dataCAGED

Microdados do CAGED direto no DuckDB, com pipeline completo e pronto para análise.

O dataCAGED (pacote R datacaged) automatiza todo o fluxo de trabalho com os microdados do Cadastro Geral de Empregados e Desempregados (CAGED): download, leitura e armazenamento em banco analítico local, pronto para consultas com dplyr ou SQL.

Principais recursos

  • Download automatizado dos arquivos via HTTPS, a partir de um espelho dos dados do Ministério do Trabalho e Emprego (MTE) no Hugging Face, com downloads paralelos e cache local;
  • Descompressão em fluxo dos arquivos .7z, sem extração para disco temporário;
  • Armazenamento em banco DuckDB local, com consultas rápidas mesmo em grandes volumes;
  • Cobertura do Novo CAGED (2020 em diante), do CAGED antigo (2007 a 2019) e dos ajustes históricos;
  • Atualização incremental (caged_update()) e exportação para Parquet (caged_to_parquet());
  • Compatível com Windows, macOS e Linux.

Instalação

# Versão estável (CRAN)
install.packages("datacaged")

# Versão de desenvolvimento (GitHub)
pak::pak("gecomt/datacaged")

Os arquivos do CAGED antigo (anteriores a 2020) utilizam compressão PPMd e exigem o 7-Zip instalado. O Novo CAGED funciona sem software adicional.

Uso rápido

library(datacaged)
library(dplyr)

# Pipeline completo: baixa, lê e grava no DuckDB
caged_load(
  years   = 2022:2023,
  months  = seq_len(12L),
  db_path = "caged.duckdb"
)

# Conexão e consulta
con <- caged_connect("caged.duckdb")

tbl(con, "caged_mov") |>
  filter(uf == 24, competenciamov >= 202201L) |>
  group_by(competenciamov) |>
  summarise(saldo = sum(saldomovimentacao, na.rm = TRUE)) |>
  collect()

DBI::dbDisconnect(con, shutdown = TRUE)

Estrutura do banco

Tabela Conteúdo Período
caged_mov Movimentações 2020 em diante
caged_for Declarações fora do prazo 2020 em diante
caged_exc Exclusões 2020 em diante
caged_antigo Histórico 2007 a 2019
caged_ajustes Ajustes retroativos 2002 a 2019

Funções principais

Função Descrição
caged_load() Pipeline completo (download, leitura e gravação no DuckDB)
caged_adjustments_load() Pipeline dos ajustes
caged_update() Baixa apenas as competências novas
caged_connect() Abre a conexão com o banco
caged_info() Estatísticas do banco
caged_hf_files() Lista as competências disponíveis
caged_to_parquet() Exporta tabelas para Parquet

Como citar

citation("datacaged")

Posts sobre o dataCAGED

De volta ao topo