Revista Datapoint

Os impactos da guerra entre Rússia e Ucrânia na economia brasileira

Guilherme Onorio Pereira Silva, Igor Silva Carvalho, Fernando Ribeiro Santos — seg, 01 dez 2025 00:00:00 -0300

Esse estudo tem por objetivo verificar a influência da guerra entre Rússia e Ucrânia na importação de cargas pelo Porto de Santos, utilizando dados dos últimos cinco anos (2018-2023) para entender as movimentações durante o conflito iniciado a partir de 2022. O estudo, que é exploratório e de natureza quantitativa, foi feito sobre dados de importação a partir de datasets da Agência Nacional de Transportes Aquaviários (ANTAQ). A análise foi sintetizada por meio do processo de integração de dados Extract, Transform, Load (ETL – Extrair, Transformar, Carregar) e tabulações de Estatística Descritiva, evidenciando os produtos importados em função do peso de carga bruta. A análise culminou na criação de um dashboard interativo para analisar o impacto do conflito nas movimentações portuárias. Foi possível observar as alterações sobre o volume das cargas desembarcadas em território brasileiro, com os dados evidenciando uma aparente substituição da posição ucraniana para certos produtos chave pela Rússia.

Um estudo comparativo no crescimento do índice de desenvolvimento humano do município de Santos em relação ao município de Praia Grande

Davi Vitor Silva, Rodrigo Cavalheiro Santos, Claudia Maria Sodero Salles — seg, 01 dez 2025 00:00:00 -0300

Este estudo comparativo analisa o crescimento do Índice de Desenvolvimento Humano (IDH) de Santos e Praia Grande (PG) em 2000, 2010 e 2022. O objetivo foi verificar se Praia Grande apresenta uma evolução mais rápida, analisando o IDH e seus componentes: saúde, renda e educação. A metodologia utilizou técnicas de ciência de dados (ETL, análise) e modelos de cálculo do PNUD, com dados de fontes oficiais como IBGE e Seade. Devido à ausência de dados consolidados para 2022, foi realizada uma simulação não oficial. Os resultados simulados para 2022 apontam um IDH de 0,896 para Santos (saúde 0,906; educação 0,875; renda 0,907) e um IDH de 0,839 para Praia Grande (saúde 0,905; educação 0,832; renda 0,780). A análise comparativa do crescimento entre 2010 e 2022 mostrou que Praia Grande apresentou um desenvolvimento superior em quase todos os indicadores. O IDH total de PG cresceu 11%, contra 7% de Santos. Na educação, Praia Grande avançou 20% (contra 8% de Santos), e na saúde, cresceu 9% (contra 6% de Santos). O índice de renda foi o único com crescimento equivalente (cerca de 5% em ambos). Os dados indicam que Praia Grande está se desenvolvendo em um ritmo mais acelerado que Santos, especialmente na área da Educação.

A evolução no perfil dos beneficiários do ProUni: um estudo exploratório dos dados de 2005 a 2020 em Santos – SP

seg, 01 dez 2025 00:00:00 -0300

Este estudo exploratório analisa a evolução do perfil dos beneficiários do Programa Universidade para Todos (ProUni) na cidade de Santos, estado de São Paulo, entre 2005 e 2020. O ProUni, instituído em 2005, tem como finalidade ampliar o acesso ao ensino superior para estudantes de baixa renda, oferecendo bolsas parciais e integrais em instituições privadas. A pesquisa destaca a importância de compreender o impacto regional do programa, dado que as análises nacionais não fornecem uma visão aprofundada das características locais dos beneficiários. Para tal, foram coletados e tratados dados brutos do Ministério da Educação (MEC), focando em variáveis como sexo, raça/cor, faixa etária e curso escolhido. A metodologia empregou Python (biblioteca Pandas) para tratamento de dados e Power BI para visualização, visando identificar tendências e padrões na transformação do perfil dos bolsistas. O trabalho também contextualiza o município de Santos como um polo universitário em crescimento, impulsionado por investimentos em infraestrutura e instituições de ensino superior. Os resultados obtidos evidenciam a relevância do ProUni na ampliação do acesso ao ensino superior na baixada santista, fortalecendo a formação educacional e profissional da população local. A análise dos dados demonstra avanços significativos na inclusão e na diversidade entre os beneficiários, além de apontar oportunidades de aprimoramento nas políticas públicas voltadas à educação e à equidade social na região.

Modelagem de padrões de sucesso no IMDb (1960-2024) usando aprendizado de máquina e otimização de hiperparâmetros

seg, 01 dez 2025 00:00:00 -0300

Este estudo analisa e modela padrões de sucesso entre os filmes mais bem avaliados no IMDb entre 1960 e 2024, utilizando aprendizado de máquina supervisionado e não supervisionado. O objetivo é compreender os fatores que explicam o desempenho crítico, comparando modelos de regressão e avaliando quanto da variação das notas IMDb pode ser explicada pelos atributos dos filmes. O pipeline foi desenvolvido em Python (Google Colab) e incluiu etapas de pré-processamento com One-Hot Encoding e Standard Scaler (Scikit-learn), redução de dimensionalidade com PCA, e agrupamento com K-Means. Para a modelagem preditiva, aplicaram-se os algoritmos KNN, SVM, Random Forest e XGBoost, com ajuste de hiperparâmetros via Optuna. As visualizações foram geradas com Matplotlib e Seaborn. Os resultados destacam o XGBoost como modelo de melhor desempenho, revelando que indicações a prêmios, duração e número de votos são as variáveis mais associadas a notas elevadas, oferecendo uma visão ampla dos fatores que caracterizam o sucesso cinematográfico ao longo das décadas.

Ciência de dados 2.0

Sandra de Oliveira Soares Cardoso, José Augusto Theodósio Pazetti — seg, 01 dez 2025 00:00:00 -0300

A consolidação de modelos de linguagem de grande escala (LLMs) e sistemas baseados em agentes autônomos redefine os fundamentos operacionais da Ciência de Dados contemporânea. Este estudo investiga a emergência da denominada Ciência de Dados 2.0 como paradigma arquitetural orientado à orquestração computacional, governança distribuída e otimização econômica de sistemas inteligentes. A pesquisa foi conduzida por meio de revisão sistemática estruturada segundo o protocolo PRISMA, contemplando publicações indexadas entre 2023 e 2026 nas bases IEEE Xplore, ACM Digital Library, Scopus e arXiv. Os resultados evidenciam a transição de pipelines batch monolíticos para arquiteturas distribuídas baseadas em Data Mesh, Lakehouse transacional (Apache Iceberg), bancos vetoriais, Retrieval-Augmented Generation (RAG), Feature Stores em tempo real e práticas de FinOps. Propõe-se o Framework O³ (Orquestração, Observabilidade e Otimização) como modelo integrador capaz de articular desempenho algorítmico, eficiência econômica, rastreabilidade e conformidade regulatória. A validação em estudo de caso aplicado em ambiente fintech orientado a crédito digital demonstra redução significativa de latência, otimização de custo por inferência e aumento da robustez decisional. Conclui-se que a Ciência de Dados 2.0 configura-se como disciplina arquitetural sistêmica, superando a abordagem centrada exclusivamente em modelagem estatística.