
- **Power BI** – Para criação de dashboards interativos.
- **Excel** – Para estruturação e análise preliminar dos dados.

## 📝 Passos Realizados

### 🔍 Exploração dos Dados
- Carregamento e tratamento dos arquivos CSV contendo os dados brutos.
- Análise da estrutura e características da base de dados.
- Consolidação de um dicionário de dados para facilitar a interpretação.
- Seleção de até 20 questionamentos da pesquisa PNAD-COVID19.
- Consideração de dados referentes a três meses específicos.

### 📊 Consulta SQL e Extração de Insights
- Desenvolvimento de consultas SQL para extração de informações relevantes.
- Organização dos scripts SQL no diretório `Consulta_SQL/`.
- Verificação da coerência e qualidade dos dados.
- Extração de insights sobre características clínicas, populacionais e econômicas.

### 📈 Desenvolvimento e Visualização
- Importação dos dados tratados para análise no Power BI.
- Construção de dashboards interativos para facilitar a interpretação dos dados.
- Identificação de padrões e insights relevantes para a tomada de decisão.

### 🏆 Apresentação Final
- Estruturação de um documento final contendo os principais resultados e conclusões.
- Elaboração de um **PowerPoint** para apresentação dos achados.
- Arquivos disponíveis no diretório `Metodos_Utilizados/`.

## 📢 Conclusão

Este projeto demonstra a importância da análise de dados para fundamentar decisões estratégicas. A abordagem adotada permitiu estruturar um fluxo eficiente de coleta, tratamento, análise e visualização de dados, garantindo insights valiosos para o desafio proposto. A utilização de um conjunto reduzido de perguntas e a limitação temporal de três meses permitiram um foco mais preciso na identificação de padrões e tendências relevantes.

## Cientistas de Dados