Importância

Trabalhar com desenvolvimento de software exige conhecimento multidisciplinar e estudo. É comum observar que pessoas novatas na área sintam-se frustradas pela quantidade de assuntos paralelos que estão envolvidos no aprendizado de uma “simples” linguagem de programação.

Para um programador Java, por exemplo, espera-se que ele tenha conhecimento de versionamento de código, Programação Orientada a Objetos (POO), modelagem de banco de dados, conexão a banco de dados, frameworks entre diversos outros assuntos que se fossemos citar aqui seria uma lista gigantesca.

É humanamente impossível, um indivíduo saber com perfeição todos os tópicos que envolvem um fluxo de desenvolvimento de software. Entramos na Universidade, achando que estamos 100% prontos para resolver qualquer problema complexo no mercado de trabalho, mas a realidade não é essa.

No dia-a-dia no mercado de trabalho, bem como na universidade, frequentemente desenvolvedores de todo o mundo recorrem à internet em busca de dúvidas e, hoje, um dos ambientes mais utilizados é o Stack Overflow, que serve como uma comunidade de programadores, um espaço em que os profissionais/estudantes podem trocar dicas, elencar soluções e esclarecer dúvidas sobre códigos.

Por ser uma das ferramentas mais utilizadas, com o propósito de troca de conhecimento em programação. Esperamos, inferir através da comunidade de usuários da plataforma, informações como: “Comparativo salarial dos desenvolvedores ao redor do mundo”, “Escolaridade dos profissionais”, “Gênero dos profissionais de desenvolvimento”.

Origem dos dados

Os dados são provenientes de uma plataforma que reúne diversas bases de dados disponíveis publicamente e de forma gratuita sendo suficiente realizar um cadastro na plataforma. A base de dados se encontra-se aqui: link do database stack-overflow 2022. Esse database possue diversas características relacionadas aos desenvolvedores que responderam a pesquisa do StackOverflow em 2022.

Os dados variam desde a educação do desenvolvedor até o hobby dele. Dessa maneira, iremos, neste projeto, realizar uma análise exploratória dos dados extraindo características dos desenvolvedores como sua educação, trabalho, salário entre outra(s) característica(s).

A partir disso iremos elencar os países desses desenvolvedores em um conjunto de análises de maneira a visualizar pontos como a mediana salarial dos desenvolvedores ao redor do mundo, educação dos desenvolvedores por país, experiência de trabalho baseada no sexo e densidade de profissionais em cada país.

Tais extrações possibilitam uma análise de mercado que pode auxiliar na tomada de decisão de profissionais iniciantes na carreira do desenvolvimento ou até mesmo quem pensa em fazer uma transição de carreira.

Leitura do dataset

A leitura do dataset foi realizada utilizando o seguinte comando, com a base de dados baixada na máquina pessoal:

dataset_path = "dataset/survey_results_public/survey_results_public.csv"
dataset <- read.csv(dataset_path)

Para realizar o download da base, assim como foi descrito na introdução, baixa acessar esse link.

O dataset possui 73268 linhas e 79 colunas. Inicialmente realizamos um tratamento para remover colunas que só pussuem valores na da seguinte forma:

dataset = dataset[colSums(!is.na(dataset)) > 0] %>% select(-ResponseId) %>% filter(MainBranch == "I am a developer by profession")

Após o tratamento, onde filtramos apenas pelas pessoas que exercem a profissão de desenvolvedor, o dataset resultante ficou com 53507 linhas e 76 colunas. Para fim de visualização dos dados, fizemos uma limpeza nos NA presentes sendo dispostos da seguinte forma:

Comparativo Salarial entre Profissionais por países

Nessa primeira análise, faremos um novo pré processamento na base inicialmente tratada. E criaremos um subset contendo as seguintes colunas:

• Country -> País do usuário

• ConvertedCompYearly -> Quanto o usuário recebe como pagamento anual total em USD

• Levaremos em consideração valor de compensação anual para de no mínimo mil USD e no máximo 2 milhões USD

firstData <- select(dataset, Country, ConvertedCompYearly) %>% dplyr::filter(ConvertedCompYearly >= 1000 & ConvertedCompYearly <= 2000000) %>% drop_na()

Após isso, temos o seguinte subset:

head(firstData, 10) %>% kable() %>% kableExtra::kable_styling(bootstrap_options = c("responsive", "striped", "hover", "condensed"))

E então, tiraremos a mediana salarial dos dez países com mais respostas ao questionário do Stack Overflow. Vale salientar, que escolhemos a mediana pois,

df <- firstData %>% 
  group_by(Country) %>% mutate(median = median(ConvertedCompYearly), count = n()) %>% group_by(Country, median, count) %>% tally(sort = TRUE)


ggplot(data = head(df, 10), aes(x = median, y = Country, fill = "red")) +
  geom_bar(stat='identity', show.legend = FALSE) +
  theme_minimal() +
  ggtitle("Mediana salarial anual em USD por Pais") +
  ylab('Paises') + xlab('Mediana salarial')  + 
  geom_text(aes(label=median),hjust = -0.2, color="black",
            position = position_dodge(0.9), size=3.5) + xlim(c(0,200000))

Comparativo da educação dos desenvolvedores por país

Nessa seção iremos fazer um comparativo do nível educacional dos desenvolvedores baseado em seu país de nascença. Para isso teremos que coletar as colunas “EdLevel” e “Country” as quais correspondem, respectivamente, ao nível de educação e o país de origem do desenvolvedor. O seguinte código ira gerar um subset com a educação de cada desenvolvedor da base e uma correlação com seu país de origem:

education_country <- dataset %>% select(EdLevel, Country) %>% drop_na()

Após isso, obtemos o seguinte subset:

head(education_country) %>% 
  kable() %>% 
  kableExtra::kable_styling(bootstrap_options = c("responsive", "striped", "hover", "condensed"))

De maneira a facilitar a construção dos dados de forma visual, criaremos um subset elencando apenas os 5 países com maior quantidade de desenvolvedores da seguinte forma:

education_country$EdLevel <- as.factor(education_country$EdLevel)
education_country$Country <- as.factor(education_country$Country)

countries <- as.list(levels(education_country$Country))
dev_by_country = data.frame()

for (row in 1:length(countries)) {
  dev_by_country[row, "Devs"] <- nrow(education_country %>% filter(Country == countries[row]))
  dev_by_country[row, "Country"] <- countries[row]
}

education_levels = as.list(levels(education_country$EdLevel))
dev_by_country = dev_by_country %>% arrange(desc(Devs)) %>% slice_head(n = 5)

data = data.frame()
for (education in education_levels) {
  for (country in dev_by_country$Country) {
    temp = data.frame(ed_level = education, country = country, 
                      count = nrow(education_country %>% 
                                     filter(EdLevel == education, 
                                            Country == country)))
    data = rbind(data, temp)
  }
}

legend_names = c("1","2","3","4","5","6","7","8","9")

colors = rainbow(5)
barplot(matrix(data$count, nrow = 5, ncol = 9), main="Relação países x nível educacional", names.arg=legend_names, xlab="Nível educacional", ylab="Quantidade de desenvolvedores", col=colors, beside = T)

legend("topright",pch=15,col=colors,legend=dev_by_country$Country, cex = 0.65)
legend("right", pch=legend_names, legend=education_levels, cex = 0.55)