rodado Data Catalog · Brazil

Brazilian public-data catalog, served as an MCP server

A thematic index over 1,403 Brazilian public tables — RAIS, SIM, TSE, CGU, IBGE, INEP and more — queryable directly with DuckDB. Each card below is a research theme; each row inside it is a table you can query.

The catalog includes a growing set of independently-collected sources — international sanctions lists (EU, UN, OFAC, OpenSanctions), ICIJ Offshore Leaks, SICAF, SINAN Violência, Consumidor.gov.br, PGFN active debt and state Courts of Accounts — see the full catalog of these sources.

43
themes
1,403
tables across 256 datasets · all listed below
Open
queries the public db.rodado.xyz API

Connect your agent

In a terminal:

claude mcp add --transport http rodado https://db.rodado.xyz/mcp

Hosted and public: nothing to install, no SSH, no local data. Credential required from 2026-10-27 — see mcp/MCP.md.

The server's tools

Seventeen MCP tools expose the catalog, the semantic layer (joins, metrics, hierarchies) and the DuckDB mirror. By default every query goes to the public db.rodado.xyz API: the measured pitfalls of the tables and columns it touches come back in avisos, and a query that cites a column of a pitfall that yields a wrong answer without an error is refused, with the explanation, until it is repeated with ciente=True.

  • list_datasets() — the catalog datasets, with table counts
  • list_tables(dataset) — tables of a dataset, with name suggestions
  • describe_table(table) — columns and types, preceded by the dataset's measured pitfalls
  • get_join_keys(column?) — documented join keys across datasets
  • resolve_join(a, b) — a ready ON clause between two tables, with key normalization
  • explain_column(column) — why a common column (valor, sexo) does not join or decode across datasets
  • get_metric(name) · list_metrics() — named calculations (population, GDP per capita, CAGED net jobs)
  • rollup(level, level_above) — SQL expression that aggregates CNAE, ICD-10 or municipality to a higher level (subclass → division, municipality → state)
  • run_sql(sql, ciente?) — read-only SQL (SELECT/WITH), with measured pitfalls in avisos
  • consultar_cnpj(cnpj) — company, establishments and partners from the Federal Revenue registry
  • consultar_divida_ativa · consultar_precos_combustivel · consultar_jurisprudencia_stj · consultar_populacao_carceraria — SQL-free shortcuts over PGFN, ANP, STJ and SISDEPEN
  • consultar_cep(cep) · consultar_painelprecos(code) — live, on ViaCEP and ComprasGov's price panel

All datasets

The 262 datasets returned by list_datasets(), grouped by theme: 162 mirrored from Base dos Dados and 100 collected straight from the source. The name opens the dataset in the atlas, with its tables and the keys that link it to the others. The search box at the top of the page filters this list too. Descriptions are in Portuguese, as in the catalog.

Government and Public Finance59 datasets · 266 tables
  • br_bd_execucao_estadualExecução orçamentária e compras dos governos estaduais (Base dos Dados) — despesa, empenho, liquidação, pagamento, contratos, licitações e notas fiscais19 tables · 196.5 M rows · Base dos Dados
  • br_ce_fortaleza_sefin_iptuPrefeitura de Fortaleza — cadastro de IPTU por face de quadra1 table · 68.9 k rows · Base dos Dados
  • br_cgu_beneficios_cidadaoCGU — benefícios sociais federais (Bolsa Família, Auxílio Emergencial, BPC etc.)6 tables · 3.3 bn rows · Base dos Dados
  • br_cgu_cartao_pagamentoCGU — gastos com cartão de pagamento do governo federal4 tables · 3.2 M rows · Base dos Dados
  • br_cgu_dados_abertosCGU — metadados do catálogo dados.gov.br (conjuntos, recursos, organizações), foto de fev/20243 tables · 89.8 k rows · Base dos Dados
  • br_cgu_despesas_publicasCGU/Portal da Transparência — execução da despesa federal (empenhado, liquidado, pago, restos a pagar) e recebimentos por favorecido, mês a mês desde 20142 tables · 130.4 M rows · Base dos Dados
  • br_cgu_ebtCGU — Escala Brasil Transparente 360°, nota de transparência de 665 municípios avaliados e das 27 UFs, 2020 e 20212 tables · 1.4 k rows · Base dos Dados
  • br_cgu_emendas_parlamentaresCGU — emendas parlamentares ao orçamento federal4 tables · 1.1 M rows · Portal da Transparência — Emendas parlamentares por favorecido e convênios
  • br_cgu_fefCGU — Fundo de Erradicação da Pobreza e sorteios de fiscalização3 tables · 84.9 k rows · Base dos Dados
  • br_cgu_garantia_safraGarantia-Safra — pagamentos aos agricultores familiares do semiárido1 table · 33.6 M rows · Portal - Garantia-Safra
  • br_cgu_gas_do_povoGás do Povo — pagamentos do benefício de gás de cozinha1 table · 20.8 M rows · Gás do Povo (CGU)
  • br_cgu_licitacao_contratoCGU — licitações e contratos do governo federal8 tables · 100.2 M rows · Base dos Dados
  • br_cgu_novo_bolsa_familiaNovo Bolsa Família — pagamentos mensais por beneficiário1 table · 840.2 M rows · Novo Bolsa Família (CGU)
  • br_cgu_orcamento_publicoCGU — orçamento federal por órgão, programa, ação e elemento: inicial, atualizado, empenhado e realizado, 2014–20241 table · 341.3 k rows · Base dos Dados
  • br_cgu_pessoal_executivo_federalCGU — terceirizados do Poder Executivo federal1 table · 732.3 k rows · Base dos Dados
  • br_cgu_receitas_publicasCGU — receitas federais previstas, lançadas e realizadas por órgão e natureza, 2013–20241 table · 1.5 M rows · Base dos Dados
  • br_cgu_seguro_defesoSeguro-Defeso — pagamentos aos pescadores artesanais durante o defeso1 table · 43.4 M rows · Portal - Seguro-Defeso
  • br_cgu_servidores_executivo_federalCGU — cadastro e remuneração de servidores do Poder Executivo federal7 tables · 426.5 M rows · Base dos Dados
  • br_cgu_viagensCGU — viagens a serviço de servidores federais4 tables · 53.2 M rows · Portal - Viagens
  • br_comprasgov_catmatcatserComprasGov — catálogo de materiais e serviços padronizados (CATMAT/CATSER)2 tables · 252.8 k rows · CATMAT/CATSER (catálogo de materiais/serviços)
  • br_comprasgov_sicafSICAF — cadastro de fornecedores habilitados a contratar com o governo1 table · 962.0 k rows · SICAF fornecedores
  • br_firjan_ifgfFIRJAN — Índice de Gestão Fiscal municipal1 table · 55.7 k rows · Base dos Dados
  • br_ibge_estadicIBGE — Pesquisa de Informações Básicas Estaduais (ESTADIC)8 tables · 3.0 k rows · Base dos Dados
  • br_ibge_municIBGE — Pesquisa de Informações Básicas Municipais (MUNIC)7 tables · 852.1 k rows · Base dos Dados
  • br_mc_indicadoresMinistério da Cidadania — Bolsa Família e CadÚnico por município e mês (famílias, pessoas, valor pago), 2004 a set/20201 table · 1.1 M rows · Base dos Dados
  • br_me_clima_organizacionalMinistério da Economia — pesquisa de clima organizacional no serviço público1 table · 16.4 k rows · Base dos Dados
  • br_me_estoque_divida_publicaTesouro Nacional — estoque da dívida pública federal1 table · 124.4 k rows · Base dos Dados
  • br_me_siapeSIAPE — servidores do Poder Executivo federal1 table · 358.9 k rows · Base dos Dados
  • br_me_sicSIC — Serviço de Informação ao Cidadão, pedidos de acesso à informação2 tables · 30.0 k rows · Base dos Dados
  • br_me_siconfiSICONFI — contas públicas de municípios, estados e União19 tables · 112.1 M rows · Base dos Dados
  • br_me_siorgSIORG — remuneração de cargos em comissão da administração federal1 table · 258 rows · Base dos Dados
  • br_mf_divida_ativaPGFN — estoque trimestral da dívida ativa do FGTS e previdenciária, uma linha por inscrição e devedor (via Base dos Dados)2 tables · 143.2 M rows · Base dos Dados
  • br_mg_belohorizonte_smfa_iptuPrefeitura de Belo Horizonte — cadastro de IPTU2 tables · 21.5 M rows · Base dos Dados
  • br_mgi_compras_publicasCompras públicas federais do Compras.gov.br (MGI) — licitações, pregões, itens, ofertas, compras sem licitação, fornecedores e catálogo de materiais e serviços19 tables · 97.8 M rows · Base dos Dados
  • br_mgi_pncpPortal Nacional de Contratações Públicas (PNCP) via Base dos Dados — dicionário de códigos (as tabelas grandes estão sob acesso restrito no BD)4 tables · 1.5 M rows · Base dos Dados
  • br_mp_pepMinistério do Planejamento — cargos e funções do Poder Executivo federal1 table · 1.8 M rows · Base dos Dados
  • br_mps_beneficiosBenefícios do INSS concedidos e mantidos por município e mês, com o dicionário de espécies3 tables · 81.1 M rows · Base dos Dados
  • br_ok_queridodiarioQuerido Diário — metadados de diários oficiais municipais1 table · 320.4 k rows · Querido Diário
  • br_ok_queridodiario_textoQuerido Diário — texto integral das edições de diários oficiais municipais1 table · 320.4 k rows · Querido Diário — texto integral das edições
  • br_pgfn_dividaativaPGFN — dívida ativa da União (tributária, FGTS, previdenciária)2 tables · 857.1 M rows · PGFN
  • br_pncpPNCP — Portal Nacional de Contratações Públicas, licitações e contratos de todos os entes1 table · 5.2 M rows · PNCP — Portal Nacional de Contratações Públicas
  • br_presidencia_comunicabrPresidência — ComunicaBR, painel de 84 programas federais (Bolsa Família, MCMV, PNAE, Mais Médicos, Plano Safra…) por município, UF e Brasil, 2023–2026, agregado e com ref por variável; um parquet por coleta3 tables · 1.6 M rows · Presidência — ComunicaBR, painel de indicadores dos programas federais por município
  • br_rf_arrecadacaoReceita Federal — arrecadação tributária federal5 tables · 535.5 k rows · Base dos Dados
  • br_rf_dirpfReceita Federal — fundos habilitados e repasses via destinação de IRPF (FDCA/FDI)2 tables · 35.4 k rows · Receita Federal — DIRPF repasses FDCA/FDI (valores)
  • br_rodado_indicadores_municipaisRodado — os indicadores do painel municipal em formato longo: 987 indicadores em 19 seções (segurança, saúde, educação, benefícios…) para os 5.571 municípios, uma linha por município × indicador × ano/mês/dimensão1 table · 12.4 M rows · Base dos Dados
  • br_siop_orcamentoSIOP — Sistema Integrado de Planejamento e Orçamento federal4 tables · 37.2 k rows · SIOP
  • br_sp_saopaulo_geosampa_iptuPrefeitura de São Paulo — cadastro de IPTU (GeoSampa)1 table · 93.4 M rows · Base dos Dados
  • br_tce_esTCE-ES — fiscalização de contas de municípios e do estado5 tables · 13.0 k rows · TCE-ES
  • br_tce_piTCE-PI — despesas, licitações e receitas de municípios5 tables · 405 rows · TCE-PI
  • br_tce_rjTCE-RJ — contratos, licitações, convênios e gastos com pessoal6 tables · 225.7 k rows · TCE-RJ
  • br_tce_spTCE-SP — municípios fiscalizados1 table · 644 rows · TCE-SP
  • br_tce_toTCE-TO — pautas de julgamento1 table · 50 rows · TCE-TO
  • br_tcu_dadosabertosTCU — acórdãos (Plenário e Câmaras) com relator, sumário e link, 2024–20261 table · 37.7 k rows · TCU
  • br_tesouro_capagTesouro Nacional — Capacidade de Pagamento (CAPAG) de estados e municípios2 tables · 5.8 k rows · CAPAG (capacidade de pagamento, entes SICONFI)
  • br_tesouro_caucTesouro Transparente — CAUC, regularidade fiscal de estados e municípios3 tables · 5.7 k rows · Tesouro Transparente — CAUC
  • br_transferegovTransfereGov — planos de ação, programas e transferências (API normalizada)3 tables · 30.3 k rows · TransfereGov
  • br_transferegov_siconvTransfereGov/SICONV — convênios, contratos de repasse e execução física/financeira completa62 tables · 69.1 M rows · Transferegov/SICONV completo
  • world_oecd_public_financeOCDE — finanças públicas por país1 table · 2.6 k rows · Base dos Dados
  • world_wb_midesWorld Bank/MIDES — licitações e execução orçamentária (dataset internacional de referência)9 tables · 1.1 bn rows · Base dos Dados
Economy41 datasets · 329 tables
  • br_anmANM/SIGMINE — processos minerários, CFEM (royalties de mineração) e licenciamento22 tables · 8.4 M rows · ANM / SIGMINE — títulos minerários e CFEM
  • br_anp_combustiveisANP — preços de combustíveis por posto/revenda1 table · 2.2 M rows · ANP combustíveis (preços revenda/distribuição)
  • br_anp_precos_combustiveisANP — preços de combustíveis pesquisados (via Base dos Dados)1 table · 16.9 M rows · Base dos Dados
  • br_bcb_agenciaBCB — agências bancárias, retrato mensal 2007–2024 (endereço, município, instituição) e o retrato atual do Olinda2 tables · 4.1 M rows · Base dos Dados
  • br_bcb_desenrolaBCB — programa Desenrola Brasil (renegociação de dívidas de pessoa física)1 table · 13.6 k rows · BCB Desenrola Brasil
  • br_bcb_estbanBCB ESTBAN — estatísticas bancárias por agência/município3 tables · 700.0 M rows · Base dos Dados
  • br_bcb_ifdataBCB IF.data — indicadores financeiros de instituições financeiras5 tables · 55.7 M rows · BCB — IF.data (valores e cadastro por instituição)
  • br_bcb_pix_municipioBCB — volume de transações Pix por município, separado por perfil pagador/recebedor PF/PJ1 table · 401.0 k rows · BCB — Estatísticas do Pix por município
  • br_bcb_ptaxBCB PTAX — cotação de fechamento do dólar e das demais moedas, diária, via Olinda3 tables · 805.1 k rows · BCB — PTAX (cotações diárias)
  • br_bcb_scrdataBCB SCR.data — carteira de crédito do Sistema de Informações de Crédito1 table · 43.1 M rows · BCB SCR.data
  • br_bcb_sgsBCB SGS — séries temporais macroeconômicas (câmbio, Selic, inflação etc.)1 table · 25.2 k rows · BACEN/BCB SGS séries
  • br_bcb_sicorBCB SICOR — operações de crédito rural20 tables · 783.8 M rows · Base dos Dados
  • br_bndes_desembolsosBNDES — desembolsos mensais por setor, porte, UF e produto1 table · 3.8 M rows · Base dos Dados
  • br_bndes_operacoes_contratadasBNDES — operações de crédito contratadas6 tables · 2.4 M rows · Base dos Dados
  • br_brasilio_holdingsBrasil.IO — estrutura societária de holdings empresariais1 table · 515.2 k rows · Brasil.IO holdings
  • br_clp_ranking_competitividadeCLP — ranking de competitividade dos estados2 tables · 9.4 k rows · Base dos Dados
  • br_cvm_administradores_carteiraCVM — administradores de carteira de valores mobiliários3 tables · 16.4 k rows · Base dos Dados
  • br_cvm_cia_abertaCVM — companhias abertas (cadastro, demonstrações financeiras, formulário de referência, administradores e remuneração)118 tables · 71.0 M rows · CVM — companhias abertas (cadastro, DFP, ITR, FRE, FCA, IPE, VLMO, CGVN, recompra de ações)
  • br_cvm_fundosCVM — cadastro de fundos de investimento39 tables · 440.5 M rows · CVM Fundos
  • br_cvm_oferta_publica_distribuicaoCVM — ofertas públicas de distribuição de valores mobiliários1 table · 27.5 k rows · Base dos Dados
  • br_fgv_igpFGV — índices de preços (IGP-M, IGP-DI e variantes)7 tables · 2.5 k rows · Base dos Dados
  • br_fipe_veiculosFIPE — tabela de preços de referência de veículos1 table · 11.4 k rows · FIPE veículos
  • br_ibge_cbo_2002IBGE — Classificação Brasileira de Ocupações 20022 tables · 177.6 k rows · Base dos Dados
  • br_ibge_inpcIBGE — Índice Nacional de Preços ao Consumidor4 tables · 649.2 k rows · Base dos Dados
  • br_ibge_ipcaIBGE — Índice de Preços ao Consumidor Amplo4 tables · 676.9 k rows · Base dos Dados
  • br_ibge_ipca15IBGE — IPCA-15, prévia mensal do IPCA4 tables · 397.2 k rows · Base dos Dados
  • br_ibge_ippIBGE — Índice de Preços ao Produtor6 tables · 5.1 k rows · Base dos Dados
  • br_ibge_pamIBGE — Produção Agrícola Municipal, lavouras permanentes e temporárias2 tables · 20.1 M rows · Base dos Dados
  • br_ibge_pevsIBGE — Produção da Extração Vegetal e da Silvicultura2 tables · 558.5 k rows · Base dos Dados
  • br_ibge_pibIBGE — PIB municipal e estadual7 tables · 201.9 k rows · Base dos Dados
  • br_ibge_pnadIBGE — PNAD, microdados compatibilizados históricos3 tables · 9.6 M rows · Base dos Dados
  • br_ibge_pnadcIBGE — PNAD Contínua, mercado de trabalho e rendimento14 tables · 31.5 M rows · Base dos Dados
  • br_ibge_pofIBGE — Pesquisa de Orçamentos Familiares14 tables · 2.2 M rows · Base dos Dados
  • br_ibge_ppmIBGE — Pesquisa Pecuária Municipal (rebanhos, aquicultura, produção animal)4 tables · 3.1 M rows · Base dos Dados
  • br_me_cagedMinistério do Trabalho — CAGED, movimentação de empregos formais (admissões/demissões)4 tables · 298.4 M rows · Base dos Dados
  • br_me_cnpjReceita Federal — cadastro completo de empresas, estabelecimentos, sócios e Simples Nacional8 tables · 533.9 M rows · Base dos Dados
  • br_me_comex_statComex Stat — exportação e importação por município e NCM5 tables · 133.7 M rows · Base dos Dados
  • br_me_exportadoras_importadorasdicionário de empresas exportadoras e importadoras1 table · 3 rows · Base dos Dados
  • br_me_raisRAIS — microdados de vínculos empregatícios e estabelecimentos3 tables · 2.4 bn rows · Base dos Dados
  • br_me_rais_identificadaRAIS — estabelecimentos com identificação não anonimizada1 table · 36.2 M rows · RAIS Estabelecimentos (identificada)
  • br_mj_consumidorgovbrConsumidor.gov.br — reclamações contra empresas, 2014–2025 (2025 parcial; os arquivos de 2019 vêm sem Data Abertura, usar Data Finalização; Data Finalização mistura ISO (2020–2025) e dd/mm/aaaa (2014–2021) — parsear os dois)1 table · 15.4 M rows · Consumidor.gov.br
Education24 datasets · 149 tables
  • br_abrinq_ocaObservatório da Criança e do Adolescente (Fundação Abrinq) — indicadores de primeira infância por município1 table · 55.7 k rows · Base dos Dados
  • br_capes_bolsasCAPES — bolsas de mobilidade acadêmica internacional1 table · 146.0 k rows · Base dos Dados
  • br_cgu_pe_de_meiaPé-de-Meia — pagamentos do programa de incentivo à permanência escolar1 table · 86.1 M rows · Portal - Pe-de-Meia
  • br_cnpq_bolsasCNPq — bolsas de pesquisa concedidas2 tables · 2.8 M rows · Base dos Dados
  • br_datahackers_state_dataData Hackers — pesquisa State of Data sobre o mercado de dados no Brasil1 table · 4.3 k rows · Base dos Dados
  • br_fnde_fundebFNDE/SIOPE — indicadores legais e educacionais de estados e municípios (aplicação em MDE, Fundeb, pessoal), anual até 2016 e bimestral desde 20172 tables · 15.1 M rows · Base dos Dados
  • br_inep_anaINEP — Avaliação Nacional da Alfabetização3 tables · 98.8 k rows · Base dos Dados
  • br_inep_avaliacao_alfabetizacaoINEP — avaliação da alfabetização e metas por município/UF7 tables · 3.9 M rows · Base dos Dados
  • br_inep_censo_educacao_superiorINEP — Censo da Educação Superior3 tables · 3.9 M rows · Base dos Dados
  • br_inep_censo_escolarINEP — Censo Escolar, escolas e turmas3 tables · 43.4 M rows · Base dos Dados
  • br_inep_educacao_especialINEP — indicadores de educação especial/inclusiva15 tables · 12.2 M rows · Base dos Dados
  • br_inep_enemINEP — microdados do ENEM32 tables · 243.7 M rows · Base dos Dados
  • br_inep_formacao_docenteINEP — formação de docentes da educação básica4 tables · 164.1 k rows · Base dos Dados
  • br_inep_idebINEP — Índice de Desenvolvimento da Educação Básica5 tables · 1.7 M rows · Base dos Dados
  • br_inep_indicador_nivel_socioeconomicoINEP — indicador de nível socioeconômico das escolas5 tables · 528.4 k rows · Base dos Dados
  • br_inep_indicadores_educacionaisINEP — indicadores educacionais (transição de etapa, remuneração docente)12 tables · 5.1 M rows · Base dos Dados
  • br_inep_saebINEP — SAEB, proficiência de alunos por etapa/disciplina11 tables · 200.9 M rows · Base dos Dados
  • br_inep_sinopse_estatistica_educacao_basicaINEP — sinopse estatística da educação básica18 tables · 121.1 M rows · Base dos Dados
  • br_mec_prouniMEC ProUni — dicionário de variáveis do programa1 table · 20 rows · Base dos Dados
  • br_mec_sisuMEC SISU — microdados de inscrição no Sistema de Seleção Unificada1 table · 34.7 M rows · Base dos Dados
  • br_simet_educacao_conectadaPrograma Educação Conectada — conectividade de internet em escolas1 table · 137.9 k rows · Base dos Dados
  • world_iea_pirlsIEA PIRLS — avaliação internacional de leitura do 4º ano, 51 países, sem o Brasil nem outro país latino-americano (filtrar pirls_type = Normal)8 tables · 1.9 M rows · Base dos Dados
  • world_iea_timssIEA TIMSS 2023 — matemática e ciências do 4º e 8º anos, 59 países, com o Brasil11 tables · 1.9 M rows · Base dos Dados
  • world_oecd_pisaOCDE PISA — avaliação internacional de estudantes1 table · 2.5 M rows · Base dos Dados
Security, Crime, Violence and Conflict25 datasets · 74 tables
  • br_bcb_penalidadesBCB — penalidades aplicadas a instituições financeiras1 table · 17.0 k rows · BCB Penalties
  • br_cgu_sancoesCGU — sanções administrativas (CEIS, CNEP, CEPIM, acordos de leniência)6 tables · 24.6 k rows · Base dos Dados
  • br_cnj_estatisticas_poder_judiciarioCNJ — recursos financeiros do Poder Judiciário1 table · 1.2 k rows · Base dos Dados
  • br_cnj_improbidade_administrativaCNJ — condenações por improbidade administrativa1 table · 53.3 k rows · Base dos Dados
  • br_fbsp_abspFórum Brasileiro de Segurança Pública — violência nas escolas3 tables · 2.5 k rows · Base dos Dados
  • br_ggb_relatorio_lgbtqiGrupo Gay da Bahia — relatório de mortes de pessoas LGBTQI+5 tables · 145 rows · Base dos Dados
  • br_ipea_atlasviolenciaIPEA — Atlas da Violência, indicadores de homicídio e letalidade2 tables · 3.0 k rows · Atlas da Violência (IPEA)
  • br_mj_sinespSINESP (MJSP) via Base dos Dados — ocorrências criminais e vítimas por município e mês e por UF e mês3 tables · 9.1 M rows · Base dos Dados
  • br_mj_sisdepenSISDEPEN (MJSP) via Base dos Dados — unidades prisionais, população prisional e suas características por semestre7 tables · 3.1 M rows · Base dos Dados
  • br_mjsp_ckanMJSP — Procon (reclamações Sindec) e Infopen (censo penitenciário legado)2 tables · 15.3 k rows · MJSP CKAN (broader)
  • br_mjsp_procuradosMJSP — lista de procurados do projeto Captura Nacional1 table · 188 rows · Procurados (MJSP/Interpol)
  • br_mjsp_sinespSINESP — ocorrências registradas de segurança pública2 tables · 23.8 k rows · SINESP/MJSP
  • br_mjsp_sisdepenSISDEPEN — população carcerária por unidade prisional1 table · 38.4 k rows · MJSP SISDEPEN (população carcerária)
  • br_ms_sinan_violenciaSINAN — notificação compulsória de violência doméstica, sexual e outras1 table · 4.9 M rows · SINAN Violência (violência doméstica, sexual e/ou outras)
  • br_mte_listasujaMTE — Lista Suja do trabalho escravo (Cadastro de Empregadores) e CEAC, com CNPJ/CPF4 tables · 1.7 k rows · MTE — Lista Suja do Trabalho Escravo (Cadastro de Empregadores) + CEAC
  • br_prf_acidentesAcidentes em rodovias federais (PRF) — ocorrências, pessoas envolvidas e causas3 tables · 11.9 M rows · Base dos Dados
  • br_rj_isp_estatisticas_segurancaISP-RJ — estatísticas de segurança pública do estado do Rio de Janeiro14 tables · 168.0 k rows · Base dos Dados
  • br_stf_corte_abertaSTF — decisões do projeto Corte Aberta2 tables · 2.7 M rows · Base dos Dados
  • br_stj_dadosabertosSTJ — decisões monocráticas e acórdãos publicados em 2021 (só este ano)1 table · 3.6 M rows · STJ dados abertos
  • br_tcu_inidoneosTCU — empresas e responsáveis inidôneos ou inabilitados4 tables · 58.1 k rows · TCU inidôneos e suspensos
  • eu_sanctionsUnião Europeia — lista de sanções1 table · 43.9 k rows · EU Sanctions
  • global_icij_offshoreleaksICIJ Offshore Leaks — empresas offshore, intermediários e beneficiários6 tables · 5.4 M rows · ICIJ Offshore Leaks
  • global_ofac_sanctionsOFAC (EUA) — lista de sanções1 table · 19.4 k rows · OFAC
  • global_opensanctionsOpenSanctions — consolidado mundial de listas de sanções e PEP1 table · 1.2 M rows · OpenSanctions
  • un_sanctionsONU — lista de sanções1 table · 1.0 k rows · UN Sanctions
Health29 datasets · 82 tables
  • br_ans_beneficiarioANS — beneficiários de planos de saúde suplementar1 table · 2.3 bn rows · Base dos Dados
  • br_ans_operadorasANS — operadoras de planos de saúde (cadastro, reclamações, penalidades, ressarcimento ao SUS, demonstrações contábeis)10 tables · 76.8 M rows · ANS — operadoras de planos de saúde (cadastro, demandas NIP, penalidades, ressarcimento ao SUS, demonstrações contábeis)
  • br_anvisa_cmedCMED/ANVISA — preços regulados de medicamentos1 table · 52.8 k rows · CMED (preços de medicamentos, ANVISA)
  • br_anvisa_consultasANVISA — registros de agrotóxicos, alimentos e produtos regulados3 tables · 101.3 k rows · ANVISA (consulta completa)
  • br_anvisa_medicamentos_industrializadosANVISA — medicamentos industrializados registrados1 table · 10.0 M rows · Base dos Dados
  • br_datasus_cid10DATASUS — tabela de códigos CID-10 e CID-O6 tables · 15.7 k rows · CID-10 (tabela de códigos, DATASUS)
  • br_ibge_pnad_covidIBGE — PNAD-COVID19, microdados mensais de mai a nov/2020 (2,65 mi pessoas, pesar por v1032) e o dicionário2 tables · 2.7 M rows · Base dos Dados
  • br_ieps_saudeIEPS — indicadores de saúde por município e região de saúde5 tables · 74.0 k rows · Base dos Dados
  • br_ms_atencao_basicaMinistério da Saúde — indicadores de atenção básica por município1 table · 901.9 k rows · Base dos Dados
  • br_ms_cnesCNES — Cadastro Nacional de Estabelecimentos de Saúde14 tables · 1.3 bn rows · Base dos Dados
  • br_ms_imunizacoesMinistério da Saúde — cobertura vacinal por município1 table · 149.1 k rows · Base dos Dados
  • br_ms_pnsMinistério da Saúde — Pesquisa Nacional de Saúde3 tables · 521.1 k rows · Base dos Dados
  • br_ms_siaSIA/SUS — produção ambulatorial e psicossocial3 tables · 6.3 bn rows · Base dos Dados
  • br_ms_sihSIH/SUS — Autorizações de Internação Hospitalar (AIH)3 tables · 2.6 bn rows · Base dos Dados
  • br_ms_simSIM — Sistema de Informações sobre Mortalidade6 tables · 106.8 M rows · Base dos Dados
  • br_ms_sinanSINAN — notificação compulsória de dengue e influenza/SRAG3 tables · 38.5 M rows · Base dos Dados
  • br_ms_sinan_chikungunyaSINAN — notificação compulsória de chikungunya1 table · 2.5 M rows · SINAN Chikungunya
  • br_ms_sinan_esquistossomoseSINAN — notificação compulsória de esquistossomose1 table · 169.7 k rows · SINAN Esquistossomose
  • br_ms_sinan_febre_amarelaSINAN — notificação compulsória de febre amarela1 table · 82.8 k rows · SINAN Febre Amarela
  • br_ms_sinan_malariaSINAN — notificação compulsória de malária fora da Amazônia Legal1 table · 71.2 k rows · SINAN Malária (notificação fora da Amazônia Legal)
  • br_ms_sinan_zikaSINAN — notificação compulsória de zika1 table · 607.2 k rows · SINAN Zika
  • br_ms_sinascSINASC — Sistema de Informações sobre Nascidos Vivos2 tables · 85.6 M rows · Base dos Dados
  • br_ms_sipni_dicionariosSI-PNI — dicionários de cobertura vacinal4 tables · 224 rows · SI-PNI dicionários (healthbr-data)
  • br_ms_sipni_doses_historicasSI-PNI — doses de vacina aplicadas, série histórica agregada1 table · 93.8 M rows · SI-PNI doses históricas (healthbr-data)
  • br_ms_sipni_microdadosSI-PNI — microdados de vacinação individual (2020)1 table · 102.4 M rows · SI-PNI microdados (healthbr-data)
  • br_ms_sisvanSISVAN — Sistema de Vigilância Alimentar e Nutricional2 tables · 406.3 M rows · Base dos Dados
  • br_ms_vacinacao_covid19Ministério da Saúde — vacinação contra covid-192 tables · 805.9 k rows · Base dos Dados
  • br_saude_bpsBoletim de Pessoal da Saúde — dados de profissionais de saúde1 table · 371.1 k rows · BPS
  • br_saude_farmaciapopularFarmácia Popular — estabelecimentos credenciados1 table · 32.6 k rows · Farmácia Popular
Environment23 datasets · 84 tables
  • br_ana_bhoBase Hidrográfica Ottocodificada da ANA — topologia de trechos de rio1 table · 462.5 k rows · ANA Base Hidrográfica Ottocodificada (topologia)
  • br_ana_outorgasOutorgas de uso da água (captação e lançamento) da ANA2 tables · 192.8 k rows · ANA outorgas de uso da água
  • br_ana_reservatoriosANA — boletim diário dos 162 reservatórios do Sistema Interligado Nacional (cota, vazões, % do volume útil), 2000 a jan/20221 table · 1.2 M rows · Base dos Dados
  • br_ana_telemetriaTelemetria da ANA — séries de vazão, cota e chuva de estações de monitoramento de rios13 tables · 165.7 M rows · ANA telemetria (rios/chuva)
  • br_ibama_autosIBAMA — autos de infração ambiental8 tables · 3.1 M rows · IBAMA — autos de infração
  • br_ibama_ctfIBAMA — Cadastro Técnico Federal de atividades potencialmente poluidoras2 tables · 1.5 M rows · IBAMA — CTF/APP (atividades potencialmente poluidoras)
  • br_ibama_embargos_novoIBAMA — termos de embargo ambiental8 tables · 978.3 k rows · IBAMA — termos de embargo (re-raspagem)
  • br_inea_boletimINEA-RJ — boletins de serviço de licenciamento ambiental, atos e texto extraído dos PDFs5 tables · 24.7 k rows · INEA — boletins de serviço, texto dos PDFs (validade/condicionantes)
  • br_inmet_bdmepINMET — Banco de Dados Meteorológicos, séries por estação2 tables · 84.5 M rows · Base dos Dados
  • br_inpe_deterINPE DETER — alertas quase em tempo real de desmatamento1 table · 699.1 k rows · INPE DETER (avisos de desmatamento)
  • br_inpe_prodesINPE PRODES — desmatamento anual agregado por município e bioma1 table · 156.9 k rows · Base dos Dados
  • br_inpe_prodes_acumuladoINPE PRODES — polígonos de desmatamento acumulado por bioma, geometria em centroide2 tables · 7.6 M rows · INPE PRODES acumulado (desmatamento por bioma)
  • br_inpe_queimadasINPE — focos de queimada detectados por satélite1 table · 23.1 M rows · Base dos Dados
  • br_inpe_sisamINPE SISAM — qualidade do ar1 table · 158.7 M rows · Base dos Dados
  • br_mapbiomas_estatisticasMapBiomas — estatísticas de cobertura e transição de uso do solo7 tables · 4.4 M rows · MapBiomas — cobertura por município, coleção 11
  • br_mma_extincaoMMA — listas oficiais de fauna e flora ameaçadas de extinção2 tables · 7.7 k rows · Base dos Dados
  • br_mma_sinpatinhasSinPatinhas (MMA) — cadastro nacional de cães e gatos, microdados1 table · 930.4 k rows · Base dos Dados
  • br_sedec_desastresSEDEC/Defesa Civil — reconhecimentos vigentes de situação de emergência ou calamidade1 table · 20.4 k rows · Base dos Dados
  • br_seeg_emissoesSEEG — emissões estimadas de gases de efeito estufa por município e setor3 tables · 183.7 M rows · Base dos Dados
  • br_sfb_sicarSICAR/SFB — Cadastro Ambiental Rural10 tables · 132.9 M rows · SFB — SICAR, as 5 tabelas restantes, sem geometria
  • br_trase_supply_chainTrase — cadeia de suprimentos de soja e carne bovina, do frigorífico/esmagadora à origem7 tables · 1.8 M rows · Base dos Dados
  • global_ibge_tabua_maresIBGE — tábua de marés2 tables · 1.3 M rows · Tábua de Marés
  • world_wwf_hydroshedsWWF HydroSHEDS — bacias, lagos e rios do mundo, dataset hidrográfico de referência3 tables · 15.1 M rows · Base dos Dados
Infrastructure and Transport18 datasets · 63 tables
  • br_ana_atlas_esgotosAtlas Esgotos da ANA — diagnóstico de coleta e tratamento de esgoto por município1 table · 5.6 k rows · Base dos Dados
  • br_anac_dadosabertosANAC — registro de aeronaves, voos e pontualidade3 tables · 728.5 k rows · ANAC
  • br_anatel_banda_larga_fixaDensidade de acessos de banda larga fixa por município/UF (Anatel)4 tables · 63.7 M rows · Base dos Dados
  • br_anatel_indice_brasileiro_conectividadeÍndice Brasileiro de Conectividade por município (Anatel)1 table · 22.3 k rows · Base dos Dados
  • br_anatel_telefonia_movelAnatel — telefonia móvel (SMP): acessos por município, empresa, tecnologia e modalidade, mês a mês desde 2019 (177 mi linhas), séries por DDD 2005–2018 e densidade por 100 habitantes6 tables · 177.6 M rows · Anatel — telefonia móvel (SMP): microdados de acessos, densidades, modalidade e tecnologia
  • br_aneel_dadosabertosANEEL — geração distribuída, usinas (SIGA), tarifas homologadas e indicadores de continuidade DEC/FEC8 tables · 41.0 M rows · ANEEL — usinas SIGA, tarifas homologadas, DEC/FEC
  • br_antt_dadosabertosANTT — RNTRC (transportadores e veículos de carga), CIOT e acidentes nas rodovias federais concedidas4 tables · 18.2 M rows · ANTT — RNTRC, veículos, CIOT, acidentes em rodovias concedidas
  • br_caixa_sinapiSINAPI/Caixa — custos e insumos de construção civil1 table · 2.2 M rows · SINAPI (custos/insumos de construção civil)
  • br_ipea_acesso_oportunidadesIPEA — grade H3 das 20 maiores cidades, 2019: população por renda e raça e contagem de escolas e unidades de saúde por hexágono (sem os indicadores de tempo de acesso)1 table · 336.4 k rows · Base dos Dados
  • br_mdr_snisSNIS/MDR — indicadores de água e esgoto por município e prestador de serviço2 tables · 245.1 k rows · Base dos Dados
  • br_me_cnoCadastro Nacional de Obras (CNO) — obras e vínculos de trabalhadores da construção3 tables · 1.0 M rows · Base dos Dados
  • br_mme_consumo_energia_eletricaMME — consumo de energia elétrica por UF1 table · 38.9 k rows · Base dos Dados
  • br_mobilidados_indicadoresMobiliDados — indicadores de mobilidade urbana (transporte, ciclovia, acidentes)10 tables · 671.4 k rows · Base dos Dados
  • br_ons_avaliacao_operacaoONS — avaliação da operação do Sistema Interligado Nacional (geração por usina, térmicas por motivo de despacho, restrição de eólicas, energia armazenada e afluente por reservatório)6 tables · 89.8 M rows · Base dos Dados
  • br_ons_estimativa_custosONS — estimativas de custo da operação (balanço de energia por subsistema, custo marginal semanal e semi-horário, custo variável das térmicas)5 tables · 1.4 M rows · Base dos Dados
  • br_rf_cnoReceita Federal — Cadastro Nacional de Obras5 tables · 1.9 bn rows · Base dos Dados
  • br_senatran_estatisticasFrota de veículos por UF e tipo (SENATRAN, via Base dos Dados)1 table · 159.3 k rows · Base dos Dados
  • br_senatran_frotaSENATRAN — frota de veículos por município e tipo, mensal desde 20131 table · 20.1 M rows · SENATRAN — frota de veículos por município e tipo
Politics12 datasets · 129 tables
  • br_ba_feiradesantana_camara_leisCâmara Municipal de Feira de Santana — leis municipais1 table · 6.0 k rows · Base dos Dados
  • br_camara_dados_abertosCâmara dos Deputados — deputados, votações, despesas, licitações internas30 tables · 14.6 M rows · Base dos Dados
  • br_poder360_pesquisasPoder360 — pesquisas eleitorais1 table · 162.1 k rows · Base dos Dados
  • br_rodado_eleicoesRodado — ponte entre seção eleitoral (TSE, 2022 e 2026) e setor censitário do Censo 20223 tables · 2.2 M rows · TSE — seções cujo local de votação do 2º turno de 2026 difere do 1º, com o % de Lula e Flávio no 1º turno
  • br_senado_ceapsSenado Federal — Cota para Exercício da Atividade Parlamentar (CEAPS)1 table · 396.8 k rows · Senado CEAPS (cota parlamentar)
  • br_senado_dados_abertosSenado Federal — senadores, votações, discursos, comissões18 tables · 612.3 k rows · Base dos Dados
  • br_senado_dados_abertos_administrativosSenado Federal — dados administrativos (CEAPS, remuneração de servidores)40 tables · 641.6 k rows · Base dos Dados
  • br_senado_dadosabertosSenado Federal — comissões, matérias, senadores e votações (fonte alternativa)4 tables · 166.8 k rows · Senado (geral)
  • br_tse_eleicoesTSE — eleições 2026 (candidatos, votação, resultados, bens, receitas)26 tables · 1.7 bn rows · Base dos Dados
  • br_tse_filiacao_partidariaTSE — filiação partidária2 tables · 42.2 M rows · Base dos Dados
  • politicosBase dos Dados — contatos de políticos1 table · 7.7 k rows · Políticos — contato (Câmara + Senado)
  • us_harvard_nedHarvard NED — eleições parlamentares e presidenciais internacionais2 tables · 6.3 k rows · Base dos Dados
Population10 datasets · 168 tables
  • br_ibge_censo2022_racaIBGE Censo 2022 — cor/raça cruzada com instrução e fecundidade, por município2 tables · 1.4 M rows · Censo 2022 — Cor ou raça × instrução/fecundidade
  • br_ibge_censo2022_religiaoIBGE Censo 2022 — religião e recortes demográficos associados15 tables · 6.5 M rows · Censo 2022 — Religião (pacote completo)
  • br_ibge_censo_2022IBGE — Censo Demográfico 2022, agregados por setor censitário e município47 tables · 171.4 M rows · IBGE — Censo 2022, agregados do universo (setor fora da pasta principal, município, distrito, subdistrito, bairro) e Favelas e Comunidades Urbanas
  • br_ibge_censo_demograficoIBGE — microdados dos Censos Demográficos 1970 a 201038 tables · 181.9 M rows · Base dos Dados
  • br_ibge_nomes_brasilIBGE — frequência de nomes por município, Censo 2010 (nomes raros suprimidos: soma 145 mi de 191 mi)1 table · 2.0 M rows · Base dos Dados
  • br_ibge_populacaoIBGE — estimativas populacionais por município, UF e Brasil3 tables · 192.1 k rows · Base dos Dados
  • br_ipea_avsIPEA — Atlas da Vulnerabilidade Social1 table · 319.7 k rows · Base dos Dados
  • br_mds_cadunicoCadÚnico (MDS) — indicadores municipais mensais do Cadastro Único e Bolsa Família2 tables · 350.1 M rows · CadÚnico — indicadores municipais (VIS DATA 3, MDS/SAGI)
  • br_ms_populacaoMinistério da Saúde — estimativas populacionais por município1 table · 4.9 M rows · Base dos Dados
  • br_ufmg_censo_demografico_1872Recenseamento Geral do Império do Brasil de 1872 (UFMG) por província, município e paróquia, nos dados originais e corrigidos58 tables · 1.3 M rows · Base dos Dados
Territorial Organization9 datasets · 72 tables
  • br_bd_diretorios_brasilBase dos Dados — diretórios de referência (CEP, CNAE, CID, município etc.)23 tables · 2.0 M rows · Base dos Dados
  • br_bd_diretorios_mundoBase dos Dados — diretórios internacionais (país, NCM, sistema harmonizado)4 tables · 20.6 k rows · Base dos Dados
  • br_bd_diretorios_usBase dos Dados — diretórios de referência dos EUA11 tables · 267.7 k rows · Base dos Dados
  • br_bd_vizinhancaBase dos Dados — vizinhança geográfica de municípios e UFs2 tables · 523.9 k rows · Base dos Dados
  • br_geobr_mapasgeobr — malhas geográficas oficiais do IBGE (municípios, UFs, biomas, terras indígenas etc.)25 tables · 984.3 k rows · Base dos Dados
  • br_ibge_amcIBGE — correspondência de áreas mínimas comparáveis entre municípios ao longo do tempo1 table · 434.1 k rows · Base dos Dados
  • br_ibge_cnefeIBGE — Cadastro Nacional de Endereços para Fins Estatísticos, Censo 2022 (endereço a endereço)1 table · 111.1 M rows · CNEFE Censo 2022 (microdado completo)
  • br_incra_acervoINCRA — parcelas certificadas no SIGEF (por UF) e projetos de assentamento, com centroide e área3 tables · 1.9 M rows · INCRA — parcelas SIGEF, imóveis SNCI, assentamentos
  • br_rf_cafirReceita Federal — Cadastro de Imóveis Rurais (CAFIR)2 tables · 169.9 M rows · Base dos Dados
Culture and Arts3 datasets · 10 tables
  • br_minc_salicMinC — SALIC/Lei Rouanet, projetos culturais incentivados8 tables · 839.3 k rows · SALIC/Lei Rouanet (MinC)
  • world_ampas_oscarOscar (AMPAS) — demografia de vencedores1 table · 415 rows · Base dos Dados
  • world_imdb_moviesIMDB — filmes mais bem avaliados por ano1 table · 33.6 k rows · Base dos Dados
Other9 datasets · 35 tables
  • _local_rais_cnpjRAIS de estabelecimentos cruzada com CNPJ, 2010-20211 table · 40.6 M rows · RAIS estabelecimentos por CNPJ 2010–2021 (import local)
  • br_bd_diretorios_data_tempoBase dos Dados — diretório de calendário/tempo11 tables · 1.9 M rows · Base dos Dados
  • br_bd_metadadosBase dos Dados — metadados do próprio catálogo original (tabelas, organizações)7 tables · 123.4 k rows · Base dos Dados
  • br_brasilapiBrasilAPI — bancos, DDDs, feriados nacionais, taxas de referência4 tables · 6.1 k rows · BrasilAPI
  • br_caixa_sorteiosCaixa Econômica — resultados da Mega-Sena1 table · 15.3 k rows · Base dos Dados
  • mundo_transfermarkt_competicoesTransfermarkt — Campeonato Brasileiro Série A e Copa do Brasil2 tables · 9.1 k rows · Base dos Dados
  • mundo_transfermarkt_competicoes_internacionaisTransfermarkt — Champions League1 table · 2.6 k rows · Base dos Dados
  • world_olympedia_olympicsOlympedia — atletas e resultados olímpicos históricos6 tables · 482.2 k rows · Base dos Dados
  • world_sofascore_competicoes_futebolSofascore — Campeonato Brasileiro Série A e Champions League2 tables · 11.3 k rows · Base dos Dados

01Racial Inequality & Social Stratification

2 tables
Inequality & Society
br_me_rais.microdados_vinculos, br_ms_sim.microdados

RAIS data in br_me_rais.microdados_vinculos (51,1 GB) allows analyzing the labor market by raca_cor, valor_remuneracao_media_sm, cbo_2002, cnae_2_subclasse. SIM in br_ms_sim.microdados (1,4 GB) provides mortality data by causa_basica, raca_cor, idade.

Cross-dataset interactions
  • Race × Sector × Salary: mixed-race (parda/pardo) workers are concentrated in low-prestige sectors
  • Race × Mortality: maternal death is 16x more frequent for mixed-race (parda) women
  • Bracket 99 × Under 18: 16,686 fraudulent or impossible employment records
  • Race × Occupation (CBO): domestic work (racialized) = 1.5 MW; finance = 8.5 MW
  • Race × COVID: mixed-race (pardo) people had 27% more deaths — occupational exposure and access to healthcare
  • Occupation (CBO) × Race × Salary: 23% racial penalty even controlling for occupation
  • Domestic Work × Race: 65% Black, lowest average salary (1.5 MW)

02Education, Social Mobility & Inequality

2 tables
Education & Science
br_inep_enem.microdados, ideb_escola, br_inep_ideb.escola, br_inep_indicador_nivel_socioeconomico.escola

ENEM data in br_inep_enem.microdados (6,3 GB) allows analyzing performance by tipo_escola, dependencia_administrativa_escola, indicador_questionario_socioeconomico. IDEB provides municipal proficiency data.

Cross-dataset interactions
  • School × Family: 93.6% of students depend on public schools
  • Profession × Salary: teachers earn 10x less than bankers
  • Performance × School Type: 2-year schooling gap between school types
  • IDEB × Territory: wealthy municipalities score 2.7 points higher than poor ones
  • Race × School × Performance: Black students in public school score 160 points less than White students in private school
  • Infrastructure × School: 40% without internet = digital exclusion at school
  • Generation × Illiteracy: a poor grandmother's granddaughter is still more illiterate than a rich grandmother

03Health, Service Access & Social Determinants

2 tables
Health
br_ms_sim.microdados, br_cgu_beneficios_cidadao.bolsa_familia_pagamento

SINASC data in br_ms_sinasc.microdados (1,4 GB) allows analyzing births by tipo_parto, raca_cor_mae, escolaridade_mae, peso. SIM in br_ms_sim.microdados (1,4 GB) provides mortality data.

Cross-dataset interactions
  • Cesarean × Race: mixed-race (parda) women have 66% cesarean rates vs 26% for Indigenous women
  • Violence × Race: White people die more from firearms than mixed-race (pardo) people
  • Transfers × Coverage: 100% of municipalities receive Bolsa Família (BF)
  • Infant Mortality × Region: the North has 2x the mortality of the South
  • Doctors × Region: the North has 2.5x fewer doctors than the Southeast
  • Diseases × Infrastructure: areas without sanitation concentrate disease
  • Birth Weight × Vulnerability: mothers without prenatal care = 15% low birth weight
  • CT Scans × Capital Cities: 80% of high-complexity procedures happen in state capitals

04Labor Market, Informality & Stratification

2 tables
Economy & Labor
br_me_rais.microdados_vinculos, br_me_caged.microdados_movimentacao

RAIS data in br_me_rais.microdados_vinculos (51,1 GB) allows analyzing the formal labor market by raca_cor, sexo, valor_remuneracao_media_sm, cbo_2002, cnae_2_subclasse. CAGED in br_me_caged.microdados_movimentacao (1,5 GB) details hirings/layoffs.

Cross-dataset interactions
  • Bracket 99 × Under 18: 16,686 impossible or fraudulent employment records
  • Sector × Race: construction is 67% Black, finance is 24% Black
  • Gender × Glass Ceiling: men dominate top positions by 52% more
  • Occupation (CBO) × Race × Salary: 23% racial penalty even controlling for occupation
  • CAGED × Sector: construction is the only sector with a negative net balance
  • Informality × Rights: 38% without formal contracts, paid leave, or year-end bonus
  • Gender × Management: women hold 35% of management positions despite being 45% of the workforce
  • Pay × Occupation × Race: the top bracket is 25% Black; the bottom bracket is 55% Black

05Politics, Representation & Electoral Behavior

3 tables
Politics, Justice & Security
br_tse_eleicoes.candidatos, br_tse_eleicoes.resultados_candidato_municipio, br_camara_dados_abertos.deputado, br_senado_dadosabertos.senadores, br_senado_dadosabertos.votacoes, br_tse_filiacao_partidaria.microdados

TSE data in br_tse_eleicoes.candidatos (149 MB) allows analyzing candidate profiles by genero, raca, instrucao, ocupacao, sigla_partido. Results in br_tse_eleicoes.resultados_candidato_municipio detail vote counts.

Cross-dataset interactions
  • Race × Candidacy: Black candidates are 25% of candidates vs. 56% of the population
  • Gender × Office: women are 4.4% of representatives vs. 52% of the population
  • Education × Elite: candidates form an educational elite (65% with higher education vs. 20% nationally)
  • Occupation × Class: 33% lawyers/business owners vs. 5% workers
  • Party × Power: 10 parties hold 45% of members — an oligopoly
  • Money × Candidacy: R$ 1.2 million for a federal race = exclusion of the poor

06Crime, Violence & Public Security

2 tables
Politics, Justice & Security
br_ms_sim.microdados, isp_taxa_evolucao_mensal_municipio, br_ggb_relatorio_lgbtqi.brasil, br_ms_sinan_violencia.microdados

SIM in br_ms_sim.microdados (1,4 GB) provides mortality data by causa_basica, raca_cor, sexo, idade. Rio de Janeiro's ISP in br_rj_isp_estatisticas_seguranca details crime data.

Cross-dataset interactions
  • Firearms × Race: White people die more from firearms than mixed-race (pardo) people
  • Age × Violence: 80% of firearm deaths affect people aged 15-29
  • COVID × Vulnerable Groups: COVID killed 424 thousand, disproportionately the poor
  • Police × Race: Black men are 8x more likely to die from police lethality
  • Domestic Violence × Gender: 40% of reports involve women
  • State × Violence: absence of the State = 10x more homicides
  • SINAN × Underreporting: 320 thousand reports, estimated at 10x the real figure

07Economy, Credit & Regional Development

2 tables
Economy & Labor
br_bcb_sicor.operacao, br_bcb_estban.municipio, br_ibge_pib.municipio, br_clp_ranking_competitividade.municipio

SICOR in br_bcb_sicor.operacao (522 MB) details rural credit by valor_parcela_credito, id_programa, area_financiada. ESTBAN in br_bcb_estban.municipio (894 MB) reveals banking deserts.

Cross-dataset interactions
  • Credit × Land: large landowning producers capture most credit
  • Banks × Region: banking deserts perpetuate inequality
  • Oligopoly × Price: concentrated players charge more
  • GDP × Region: 3 states = 53% of GDP — the rest is underdeveloped
  • CNPJ × Mortality: 65% of businesses close — a fragile ecosystem
  • SMEs × Interest Rates: pay 8x more than large companies — financial exclusion
  • Agriculture × Concentration: soybean production concentrated in just 3 states = regional vulnerability

08Public Policy, Transfers & Social Protection

2 tables
State & Public Policy
br_cgu_beneficios_cidadao.bolsa_familia_pagamento, siconfi_orcamento, br_ibge_munic.indicadores_perfil_gestor, br_ibge_estadic.governanca

Bolsa Família in br_cgu_beneficios_cidadao.bolsa_familia_pagamento (25,8 GB) details transfers by valor_parcela, id_municipio. SICONFI in br_me_siconfi reveals budget execution.

Cross-dataset interactions
  • BF × Region: the North/Northeast receives more but has worse indicators
  • Amendments × BF: earmarks (for politicians) are nearly equal to BF (for the poor)
  • Amount × Poverty: R$ 190/month doesn't lift anyone out of poverty
  • BPC × Denials: 40% of applications denied = bureaucratic barrier
  • Crop Guarantee × Coverage: only 15% of the semi-arid region = partial protection
  • Transfers × Timeframe: a bridge, not a solution — most recipients fall back into poverty
  • Benefit × Poverty Line: R$ 190 vs. the R$ 450 needed = a 60% gap

09Gender, Family & Demographic Dynamics

1 table
Inequality & Society
br_ms_sinasc.microdados

SINASC data in br_ms_sinasc.microdados (1,4 GB) allows analyzing births by tipo_parto, raca_cor_mae, escolaridade_mae, idade_mae. CAGED details the labor market by gender.

Cross-dataset interactions
  • Pregnancy × Race: mixed-race (parda) women have more cesareans but fewer teenage pregnancies
  • Delivery × Class: doctors perform more cesareans on middle-class patients
  • Work × Gender: a 20-point gap in labor participation — 55% vs. 75%
  • Informality × Gender: women are 42% informal vs. 35% for men
  • Domestic Work × Race: 65% Black, 1.5 MW, 65% without a signed work permit
  • Single Mothers × Vulnerability: 55% of single mothers are low-income Black women
  • Violence × Gender: 85% of victims are women; 88% of aggressors are men

10Environment, Development & Sustainability

2 tables
Territory & Environment
br_inpe_prodes.municipio_bioma, br_sfb_sicar.area_imovel

PRODES in br_inpe_prodes.municipio_bioma (862 KB) details deforestation by bioma, area_desmatada. SEEG in br_seeg_emissoes measures GHG emissions.

Cross-dataset interactions
  • Soybean × Deforestation: commodities finance devastation
  • Emissions × Agribusiness: 70% of emissions come from farming
  • CAR (Rural Registry) × Compliance: registration does not equal real protection
  • Wildfires × Seasonality: peak in Aug-Sep = command-and-control is possible
  • Deforestation × Rainfall: deforested areas = 20% less rain in São Paulo
  • Agribusiness × SEEG: 75% of emissions come from farming
  • Quilombola Communities × Land: <5% with land titles = permanent invasion
  • Watershed × Hydrology: 50+ dams alter flow = cascading effect

11Infrastructure, Services & Quality of Life

1 table
Territory & Environment
br_anatel_indice_brasileiro_conectividade.municipio

SNIS in br_mdr_snis.municipio_agua_esgoto (31,3 MB) details sanitation. ANATEL in br_anatel_indice_brasileiro_conectividade.municipio reveals connectivity.

Cross-dataset interactions
  • Sanitation × Disease: open sewage causes disease
  • Connectivity × Education: no internet, no online classes
  • Oligopoly × Price: a few control the market
  • Energy × Rural Areas: 2x more outages and 3x longer duration in rural areas
  • Roads × Isolation: 88% unpaved = permanent isolation
  • Waste × Health: 65% of municipalities use open dumps = disease
  • Buses × Inequality: Northeast = 40% access vs. 85% in São Paulo
  • Infrastructure × Social Vulnerability Index: low-index municipalities have worse indicators across the board

12Intersectionality & Compound Inequalities

2 tables
Inequality & Society
br_me_rais.microdados_vinculos, br_ms_sinasc.microdados

RAIS in br_me_rais.microdados_vinculos allows cross-tabulating sexo × raca_cor × faixa_remuneracao_media_sm. SINASC in br_ms_sinasc.microdados crosses reproductive health with race.

Cross-dataset interactions
  • Race × Gender × Salary: Black women are at the bottom of the pyramid
  • Race × Maternal Death: 16x more frequent for mixed-race (parda) women
  • Race × Delivery: Indigenous women have fewer cesareans (closer to the ideal rate)
  • Top Positions × Intersectionality: Black women hold 3% of top positions (21x less than White men)
  • PNADC × Intersectionality: 55% informal + 16% unemployment + 2 MW average for Black women
  • SINASC × Intersectionality: Black women have 2.4x more maternal deaths than White women
  • SAEB × Intersectionality: Black girls in public school have the worst performance of any group
  • Violence × Intersectionality: Black women are 50% of domestic violence victims

13Migration, Urbanization & Spatial Transformation

2 tables
Territory & Environment
br_me_caged.microdados_movimentacao, anatel_ibc_municipio

CAGED in br_me_caged.microdados_movimentacao (1,5 GB) details saldo_movimentacao by state.

Cross-dataset interactions
  • Migration × GDP: São Paulo concentrates opportunities
  • Selection × Development: poor regions lose their talent
  • Gender × Migration: women migrate more toward service jobs
  • Metro Areas × Interior: São Paulo+Rio+Belo Horizonte = 50 million, while the interior shrinks -1%/year
  • Rural × Exodus: 28 million rural residents, population decreasing
  • International × Brain Drain: 3.4 million Brazilians living abroad
  • Profile × Selection: migrants are younger, more educated, more formally employed
  • Boom × Decline: mining towns grow 30%, farming towns shrink 20%

14Consumption, Prices & Class Stratification

2 tables
Economy & Labor
br_ibge_ipca.mes_categoria_municipio, anp_precos_combustiveis, br_ibge_inpc.mes_categoria_brasil, br_ibge_ipca15.mes_categoria_brasil, br_fgv_igp.igp_m_mes, br_ibge_ipp.mes_industria_geral

IPCA in br_ibge_ipca.mes_categoria_municipio (49,356 records) details inflation by category. ANP in br_anp_precos_combustiveis.microdados reveals fuel prices.

Cross-dataset interactions
  • Inflation × Class: food weighs more heavily on the poor
  • Fuel × State Tax (ICMS): the North pays more
  • Transportation × Poverty: without a car, depends on expensive buses
  • Inflation × Region: Northeast = 6.8% vs. South = 5.0% — poorer region hit harder
  • Basic Basket × Salary: 40% of salary goes to the basic food basket
  • Household Budget Survey (POF) × Class: rich save 20%; poor save 2% — mobility is impossible
  • Cooking Gas × Poverty: 8% of salary on cooking gas = choosing between eating and cooking
  • IPCA × Food: the food category rises faster than the overall index

15Power, Elites & Social Reproduction

3 tables
Inequality & Society
br_camara_dados_abertos.deputado, br_tse_eleicoes.candidatos, tse_despesas_candidato

The Chamber of Deputies in br_camara_dados_abertos.deputado (7,880 representatives) reveals profiles. TSE in br_tse_eleicoes.candidatos shows 26,289 candidates.

Cross-dataset interactions
  • Gender × Power: 4.4% women = a male oligarchy
  • Party × Money: 6 parties = concentration
  • Candidates × Companies: corporate financing = capture
  • Net Worth × Elite: candidates are 100x wealthier than voters
  • Donations × Regulation: construction + finance + agribusiness = 60% of donations
  • Membership × Profile: old, male, rich — a mirror of power
  • Reelection × Stagnation: 55% of representatives get reelected — minimal turnover
  • Age × Chamber: average age = 55 years — power passed from old to old

16Political Economy & Development

2 tables
Economy & Labor
br_rf_arrecadacao.uf, siconfi_orcamento

Federal Revenue (Receita Federal) in br_rf_arrecadacao.uf (1,7 MB) details tax collection by irpf, irpj, cofins, pis. SICONFI reveals budget execution.

Cross-dataset interactions
  • Taxation × Companies: corporate income tax (IRPJ) collects less than personal income tax (IRPF) — companies pay less
  • Tax Revenue × São Paulo: extreme concentration in the Southeast
  • Taxation × The Poor: consumption taxes penalize the poor
  • Wealth × Exemption: wealth tax revenue < 1% of GDP
  • Tax Avoidance × Fraud: R$ 450 billion/year lost to tax avoidance
  • Payroll × States: 54% of revenue consumed by personnel costs
  • Debt × Interest: R$ 700 billion/year in interest payments = the size of the military budget
  • Debt × Transfer: public wealth flows to private banks

17Agriculture, Land Structure & Agribusiness

2 tables
Economy & Labor
br_sfb_sicar.area_imovel, br_bcb_sicor.operacao, br_trase_supply_chain.soy_beans, br_trase_supply_chain.beef, br_ibge_pam.municipio, br_ibge_ppm.municipio, br_ibge_ppm.efetivo_rebanhos

CAR (Rural Environmental Registry) in br_sfb_sicar.area_imovel (3,5 GB) details rural properties. SICOR in br_bcb_sicor.operacao reveals rural credit.

Cross-dataset interactions
  • Land × Power: land concentration = political concentration
  • Credit × Deforestation: public money finances devastation
  • Exports × Poverty: we export labor, we import misery
  • Production × Scale: 45% of the land = 70% of production — productivity is not equitable
  • Pesticides × Double Standard: banned in the EU, used in Brazil
  • Soybean × Deforestation: 20-40% of soy grown on illegal land
  • Meatpackers × Oligopoly: 4 companies = 75% of meat production — extreme concentration
  • Cattle Ranching × Land Grabbing: invaded public lands = gangster ranching

18Foreign Trade, Global Integration & Value Chains

2 tables
Economy & Labor
br_me_comex_stat.ncm_8, comex_pais

COMEX in br_me_comex_stat.ncm_8 details exports. TRASE tracks soy and meat supply chains.

Cross-dataset interactions
  • Commodities × Deforestation: global demand finances devastation
  • China × Sovereignty: dangerous dependence
  • Brazil-China Exchange: land for cellphones
  • Manufacturing × Deficit: -US$ 60 billion in manufactured goods
  • China × Vulnerability: 30% of exports concentrated in a few products
  • Value Added × Loss: we import at 3x the price we export
  • Multinationals × Transfer: 60% of exports go through multinationals = internal pricing
  • Deficit × Savings: manufacturing deficit = wealth transfer

19Financial Markets, Investment Funds & Capital Structure

2 tables
Economy & Labor
br_cnpq_bolsas.microdados, br_anatel_indice_brasileiro_conectividade.municipio

CNPq in br_cnpq_bolsas.microdados (227,257 grants) details investment in science. IBC in br_anatel_indice_brasileiro_conectividade.municipio reveals connectivity.

Cross-dataset interactions
  • Grants × Region: the North/Northeast is excluded
  • R&D × Development: low science = low output
  • Connectivity × Education: no internet, no online classes
  • Stock Exchange × Concentration: 5 stocks = 45% of the Ibovespa
  • Funds × Institutional: 85% of the market is institutional/foreign
  • Spread × Capture: 10x higher than Mexico — the financial system captured the State
  • Credit × Housing: 6x less than the US = a policy for the few
  • Housing Finance System (SFH) × Exclusion: no credit, no home

20Science, Technology, Scholarships & Academic Output

1 table
Education & Science
br_cnpq_bolsas.microdados

CNPq in br_cnpq_bolsas.microdados (227,257 grants) details S&T&I investment. PISA evaluates educational performance.

Cross-dataset interactions
  • PISA × Investment: low investment = poor performance
  • Grants × Region: science doesn't reach the North
  • Articles × Citations: we publish just for show
  • CAPES × North: 7% of graduate programs, only 10% top-rated — science is concentrated elsewhere
  • Patents × Foreigners: 85% of patents belong to multinationals, not Brazilians
  • PISA × Ranking: worse than the OECD average and many Latin American countries
  • CNPq × Field: 35% in hard sciences, 8% in humanities — a technological bias
  • Articles × Quality: many papers, low citations — publish or perish

21Corruption, Administrative Misconduct & Public Oversight

3 tables
State & Public Policy
cgu_emendas_parlamentares, br_rf_arrecadacao.uf, br_cgu_emendas_parlamentares.microdados, br_cgu_cartao_pagamento.microdados_governo_federal, br_cgu_licitacao_contrato.contratos, br_cgu_licitacao_contrato.licitacao, br_cgu_licitacao_contrato.contrato_compra

Parliamentary amendment data in br_cgu_emendas_parlamentares.microdados with nome_autor_emenda, valor_empenhado, valor_liquidado, nome_funcao, nome_acao allows tracking the concentration of resources. Federal tax collection in br_rf_arrecadacao.uf with irpf, irpj, cofins, pis_pasep, csll, ipi reveals the tax structure.

Cross-dataset interactions
  • Amendments × Execution: 50% of the authorized budget never becomes real spending
  • Rapporteur × Concentration: 3 committees dominate R$ 30 billion in earmarks
  • Taxation × Inequality: corporate tax (IRPJ) is 3x lower than personal income tax (IRPF) — companies pay less than workers

22Climate, Wildfires & Temperature Variation

3 tables
Territory & Environment
br_inpe_prodes.municipio_bioma, br_seeg_emissoes.municipio, br_sfb_sicar.area_imovel

PRODES data in br_inpe_prodes.municipio_bioma with ano, bioma, desmatado, vegetacao_natural allows monitoring deforestation. Emissions in br_seeg_emissoes.municipio with emissao_gwp, setor_emissor offer a municipal carbon footprint.

Cross-dataset interactions
  • Deforestation × Emissions: land-use change is Brazil's biggest emitter
  • Cerrado × Food: more deforested than the Amazon, producing soy and meat
  • CAR (Rural Registry) × Deforestation: irregular properties concentrate deforested area
  • Temperature × Limit: the Amazon is +1.2°C = beyond the Paris Agreement limit
  • Wildfires × Emissions: 1,200 Mt CO₂e/year from wildfires
  • Targets × Reality: -43% promised, -35% achieved — falling short
  • Agribusiness × Trend: the only sector with a rising trend
  • Waste × Increase: +20% in 22 years — uncontrolled growth

23Epidemiology, Infectious Diseases & Health Surveillance

2 tables
Health
br_ms_sim.microdados, br_ms_cnes.estabelecimento

SIM data in br_ms_sim.microdados with causa_basica (ICD-10), raca_cor, sexo, idade, id_municipio_ocorrencia allows mapping mortality by disease. SINASC in br_ms_sinasc.microdados with peso, raca_cor_mae, escolaridade_mae, semana_gestacao details births and infant health.

Cross-dataset interactions
  • COVID × Race: mixed-race (pardo) people died more due to occupational exposure
  • Chronic Diseases × Region: the North/Northeast have higher mortality
  • Infrastructure × Mortality: health deserts = higher mortality
  • Tropical Diseases × North: tuberculosis at 35/100k vs. 22/100k in the Southeast
  • Infant × Preventability: 60% of infant deaths are preventable
  • Life Expectancy × Race: Indigenous people = 65 years vs. White people = 76 years
  • Exams × Capital Cities: 80% of specialized exams take place in state capitals
  • Cancer × Region: cervical cancer 2x more frequent in the North due to lack of prevention

24Outpatient, Hospital & SUS Procedure Data

3 tables
Health
br_ms_cnes.estabelecimento, br_ms_cnes.profissional, br_ms_cnes.equipamento, br_ms_sih.aihs_reduzidas, br_ms_sia.producao_ambulatorial, br_datasus_cid10.cid10, br_ieps_saude.municipio

CNES data in br_ms_cnes.estabelecimento with tipo_unidade, id_natureza_juridica, quantidade_leito_*, indicador_atendimento_* allows mapping health infrastructure. Professionals in br_ms_cnes.profissional with cbo_2002, vinculo_contratado detail the distribution of the health workforce.

Cross-dataset interactions
  • Facilities × Population: the North has less infrastructure per capita
  • Equipment × Mortality: health deserts = higher mortality
  • Public (SUS) × Private: dualization perpetuates inequality
  • Hospital Beds × Desert: North = 1.2/1,000 vs. Rio de Janeiro = 4.2/1,000
  • Doctors × Specialization: North = 1.1 doctors + 25% specialists vs. Southeast = 2.8 + 55%
  • High-Complexity Care × Capital: 85% of chemotherapy in São Paulo, Rio, Minas Gerais
  • Medication × Access: 60% of the population lacks free access to medicine
  • ISAB × Primary Care: 30-40% of hospitalizations would be avoidable

25Federal Budget, Parliamentary Amendments & Budget Execution

4 tables
State & Public Policy
br_stn_tesouro_orcamento.despesa_ug, cgu_emendas_parlamentares, br_rf_arrecadacao.uf, br_bcb_sicor.operacao

Treasury data in br_stn_tesouro_orcamento.despesa_ug with budget execution by spending unit offers id_acao, id_elemento_despesa, valor_empenhado, valor_liquidado, valor_pago, valor_restos_pagar_inscritos — allowing analysis of federal execution efficiency. Parliamentary amendments in br_cgu_emendas_parlamentares.microdados with id_emenda, autor, sigla_uf, id_municipio, valor_emenda, modalidade, ano, funcao, subfuncao, programa detail the territorial distribution of the congressional budget.

Cross-dataset interactions
  • Execution × Amendments: 50% of the budget never becomes real spending
  • Rapporteur × Concentration: 1 rapporteur controls R$ 8.6 billion
  • Taxation × Inequality: companies pay 3-5x less than workers
  • Carryover Spending × Cancellation: R$ 12-15 billion cancelled/year = lost money
  • Discretionary Spending × Cuts: science = 65% executed, environment = 55%
  • Interest × BF: R$ 700 billion in interest vs. R$ 35 billion in Bolsa Família
  • Taxation × Regressiveness: 55% indirect taxes
  • Secret Budget × Opacity: R$ 40 billion unidentified

26Public Servants, Personnel Management & State Elites

3 tables
State & Public Policy
servidores_executivo_federal, stf_corte_aberta, br_cgu_servidores_executivo_federal.microdados

Federal civil servant data in br_cgu_servidores_executivo_federal.microdados with id_servidor, orgao_lotacao, sigla_uf_exercicio, cargo, classe, padrao, nivel, valor_remuneracao, valor_vantagens, valor_outros, valor_reducao, valor_deducoes allows mapping the profile of the federal bureaucracy, career structures, and pay disparities. Supreme Court (STF) decisions in br_stf_corte_aberta.microdados with numero_processo, data_julgamento, relator, tema, resultado, partes reveal the judicial power elite.

Cross-dataset interactions
  • Amendments × Region: the Southeast dominates in absolute value
  • Rapporteur × Pandemic: a 100x increase in 2020
  • Concentration × Opinion: 4 people control the budget
  • SIAPE × Inequality: diplomats earn 5x more than teachers — the public sector is also stratified
  • STF × Concentration: 3 justices account for 40% of decisions
  • Employment × Government Level: municipal = 55% of public employment
  • Convictions × Mayors: 2,000+ mayors convicted vs. fewer than 5 presidents
  • Misconduct Cases × Time: 15+ years for a final conviction = structural impunity

27Opinion Polls, Public Perception & Political Behavior

3 tables
Politics, Justice & Security
poder360_pesquisas, br_tse_eleicoes.resultados_candidato, br_ibge_pnadc.microdados

Poder360 data in br_poder360_pesquisas.microdados with electoral polls offers tipo (prompted, unprompted, spontaneous), cargo, candidato, sigla_partido, intencao_voto, instituto, data, sigla_uf, id_municipio, amostra, margem_erro, situacao — allowing analysis of voting-intention trends, electoral volatility, and pollster accuracy. PNS in br_ms_pns.microdados_2019 with health perceptions and living conditions reveals opinions on public services.

Cross-dataset interactions
  • Polls × Budget: public opinion doesn't influence allocation
  • Amendments × Concentration: 4 authors dominate R$ 30 billion
  • Execution × Public Opinion: 50% of the budget becomes "carryover spending"

28School Violence, Educational Security & Learning Environment

4 tables
Education & Science
br_inep_censo_escolar.escola, br_inep_saeb.aluno_em_34ano, br_fbsp_absp.microdados, br_rj_isp_estatisticas_seguranca.taxa_evolucao_mensal_municipio

FBSP data in br_fbsp_absp.microdados with the School Violence Atlas offers id_municipio, sigla_uf, tipo_ocorrencia (bullying, physical assault, weapons possession, drugs, theft, vandalism), quantidade_ocorrencias, populacao_15_17, taxa_ocorrencia, dependencia_administrativa, localizacao, rede — allowing mapping of school violence by type and territory. ENEM in br_inep_enem.microdados with indicador_questionario_socioeconomico includes questions about perceived safety at school.

Cross-dataset interactions
  • Bullying × Performance: students who feel unsafe score 15% lower on the SAEB
  • School Network × Violence: state schools account for 60% of incidents
  • Public Security × Militarization: schools linked to security forces show ambiguous effects
  • Drug-Trafficking Areas × School: communities with drug trafficking have 3x more school assaults
  • Infrastructure × Violence: schools without fences/walls have 2x more thefts
  • School Network × Student Origin: public schools draw students from more vulnerable areas

29Detailed Electoral Data, Litigation & Supreme Court

5 tables
Politics, Justice & Security
stf_corte_aberta, br_tse_eleicoes.candidatos, br_tse_eleicoes.resultados_candidato, br_tse_eleicoes.despesas_candidato, br_cnj_improbidade.microdados

STF (Supreme Court) data in br_stf_corte_aberta.microdados with rulings offers numero_processo, data_julgamento, data_publicacao, relator, tema, tese, resultado (upheld, dismissed, partial), partes, classe — allowing analysis of constitutional case law, decision patterns, and the judicial power elite. Candidates in br_tse_eleicoes.candidatos with genero, raca, instrucao, ocupacao, sigla_partido, situacao detail the composition of the political universe.

Cross-dataset interactions
  • STF × Immunity: judicialization doesn't punish the corrupt
  • Amendments × Region: the Southeast dominates allocation
  • Misconduct Cases × Election: 40% of those charged still get elected
  • Cases × Success: candidates facing misconduct charges have a 40% win rate (HIGHER than clean candidates)
  • STF × Subject Matter: social-rights cases lose 84% of appeals
  • Votes × Concentration: 40% of votes go to 10 candidates
  • Appeals × Time: 5-10 years at the STF = structural impunity
  • Convictions × Money: more money = more convictions + more impunity

30Productive Structure, Companies, SMEs & Competitive Dynamics

3 tables
Economy & Labor
br_ibge_pia.empresa, br_me_cnpj.estabelecimento, br_me_cnpj.socios

PIA (Annual Industrial Survey) data in br_ibge_pia.empresa offers cnae_3_subclasse, valor_faturamento, valor_faturamento_bruto, numero_pessoal_ocupado, custo_insumos, valor_transf_imb, id_municipio, ano — allowing analysis of productive structure, sector concentration, and the productivity of SMEs vs. large companies.

Cross-dataset interactions
  • Structure × Concentration: large companies dominate key sectors
  • Telecom × Oligopoly: HHI > 2500
  • SMEs × Mortality: 65% close within 5 years
  • Capital × Concentration: 0.1% of companies hold 80% of capital
  • Productivity × Size: large companies are 20x more productive than micro businesses
  • Jobs × Company Size: 50% of formal jobs are in micro/small businesses
  • Shareholders × Concentration: 1% of shareholders hold stakes in 30% of companies
  • Pandemic × Closures: 6x more closures than openings in April 2020

31Human Development, Social Vulnerability & Composite Indices

4 tables
Inequality & Society
br_ipea_avs.microdados, br_ipea_avs.idhm, br_ibge_censo_2022.populacao_grupo_idade_sexo_raca, br_cgu_beneficios_cidadao.bolsa_familia_pagamento

IPEA data in br_ipea_avs.microdados with the Social Vulnerability Atlas offers the IVS (Social Vulnerability Index) with ivs, ivs_renda, ivs_trabalho, ivs_educacao, ivs_habitacional, ivs_infraestrutura, ivs_fragilidade_familiar, ivs_baixa_resistencia, id_municipio, sigla_uf, ano — allowing mapping of multiple dimensions of vulnerability. IDHM (Municipal Human Development Index) in br_ipea_avs.idhm with idhm, idhm_longevidade, idhm_educacao, idhm_renda, id_municipio, ano details municipal human development.

Cross-dataset interactions
  • COVID × Race: mixed-race (pardo) people died more (103,525 vs 81,572 White people)
  • Vulnerability × Region: the semi-arid region and the Amazon concentrate poverty
  • Development × Race: predominantly Black municipalities have a 30% higher IVS
  • IDHM × Education: education explains 55% of the variation in the IDHM
  • Extreme Poverty × Profile: 80% Black, 70% rural, 85% without internet
  • GINI × Labor Market: 65% of inequality comes from the labor market
  • GDP × IDHM: GDP varies 2.5x more than human development
  • IVS × Race: being born Black in Brazil = a 30% higher IVS

32Connectivity, Digital Education & Telecom Infrastructure

4 tables
Territory & Environment
simet_educacao_conectada, br_anatel_banda_larga_fixa.densidade_municipio, br_anatel_indice_brasileiro_conectividade.municipio, br_inep_enem.microdados

SIMET data in br_simet_educacao_conectada.microdados with connectivity measurements in schools offers id_escola, velocidade_download, velocidade_upload, latencia, tecnologia, id_municipio, dependencia_administrativa, localizacao — allowing evaluation of educational internet quality. Broadband in br_anatel_banda_larga_fixa.densidade_municipio with connections per 100 inhabitants details territorial penetration.

Cross-dataset interactions
  • Connectivity × Education: rural and public schools have the worst internet
  • IBC × Vulnerability: the poor have less access
  • Telecom × Oligopoly: HHI > 2500
  • Speed × Reality: schools receive only 30-40% of contracted speed
  • 4G × Rural: 15% vs. 95% in state capitals — a 6x gap
  • 5G × Interior: <5% in the interior vs. 40% in state capitals
  • HHI × North/Northeast: more concentrated than the Southeast
  • Cost × Salary: 3.5% of minimum wage per GB — more expensive than peer countries

33Comparative International Data & Global Rankings

4 tables
Territory & Environment
br_fbsp_absp.microdados, world_bank_rd, oe_indicadores_orcamentarios, fbsp_atlas_violencia

PISA data in br_pisa.* with math, science, and reading assessments offers country, year, score, rank — allowing comparison of Brazilian educational performance with other countries. World Bank indicators in br_world_bank_rd with country, year, indicador, value on R&D allow analysis of science investment.

Cross-dataset interactions
  • PISA × R&D: low education = low innovation
  • Violence × Inequality: structural in Brazil
  • Commodities × Dependency: doesn't generate development
  • GINI × Ranking: 2nd most unequal in the world — behind only South Africa
  • Firearms × Comparison: 10x more homicides than the US
  • HDI × Education: ranking 125th in education pulls the overall HDI down to 89th
  • Trap × Education: countries that escaped invested 4-5% of GDP in education
  • Poverty × Line: 5% in extreme poverty even with a generous poverty line

34Atlas, Georeferenced Maps & Territorial Bases

5 tables
Territory & Environment
br_geobr_mapas.terra_indigena, br_geobr_mapas.unidade_conservacao, br_geobr_mapas.bioma, br_geobr_mapas.concentracao_urbana, br_ibge_censo_2022.territorio_quilombola

TerraMA2 and geobr data in br_geobr_mapas.terra_indigena with geometry and attributes (tipo_terra, grupo_etnico, id_tipo, id_fase, sigla_uf) allow analyzing Indigenous protected areas. Conservation units in br_geobr_mapas.unidade_conservacao with tipo_uc (full protection, sustainable use), esfera, bioma, sigla_uf detail protected areas.

Cross-dataset interactions
  • Conservation Units × Deforestation: protection reduces deforestation by 80%
  • Quilombola Communities × Land: conflict with land grabbers
  • Amazon × Land Grabbing: land grabbing in remote areas
  • Census Sectors × Analysis: 450,000+ sectors = analysis at maximum granularity
  • Concentration × Growth: urban areas grow, rural areas empty out
  • Disputes × Territory: 500+ disputes = 500,000 km² pending resolution
  • geobr × Coverage: 450,000+ polygons available
  • IDHM × Municipalities: 35% of municipalities have low or very low IDHM

35Transportation and Urban Mobility

11 tables
Territory & Environment
br_mobilidados_indicadores.taxa_motorizacao, br_mobilidados_indicadores.tempo_deslocamento_casa_trabalho, br_mobilidados_indicadores.comprometimento_renda_tarifa_transp_publico, br_mobilidados_indicadores.proporcao_mortes_negras_acidente_transporte, br_mobilidados_indicadores.proporcao_pessoas_prox_infra_cicloviaria, br_mobilidados_indicadores.transporte_media_alta_capacidade, br_mobilidados_indicadores.divisao_modal, br_mobilidados_indicadores.emissao_co2_material_particulado, br_mobilidados_indicadores.proporcao_pessoas_proximas_pnt, br_mobilidados_indicadores.proporcao_domicilios_infra_urbana, br_fipe_veiculos.precos

Mobilidados/ITDP Brasil indicators in br_mobilidados_indicadores.taxa_motorizacao with taxa_motorizacao, id_municipio, sigla_uf allow comparing motorization across states — Minas Gerais leads with 797 points in 2018. tempo_deslocamento_casa_trabalho with tempo_medio_deslocamento and prop_deslocamento_acima_1_hora shows the worst commute times hit dormitory towns like Japeri (RJ) and Francisco Morato (SP), not the capitals. proporcao_mortes_negras_acidente_transporte shows the share of Black victims in transport accidents more than doubling between 2000 and 2019. br_fipe_veiculos.precos with vehicle_type, brand_name, model_name covers the 11,289 brand+model combinations behind Brazil's FIPE price table.

Cross-dataset interactions
  • Motorization × TMA: high-motorization states aren't the same as high-structured-transit states
  • Commute Time × Periphery: worst commute times hit dormitory towns, not capitals
  • Race × Traffic Deaths: share of Black victims doubled in 20 years
  • Fare × Income: North and South carry the highest fare-to-income burden
  • Bike Lanes × TMA: Ceará integrates better than São Paulo

36Religiosity, Faith Infrastructure and Income Inequality

5 tables
Inequality & Society
br_ibge_censo2022_religiao.populacao_religiao, br_ibge_censo2022_religiao.cor_raca, br_ibge_censo_2022.cadastro_enderecos, br_me_cnpj.estabelecimentos, br_me_rais.microdados_vinculos

The 2022 Census in br_ibge_censo2022_religiao.populacao_religiao carries declared religion by locality in populacao_10_mais — 56.8% Catholic against 64.6% in 2010 — and cor_raca crosses religion with race by municipality. CNEFE in br_ibge_censo_2022.cadastro_enderecos geolocates the physical infrastructure of faith: 765,591 temples identified via tipo_especie and descricao_estabelecimento, classified by branch through text matching on the name recorded in the field. Cross-referencing br_me_cnpj.estabelecimentos (activity code 9491-0/00) measures legal formalization — only 20% hold an active CNPJ — and br_me_rais.microdados_vinculos (valor_remuneracao_media) measures the income gradient: least-Catholic municipalities pay 58% higher formal wages. Dividing faithful by temples: one Catholic church per 1,005 faithful against one Evangelical temple per 138.

Cross-dataset interactions
  • Religion × Income: least-Catholic municipalities pay 58% higher formal wages
  • Spiritism × Income: 60% gradient between extremes of Spiritist share
  • Umbanda × Race: RS has 3x more Umbanda than BA with a third of the Black population
  • Evangelical × Region: PI and AC have identical racial composition and opposite Evangelical shares
  • Temple × CNPJ: 80% of temples operate without formal business registration
  • Temple × Census: 1 in 4 temples is identified only by its field-recorded name

37Sanctions, Offshore Structures and the Architecture of Corporate Impunity

5 tables
Inequality & Society
global_icij_offshoreleaks.entities, global_opensanctions.entities, br_tcu_inidoneos.empresas, br_comprasgov_sicaf.fornecedores, br_pgfn_dividaativa.divida

The Offshore Leaks database in global_icij_offshoreleaks.entities holds 814,344 entities, 1,532 with Brazilian links — Panama and the British Virgin Islands hold 70%. br_comprasgov_sicaf.fornecedores lists 957,885 companies cleared to sell to the state against just 93 debarred in br_tcu_inidoneos. And br_pgfn_dividaativa.divida totals R$ 67.7 billion in unpaid severance contributions across 532,707 filings, 45.8% of the value in 1% of debtors.

Cross-dataset interactions
  • Offshore × Jurisdiction: 70% of Brazilian structures in Panama and the British Virgin Islands
  • SICAF × Audit court: 957,885 suppliers against 93 debarred companies — 0.01%
  • Severance × Concentration: 1% of debtors hold 45.8% of R$ 67.7 billion
  • Debt × Litigation: 35.9% of filings never became a court case
  • Nevada × Caribbean: a US state hosts more Brazilian offshore than the Seychelles

38Basic Education, Literacy and International Comparison

5 tables
Education & Science
world_oecd_pisa.student, br_inep_avaliacao_alfabetizacao.meta_alfabetizacao_brasil, br_inep_educacao_especial.brasil_taxa_rendimento, world_iea_timss.school_context_grade_4, world_iea_pirls.student_achievement, br_inep_formacao_docente.brasil, br_inep_sinopse_estatistica_educacao_basica.brasil, br_inep_sinopse_estatistica_educacao_basica.docente_regime_contrato

PISA in world_oecd_pisa.student allows crossing plausible_value_1_mathematics with index_economic_social_cultural_status: Brazil's richest quartile scores 425 against an OECD average of 465. br_inep_avaliacao_alfabetizacao shows the public network rising from 55.9% to 66.0% of children literate at the right age between 2023 and 2025, and br_inep_educacao_especial.brasil_taxa_rendimento reveals 10.7% failure during literacy against 3.8% in secondary school.

Cross-dataset interactions
  • PISA × Class: Brazil's richest quartile falls below the OECD average
  • Brazil × OECD: an 87-point maths gap, roughly three years of schooling
  • Literacy × Pace: +10.1 p.p. in two years in the public network
  • Special education × Stage: 10.7% failure during literacy against 3.8% in secondary
  • Dropout × Age: from 1.4% in early primary to 4.5% in secondary

39Justice, Audit Courts and the Cost of the Judiciary

4 tables
Politics, Justice & Security
br_cnj_estatisticas_poder_judiciario.recursos_financeiros, br_cnj_improbidade_administrativa.improbidade, br_stj_dadosabertos.processos, br_tcu_dadosabertos.acordaos

The justice council in br_cnj_estatisticas_poder_judiciario.recursos_financeiros details, court by court, proporcao_despesa_rh_dtj and despesa_total_justica_pc: 92.0% of state-court spending is payroll, and per-capita cost ranges from R$ 143 in Ceará to R$ 989 in the Federal District. The structure is 41,664 judges, 526,770 staff and 128,498 outsourced workers — roughly 13 staff per judge.

Cross-dataset interactions
  • Justice × Personnel: 92% of spending is payroll, 8% left for everything else
  • Cost × Territory: R$ 989 per inhabitant in the Federal District against R$ 143 in Ceará
  • Judge × Staff: 13 staff and 3 outsourced workers per judge
  • High spending × High payroll: the top per-capita spender has 3% left outside payroll
  • Density × Unit cost: sparsely populated states cost more per head

40Fiscal Federalism and Municipal Financial Capacity

5 tables
State & Public Policy
br_firjan_ifgf.ranking, br_tesouro_capag.municipios, br_tesouro_capag.estados, br_siop_orcamento.despesa, br_transferegov.convenios

The Firjan index in br_firjan_ifgf.ranking measures indice_firjan_gestao_fiscal across 5,568 municipalities: the national average rose from 0.546 in 2020 to 0.625 in 2022, but Santa Catarina (0.853) manages 2.4 times better than Sergipe (0.359), and the bottom eight states are all in the North and Northeast. br_tesouro_capag adds payment-capacity ratings for states and municipalities.

Cross-dataset interactions
  • SC × SE: a 2.4-fold difference in average municipal fiscal management
  • Ranking × Region: the bottom eight states are all in the North and Northeast
  • Fiscal management × Pandemic: the index rose from 0.546 to 0.625 between 2020 and 2022
  • Scale × Fixed cost: 5,570 municipalities replicate a minimum administrative structure
  • Transfers × Autonomy: fiscal improvement tracks federal transfers, not local management

41Nutrition, Drug Prices and Access to Health

5 tables
Health
br_anvisa_cmed.precos, br_ms_sisvan.microdados, br_saude_farmaciapopular.medicamentos, br_saude_bps.compras, br_ibge_pof.caracteristicas_dieta_2017

CMED in br_anvisa_cmed.precos sets the ceiling price of 51,140 presentations with tarja, substancia and pmc_0_pct: over-the-counter medicines have a median of R$ 36.35 against R$ 103.76 for red band and R$ 143.24 for restricted red band. Curiously the black band, under maximum control, costs less (R$ 81.88) than ordinary prescription — price follows the patent, not the sanitary risk.

Cross-dataset interactions
  • Prescription × Price: requiring a prescription nearly triples the median price
  • Restriction × Price: restricted red band costs 3.9x the over-the-counter medicine
  • Black band × Patent: maximum control is cheaper than ordinary prescription
  • Market × Prescription: 71.8% of regulated presentations require a prescription
  • Access × Appointment: the first barrier to medicine is obtaining the prescription

42Water, Climate and Threatened Biodiversity

6 tables
Territory & Environment
br_mma_extincao.fauna_ameacada, br_mma_extincao.flora_ameacada, br_ana_reservatorios.reservatorio, br_ana_telemetria.estacao, br_inmet_bdmep.microdados, br_inpe_queimadas.focos

The official list in br_mma_extincao holds 7,676 threatened species — 6,418 plants and 1,258 animals, five plants per animal. Within fauna, grupo shows fish leading with 388 species against just 103 mammals, and categoria records 322 critically endangered, 6 extinct and 36 possibly extinct. br_ana_reservatorios and br_inmet_bdmep complete water and climate monitoring.

Cross-dataset interactions
  • Flora × Fauna: 84% of Brazil's threatened species are plants
  • Fish × Mammal: 388 threatened fish species against 103 mammals
  • Visibility × Risk: the most threatened groups get the least public coverage
  • Critical × Extinct: 322 critically endangered and 46 already or possibly lost
  • Taxonomy × Undercount: a species not yet described cannot be declared threatened

43Culture, Sport and International Performance

5 tables
Inequality & Society
world_olympedia_olympics.game_medal_tally, world_olympedia_olympics.athlete_bio, world_sofascore_competicoes_futebol.partidas, world_imdb_movies.top_movies_per_year, world_ampas_oscar.premios

The complete record in world_olympedia_olympics.game_medal_tally sums gold and total by country since 1896: Brazil holds 150 medals and 37 golds against 3,009 and 1,195 for the United States. Brazil's gold conversion rate is 24.7%, the lowest among comparable powers (USA 39.7%), and France and Italy, with a third of the population, accumulate six times more podiums.

Cross-dataset interactions
  • Brazil × USA: 3,009 medals against 150 — a twentyfold difference
  • Conversion × Gold: Brazil converts 24.7% of medals to gold against 39.7% for the USA
  • Population × Podium: France and Italy have a third of the population and six times more medals
  • Talent × Structure: reaching the podium depends on the athlete; gold on the system
  • GDP × Result: ranking among the ten largest economies does not produce podiums