Modern Data Stack - Banco Central do Brasil

Pipeline de dados para extração, armazenamento e análise de indicadores econômicos brasileiros usando dados públicos do Banco Central.

---

Contexto

O Banco Central do Brasil disponibiliza uma API pública com indicadores econômicos como câmbio, Selic e IPCA. O objetivo foi construir um pipeline que consome essa API, armazena os dados em um banco analítico e permite consultas SQL diretas sobre os indicadores.

---

Stack

• Python -> extração e carga
• DuckDB -> banco de dados analítico (OLAP)
• pandas -> manipulação dos dados
• API pública do BCB -> fonte de dados

---

Indicadores disponíveis

• Taxa de câmbio USD/BRL
• Taxa Selic (em desenvolvimento)
• IPCA (em desenvolvimento)

---

Estrutura

modern-data-stack-bcb/
├── src/
│   ├── extract/
│   │   └── extrair_e_carregar.py
│   └── utils/
├── sql/
├── notebooks/
├── tests/
└── requirements.txt

---

Como executar

Pré-requisitos: Python 3.8+

# 1. Clone o repositório
git clone https://github.com/luciendelalves/modern-data-stack-bcb.git
cd modern-data-stack-bcb

# 2. Crie e ative o ambiente virtual
python -m venv venv
venv\Scripts\activate        # Windows
source venv/bin/activate     # Mac/Linux

# 3. Instale as dependências
pip install -r requirements.txt

# 4. Execute o pipeline de extração
python src/extract/extrair_e_carregar.py

# 5. Consulte os dados
python src/consultar_dados.py

---

Exemplos de análise

Estatísticas do dólar:

SELECT
    COUNT(*)                            AS total_registros,
    ROUND(MIN(cotacaoCompra), 4)        AS menor_cotacao,
    ROUND(MAX(cotacaoCompra), 4)        AS maior_cotacao,
    ROUND(AVG(cotacaoCompra), 4)        AS media_cotacao
FROM raw_cotacoes_usd;

Dias de maior variação:

SELECT
    DATE(dataHoraCotacao)                               AS data,
    ROUND(MAX(cotacaoCompra) - MIN(cotacaoCompra), 4)   AS variacao_dia
FROM raw_cotacoes_usd
GROUP BY DATE(dataHoraCotacao)
ORDER BY variacao_dia DESC
LIMIT 10;

---

Próximos passos

• Adicionar indicadores Selic e IPCA
• Implementar dbt para transformações
• Testes de qualidade de dados
• Dashboard com Metabase ou Evidence
• CI/CD com GitHub Actions

---

Autor

Luciendel Alves Analista de Risco & PLD - iGaming LinkedIn · GitHub