👮‍♂️ Informações de Segurança Pública do Estado do Rio de Janeiro 🚓

Dados Abertos do Instituto de segurança pública (ISP)

🖥️ Demo App

🧠 Sobre o Projeto

Uma solução analítica desenvolvida para monitorar, analisar e interpretar dados de segurança pública do estado do Rio de Janeiro utilizando dados oficiais do Instituto de Segurança Pública do RJ.

O projeto foi construído com foco em:

• análise orientada à tomada de decisão
• identificação de padrões criminais
• monitoramento de indicadores críticos
• análise geoespacial e temporal
  
  

🔘 Objetivo

Criar um Dashboard em Power BI, para a visualização das informações do anuário de Segurança Pública do Estado do Rio de Janeiro.

E apresentar analises comparativas, dos principais indicadores de criminalidade e de atividade policial do estado no período de 2003 a 2025.

Os dados são provenientes do Instituto de Segurança Pública do Estado do Rio de Janeiro, com séries históricas tratadas e modeladas para análise temporal e geoespacial.

As informações contidas nesse estudo foram extraídas dos registros de ocorrências lavrados nas delegacias de polícia da Secretaria de Estado da Polícia Civil (SEPOL).

Os dados apresentados nesse estudo acadêmico, tem o objetivo de desenvolver habilidades técnicas, utilizando dados abertos.

💾 Coleta de Dados

Os dados foram coletados do sítio do Instituto de segurança pública (ISP), no dia 01/03/2026.

Dataset: Estatísticas de segurança: série histórica mensal por área de delegacia desde 01/2003.

https://www.ispdados.rj.gov.br/estatistica.html

---

Dataset: População Residente - Estudo de Estimativas Populacionais por Município

https://tabnet.datasus.gov.br/cgi/deftohtm.exe?ibge/cnv/popsvs2024br.def

---

Dataset: Relação das Regiões, Áreas e Circunscrições Integradas de Segurança Pública (Bairros/Distritos, Municípios e Regiões de Governo).

https://www.ispdados.rj.gov.br/Conteudo.html

As Circunscrições Integradas de Segurança Pública - CISP, correspondem às áreas territoriais de atuação e responsabilidade conjunta das delegacias distritais da Secretaria de Estado de Polícia Civil (SEPOL) e das companhias integradas da Secretaria de Estado de Polícia Militar (SEPM)

♻️ Pré-processamento

Esta é a etapa mais demorada e trabalhosa do projeto de ciência de dados, e estima-se que consuma pelo menos 70% do tempo total do projeto.

Após coletar e analisar os dados na etapa anterior, é necessário limpar, transformar e apresentar melhor os seus dados, a fim de obter, na próxima etapa, os melhores resultados possíveis nos algoritmos de machine learning ou simplesmente apresentar dados mais confiáveis para os clientes em soluções de business intelligence.

Como o nosso objetivo é criar um Dashboard em Power BI, iremos minimizar ao máximo o tamanho e a granularidade dos Datasets disponibilizados, a fim de termos um ambiente mais "leve" para a leitura dos dados.

🛠️ Principais técnicas utilizadas:

• Limpeza: Consiste na verificação da consistência das informações, correção de possíveis erros de preenchimento ou eliminação de valores desconhecidos, redundantes ou não pertencentes ao domínio.

• Padronização de dados: Dentro da programação, possuímos alguns padrões de escrita para nomes de variáveis, funções, classes e assim por diante. Nesse projeto iremos utilizar Snake Case (snake_case) nesse estilo, todas as letras são minúsculas e as palavras são separadas por um underscore(_).

• Agregação: Também pode ser considerada uma técnica de redução de dimensionalidade, pois reduz o número de linhas e colunas de um dataset.

• Tratamendo de dados faltantes (missing): Identificamos e, em seguida, tratamos com um valor adequado. Não foi necessario a exclusão desses registros.

🔨 Ferramentas utilizadas

🎨 UI/UX

Acesse o design de interface no Figma!

📈 Indicadores

• Crimes contra a vida
• Crimes contra o patrimonio
• Atividade Policial

📊 Principais Funcionalidades

🚨 Monitoramento de KPIs

• Total de Crimes por categoria e tipo
• Taxa por 10 mil habitantes
• Variação percentual mensal e anual

🗺️ Análise Geoespacial

• Distribuição de crimes por município
• Distribuição de crimes por RISP (Mapa personalizado)
• Identificação visual de áreas prioritárias

📈 Análise Temporal

• Evolução histórica da criminalidade
• Tendências de crescimento e redução

📌 Diferenciais do Projeto

✔ Dados públicos oficiais

✔ Modelagem dimensional profissional

✔ Design orientado à UX

✔ Indicadores analíticos avançados

✔ Análise geoespacial integrada

✔ Estrutura escalável para expansão futura

🧱 Arquitetura de Dados

O projeto utiliza modelagem dimensional no padrão Star Schema, garantindo:

• melhor performance;
• escalabilidade;
• facilidade analítica.
  
  

🔮 Próximos Passos

• Implementação de modelos preditivos (Forecast/ ARIMA / Prophet)
• Atualização automatizada dos dados
  
  

👨‍💼💻 Author

Gabriel Prata

Built with Data, Analytics & Coffee