Introdução

O setor mineral brasileiro movimenta bilhões de reais ao ano, mas sua eficiência econômica não pode ser avaliada apenas pelo volume extraído. A verdadeira riqueza está no valor agregado, isto é, no quanto o minério passa a valer após beneficiamento e processamento industrial.

Contudo, essa informação raramente é comparada lado a lado, produção bruta (ROM), produção beneficiada, quantidade vendida, valor total de venda e principalmente o valor médio por tonelada.

Diante disso, este projeto busca responder:

“Quais substâncias, classes e UFs realmente geram mais riqueza por tonelada, qual a concentração geográfica dessa riqueza e como ela evoluiu ao longo do tempo?”

Pacotes Necessários

-> organizar explicação sobre os pacotes

library(readr)     # Importação com localização brasileira
library(dplyr)     # Manipulação e transformações
library(tidyr)     # Organização e separação de colunas
library(stringr)   # Limpeza de strings
library(DT)        # Visualização
library(scales)    # Formatação (moeda, número)

Preparação dos Dados

-> adicionar texto explicando as as colunas de ambas as tabelas

Carregando os dados

df_bruta <- read_csv("Producao_Bruta.csv",locale = locale(encoding = "Latin1"), show_col_types = FALSE) %>%
  rename(
    Ano = `Ano base`,
    Substancia = `Substância Mineral`,
    Classe_Substancia = `Classe Substância`
  )

df_beneficiada <- read_csv("Producao_Beneficiada.csv",locale = locale(encoding = "Latin1"), show_col_types = FALSE) %>%
  rename(
    Ano = `Ano base`,
    Substancia = `Substância Mineral`,
    Classe_Substancia = `Classe Substância`
  )

DT::datatable(head(df_bruta), options = list(scrollX = TRUE, dom = 't'))
DT::datatable(head(df_beneficiada), options = list(scrollX = TRUE, dom = 't'))
### Juntar as tabelas

### Limpeza e padronização de valores

Análise Exploratória

Conclusões

Referências