Projeto de análise das notas dos aprovados do concurso Caixa - TBN-TI

Objetivo

Extrair os dados das notas dos aprovados no concurso Caixa para o cargo TBN-TI (AC) do Diário Oficial da União e deixá-los prontos para análise. Por fim, analisar os dados e trazer insights relevantes sobre as notas. Link DOU: https://www.in.gov.br/web/dou/-/edital-n-9/2024/nm-de-05-de-agosto-de-2024-576447662

Formato de saída dos dados

Polo	Nota/AC
recife	43
belohorizonte	40
manaus	39

Tecnologias usadas

• Python (Pandas, Matplotlib)
• Tableau

Perguntas a serem respondidas pela análise

• Qual a distribuição de notas dos aprovados por polo?
• Qual a distribuição de porcentagem de acertos dos aprovados por polo?
• Qual a relação entre porcentagem de acertos e quantidade de candidatos?
• Qual a nota de corte em cada polo?

Metodologia

O projeto seguirá as fases do Data Analytics Lifecycle:

1. Descoberta (Discovery): esta etapa consiste em aprender sobre o domínio do negócio, analisando o histórico da organização em análise de dados.
2. Preparação dos dados (Data Preparation): esta etapa consiste em extrair os dados de um sistema-fonte, converter em um formato que possa ser analisado e armazenar em um armazém ou outro sistema.
3. Planejamento do modelo (Model Planning): esta etapa consiste em determinar os modelos e técnicas a serem aplicadas.
4. Construção do modelo (Model Building): esta etapa consiste em executar o planejamento da fase anterior em cima de uma base de dados menor e selecionada para a realização de testes e treinamento dos modelos.
5. Comunicar os resultados (Communicate Results): esta etapa consiste em identificar os principais resultados, aferindo com o os objetivos de negócio levantados na etapa 1.
6. Operacionalizar (Operationalize): esta etapa consiste nas entregas finais do projeto que podem ser relatórios, algoritmos, instruções e documentos técnicos.

Implementação das fases

• Descoberta : Nessa etapa foi compreendido o domínio do problema de análise das notas dos aprovados do concurso Caixa - TBN-TI (AC). Além disso, foram delimitadas quais perguntas de pesquisa serão respondidas.
• Preparação dos dados: Os dados brutos foram obtidos, em formato analisável, a partir do código extracao_csv.py .
• Planejamento do modelo: Foram selecionadas as variáveis e métricas que melhor supriam as necessidades de pesquisa.
• Construção do modelo: A análise é realizada sobre uma base de dados reduzida. Tal análise é suficiente para responder as questões de negócio.
• Comunicar os resultados: A comunicação dos resultados é feita no próprio arquivo que contém código e análise.
• Operacionalizar: A análise é exportada em um formato viável para compartilhamento e execução por vários stakeholders.

Resultados

A análise completa está presente no arquivo .ipynb, que pode ser visualizada no próprio github. Além disso, a análise pode ser visualizada na ferramenta Public Tableau por meio de um dashboard interativo, segue o link: https://public.tableau.com/app/profile/eduardo.vitor7126/viz/AnaliseNotaCorteCaixaAC-TBN-TI-2024/Dashboard