rodado — Brasil em dados, retratos dos números oficiais
1.752 tabelas públicas brasileiras — de instituições oficiais (RAIS, SIM, TSE, CGU, IBGE, INEP, CNES e outras), somadas a 139 fontes raspadas de forma independente — lidas a partir de perguntas investigativas, não de uma vitrine técnica: o que esses registros, cruzados, revelam sobre desigualdade, poder, economia, saúde e violência no Brasil?
rodado.xyz — os 43 temas publicados · atlas e ontologia · English
Sobre o projeto
Cada um dos 43 temas deste projeto parte de dados administrativos reais — vínculos de emprego, óbitos, contratos públicos, resultados eleitorais, matrículas escolares — e pergunta o que eles escondem quando cruzados por raça, classe, gênero, território e ocupação. Não é uma pesquisa de opinião nem um modelo teórico: é o retrato que o próprio Estado brasileiro produziu sobre si mesmo, através dos registros que gera para administrar a população, e que raramente são lidos lado a lado.
O projeto nasce de uma aposta simples: que dados administrativos brutos, quando cruzados com cuidado, contam uma história mais direta sobre desigualdade do que a maior parte do debate público — e que essa história merece ser contada com a firmeza que os números sustentam, sem rodeios e sem ir além do que eles mostram.
Cada tema no site publicado combina uma narrativa em prosa com as tabelas de evidência por trás dela — para que qualquer afirmação possa ser conferida, não só lida.
Cobertura de dados
As 1.752 tabelas cobrem 43 domínios temáticos, cada um documentado em overview/ e publicado como uma página própria no site. Essas narrativas servem tanto de leitura para o público quanto de contexto para o assistente que consulta o espelho.
| # | Tema |
|---|
| 01 | Desigualdade Racial e Estratificação Social |
| 02 | Educação, Mobilidade Social e Desigualdade |
| 03 | Saúde, Acesso a Serviços e Determinantes Sociais |
| 04 | Mercado de Trabalho, Informalidade e Estratificação |
| 05 | Política, Representação e Comportamento Eleitoral |
| 06 | Crime, Violência e Segurança Pública |
| 07 | Economia, Crédito e Desenvolvimento Regional |
| 08 | Políticas Públicas, Transferências e Proteção Social |
| 09 | Gênero, Família e Dinâmicas Demográficas |
| 10 | Meio Ambiente, Desenvolvimento e Sustentabilidade |
| 11 | Infraestrutura, Serviços e Qualidade de Vida |
| 12 | Interseccionalidade e Desigualdades Complexas |
Sobre os dados
Os dados vêm de instituições públicas brasileiras — ministérios, tribunais, institutos e agências reguladoras — reunidos em um espelho próprio em Parquet. Metade dele (904 tabelas em 166 datasets) espelha a Base dos Dados; a outra metade (848 tabelas) vem de 139 fontes raspadas de forma independente, cobrindo o que não está em nenhum repositório consolidado: sanções nacionais e internacionais, SICAF, SINAN Violência, reclamações de consumidor, PNCP, CVM, ONS e mais. No total são 1.752 tabelas em 294 datasets — 33,8 bilhões de linhas, 545 GB em Parquet+zstd —, consultadas sob demanda via DuckDB, o que permite cruzar bases de ministérios, tribunais, institutos e fontes independentes numa única consulta SQL.
Como as tabelas se conectam
O espelho não tem chave estrangeira. O que liga uma tabela à outra são colunas que significam a mesma coisa sob nomes diferentes — o código do município é id_municipio numa fonte, codIBGE noutra, MUNIC numa terceira, e às vezes chega como número, com o zero à esquerda já perdido.
Esse conhecimento fica em três arquivos, versionados junto com o resto:
docs/context/bridges.yaml — os 68 conceitos de junção (município, CNPJ, CPF, escola, licitação…) e as 126 pontes entre colunas equivalentes, cada uma com a expressão SQL que converte uma ponta na outra e o registro do que ela casou quando foi conferida. Junto vão as 21 colunas que parecem chave e não são: valor aparece em 91 tabelas de 56 datasets significando coisas diferentes, e juntar por ele produz um resultado grande, plausível e errado.docs/context/metrics.yaml — a definição única de cada número recorrente (população, PIB per capita, saldo do CAGED), com a expressão, a unidade e o valor conferido. Sem isso cada análise re-deriva o mesmo cálculo e as diferenças só aparecem quando dois textos publicados discordam.docs/context/hierarchies.yaml — como subir de um código para o nível acima. CNAE e CID-10 são códigos prefixais: a divisão sai de um substr() da subclasse, sem join nenhum.
Os três são servidos ao assistente como ferramentas, não como texto para ele interpretar: pedir a ligação entre duas tabelas devolve a cláusula ON pronta, com o aviso de que uma delas devolve toda linha duas vezes, se for o caso.
Atlas e ontologia
O atlas mostra o espelho inteiro em três vistas. A Ontologia, que abre por padrão, sobe um nível acima das tabelas: as 54 entidades que as chaves identificam — município, estabelecimento, pessoa, domicílio, licitação, convênio, escola, candidatura —, os 32 fatos que o espelho registra sobre elas — óbito, internação, ocorrência criminal, nota de prova, vínculo de emprego, benefício, sanção, voto, finanças do ente, geração de energia, desmatamento — e as 137 relações entre umas e outros, cada uma com a coluna por onde passa. Entidades são discos cheios; fatos, anéis. Pessoas e empresas ficam em lados opostos, ligadas pela coluna que guarda CPF ou CNPJ; as relações que existem no mundo mas que o dado público não deixa fazer (CPF mascarado, microdado desidentificado) aparecem tracejadas. Temas espalha as tabelas pelo território do seu assunto, e 3D mostra o mesmo grafo de datasets e chaves em três dimensões.
A ontologia é curada em docs/context/ontologia.yaml, que agrupa os 68 conceitos de bridges.yaml em classes; a versão em diagrama está em docs/mapa/ONTOLOGIA.md.
