Metodologia

Como coletamos, processamos e verificamos os dados — passo a passo

1. Coleta de dados

O Crime Brasil processa exclusivamente dados abertos publicados por órgãos governamentais. Não compramos dados, não recebemos dados em sigilo e não usamos técnicas de raspagem sobre portais fechados.

As fontes são acessadas de duas formas:

• Portais de dados abertos: arquivos CSV/ZIP disponibilizados diretamente pelas secretarias (ex.: SSP/RS via dados.rs.gov.br, ISP/RJ via ispdados.rj.gov.br, SSP/SP via dados.sp.gov.br).
• Solicitação formal às secretarias: para estados que não publicam dados em portais abertos, o Crime Brasil obtém os dados diretamente junto aos órgãos responsáveis. Os arquivos recebidos são arquivados.

O pipeline de ingestão é executado mensalmente e verifica automaticamente se há novos arquivos disponíveis. Cada arquivo é identificado por um hash SHA-256 antes de ser processado, garantindo que o mesmo lote de dados nunca seja contado duas vezes.

2. Normalização de nomes

Um dos maiores desafios em dados de segurança pública é a inconsistência nos nomes de bairros e municípios entre registros do mesmo estado. Identificamos e corrigimos variantes conhecidas de nomes, espalhadas por diversos municípios.

Exemplos de variantes normalizadas

• PASSO PEDRAS e PASSO DAS PEDRAS → mesmo bairro de Porto Alegre
• BOMFIM e BOM FIM → mesmo bairro de Porto Alegre
• CORONEL APARICO e CORONEL APARICIO BORGES → mesmo bairro
• CENTRO HISTÓRICO, CENTRO HISTORICO e CENTRO → verificados caso a caso por município
• Variantes com e sem acento: normalizadas por NFD + remoção de diacríticos antes de qualquer comparação

Para municípios, mantemos um dicionário de aliases que mapeia grafias alternativas usadas pelas secretarias estaduais para o nome canônico do IBGE. Por exemplo: SANTANA DO LIVRAMENTO (SSP) → SANT’ANA DO LIVRAMENTO (IBGE).

3. Verificação automática

Antes de qualquer publicação, cada número passa por um pipeline de verificação que cruza a API com os arquivos-fonte originais. O processo usa uma suíte de testes automatizados:

• Totais de RS verificados contra os ZIPs originais da SSP (codificação latin-1)
• Totais de RJ verificados contra o CSV do ISP (separado por ponto-e-vírgula)
• Totais de MG verificados contra os CSVs do SEJUSP
• Verificação de deduplicação (registros SINESP VDE removidos para RJ e MG — fonte ISP/SEJUSP tem prioridade)
• Alertas de performance em queries lentas (acima de 2s)

Artigos e análises têm uma verificação adicional: antes de publicar, rodamos um script de verificação específico para cada artigo que valida cada número citado no texto contra a base de dados ao vivo.

4. Cálculo de taxas por 100 mil habitantes

Todas as taxas usam as populações do Censo 2022 do IBGE. Para municípios e estados, usamos as populações censitárias divulgadas oficialmente. Para bairros, estimamos a população por agregação de setores censitários usando os limites geográficos oficiais da malha territorial do IBGE.

A fórmula é taxa = (ocorrências / população) × 100.000, aplicada sobre o período selecionado. Para períodos menores que 12 meses, não annualizamos automaticamente — a taxa exibida é sempre para o período exato consultado.

5. Granularidade por estado

A profundidade dos dados varia conforme o que cada secretaria publica. O Crime Brasil não inventa dados onde não existem — a granularidade real de cada estado é exibida transparentemente. São três níveis:

Para estados com cobertura parcial (SC e SP com categorias limitadas; MG com base municipal completa, inclusive furto e lesão corporal, mas com cobertura parcial por bairro, via REDS: roubo, homicídio, extorsão e sequestro, até fev/2026), sinalizamos a limitação ao lado dos dados para evitar comparações enganosas.

O que cada fonte pode e não pode responder

As fontes não são intercambiáveis, e misturá-las sem dizer qual é qual é a forma mais fácil de produzir um número errado. O que cada uma mede, e onde cada uma falha:

• Microdado policial das secretarias. É o registro de ocorrência: conta o que foi notificado à polícia, não o que aconteceu. Depende de a vítima registrar, então subnotifica por natureza — muito em estupro, ameaça e furto, pouco em homicídio. A taxonomia é de cada estado (SP classifica por grupo de fato; RS por tipo de enquadramento), o que torna comparação direta entre estados arriscada. Cada estado também tem seu próprio atraso de publicação.
• DataSUS / SIM — 27 unidades da federação. É o registro de óbito, não de crime: só existe quando alguém morre, e por isso não diz nada sobre furto, roubo ou estelionato. Em compensação não depende de queixa, o que faz dele a única base comparável entre todas as UFs. Usamos as causas X85–Y09 (agressões) da CID-10, pela data do óbito. Contrapartidas: mortes de intenção indeterminada (Y10–Y34) ficam de fora e podem esconder homicídio; o município é o de residência ou o de ocorrência conforme o campo preenchido, que nem sempre vem; e a base fecha com cerca de dois anos de defasagem.
• CNJ. Mede o processo, não o fato — a distância entre o crime e a sentença é de anos, então serve para falar de resposta judicial, nunca de criminalidade recente.
• PRF. Cobre só as rodovias federais. Um estado sem malha federal relevante aparece pequeno aí sem que isso signifique estrada mais segura.

Por isso não somamos ocorrência policial com óbito do DataSUS, e não comparamos um estado que só tem DataSUS com um que tem microdado policial como se fosse a mesma medida.

6. Atualização dos dados

O pipeline de atualização automática roda a cada 7 dias e verifica se há novos arquivos disponíveis nas fontes primárias. Quando novos dados são publicados pelas secretarias, são ingeridos automaticamente dentro de 24 horas.

O snapshot de SEO (que alimenta as páginas por município e bairro) é regenerado diariamente às 05h30 UTC. A data do dado mais recente disponível é exibida em cada página.

7. O que não fazemos

• Não extrapolamos dados de anos anteriores para anos sem dados
• Não estimamos bairros a partir de dados municipais
• Não comparamos estados com fontes de qualidades incompatíveis sem aviso
• Não exibimos dados de municípios com menos de 10.000 habitantes em taxas (risco de distorção por variação aleatória)
• Não aplicamos suavização ou modelagem estatística nos dados brutos

Dúvidas ou correções

Se encontrou um dado que parece incorreto, use o botão de reporte de problema no site ou envie e-mail para [email protected]. Todos os relatos são investigados contra os arquivos-fonte. Correções são publicadas com nota de transparência.

Para mais detalhes sobre o projeto e a equipe, veja a página Sobre o Crime Brasil.

Quer fazer esse caminho com as suas próprias bases? Veja como encontrar dados públicos e como um analista de dados públicos trabalha.

Última atualização: setembro de 2026 · Crime Brasil