📊 Dashboard de Análise de Salários na Área de Dados

Um dashboard interativo desenvolvido com Streamlit para análise e visualização de dados salariais na área de ciência de dados. O projeto permite explorar tendências salariais, comparar diferentes níveis de senioridade, tipos de contrato e distribuições geográficas.
O dataset também está disponível no kaggle

🚀 Funcionalidades

• Filtros Interativos: Filtragem por ano, senioridade, tipo de contrato e tamanho da empresa
• Métricas Principais: Visualização de KPIs como salário médio, máximo, total de registros e cargo mais frequente
• Visualizações Avançadas:
  • Top 10 cargos por salário médio (gráfico de barras)
  • Distribuição de salários (histograma)
  • Proporção dos tipos de trabalho (gráfico de pizza)
  • Mapa mundial com salários médios por país para Cientistas de Dados
• Tabela Detalhada: Visualização completa dos dados filtrados

🛠️ Tecnologias Utilizadas

• Python 3.x
• Streamlit - Framework para criação de aplicações web
• Pandas - Manipulação e análise de dados
• Plotly Express - Visualizações interativas
• NumPy - Computação numérica

📋 Pré-requisitos

• Python 3.7 ou superior
• pip (gerenciador de pacotes Python)

🔧 Instalação

1. Clone o repositório:

git clone https://github.com/Alan-oliveir/imersao-dados.git
cd imersao-dados

2. Instale as dependências:

pip install -r requirements.txt

▶️ Como Executar

1. No terminal, navegue até o diretório do projeto
2. Execute o comando:

streamlit run app.py

3. O dashboard será aberto automaticamente no seu navegador (geralmente em http://localhost:8501)

🚀 Deploy

O projeto está hospedado no Streamlit Cloud.
Acesse o link acima para visualizar o dashboard online.

📸 Screenshot

📊 Fonte dos Dados

Os dados utilizados são provenientes de pesquisas sobre salários nas áreas de dados, contendo informações sobre:

• Ano de trabalho
• Nível de senioridade (junior, pleno, senior, executivo)
• Tipo de contrato (integral, parcial, contrato, freelancer)
• Cargo/função
• Salário em USD
• País de residência
• Regime de trabalho (presencial, remoto, híbrido)
• Tamanho da empresa (pequena, média, grande)

📁 Estrutura do Projeto

imersao-dados/
│
├── app.py                   # Aplicação principal do Streamlit
├── requirements.txt         # Dependências do projeto
├── imersao_dados.ipynb      # Notebook com análise exploratória
├── dados-imersao-final.csv  # Dataset processado
├── README.md                # Documentação do projeto
└── LICENSE.md               # Licença do projeto

🔍 Análise dos Dados

O projeto inclui um notebook Jupyter (imersao_dados.ipynb) com:

• Análise exploratória dos dados
• Limpeza e preparação dos dados
• Transformação de categorias
• Visualizações preliminares com Matplotlib e Seaborn

🎯 Principais Insights

O dashboard permite identificar:

• Tendências salariais por nível de senioridade
• Diferenças regionais nos salários
• Distribuição dos tipos de trabalho (remoto vs presencial)
• Cargos mais valorizados no mercado
• Impacto do tamanho da empresa nos salários

🤝 Contribuições

Contribuições são bem-vindas! Para contribuir:

1. Faça um fork do projeto
2. Crie uma branch para sua feature (git checkout -b feature/AmazingFeature)
3. Commit suas mudanças (git commit -m 'Add some AmazingFeature')
4. Push para a branch (git push origin feature/AmazingFeature)
5. Abra um Pull Request

📝 Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE.md para mais detalhes.

👨‍💻 Créditos

Este projeto foi desenvolvido com base na Imersão Dados com Python da Alura.
Link para o projeto original: app e ipynb

---

⭐ Se este projeto foi útil para você, considere dar uma estrela no repositório!