UNIVERSIDADE VIRTUAL DO ESTADO DE SÃO PAULO

Clebson Alberto De Oliveira, RA 2015554

Cleber Bazani, RA 1706900
Gabriel Monteiro Alves, RA 2015614
Lidia Kazue Kobayashi, RA 2007456

Dashboard que propicia a análise de desemprego no Brasil

Vídeo do Projeto Integrador

< https://youtu.be/kbcYhcEB9KE >

São Paulo - SP
2023
UNIVERSIDADE VIRTUAL DO ESTADO DE SÃO PAULO

Dashboard que propicia a análise de desemprego no Brasil

Relatório Técnico-Científico apresentado na

disciplina de Projeto Integrador para o curso
de Computação da Universidade Virtual do
Estado de São Paulo (UNIVESP).

São Paulo - SP
2023
OLIVEIRA, Clebson Alberto De; BANZANI, Cleber; ALVES, Gabriel Monteiro;
KOBAYASHI, Lidia Kazue. Dashboard que propicia a análise de desemprego no Brasil.
26f. Relatório Técnico-Científico. Projeto Integrador em Computação IV – Universidade
Virtual do Estado de São Paulo. Tutor: (Angélica Cintra Ferman). Polos (Cidade Dutra, Vila
Rubi, Três Lagos), 2023.

RESUMO

A pandemia da COVID-19 impactou a sociedade em vários aspectos, dentre eles, o perceptível

aumento do desemprego. Com o intuito de realizar uma análise sobre o problema identificado,
o grupo do Projeto Integrador IV do Eixo da Computação da Univesp propôs a construção de
um dashboard, onde através de recursos visuais, facilitem o entendimento sobre o tema,
mostrando um panorama da situação do país, sua evolução e tendência.
A partir das etapas do Design Thinking, uma pesquisa quali-quantitativa foi realizada com a
comunidade externa para verificar a aceitação do dashboard. Com esse trabalho, espera-se que
o uso do dashboard possa se tornar uma ferramenta eficaz, possibilitando às pessoas se
conscientizarem sobre este problema que atinge milhões de brasileiros.

PALAVRAS-CHAVE: Desemprego; Covid-19; Dashboard; Tendência; Design Thinking.

SUMÁRIO

1 INTRODUÇÃO ..................................................................................................................... 1

2 DESENVOLVIMENTO ........................................................................................................ 3

2.1 OBJETIVOS ......................................................................................................................... 3

2.2 JUSTIFICATIVA E DELIMITAÇÃO DO PROBLEMA ................................................... 3
2.3 FUNDAMENTAÇÃO TEÓRICA ....................................................................................... 4
2.4 APLICAÇÃO DAS DISCIPLINAS ESTUDADAS NO PROJETO INTEGRADOR ........ 9
2.5 METODOLOGIA ............................................................................................................... 10

3. RESULTADOS ................................................................................................................... 15

3.1 SOLUÇÃO INICIAL ......................................................................................................... 15

3.2 SOLUÇÃO FINAL............................................................................................................. 21

4. CONSIDERAÇÕES FINAIS ............................................................................................. 24

REFERÊNCIAS...................................................................................................................... 26
 LISTA DE ILUSTRAÇÕES

Figura 2.4 - Disciplinas Diretamente relacionadas..................................................................... 9

Figura 2.4.1 - Disciplinas indiretamente relacionadas...............................................................10
Figura 2.5.3 - Protótipo do Dashboard.......................................................................................12
Figura 3.1.1- Google Colab-Pré-processamento e Transformação............................................15
Figura 3.1.2 - Google Colab-Aprendizado de máquina ...........................................................16
Figura 3.1.3 – Dendograma ......................................................................................................16
Figura 3.1.4 – Gráfico de Dispersão .........................................................................................17
Figura 3.1.5 – Dashboard Inicial...............................................................................................18
Figura 3.1.6- Botões de Filtros..................................................................................................18
Figura 3.1.7- Elemento Cartão...................................................................................................19
Figura 3.1.8- Gráficos de Evolução...........................................................................................19
Figura 3.1.9- Gráfico de Atividades Econômicas......................................................................19
Figura 3.1.10- Gráfico de Admissões e Desligamentos por UF................................................20
Figura 3.1.11- Gráfico de Admissões e Desligamentos por Município.....................................20
Figura 3.2.1-Pesquisa sobre a ferramenta..................................................................................21
Figura 3.2.2- Aplicabilidade da ferramenta...............................................................................21
Figura 3.2.3-Relevância da ferramenta......................................................................................21
Figura 3.2.4-Facilidade da ferramenta.......................................................................................22
Figura 3.2.5-Layouts da ferramenta...........................................................................................22
Figura 3.2.6- Dashboard com tema escuro.................................................................................23
1 INTRODUÇÃO

Em 11 de março de 2020, a Organização Mundial da Saúde (OMS) declarou ao mundo que uma
pandemia denominada COVID-19 estava em curso. Esse vírus se expandiu com uma velocidade
impressionante por vários países inclusive o Brasil. Os impactos principalmente na saúde
pública foram profundos assim como nas economias e com muita ênfase nos mercados de
trabalho. A Organização Internacional do Trabalho (OIT), em 3 de abril de 2020, mostrava que
mais de 1 milhão de pessoas haviam sido infectadas pelo vírus e que mais de 50 mil perderam
a vida.

Muitas medidas foram tomadas diante do cenário encontrado, incluindo o bloqueio total ou
parcial que vários países fizeram para tentar diminuir e desacelerar a disseminação da doença
o que afetou quase 2,7 bilhões de trabalhadores, representando cerca de 81% da força de
trabalho mundial (OIT, 2020).

Atualmente, vivenciando os impactos pós pandemia, a presente situação requer ações de uma
política de desenvolvimento econômico voltada ao momento em que estamos vivendo, ou seja,
que ela ocorra a longo prazo pensando também no futuro. Essa circunstância vivida no Brasil
revelou muitas fragilidades no setor econômico, uma vez que o nosso principal comprador é a
China, local onde se deu início a pandemia. Essa dependência econômica externa traz um
grande impacto no governo brasileiro que tem uma forte barreira para melhorar o seu sistema
orçamentário.

Devido a paralisação das atividades produtivas, encontramos um cenário que se agravou a cada
dia, principalmente depois da pandemia, com o aumento muito expressivo do desemprego que
até hoje não foi reestabelecido, uma vez que o país já estava com grandes baixas de empregos.

Diante dessas considerações, o objetivo deste projeto é apresentar brevemente as consequências

da COVID-19 para o mercado de trabalho brasileiro, destacando os impactos que a crise
promoveu e promove até os dias atuais aos trabalhadores pós pandemia, em um futuro ainda
incerto no qual faz-se necessário com o auxílio de tecnologias a proposta da implementação de
um dashboard, que utilizando recursos visuais, terá a capacidade de facilitar o entendimento do
tema, no qual mostra um panorama da situação atual do nosso país bem como a sua evolução e

1
também as tendências, trazendo uma ferramenta facilitadora para compreensão de todas as
vertentes relacionadas aos impactos pós pandemia no Brasil.

2
2 DESENVOLVIMENTO

2.1 OBJETIVOS

O objetivo principal no desenvolvimento do dashboard é apresentar de uma forma clara e de

fácil entendimento, dados envolvendo o desemprego no Brasil, com detalhamento por região,
com o propósito de ajudar os usuários a compreender este tema.

Para atingir o objetivo geral do projeto, algumas etapas foram desenvolvidas com os seguintes
objetivos específicos:

- Ouvir a comunidade externa para verificar a aceitação de um dashboard que atenda a essa
demanda.

- Pensar em uma solução baseada nas observações levantadas pela comunidade externa.

- Criar a interface, os códigos e a estrutura para o desenvolvimento do dashboard.

- Testar o dashboard.

- Implementar o dashboard e distribuir para a comunidade externa.

- Coletar e discutir as opiniões para melhoria e aperfeiçoamento do dashboard.

2.2 JUSTIFICATIVA E DELIMITAÇÃO DO PROBLEMA

A pergunta norteadora do nosso projeto foi: Como o desenvolvimento de um dashboard pode

ajudar no entendimento do desemprego no Brasil?

O dashboard sobre o desemprego no Brasil pode aumentar a transparência em relação aos dados
e informações sobre o mercado de trabalho no país, permitindo que as pessoas tenham acesso
fácil e rápido às informações mais relevantes.

Ao fornecer informações atualizadas e precisas sobre o desemprego, o dashboard pode ajudar

a identificar tendências e oportunidades, permitindo que os usuários tomem decisões mais

3
embasadas. Pode ser útil também para monitorar a evolução do mercado de trabalho em
diferentes regiões do país, bem como em diferentes setores econômicos.

O projeto desenvolvido possui uma relevância que atinge o campo social, tecnológico e
acadêmico. Do ponto de vista social, ao fornecer informações claras e concisas sobre o
desemprego no Brasil, o dashboard pode ajudar a aumentar a conscientização e a pressão sobre
os governos para implementarem medidas eficazes de combate ao desemprego.

No campo tecnológico, o trabalho ajudou-nos a entender as diferentes ferramentas que são

utilizadas na produção do dashboard, incentivando a pesquisa e a atualização de informações
que são fundamentais para desenvolver diferentes aplicações em múltiplos contextos.

Já no espectro acadêmico, o projeto permitiu-nos relacionar a teoria com a prática e buscar uma
solução a partir do prisma da área de tecnologia para resolver um problema que está inserido
na sociedade, promovendo uma ampliação das possibilidades que aparentemente pertenciam a
um único campo de atuação e que estariam desconectadas. Todavia, a tecnologia só faz sentido
quando o seu emprego alcança os membros da sociedade, promovendo mudanças que
melhorem significativamente a qualidade de vida dos indivíduos.

2.3 FUNDAMENTAÇÃO TEÓRICA

No início de 2020 foi declarado o surto do novo corona vírus no mundo, e em março de 2020,
o Brasil declarou seu primeiro estado de quarentena, ocasionando a paralização do país, o que
mudou a vida de milhares de brasileiros. O país sofreu com a redução de investidores, assim
como a redução das importações dos principais países que atendem o Brasil: China e EUA.

Após março de 2020 com as restrições imposta por grande maioria dos países do mundo, a
economia se retraiu, gerando adaptações de empregos para o sistema home office, demissão em
massa, reduções salariais, entre outras mudanças.

De acordo com a Sebrae, as MPE (Micro e pequenas empresas) que representam 98% das
empresas no brasil e aproximadamente 52% de empregos formais no setor privado, com a
pandemia e a declaração da quarentena, sofreram para manter seus negócios. Cerca de 60% das
MPE que solicitaram crédito para continuar suas atividades, tiveram seu pedido negado
(SEBRAE, 2018). Ainda conforme análise do IBGE, a maior parte das empresas que foram
4
obrigadas a cumprirem a paralização, eram MPE, e 39% não tiveram opção senão encerrar suas
atividades, pois não conseguiram se sustentar neste período (PESQUISA, 2020).

Em 2019 a taxa de desemprego era de 11,9%. Com os acontecimentos de 2020, a taxa subiu
para 13,5%, o que correspondia cerca de 13,3 milhões de pessoas em busca de um trabalho, ou
seja, contabilizaram-se de 93,4 milhões para 86,1 milhões de pessoas empregadas (ANDES,
2021).

Muitos fatores foram responsáveis pela alta da taxa de desemprego: crises nacionais e mundiais
que ocasionam o aumento do dólar, diminuído o poder de compra das empresas; corte de custos;
cadeia de suprimentos interrompida; mudanças no comportamento do consumidor que
passaram a comprar menos; e principalmente a grande incerteza econômica em todo o mundo,
o que levou muitas empresas a serem mais cautelosas em relação à contratação de novos
funcionários.

2.3.1 Tecnologias que foram empregadas no desenvolvimento do dashboard

Para a construção do dashboard, diversos recursos e ferramentas foram utilizadas para que ele
desempenhasse a função esperada. Nesse projeto, seguem algumas das tecnologias que foram
utilizadas: Figma, BigQuery, MySQL, bibliotecas Pandas, Numpy, Matplotlib no Google
Colab, Power BI.

2.3.1.1 Ferramenta Figma

Trata-se de uma ferramenta que possibilita a criação de desenhos vetoriais e que pode ser
utilizada para a produção da interface da tela de usuário de um aplicativo, tornando-se uma
alternativa para a prototipagem de layout.

Estudo realizado por Nascimento (2020) demonstra a viabilidade da ferramenta para produção
de interface mesmo para pessoas que não tenham grande familiaridade com linguagens de
programação.

5
2.3.1.2 Sistema de Gerenciamento MySQL

O MySQL é um Sistema de Gerenciamento de Banco de Dados (SGBD) relacional, é um meio

de armazenamento e processamento de dados que opera com grande velocidade, com baixa
curva de aprendizado, flexível e de código aberto.

Por ser compatível com diversos sistemas operacionais se torna atrativo para ser utilizado em
diversas aplicações, pois é seguro e apresenta grande capacidade de armazenamento.

Um estudo comparativo realizado por Souza e Oliveira (2019) revela as vantagens da

plataforma MySQL e as suas limitações, quando comparada com outro sistema MONGODB.

Para o desenvolvimento do presente trabalho foi utilizada a plataforma MySQL por ser flexível,
confiável e de código aberto.

2.3.1.3 BigQuery

O BigQuery é uma ferramenta de processamento de dados em nuvem oferecida pela Google

Cloud Platform. É um serviço de armazenamento de dados totalmente gerenciado e escalável
que permite que os usuários armazenem, consultem, analisem e visualizem grandes conjuntos
de dados em tempo real.

O BigQuery é capaz de processar dados estruturados e não estruturados em formatos como

CSV, JSON e Avro, além de permitir que os usuários executem consultas SQL complexas em
segundos ou minutos. Ele também oferece suporte para integração com outras ferramentas de
análise de dados, como o Google Data Studio, o Power BI, o Tableau e o Qlik.

Conforme informado por Tigani e Naidu (2014), a ferramenta nasceu da necessidade de se

trabalhar com uma quantidade crescente de informações, que mesmo com a criação do Map
Reduce (modelo de programação que permite o processamento de dados massivos em um
algoritmo paralelo e distribuído), o tempo de resposta do processamento de um big data,
consumia uma grande parcela de tempo.

6
2.3.1.4 Google Colab

O Colab é uma ferramenta de análise de dados e aprendizado de máquina baseada em nuvem

desenvolvida pelo Google.

Em estudo de Benelli (2022), o Google Colab é uma ferramenta simples que permite a qualquer
pessoa escrever e executar código python por meio do navegador, adequado para aprendizado
de máquina, análise de dados e educação. Além disto, não necessita de configuração e oferece
recursos computacionais gratuitos.

Algumas das principais características do Colab incluem:

Integração com o Google Drive: o Colab permite que os usuários salvem e acessem seus
notebooks diretamente do Google Drive, facilitando o compartilhamento e a colaboração.

Suporte a várias linguagens de programação: os usuários podem escrever código em várias

linguagens, incluindo Python, R e SQL.

Bibliotecas pré-instaladas: o Colab já vem pré-instalado com várias bibliotecas de aprendizado

de máquina e outras ferramentas comuns, como Pandas, NumPy e TensorFlow.

Integração com outras ferramentas do Google Cloud: o Colab pode ser integrado a outras
ferramentas do Google Cloud, como o BigQuery, permitindo que os usuários acessem grandes
conjuntos de dados diretamente do Colab.

2.3.1.5 Bibliotecas para o Google Colab

A biblioteca Pandas é uma biblioteca de código aberto que fornece estruturas de dados de alto
desempenho e fáceis de usar, bem como ferramentas para a análise de dados. Ela é
frequentemente usada para manipular e analisar dados em tabelas, como planilhas e bancos de
dados relacionais. A biblioteca oferece estruturas de dados poderosas, como o DataFrame, que
permite que você trabalhe com dados de forma semelhante a uma planilha.

7
A biblioteca NumPy é outra biblioteca de código aberto muito popular em Python,
especialmente quando se trata de computação científica e matemática. Ela fornece um conjunto
de funções para trabalhar com matrizes e tensores multidimensionais, bem como uma série de
funções matemáticas avançadas, como álgebra linear, estatística e cálculo.

Por fim, a biblioteca Matplotlib é uma biblioteca de visualização de dados em Python, que
permite criar gráficos e visualizações personalizadas de alta qualidade. Ela possui uma ampla
gama de recursos para criar gráficos, como barras, histogramas, diagramas de dispersão e muito
mais. Além disso, ela permite que você personalize o layout e o estilo do gráfico de acordo com
suas necessidades.

2.3.1.6 Power BI

Power BI é uma plataforma de análise de negócios da Microsoft que permite aos usuários
conectar, analisar e visualizar dados de diversas fontes. Com a ferramenta, as empresas podem
tomar decisões mais informadas, identificar tendências e oportunidades, além de compartilhar
informações com os membros da equipe.

O Power BI permite que os usuários conectem-se a diversas fontes de dados, como bancos de
dados relacionais, planilhas, arquivos locais, serviços em nuvem e muito mais. Permite também
que os usuários compartilhem seus relatórios e dashboards com outros membros da equipe, seja
em formato de arquivo, web ou dispositivos móveis.

Além disso, o Power BI oferece uma variedade de opções de visualização de dados, como
gráficos, tabelas dinâmicas, mapas, cartões, entre outros. Os usuários podem personalizar as
visualizações de acordo com suas necessidades, aplicando filtros, formatação condicional, cores
e outros elementos.

Conforme citado por Etatti (2019), o Power BI é um software de Business Intelligence onde o
próprio usuário desenvolve a partir de suas necessidades. Pode ser utilizado para visualizar,
limpar, modelar, analisar dados em larga escala.

8
2.4 APLICAÇÃO DAS DISCIPLINAS ESTUDADAS NO PROJETO INTEGRADOR

Na Figura 2.4 destacam-se as disciplinas que estão relacionadas diretamente com o

desenvolvimento do Projeto Integrador IV e que foram ofertadas nos cursos do Eixo da
Computação.

Figura 2.4
Fonte: Os Autores
DISCIPLINA SEMESTRE QUE FOI OFERECIDA
Visualização Computacional 6º.
Banco de Dados 4º.
Mineração de Dados 5º.
Aprendizado de Máquinas 6º.

As disciplinas elencadas acima, tiveram uma contribuição fundamental para o desenvolvimento

do Projeto Integrador IV, destacando-se a disciplina de Visualização Computacional que
possibilitou a construção do dashboard, pois os recursos e informações disponibilizadas ao
longo do curso permitiram interpretar e apresentar os dados do tema de maneira efetiva, assim
como auxiliaram na extração de insights. Através das propostas apresentadas na disciplina,
pôde-se discutir as melhores ferramentas que seriam mais viáveis para o projeto, também
realizar testes de desempenho para verificar o quanto a aplicação era confiável.

Já os conhecimentos da disciplina de Banco de Dados (BD), foram importantes para

compreender como as informações digitadas pelo usuário poderiam ser armazenadas e
consultadas posteriormente. Os conhecimentos apresentados ao longo dessa matéria
contribuíram para que pudesse se construir uma base de dados que apresentasse segurança e
agilidade para acessar os dados armazenados nesse ambiente.

Os temas específicos utilizados em BD envolvem a criação e inserção de dados em tabelas

empregando-se a ferramenta MySQL que fora apresentada nessa disciplina.

A disciplina de Mineração de Dados disponibilizou técnicas para a extração de conhecimento

valioso a partir de grandes volumes de dados. Ela ofereceu a capacidade de descobrir padrões
ocultos, tomar decisões informadas, prever tendências e otimizar processos.

Na disciplina Aprendizado de Máquinas, os conhecimentos dessa área promoveram uma

reflexão para o desenvolvimento de uma análise que contribuísse na identificação de
tendências, com técnicas que auxiliaram a identificar grupos e segmentos de dados semelhantes.

9
2.4.1 Disciplinas indiretamente relacionadas ao projeto

Na Figura 2.4.1 abaixo são descritas as disciplinas envolvidas indiretamente na produção do

Projeto Integrador IV que foram ofertadas nos cursos do Eixo da Computação.

Figura 2.4.1
Fonte: Os Autores
DISCIPLINAS SEMESTRE QUE FOI OFERECIDA
Ética, Cidadania e Sociedade 1º
Leitura e Produção de Textos 1º
Pensamento Computacional 1º
Formação Profissional em Computação 5º
Fundamentos de Internet e Web 4º
Gerência e Qualidade de Software 6º

2.5 METODOLOGIA

Para o desenvolvimento do projeto, foi realizado uma pesquisa quali-quantitativa com pessoas
da comunidade externa de ambos os sexos, onde estes responderam a um questionário
estruturado para verificar o interesse sobre a implementação de um dashboard contendo o
histórico da taxa de desemprego no Brasil, sua evolução e regiões onde se concentram os
maiores índices de desemprego e contratações.

Delimitamos em colher informações pertinentes ao tema, na cidade de São Paulo, capital dos
negócios do Brasil, com um leque aberto a temas secundários que acabaram conectando ao
tema principal. Com isto, conseguimos de maneira mais abrangente e com certa clareza, o que
poderia ser feito no projeto para ajudar o usuário.

Os dados coletados através de questionário online (Google Forms) foram analisados e

discutidos com o grupo para construir a solução.

As etapas envolvidas no projeto estão relacionadas com o Design Thinking: ouvir, idear,
prototipar e implementar.

10
- Ouvir: A primeira etapa está relacionada à escuta com a comunidade externa para verificar
a viabilidade do uso de um dashboard com as características descritas na parte anterior do
projeto.

- Idear: A partir das respostas obtidas da comunidade externa, foi pensada numa solução para o
desenvolvimento do dashboard.

- Prototipação: Nesta etapa, foram empregadas as ferramentas para o desenvolvimento de um

protótipo que foi avaliado pela comunidade externa.

- Implementação: Após a prototipagem e período de testes, houve a implementação do

dashboard e disponibilização para a comunidade externa.

Após o desenvolvimento dessas etapas, foi realizada uma avaliação para verificar possíveis
melhorias para o aprimoramento do dashboard.

2.5.1 Ouvir e Interpretar

Nesta primeira parte do projeto, os integrantes do grupo realizaram uma pesquisa quantitativa
no qual foram elaboradas 8 perguntas objetivas. Os participantes, formado por um grupo
pessoas com idade entre 18 e 60 anos, de ambos os sexos, responderam ao questionário de
forma online através da ferramenta Google Forms. Os resultados apontaram que a maioria dos
respondentes consideram importante ter conhecimento sobre o tema.

Após a etapa de escuta envolvendo a comunidade externa, o grupo reuniu-se com o propósito
de interpretar e definir um plano de ação que pudesse ser desenvolvido a fim de se propor uma
solução para a problemática.

Diante dos apontamentos da comunidade externa, decidiu-se por desenvolver um dashboard

que trouxesse com mais clareza o tema desemprego, demonstrando a situação do desemprego
por regiões, ramos de atividades econômicas e períodos, disponibilizando visuais objetivos e
interativos.

11
2.5.2 Idear, a terceira etapa do Design Thinking

Nessa etapa, foram apresentadas algumas ideias para que pudessem ser utilizadas no dashboard,
tais como: o layout e interface do dashboard, a interação entre o usuário e os gráficos, de que
forma os dados seriam processados e apresentados, quais ferramentas e técnicas poderiam ser
empregadas para que a aplicação funcionasse sem problemas. Nessa fase, utilizou-se a
ferramenta Figma que auxiliou no desenvolvimento da interface.

2.5.3 Protótipo

O dashboard foi criado com o intuito de demonstrar de forma concisa, a situação do desemprego
por regiões, atividades econômicas e períodos. O conteúdo tem o comparativo de admissões,
demissões e a variação entre as mesmas. As interatividades são realizadas através de filtros:
Períodos (Ano e Mês), UF e Municípios, onde os usuários podem selecionar livremente o que
eles querem ver. Um exemplo, é a utilização do dashboard para verificar o nível de
empregabilidade em um determinado município para onde se pretende migrar.

Figura 2.5.3- Protótipo do Dashboard

Fonte: Os Autores

O dashboard apresenta os seguintes elementos visuais:

12
1. Segmentação de Filtros: Botões de filtros que possibilitarão a interatividade com o
usuário através da informação selecionada.

2. Cartão: Elemento que demonstra o total de admissão que muda de acordo com a seleção
do filtro.

3. Cartão: Elemento que demonstra o total de demissão que muda de acordo com a seleção
do filtro.

4. Cartão: Elemento que demonstra o total de variação entre admissão e demissão que
muda de acordo com a seleção do filtro.

5. Gráfico de Linhas: Elemento gráfico em linha que demonstra o total de admissões e

demissões por mês e ano de acordo com a seleção do filtro.

6. Gráfico de Linhas: Elemento gráfico em linha que demonstra a média salarial de

admissões e demissões por mês e ano de acordo com a seleção do filtro

7. Gráfico de Barras: Elemento gráfico em barra que demonstra o total de admissões e

demissões por principais grupos de atividades econômicas de acordo com a seleção do
filtro.

8. Gráfico de Barras Clusterizado: Elemento gráfico em barra que demonstra o total de

admissões e demissões por estados de acordo com a seleção do filtro.

9. Gráfico de Barras Clusterizado: Elemento gráfico em barra que demonstra o total de

admissões e demissões por municípios de acordo com a seleção do filtro.

2.5.4 Implementar, a quarta etapa do Design Thinking

Para a visualização das informações, construiu-se um dashboard que possibilita ao usuário

realizar uma consulta dinâmica às informações sobre o desemprego no Brasil, com recursos
visuais, filtros para seleção, gráficos de fácil entendimento, possibilitando o
acompanhamento do histórico do tema.

13
Nesta etapa de implementação, foram utilizadas as seguintes ferramentas com suas
respectivas funcionalidades.

-MySQL: Banco de Dados onde foram criadas as tabelas a serem armazenadas as

informações e histórico.

- BigQuery: Através desta tecnologia, desenvolveu-se as queries para as consultas de grande

porte à base de dados.

-Google Colab: Com esta ferramenta foram realizadas as atividades de Mineração de Dados
e Aprendizado de Máquina.

-Power-BI: o dashboard foi desenvolvido nesta tecnologia, onde com o Power BI Desktop
foi criado e modelado os relatórios e painéis, e com o Power BI Service foi publicada e
compartilhada a solução.

14
3. RESULTADOS

Esse projeto apresentou duas fases para atingir a solução final e foi elaborado de acordo com
as etapas do Design Thinking.

3.1 SOLUÇÃO INICIAL

Após a etapa de escuta e definição da solução, o grupo desenvolveu o dashboard inicial tendo
como modelo o protótipo criado, apresentado na Figura 2.5.3.

Antes do desenvolvimento do dashboard, foram realizadas as atividades relacionadas à

pesquisa, análise, pré-processamento e transformação de dados, sendo as duas últimas
construídas no Google Colab. Nesta etapa:

 Atributos irrelevantes foram desprezados

 Informações faltantes foram preenchidos
 Foram analisados médias, desvio-padrão, valores mínimos, valores máximos

Figura 3.1.1- Google Colab-Pré-processamento e Transformação

Fonte: Os Autores

A próxima atividade foi a de aprendizado de máquina, onde foi aplicado o método de

agrupamento, tendo como ferramenta também o Google Colab.

15
 Figura 3.1.2- Google Colab-Aprendizado de máquina
Fonte: Os Autores

A partir deste método foram gerados o dendograma, um diagrama de árvore que exibe os grupos
formados por agrupamento de variáveis em cada etapa e em seus níveis de similaridade.

Figura 3.1.3- Dendograma

Fonte: Os Autores

16
Outra análise realizada foi o gráfico de dispersão, tendo como índices Idade Média e Salário
Médio.

Figura 3.1.4 – Gráfico de Dispersão

Fonte: Os Autores

Com todas as etapas de mineração de dados concluídas, o grupo focou no desenvolvimento do

dashboard propriamente dito. A ferramenta foi construída utilizando-se o Power BI, e o
resultado está apresentado na Figura 3.1.5.

17
 Figura 3.1.5 – Dashboard Inicial
Fonte: Os Autores

O dashboard permite que a pesquisa seja realizada através de botões de filtros, onde é possível
selecionar o Ano, Mês, Estado e Município, conforme apresentado na Figura 3.1.6.

Figura 3.1.6- Botões de Filtros

Fonte: Os Autores

Após a seleção de filtros, o dashboard retorna as informações realizadas, com os seguintes

elementos visuais:

Elemento Cartão: possibilita a visualização do número total de admissões, demissões e a

variação em porcentagem entre elas, conforme apresentado na Figura 3.1.7.

18
 Figura 3.1.7- Elemento Cartão
Fonte: Os Autores

Elementos Gráficos de Linhas: estes dois elementos possibilitam ao usuário, visualizar a

evolução mensal das admissões e demissões em linhas comparativas, assim como a evolução
mensal do salário médio, conforme apresentado na Figura 3.1.8.

Figura 3.1.8- Gráficos de Evolução

Fonte: Os Autores

Elemento Gráfico de Pizza: através deste elemento é possível visualizar o total de admissões e
demissões por grupos de atividades econômicas através do filtro selecionado, conforme
apresentado na Figura 3.1.9.

Figura 3.1.9- Gráfico de Atividades Econômicas

Fonte: Os Autores

19
Elementos Gráficos de Barras Clusterizado: estes elementos demonstram o total de admissão e
demissões por Estados e Municípios, de acordo com o filtro realizado pelo usuário, conforme
apresentados nas Figuras 3.2.10 e 3.2.11.

Figura 3.1.10- Gráfico de Admissões e Desligamentos por UF

Fonte: Os Autores

Figura 3.1.11- Gráfico de Admissões e Desligamentos por Município

Fonte: Os Autores

20
3.2 SOLUÇÃO FINAL

Nesta parte do projeto, o trabalho foi apresentado a comunidade externa em mais uma pesquisa,
e esta aprovou o que foi desenvolvido. As respostas estão descritas nas Figuras 3.2.1 a 3.2.5.

Figura 3.2.1
Fonte: Os Autores

Figura 3.2.2
Fonte: Os Autores

Figura 3.2.3
Fonte: Os Autores

21
 Figura 3.2.4
Fonte: Os Autores

Figura 3.2.5
Fonte: Os Autores

A comunidade sugeriu a inserção do tema escuro no dashboard. Para atender a esta demanda, a
equipe desenvolveu mais uma parte do trabalho ao qual contemplou a sugestão da comunidade
e que pode ser visualizada na Figura 3.2.6.

22
Figura 3.2.6- Dashboard com tema escuro
Fonte: Os Autores

23
4. CONSIDERAÇÕES FINAIS

O trabalho desenvolvido pelo grupo do Projeto Integrador IV conseguiu atender às demandas

que foram apontadas na fase inicial do Design Thinking que tinha o propósito de desenvolver
um dashboard que pudesse ser utilizado para análise do desemprego no país.

A partir de uma pesquisa quali-quantitativa, os dados coletados no questionário puderam ser

analisados de forma cuidadosa para que se criasse um plano de ação para o desenvolvimento
de um protótipo que estivesse alinhado com os temas norteadores da Univesp e ao alcance dos
alunos do Eixo da Computação.

Do ponto de vista acadêmico, o projeto incentivou-nos a buscar alternativas para que problemas
em contextos reais pudessem ser resolvidos a partir do prisma da tecnologia, promovendo maior
reflexão e disposição para encontrar as ferramentas mais adequadas para solucionar o desafio.
Dessa forma, o projeto ajudou-nos a compreender melhor e de forma mais aprofundada as
ferramentas utilizadas para o desenvolvimento do aplicativo, tais como: Figma, Big Query,
MySQL, Google Colab, Power BI.

Ao longo deste relatório, analisamos e discutimos sobre o dashboard, que foi desenvolvido com
o objetivo de fornecer informações e insights sobre a situação do desemprego no Brasil. O
dashboard apresenta dados atualizados e visualizações interativas que permitem aos usuários
explorar diferentes aspectos relacionados ao desemprego.

Com base na análise dos dados disponíveis no dashboard, podemos concluir que o desemprego
no Brasil é um desafio significativo que afeta milhões de pessoas. Os indicadores de
desemprego, como a taxa de desocupação e o número de pessoas desempregadas, mostram uma
realidade preocupante.

O dashboard nos permite observar padrões e tendências ao longo do tempo, bem como a
comparação entre diferentes regiões e setores da economia. Isso é de extrema importância para
entender melhor as dinâmicas do desemprego e identificar possíveis áreas de intervenção e
políticas públicas.

Além disso, o dashboard oferece informações adicionais, como a taxa de participação da força
de trabalho e a distribuição demográfica dos desempregados. Esses dados auxiliam na
compreensão das características específicas do desemprego no Brasil e podem ser utilizados
para desenvolver estratégias mais direcionadas.

24
No entanto, é importante ressaltar que o dashboard não é uma solução em si mesma. Ele fornece
informações valiosas, mas é necessário combinar esses insights com análises aprofundadas e
ações concretas para enfrentar o desemprego de maneira eficaz. O combate ao desemprego
requer uma abordagem abrangente, que envolva políticas econômicas, programas de
qualificação profissional e estímulo ao empreendedorismo, entre outras iniciativas.

25
REFERÊNCIAS

NASCIMENTO, K. A. S. do; CORDEIRO, L. P. G.; DUARTE, B. A.; TELLES, J. C. C. B. S.

Ferramenta de Prototipagem para Criação de um Aplicativo para o Ensino na Saúde. In:
WORKSHOP DE INFORMÁTICA NA ESCOLA, 26, 2020, Evento Online. Anais [...]. Porto
Alegre: Sociedade Brasileira de Computação, 2020. p. 509-513.

SOUZA, E. C.; OLIVEIRA, M. R. de. COMPARATIVO ENTRE OS BANCOS DE DADOS

MYSQL E MONGODB: quando o MongoDB é indicado para o desenvolvimento de uma
aplicação. Revista Interface Tecnológica, [S. l.], v. 16, n. 2, p. 38–48, 2019. DOI:
10.31510/infa.v16i2.664. Disponível em:
https://revista.fatectq.edu.br/interfacetecnologica/article/view/664. Acesso em: 23 out. 2022.

TIGANI, J.; NAIDU, S. Google BigQuery Analytics.1.ed. Indianapolis, EUA: Winley, 2014

BENELLI, G. et al. Data Science and Machine Learning in Education. DOI:

https://doi.org/10.48550/arXiv.2207.09060. Disponível em: https://arxiv.org/abs/2207.09060.
Acesso em 10 abr. 2023.

ETATTI, L. Machine Learning with Microsoft Technologies. 1 ed. Auckland, Nova Zelândia,
Apress, 2019.

SEBRAE. Pequenos negócios em números - Sebrae. Disponível em:

https://www.sebrae.com.br/sites/PortalSebrae/ufs/sp/sebraeaz/pequenos-negocios-em-
numeros,12e8794363447510VgnVCM1000004c00210aRCRD. Acesso em: 04 abr. 2023.

SEBRAE. PANORAMA DOS PEQUENOS NEGÓCIOS 2018. Disponível em:

https://www.sebrae.com.br/Sebrae/Portal%20Sebrae/UFs/SP/Pesquisas/Panorama_dos_Peque
nos_Negocios_2018_AF.pdf. Acesso em: 04 abr. 2023.

PESQUISA Pulso Empresa: Entre as empresas que estavam fechadas na 1ª quinzena de junho,
39,4% encerraram atividades por causa da pandemia | Agência de Notícias. 16 jul. 2020.
Disponível em: https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-agencia-
de-noticias/releases/28294-pesquisa-pulso-empresa-entre-as-empresas-que-estavam-fechadas-
na-1-quinzena-de-junho-39-4-encerraram-atividades-por-causa-da-pandemia. Acesso em:
23 maio 2023.

ANDES. Desemprego bate recorde no Brasil em 2020 e atinge 13,4 milhões de pessoas. 9 mar.
2021. Disponível em: https://www.andes.org.br/conteudos/noticia/desemprego-bate-recorde-
no-brasil-em-2020-e-atinge-13-4-milhoes-de-pessoas1. Acesso em: 05 abril 2023.

26