Resumo Executivo

Miguel Lima da Silva; Paula Ribeiro Santos

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Em julho de 2025, o cenário laboral brasileiro apresentou indicadores significativos, com a menor taxa trimestral de desemprego da série histórica iniciada em 2012, atingindo 5,6% de pessoas desocupadas. Paralelamente, a taxa de informalidade recuou para 37,8%, enquanto a população ocupada alcançou o maior patamar absoluto já registrado (Agência IBGE Notícias, 2025). Esse panorama de aquecimento levanta questões fundamentais sobre a previsibilidade dos vínculos formais para os anos subsequentes, uma vez que projeções assertivas são vitais para o planejamento econômico e a formulação de políticas de formação profissional. A previsão de demanda, conforme definido por Petropoulos et al. (2018), constitui uma metodologia administrativa essencial para estimar valores futuros de grandezas de interesse por meio do reconhecimento de padrões em séries históricas e da identificação de fatores causais. No Brasil, iniciativas como o Mapa de Demandas por Educação Profissional buscam alinhar a oferta de cursos técnicos às trajetórias promissoras do mercado formal (Ministério da Educação; Secretaria de Estado de Desenvolvimento Social de Minas Gerais, 2023). Embora tais estudos utilizem microdados da Relação Anual de Informações Sociais (RAIS) para ranquear ocupações, frequentemente carecem de projeções quantitativas diretas sobre o comportamento futuro. Outro esforço relevante é o Mapa do Trabalho Industrial 2025-2027, que utiliza modelagens econométricas para identificar demandas futuras especificamente no setor industrial (Sistema Indústria, 2024). Contudo, a necessidade de uma análise que englobe a totalidade do mercado de trabalho formal, desagregada por classificações geográficas, setoriais e ocupacionais, permanece como uma lacuna técnica a ser preenchida por modelos de séries temporais robustos.

A fundamentação teórica para a análise de dados ordenados no tempo baseia-se no conceito de série temporal, que pode ser univariada ou multivariada, discreta ou contínua, e classificada como determinística ou estocástica. Os componentes fundamentais de uma série incluem a tendência, que indica a direção do movimento das observações; a sazonalidade, caracterizada por flutuações regulares em períodos fixos; e a ciclicidade, que envolve oscilações de longo prazo sem período definido (Morettin; Toloi, 2006). A investigação desses mecanismos permite não apenas descrever o comportamento histórico, mas também gerar previsões que subsidiem a tomada de decisão. Para a construção de uma base de dados fidedigna, a RAIS apresenta-se como o registro administrativo mais completo, consolidando estatísticas sobre estabelecimentos e vínculos empregatícios no Brasil desde 1975 (Ministério do Trabalho e Emprego, 2024). A análise aqui estruturada retroage a 2006, ano que marca a implementação da versão 2.0 da Classificação Nacional de Atividade Econômica (CNAE), garantindo uma série histórica consistente de 18 anos (Ministério do Trabalho e Emprego, 2007). A compreensão da estrutura hierárquica da CNAE, que organiza as atividades em seções, divisões, grupos, classes e subclasses, é crucial para a comparabilidade das estatísticas econômicas (Instituto Brasileiro de Geografia e Estatística, 2007). Complementarmente, a Classificação Brasileira de Ocupações (CBO) organiza as funções laborais em cinco níveis hierárquicos, permitindo análises detalhadas desde grandes grupos até ocupações específicas (Ministério do Trabalho e Emprego, 2017).

O detalhamento metodológico deste estudo envolveu a organização dos microdados da RAIS em um formato hierárquico composto pelas variáveis de ano, Unidade Federativa (UF), Grande Grupamento de Atividade Econômica (CNAE) e Grande Grupo da CBO. A variável de interesse é a quantidade de vínculos formais, tratada como um dado quantitativo discreto. Durante o tratamento dos dados, identificou-se um contingente residual de informações ausentes ou não identificadas, representando apenas 0,29% do total acumulado entre 2006 e 2023, o que justificou sua exclusão sem prejuízo à integridade da análise. O processo analítico seguiu quatro etapas rigorosas. Inicialmente, realizou-se a estatística descritiva para mapear o comportamento dos vínculos ao longo do tempo. Na segunda etapa, avaliou-se a autocorrelação por meio da Função de Autocorrelação (FAC) e da Função de Autocorrelação Parcial (FACP), além de testar a estacionariedade da série. Uma série é considerada estacionária quando sua média e variância permanecem constantes ao longo do tempo, facilitando a modelagem (Morettin; Toloi, 2006). Para confirmar a presença de raízes unitárias, aplicou-se o teste de Kwiatkowski-Phillips-Schimidt-Shin (KPSS), que assume a estacionariedade como hipótese nula (Kwiatkowski; Phillips; Schimidt; Shin, 1992). Caso a série original não fosse estacionária, procedia-se à diferenciação para estabilizar os dados.

A terceira etapa consistiu na estimação e comparação de diversos modelos de previsão, incluindo abordagens simples como Mean, Naive e Drift, e métodos complexos como Regressão Linear, Suavização Exponencial (ETS), ARIMA, Redes Neuronais e Prophet. Os modelos ETS lidam com médias ponderadas de observações passadas, onde os pesos decrescem exponencialmente (Hyndman; Athanasopoulos, 2021). Já os modelos Autorregressivos Integrados de Médias Móveis (ARIMA) combinam componentes autorregressivos (AR) e de médias móveis (MA) com diferenciações (I) para tornar a série estacionária (Box; Jenkins; Reinsel; Ljung, 2016). Para lidar com a estrutura hierárquica dos dados, empregou-se a técnica de reconciliação ótima Minimum Trace (MinT), estimada por mínimos quadrados ordinários (OLS). Essa abordagem garante que as previsões em diferentes níveis de agregação sejam coerentes entre si, minimizando a variância total do conjunto de projeções (Hyndman; Athanasopoulos, 2021). A seleção do melhor modelo para cada agrupamento baseou-se no Critério de Informação de Akaike (AIC), priorizando o equilíbrio entre ajuste e parcimônia. A acurácia foi avaliada pelo Erro Percentual Absoluto Médio (MAPE), métrica adequada para comparar séries de diferentes magnitudes (Hyndman; Koehler, 2006). O diagnóstico dos resíduos foi realizado através do teste de Ljung-Box para garantir a ausência de autocorrelação serial (Ljung; Box, 1978). Todo o processamento operacional foi executado em linguagem R, versão 4.5.1, utilizando o pacote fable para automação das combinações de parâmetros.

Os resultados históricos revelam que o mercado de trabalho formal brasileiro experimentou um crescimento robusto entre 2006 e 2014, seguido por uma retração acentuada no biênio 2015-2016 e um período de estagnação até 2020. A partir de 2021, observou-se uma retomada vigorosa, culminando em um pico histórico em 2023 com aproximadamente 55 milhões de vínculos formais. Em termos absolutos, o país adicionou mais de 20 milhões de postos de trabalho no período analisado, o que representa uma evolução de 58,56%. Regionalmente, todas as unidades federativas apresentaram crescimento, com destaque para estados como Roraima, que mais que triplicou seu contingente, e Acre, Amapá, Goiás, Maranhão, Mato Grosso, Piauí e Tocantins, que praticamente dobraram suas bases de vínculos. São Paulo consolidou sua posição como o principal polo empregador, detendo 28,01% do total nacional com mais de 15 milhões de vínculos em 2023. Setorialmente, o grupamento de Serviços demonstrou a maior representatividade, respondendo por 56,92% do mercado, seguido pelo Comércio com 18,77% e pela Indústria com 15,83%. É notável que, entre 2006 e 2008, a Indústria ocupava o segundo posto em representatividade, sendo posteriormente superada pelo Comércio. O setor de Construção, embora tenha quase dobrado seu volume de vínculos, manteve-se como o quarto maior grupamento.

A análise das ocupações via CBO indicou que o Grande Grupo 5, referente a trabalhadores dos serviços e vendedores do comércio, detém a maior fatia do mercado, com 25,19% em 2023. Seguem-se os trabalhadores de serviços administrativos (18,44%) e os profissionais das ciências e das artes (12,70%). Um dado relevante é o crescimento dos profissionais de nível superior e técnicos, que apresentaram evoluções de 107,33% e 76,23%, respectivamente, sinalizando uma sofisticação da demanda por mão de obra qualificada. Em contrapartida, o grupo de membros das forças armadas, policiais e bombeiros militares foi o único a registrar retração absoluta no período, reduzindo seu contingente em 47,89%. Na fase de modelagem, o teste KPSS confirmou a não estacionariedade da série original (p-valor 0,0315), exigindo a aplicação de uma diferenciação, que resultou em uma série estacionária (p-valor 0,1000). Na comparação de desempenho, o modelo ARIMA superou os demais para a maioria dos agrupamentos, apresentando um MAPE de 3,83% para o total do Brasil e 2,31% para o nível de CNAE. O teste de Ljung-Box ratificou a qualidade do modelo ARIMA, com 100% dos grupos nos níveis de UF, CNAE e CBO apresentando resíduos sem autocorrelação.

As projeções para o biênio 2024-2025 indicam a continuidade da trajetória de crescimento. Estima-se que o Brasil alcançará 57 milhões de vínculos formais até o fim de 2025, o que representa um incremento de aproximadamente 2,4 milhões de postos em relação a 2023, ou uma evolução de 4,38%. No âmbito estadual, São Paulo deve liderar o crescimento absoluto com a criação de mais de 600 mil novos vínculos. Contudo, em termos relativos, o estado do Tocantins projeta a maior expansão, com alta de 21,41%. No recorte setorial, o setor de Serviços continuará sendo o principal motor de geração de empregos, com previsão de 1,8 milhão de novos vínculos (alta de 5,87%). O setor de Agropecuária também deve apresentar crescimento positivo de 7,38%, enquanto a Indústria sinaliza uma retração marginal de 2,29%, equivalente a cerca de 200 mil postos a menos. Quanto às ocupações, os profissionais das ciências e das artes e os técnicos de nível médio devem manter a tendência de alta, com crescimentos projetados superiores a 10% cada. O grupo de trabalhadores dos serviços e vendedores deve adicionar cerca de 670 mil postos. Essas evidências sugerem que a demanda por profissionais com formação técnica e superior continuará em ascensão, orientando as instituições de ensino e o governo na priorização de investimentos em educação profissional.

A discussão dos resultados permite inferir que a metodologia de reconciliação ótima MinT, aliada ao modelo ARIMA, mostrou-se altamente eficaz para capturar a dinâmica do mercado de trabalho brasileiro em níveis agregados. A assertividade das previsões, demonstrada pelo baixo MAPE no primeiro ano de teste, reforça a utilidade desses modelos para o planejamento de curto e médio prazo. Entretanto, reconhece-se que a desagregação em níveis muito profundos da CBO ou CNAE esbarra na limitação do número de pontos de dados disponíveis, uma vez que 18 observações anuais podem ser insuficientes para capturar padrões complexos em séries altamente voláteis. Pesquisas futuras poderiam explorar o uso de dados mensais provenientes do Novo Caged para aumentar a frequência das observações, além de integrar variáveis macroeconômicas externas, como o Produto Interno Bruto (PIB) e taxas de juros, que possuem correlação direta com a geração de empregos formais. A aplicação de algoritmos de machine learning multivariados também poderia oferecer perspectivas complementares à abordagem clássica de séries temporais univariadas.

Conclui-se que o objetivo foi atingido, demonstrando que é possível prever os vínculos no mercado de trabalho formal brasileiro com precisão satisfatória através de modelos ARIMA integrados à técnica de reconciliação ótima Minimum Trace. O estudo mapeou que o Brasil deve atingir a marca de 57 milhões de vínculos formais até o final de 2025, impulsionado predominantemente pelo setor de serviços e por ocupações que exigem maior qualificação técnica e científica. A análise evidenciou a força do estado de São Paulo no cenário nacional e identificou tendências de crescimento relativo expressivo em estados da região Norte e Centro-Oeste. Apesar das limitações inerentes ao tamanho da série histórica anual, os resultados fornecem uma base quantitativa sólida para a formulação de políticas públicas e estratégias empresariais voltadas à formação profissional e ao desenvolvimento econômico regional.

Referências Bibliográficas:

AGÊNCIA IBGE NOTÍCIAS. 2025. PNAD Contínua: taxa de desocupação é de 5,6% e taxa de subutilização é de 14,1% no trimestre encerrado em julho. Disponível em: <https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-agencia-de-noticias/releases/44523-pnad-continua-taxa-de-desocupacao-e-de-5-6-e-taxa-de-subutilizacao-e-de-14-1-no-trimestre-encerrado-em-julho>. Acesso em: 17 de setembro de 2025.

HYNDMAN, R. J.; ATHANASOPOULOS, G. 2025. Forecasting: principles and practice. 3ª edição (Tradução em português). Melbourne: OTexts, 2021. Disponível em: <https://otexts.com/fpppg/>. Acesso em: 28 de julho de 2025.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. 2007. Introdução à Classificação Nacional de Atividades Econômicas – CNAE 2.0. Brasília: Governo Federal.

KWIATKOWSKI, D.; PHILLIPS, P. C. B.; SCHMIDT, P.; SHIN, Y. 1992. Testing the null hypothesis of stationarity against the alternative of a unit root. Journal of Econometrics, v. 54, p. 159-178.

MINISTÉRIO DA EDUCAÇÃO; SECRETARIA DE ESTADO DE DESENVOLVIMENTO SOCIAL DE MINAS GERAIS. 2023. Mapa de Demandas por Educação Profissional: Nota Metodológica. Brasília: Governo Federal.

MINISTÉRIO DO TRABALHO E EMPREGO. 2007. Nota técnica da Relação Anual de Informações Sociais: Ano-base 2006. Brasília: Governo Federal. Disponível em: <https://acesso.mte.gov.br/portal-pdet/ajuda/notas-tecnicas-e-comunicados/detalhes-73.htm>. Acesso em: 17 de setembro de 2025.

MINISTÉRIO DO TRABALHO E EMPREGO. 2017. CBO: Informações Gerais. Brasília: Governo Federal.

MINISTÉRIO DO TRABALHO E EMPREGO. 2024. Nota técnica da Relação Anual de Informações Sociais: Ano-base 2023. Brasília: Governo Federal.

MORETTIN, Pedro Alberto; TOLOI, Clélia Maria de Castro. 2006. Análise de séries temporais. 2ª edição. São Paulo: Edgard Blucher.

PETROPOULOS, Fotios; KOURENTZES, Nikolaos; NIKOLOPOULOS, Konstantinos; SIEMSEN, Enno. 2018. Judgmental selection of forecasting models. Judgmental selection of forecasting models. Journal of operations management, v. 60, n. 1, p. 34–46.

SISTEMA INDÚSTRIA. 2024. Observatório Nacional da Indústria: Mapa do Trabalho Industrial 2025-2027. Brasília: SENAI. Disponível em: <https://www.portaldaindustria.com.br/canais/observatorio-nacional-da-industria/produtos/mapa-do-trabalho-industrial-2025-2027/>. Acesso em: 27 de março de 2025.

Resumo executivo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy