O que fazemos — e o que deliberadamente não fazemos — com dado de pessoa.

What we do — and deliberately do not do — with personal data.

Finalidade declarada: os dados de CNPJ e MEI da Receita Federal entram aqui com um único propósito — medir a textura de atividade econômica de cada geografia (quantos e quais tipos de negócio existem por região, comparados à média nacional via quociente locacional). Nunca para identificar, contatar, pontuar ou segmentar uma pessoa específica.

Declared purpose: CNPJ and MEI records from the Federal Revenue Service are used for one purpose only — measuring the economic activity texture of each geography (how many and which kinds of business exist per region, benchmarked against the national average via location quotient). Never to identify, contact, score or target a specific person.

Minimização aplicada. Telefone e e-mail nunca foram ingeridos, embora estejam na fonte aberta. E a razão social de MEI é, por lei, nome civil + CPF — 3,1 milhões de registros embutiam 11 dígitos. Medimos o custo de suprimi-la: zero. O nome fantasia de MEI está vazio em 13.654.459 dos 13.655.022 registros (0,0%), então a categorização de atividade vem inteiramente do CNAE — o nome da pessoa não carregava informação nenhuma. Ela é suprimida na consulta. Razão social de pessoa jurídica é preservada: é nome empresarial, dado público de empresa.

Minimisation applied. Phone and e-mail were never ingested, though present in the open source. And a MEI's legal name is, by law, civil name + taxpayer ID — 3.1 million records embedded an 11-digit sequence. We measured the cost of suppressing it: zero. MEI trade names are empty in 13,654,459 of 13,655,022 records (0.0%), so activity categorisation comes entirely from the CNAE code — the person's name carried no information at all. It is suppressed at query time. Company legal names are preserved: those are business names, public corporate data.

A população exibida no produto é sintética: estatisticamente representativa, gerada por ajuste proporcional iterativo sobre marginais agregadas do Censo 2022. Nenhuma linha corresponde a uma pessoa real.

The population shown in the product is synthetic: statistically representative, generated by iterative proportional fitting over aggregated Census 2022 marginals. No row corresponds to a real person.

Uma população sintética do Brasil — e uma camada de demanda por cima dela.

A synthetic population of Brazil — with a demand layer on top.

Reconstruímos cada um dos 203 milhões de brasileiros como indivíduos sintéticos (sexo, idade, cor/raça, município) e os agrupamos em 74 milhões de domicílios com estágio de ciclo de vida e classe de renda. Esse substrato é reutilizável: cada indústria pluga sua propensão de consumo e sua âncora de mercado. Hoje há duas verticais de demanda sobre o mesmo substrato — automotivo (R$ 350 bi/ano, por segmento, marca, combustível e praça) e sorvete (1,1 bi L/ano, R$ 24 bi, com eixo de clima). Sobre eles, camadas de contexto (política, religião, negócios, comunidades) recortam o perfil de cada praça.

We reconstruct each of Brazil's 203 million people as synthetic individuals (sex, age, race, municipality) and group them into 74 million households with life-stage and income class. This reusable substrate lets any industry plug in its consumption propensity and market anchor. Today there are two demand verticals on the same substrate — automotive (R$ 350 bn/yr, by segment, brand, fuel and place) and ice cream (1.1 bn L/yr, R$ 24 bn, with a climate axis). On top, context layers (politics, religion, business, communities) profile each place.

Substrato × propensão × calibração × validação

Substrate × propensity × calibration × validation

A lógica é a mesma para qualquer vertical. O dado real entra em cada elo; o único parâmetro de modelo é o β do ajuste de renda (calibrado contra a realidade).

The same logic serves any vertical. Real data enters every link; the only model parameter is the income-tilt β (calibrated against reality).

Tudo dado público ou licenciado, nada inventado

All public or licensed data, nothing invented

Como cada número é construído

How each number is built

1. População sintética (IPF). Combinamos as marginais do Censo (quantas pessoas por idade×sexo e por cor/raça em cada município) com uma amostra-semente, ajustando por Iterative Proportional Fitting até casar todas as marginais, e expandimos em indivíduos.

1. Synthetic population (IPF). Census marginals (people by age×sex and by race per municipality) are fitted to a seed sample via Iterative Proportional Fitting until all marginals match, then expanded into individuals.

2. Domicílios + classe por município. A distribuição de classe da UF (PNAD-C) é inclinada pela renda real de cada município (Censo). Município mais rico → mais classes A/B.

2. Households + municipal class. The state-level class mix (PNAD-C) is tilted by each municipality's real income (Census). Richer municipality → more A/B.

3. Demanda por segmento. Para cada domicílio, a propensão a cada segmento é o produto das afinidades reais do TGI (classe × ciclo de vida × região). O total é calibrado ao volume e ao mix da Fenabrave — o TGI dá a forma, a Fenabrave dá o nível.

3. Demand by segment. Each household's propensity to a segment is the product of real TGI affinities (class × life-stage × region). Totals are calibrated to Fenabrave volume & mix — TGI gives the shape, Fenabrave the level.

Exemplo de afinidade TGI: SUV tem índice 603 na classe A (6× a média) e ~126 em famílias com filhos pequenos. O valor de mercado = unidades × ticket médio do segmento.

TGI affinity example: SUV indexes 603 in class A (6× average) and ~126 for families with young kids. Market value = units × segment average ticket.

4. Eletrificação. Eletrificados são uma fração da demanda de cada município, puxada pela afinidade de combustível do TGI por classe — quem tem elétrico indexa 464 na classe A vs 27 na E. Por isso o % eletrificados acompanha a renda: Sudeste/DF no topo (DF 24%, SP/RJ ~19%), Nordeste embaixo (MA 9%). O total é calibrado à Fenabrave (~432 mil/ano, 63% híbridos). Não usamos afinidade por UF aqui (amostra pequena do TGI gerava ruído — antes invertia para o NE).

4. Electrification. Electrified is a fraction of each municipality's demand, driven by TGI fuel affinity by class — EV owners index 464 in class A vs 27 in E. So the electrified % tracks income: Southeast/DF on top, Northeast at the bottom. Total calibrated to Fenabrave (~432k/yr, 63% hybrid). No per-state affinity here (small TGI sample added noise).

5. Projeção 24 meses. Taxas de fecundidade por idade aplicadas às mulheres sintéticas de cada município → nascimentos → novas famílias no "gatilho" → demanda incremental por segmento.

5. 24-month projection. Age-specific fertility rates applied to each municipality's synthetic women → births → new "trigger" families → incremental segment demand.

6. Demanda de sorvete (2ª vertical). Mesma lógica do automotivo, com eixo próprio de clima. A forma intra-regional vem de população × renda × calor; o total é reescalado por região para bater as fatias da ABIS (SE 52% · NE 19% · S 15% · CO 9% · N 5%) sobre o per-capita nacional (5,4 L/hab/ano → 1,1 bi L). O calor é proxy de latitude (Norte quente=1 … Sul frio=0) e vira o eixo de sazonalidade. Ressalva honesta: o nacional e os 5 regionais são âncora ABIS; o número por município é inferência do modelo, não medição. O TGI de sorvete (quando entrar) troca o tilt de renda/clima por afinidade real.

6. Ice-cream demand (2nd vertical). Same logic as automotive, with its own climate axis. Intra-regional shape comes from population × income × heat; the total is rescaled per region to match ABIS shares (SE 52% · NE 19% · S 15% · CO 9% · N 5%) over the national per-capita (5.4 L/yr → 1.1 bn L). Heat is a latitude proxy and drives seasonality. Honest caveat: national and the 5 regional totals are the ABIS anchor; the per-municipality figure is model inference, not measurement. Ice-cream TGI (when added) replaces the income/heat tilt with real affinity.

Cada dado tem rótulo: de onde veio e em que grão

Every dataset is labeled: source and grain

Disciplina do produto (padrão JOIN'): toda fonte nova aparece na aba Data com dois rótulos — tipo (dado observado/licenciado vs modelo calculado) e granularidade. São três grãos:

Product discipline (JOIN' standard): every new source shows on the Data tab with two labels — kind (data observed/licensed vs model computed) and granularity. Three grains:

Por isso a contagem de POIs por município (agregado) é diferente do modo Pins, que plota as coordenadas de cada ponto — o mesmo dado em outro grão. E é por isso que o número municipal de sorvete é honestamente um modelo calibrado, não uma medição praça a praça.

That's why the per-municipality POI count (aggregate) differs from Pins mode, which plots each point's coordinates — the same data at a different grain. And why the municipal ice-cream figure is honestly a calibrated model, not a place-by-place measurement.

Aferido contra a frota real — e honesto sobre o que falta

Tested against real fleet — and honest about gaps

Contra a frota SENATRAN (dez/2025, fonte independente): intensidade por domicílio 0,84, distribuição espacial 0,88, por UF 0,97, SUV 0,90 (correlação de Spearman). E o nível bate: o modelo prevê ~2,0 mi de carros de passeio/ano e as adições líquidas reais de frota foram ~2,0 mi — diferença < 2%, independente da Fenabrave.

Against SENATRAN fleet (Dec/2025, independent): per-household intensity 0.84, spatial 0.88, by state 0.97, SUV 0.90 (Spearman). And the level matches: model predicts ~2.0M passenger cars/yr vs ~2.0M real net fleet additions — <2% gap, independent of Fenabrave.

Limites (sem maquiagem): a renda entra por município, mas classe e ciclo de vida dos domicílios vêm da UF — a variação fina é entre-UFs. A propensão TGI é nacional (não por município). A projeção usa fecundidade-padrão (não SINASC municipal). E a frota oficial tem "frota fantasma" fiscal — em vários casos o modelo de uso é mais fiel que o RENAVAM.

Limits (no spin): income enters per municipality, but household class & life-stage come from the state — fine variation is between states. TGI propensity is national. The projection uses standard fertility (not municipal SINASC). And the official registry carries fiscal "phantom fleet" — in several cases the usage model beats RENAVAM.

Dados sintéticos, estatisticamente representativos. Não representam indivíduos reais.

Synthetic, statistically representative data. Does not represent real individuals.