🏢 Projeto RH - Análise de Salários e Distribuição Geográfica

Aluno: Isaac Trenard Turma: Visualização de Dados e Business Intelligence [T2] Módulo: 1 - Semana 13

---

🎯 Objetivo do Projeto

Este projeto tem como objetivo aplicar e consolidar todos os conhecimentos adquiridos ao longo do curso SC Tech — Visualização de Dados e Business Intelligence [T2], integrando as principais ferramentas utilizadas no dia a dia de um analista de dados: VS Code, Banco de Dados FreeSQL e Python.

A partir de uma base de dados de Recursos Humanos (RH), a análise busca responder a perguntas estratégicas sobre a estrutura salarial da empresa, explorando:

• A distribuição dos salários por departamento e cargo;
• A distribuição geográfica dos funcionários (cidade, estado ou país);
• Padrões de remuneração e a identificação de possíveis outliers.

O projeto simula uma demanda real da área de RH, onde o objetivo é transformar dados brutos em informações claras e úteis para a tomada de decisão, colocando em prática os conceitos e ferramentas desenvolvidos durante o curso.

---

📊 Tabelas Utilizadas

As seguintes tabelas do esquema HR do banco FreeSQL foram utilizadas:

Tabela	Descrição
EMPLOYEES	Dados dos funcionários (salário, cargo, departamento)
DEPARTMENTS	Informações sobre os departamentos
JOBS	Detalhes dos cargos (título, faixa salarial)
LOCATIONS	Localização dos departamentos
COUNTRIES	Nomes dos países
REGIONS	Nomes das regiões

---

📝 Consultas SQL

Query 1 - Salário por Departamento e Cargo

Objetivo: Analisar a distribuição de salários por departamento e cargo.

-- Query 1
SELECT
    e.EMPLOYEE_ID,
    e.FIRST_NAME,
    e.LAST_NAME,
    e.SALARY,
    d.DEPARTMENT_NAME,
    d.DEPARTMENT_ID,
    j.JOB_TITLE,
    j.JOB_ID
FROM HR.EMPLOYEES e
LEFT JOIN HR.DEPARTMENTS d ON e.DEPARTMENT_ID = d.DEPARTMENT_ID
LEFT JOIN HR.JOBS j ON e.JOB_ID = j.JOB_ID
WHERE e.SALARY IS NOT NULL
ORDER BY e.SALARY DESC;

---

Query 2 - Funcionários sobre sua localização

Objetivo: Analisar salários e distribuição geográfica dos funcionários.

-- Query 2
SELECT
    e.EMPLOYEE_ID,
    e.FIRST_NAME,
    e.LAST_NAME,
    e.SALARY,
    d.DEPARTMENT_NAME,
    l.CITY,
    c.COUNTRY_NAME,
    r.REGION_NAME
FROM HR.EMPLOYEES e
LEFT JOIN HR.DEPARTMENTS d ON e.DEPARTMENT_ID = d.DEPARTMENT_ID
LEFT JOIN HR.LOCATIONS l ON d.LOCATION_ID = l.LOCATION_ID
LEFT JOIN HR.COUNTRIES c ON l.COUNTRY_ID = c.COUNTRY_ID
LEFT JOIN HR.REGIONS r ON c.REGION_ID = r.REGION_ID
WHERE e.SALARY IS NOT NULL
ORDER BY e.SALARY DESC;

---

🐍 Análise em Python

A análise foi realizada em dois notebooks:

• analise_query1.ipynb
• analise_query2.ipynb

Principais etapas

• Importação das bibliotecas pandas, matplotlib e seaborn;
• Carregamento dos CSVs exportados do FreeSQL;
• Análise exploratória (estatísticas descritivas e agrupamentos);
• Geração de gráficos para visualização dos padrões salariais.

---

📊 Visualizações AED da Query 1

1. Distribuição de funcionários por departamento

Insight: Os departamentos Shipping (45) e Sales (34) concentram a maior parte dos funcionários, enquanto cargos executivos e de relações públicas têm menos de 3 colaboradores.

---

2. Número de funcionários por cargo

Insight: O cargo de Sales Representative é o mais comum (30 funcionários), seguido por Shipping Clerk (20) e Stock Clerk (20). Cargos de alta gestão como President e Marketing Manager têm apenas 1 funcionário cada.

---

3. Média salarial por departamento

Insight: O departamento Executive tem a maior média salarial (US$ 19.333,00), enquanto Shipping apresenta a menor (US$ 3.475,00). A diferença entre eles é superior a 5 vezes.

---

4. Distribuição de salários por departamento

Insight: O boxplot mostra que os salários em Executive têm pouca variação (entre R$ 17.000,00 e R$ 24.000,00), enquanto departamentos como Sales e Shipping apresentam maior dispersão, indicando diferenças internas significativas.

---

5. Distribuição de salários por cargo

Insight: Cargos como President e Administration Vice President concentram salários no topo da escala, enquanto Shipping Clerk e Stock Clerk ocupam a base, com salários entre US$ 2.000,00 e US$ 4.000,00.

---

📊 Visualizações AED da Query 2

1. Distribuição de funcionários por país

Insight: A maioria absoluta dos funcionários está nos Estados Unidos (68), seguido pelo Reino Unido (35). Canadá (2) e Alemanha (1) têm representação mínima, indicando forte concentração geográfica na América do Norte e Europa Ocidental.

---

2. Distribuição de funcionários por região

Insight: As Américas concentram 70 funcionários (65,4%), enquanto a Europa possui 36 (33,6%), reforçando a predominância norte-americana na estrutura da empresa.

---

3. Distribuição de salários por região

Insight: O boxplot revela que a Europa apresenta uma distribuição salarial mais homogênea e com valores mais elevados, com mediana próxima de US$ 8.900.

Já as Américas exibem maior variabilidade, com salários mais baixos (mediana em torno de US$ 3.300) e a presença de outliers na faixa superior (acima de US$ 20.000), indicando disparidades internas significativas.

---

4. Top 10 cidades com maior média salarial

Insight: Munique e Toronto lideram com as maiores médias salariais, embora contem com poucos funcionários.

Oxford (Reino Unido) destaca-se com média de US$ 8.955,88 e 34 colaboradores, consolidando-se como um polo de alta remuneração.

Em contraste, South San Francisco apresenta a menor média (US$ 3.475,56), apesar de ser a cidade com o maior número de colaboradores (45).

---

🎯 Conclusão Final

A análise integrada das duas queries permitiu traçar um panorama abrangente da estrutura salarial e da distribuição geográfica da empresa.

Principais Descobertas

• Concentração geográfica: Forte presença nos Estados Unidos (68) e Reino Unido (35), com participação marginal no Canadá (2) e Alemanha (1).
• Disparidade salarial regional: A Europa apresenta salários mais elevados (média de US$ 8.916,67) em comparação às Américas (US$ 5.191,66).
• Hierarquia salarial: O departamento Executive possui a maior média (US$ 19.333,33), enquanto Shipping apresenta a menor (US$ 3.475,56).
• Desigualdade interna: Departamentos como Sales e Shipping apresentam grande variação salarial.
• Outliers relevantes: Salários muito acima da média (como US$ 24.000 de Steven King e US$ 14.000 em Sales) distorcem as análises e devem ser tratados separadamente.

---

Recomendações para a Gestão de RH

• Revisar política salarial nas Américas;
• Padronizar cargos e salários;
• Expandir presença geográfica;
• Monitorar outliers.

---

🚀 Como Executar o Projeto

Pré-requisitos

• Python 3.8 ou superior;

• Jupyter Notebook ou VS Code;

• Acesso ao banco FreeSQL;

• Bibliotecas:

  • pandas
  • matplotlib
  • seaborn

Passo a Passo

# Clone o repositório
git clone https://github.com/isaaclicCode/Projeto_Final_Modulo_1.git

# Entre na pasta
cd Projeto_Final_Modulo_1

# Instale as dependências
pip install pandas matplotlib seaborn

# Abra o Jupyter Notebook
jupyter notebook

Execute os notebooks na seguinte ordem:

1. analise_query1.ipynb
2. analise_query2.ipynb

Os gráficos serão salvos automaticamente nas pastas:

Gráficos_query_1/
Gráficos_query_2/

---

📎 Links de Entrega

• Repositório GitHub: Projeto Final
• Vídeo explicativo: (https://youtu.be/XhHpWK8MdUE)
• Tarefa AVA: Módulo 1 - Projeto Avaliativo (Semana 13)
• Data de entrega: 20/07/2026

---

👨‍💻 Autor

Desenvolvido por: Isaac Trenard

Turma: Visualização de Dados e Business Intelligence [T2]

Curso: SC Tech — Módulo 1 — Semana 13