📊 Tech Jobs Dashboard

Dashboard interativo para análise de vagas de tecnologia desenvolvido com Python, PostgreSQL, Streamlit e Plotly.

O projeto realiza consultas em banco de dados PostgreSQL e apresenta métricas, indicadores e visualizações interativas sobre salários, empresas contratantes e habilidades mais demandadas no mercado de tecnologia.

---

Funcionalidades

• Dashboard interativo com Streamlit
• Filtro por categoria de vaga
• KPIs em tempo real
• Ranking dos cargos com maiores salários
• Empresas com mais vagas publicadas
• Skills mais procuradas pelo mercado
• Integração com PostgreSQL
• Visualizações interativas com Plotly

---

Tecnologias Utilizadas

Backend

• Python 3.x
• Pandas
• SQLAlchemy
• PostgreSQL

Visualização

• Streamlit
• Plotly

Banco de Dados

• PostgreSQL

---

Estrutura do Projeto

tech-jobs-analysis/
│
├── app.py
├── requirements.txt
├── README.md
├── .gitignore
├── .env.example
│
├── assets/
│   └── dashboard.png
│   └── style.css
│
├── sql/
│   └── queries.sql
│
└── data/
    └── job_market.csv

---

Instalação

1. Clonar o repositório

git clone https://github.com/emanoelsslima-ux/tech-jobs-analysis.git

2. Entrar na pasta

cd tech-jobs-analysis

3. Criar ambiente virtual

python -m venv venv

4. Ativar ambiente virtual

Windows:

venv\Scripts\activate

Linux/Mac:

source venv/bin/activate

5. Instalar dependências

pip install -r requirements.txt

---

Configuração do Banco de Dados

A aplicação utiliza PostgreSQL como fonte de dados.

Exemplo de conexão:

from sqlalchemy import create_engine

engine = create_engine(
    "postgresql+psycopg2://usuario:senha@localhost:5432/vagas_tech"
)

Carregamento dos dados:

import pandas as pd

df = pd.read_sql(
    "SELECT * FROM vagas",
    engine
)

---

Métricas Disponíveis

O dashboard apresenta:

Indicador	Descrição
Total de Vagas	Quantidade de vagas disponíveis
Empresas	Número de empresas contratando
Localidades	Total de localidades encontradas
Salário Médio	Média salarial anual das vagas

---

Visualizações

Top 10 Cargos por Salário

Permite identificar as funções mais valorizadas pelo mercado.

Empresas com Mais Vagas

Exibe as empresas com maior volume de oportunidades publicadas.

Skills Mais Procuradas

Mostra as tecnologias e competências mais requisitadas pelas empresas.

---

Principais Conceitos Aplicados

SQL

Consultas para extração e agregação de dados:

SELECT
    job_title,
    AVG(average_salary) AS salario_medio
FROM vagas
GROUP BY job_title
ORDER BY salario_medio DESC
LIMIT 10;

Pandas

Transformação e manipulação de dados:

top_salarios = (
    df.groupby("job_title")["average_salary"]
      .mean()
      .sort_values(ascending=False)
      .head(10)
)

Streamlit

Construção da interface:

st.metric(
    "Total de Vagas",
    len(df_filtrado)
)

Plotly

Visualização interativa:

fig = px.bar(
    top_salarios,
    x="average_salary",
    y="job_title"
)

st.plotly_chart(fig)

---

Habilidades Demonstradas

• Python
• SQL
• PostgreSQL
• Pandas
• Streamlit
• Plotly
• ETL
• Análise de Dados
• Desenvolvimento de Dashboards
• Visualização de Dados
• Manipulação de Banco de Dados

---

Melhorias Futuras

• Exportação de relatórios em CSV
• Filtro por localização
• Filtro por faixa salarial
• Deploy em Streamlit Cloud
• Integração com APIs de vagas
• Atualização automática dos dados

---

👨‍💻 Autor

Victor Emanoel de Souza Lima

GitHub: https://github.com/victorlimapy

LinkedIn: www.linkedin.com/in/victorlimapy