datacaged

O datacaged é um pacote R que automatiza todo o fluxo de trabalho com os microdados do CAGED (Cadastro Geral de Empregados e Desempregados), desde o download até o armazenamento estruturado em banco analítico local (DuckDB), permitindo consultas rápidas e escaláveis com dplyr ou SQL.

---

Visão geral

• 📥 Download automatizado dos microdados diretamente do FTP do MTE

• 📦 Leitura e normalização de arquivos .7z (CAGED antigo e Novo CAGED)

• 🗄️ Armazenamento eficiente em banco DuckDB

• 🔄 Pipeline completo em uma única função

• 📊 Integração com dplyr para análise de dados

• 🧩 Suporte a múltiplas bases:

  • Novo CAGED (2020+)
  • CAGED antigo (1992–2019)
  • CAGED Ajustes (correções históricas)

---

Instalação

Via GitHub

# install.packages("pak")
pak::pkg_install("gecomt/datacaged")

Via remotes

# install.packages("remotes")
remotes::install_github("gecomt/datacaged")

---

Uso rápido

library(datacaged)

# Pipeline completo
caged_load(
  years  = 2022:2023,
  months  = seq_len(12L),
  db_path = "caged.duckdb"
)

# Ajustes
caged_adjustments_load(
  years = 2018:2019,
  db_path = "caged.duckdb"
)

# Baixar os layouts oficiais do CAGED
caged_download_layouts(type = "ambos")

# Conexão
con <- caged_connect("caged.duckdb")

# Análise
library(dplyr)

dplyr::tbl(con, "caged_mov") |>
  filter(uf == 35, competenciamov >= 202201L) |>
  group_by(competencia) |>
  summarise(saldo = sum(saldomovimentacao, na.rm = TRUE)) |>
  collect()

---

Pipeline

Download → Extração → Parsing → Normalização → DuckDB → Análise

---

Funções principais

Função	Descrição
caged_load()	Pipeline completo
caged_adjustments_load()	Pipeline de ajustes
caged_download()	Download dos arquivos
caged_download_layouts()	Download dos layouts oficiais
caged_parse()	Leitura de arquivos
caged_parse_batch()	Processamento em lote
caged_to_duckdb()	Persistência no banco
caged_connect()	Conexão
caged_info()	Metadados
caged_status()	Status do FTP
caged_ftp_files()	Lista arquivos

---

Download de layouts

O pacote também baixa os arquivos de layout oficiais do CAGED e Novo CAGED, úteis para conferência de estrutura, dicionários de variáveis e validação de colunas.

caged_download_layouts()
caged_download_layouts(type = "antigo")
caged_download_layouts(type = "novo")
caged_download_layouts(type = "ajustes")

A função salva os arquivos em cache local por padrão e retorna um tibble com o status de cada download.

---

Estrutura do banco

Tabela	Conteúdo	Período
caged_mov	Movimentações	2020+
caged_for	Informações complementares	2020+
caged_exc	Exclusões	2020+
caged_antigo	Histórico	1992–2019
caged_ajustes	Ajustes	1992–2019

---

Casos de uso

• Análise do mercado de trabalho
• Indicadores econômicos
• Pesquisa acadêmica
• Monitoramento de emprego formal
• Modelagem econométrica

---

Dependências

• duckdb
• dplyr
• archive
• readr
• cli

---

Requisitos

• R ≥ 4.1.0
• 7-Zip (opcional, para arquivos PPMd do CAGED antigo)

---

Licença

MIT © Alexsandro Prado

---

Contribuições

Pull requests são bem-vindos. Para mudanças maiores, abra uma issue primeiro.

---

Contato

Autor: Alexsandro Prado Email: alexsandro.prado@ufersa.edu.br GitHub: https://github.com/gecomt/datacaged