Base dos Dados em 2026: 1.219 Conjuntos Públicos Padronizados e Como Usá-los no TCC

Existe um recurso brasileiro de dados públicos que quase nenhum TCC usa e que resolve o problema mais chato da pesquisa com dados secundários: cruzar informação de fontes diferentes. A Base dos Dados reunia, em consulta feita em 14 de agosto de 2026, 1.219 conjuntos de dados de 612 organizações, organizados em 22 temas — todos já tratados para conversarem entre si.

O que é, e o que ela não é

Nas palavras da própria organização: “A Base dos Dados é uma ONG que mantém a maior plataforma pública de dados do Brasil e oferece serviços especializados em engenharia, análise e capacitação de dados.”

O ponto que muda tudo para um trabalho acadêmico é o seguinte: ela não produz dados. Quem produz continua sendo o IBGE, o INEP, o DataSUS, o TSE, o Banco Central, prefeituras, tribunais. O que a plataforma faz é pegar esses dados, tratá-los e republicá-los em um formato padronizado — mesmos nomes de colunas, mesmos códigos de município, mesmos tipos de data.

É uma diferença de natureza, não de tamanho. Portais como SIDRA, TabNet e Ipeadata são origens, cada um com a sua própria gramática de consulta — e a comparação entre eles está em qual base de dados responde à sua pergunta. A Base dos Dados é uma camada de padronização sobre várias origens ao mesmo tempo. As duas coisas servem a momentos diferentes da sua pesquisa.

Os números, e como foram medidos

Os valores abaixo foram lidos na interface pública da própria plataforma em 14 de agosto de 2026:

Vale um comentário de método que serve para qualquer número que você extrair de um portal — inclusive no seu TCC. Um contador só merece confiança depois de ser testado. O teste é simples: aplique um filtro e veja se o número cai. Aqui, filtrar os conjuntos por um termo específico reduziu 1.219 para 8, e um termo inexistente devolveu 0 — comportamento correto. As contagens de tabelas e organizações reagiram do mesmo modo.

E o teste vale porque nem todo contador passa. Uma das contagens dessa mesma interface — a de colunas — devolveu exatamente 1.500 tanto sem filtro quanto com um filtro que deveria reduzi-la drasticamente. Isso é a assinatura de um contador limitado, que responde até um teto e não além. Por isso ela não aparece na tabela acima: um número que não passa no teste não vai para o trabalho. Faça o mesmo com os seus.

Os 22 temas, por curso

A lista completa dos temas em que o acervo está organizado, com os cursos para os quais cada um costuma render:

O que ela permite que um portal isolado não permite

Suponha uma pergunta de TCC bastante comum: municípios com maior investimento em educação apresentam melhores indicadores de aprendizagem? Ela exige duas bases de produtores diferentes — finanças públicas municipais e avaliação educacional.

Pelo caminho tradicional, você baixa cada uma do seu portal de origem e descobre o problema de sempre: os municípios estão identificados de formas diferentes, os anos vêm em formatos diferentes, os nomes têm acentuação inconsistente. Antes de responder qualquer coisa, você tem um projeto inteiro de compatibilização — e é nessa etapa que muitos TCCs quantitativos morrem.

O valor da padronização é exatamente esse: as chaves já foram harmonizadas, então o cruzamento deixa de ser o trabalho e volta a ser o meio. Para um estudante com um semestre, a diferença é entre viável e inviável.

A plataforma oferece, segundo a sua própria descrição de produtos, um mecanismo de busca e um datalake público, além de serviços adicionais. Explorar e entender o que existe se faz pela busca, sem programar. Trabalhar com os volumes maiores pede consulta em SQL — que é, não por acaso, a competência que viabiliza um TCC quantitativo com dados grandes demais para uma planilha. A escolha do software de análise está em SPSS, R, Jamovi ou Excel.

Os limites que você precisa declarar

Todo intermediário tem custos, e escondê-los é que seria problema. Três, em ordem de importância:

1. Defasagem. Um espelho pode estar atrás da fonte. Se o produtor original atualizou a série na semana passada e a plataforma ainda não incorporou, você está trabalhando com uma versão anterior — e isso pode ser aceitável, desde que você saiba e declare. Sempre confira a data de atualização do conjunto e compare com a do produtor quando o dado for decisivo.

2. Tratamento. Padronizar significa transformar: renomear colunas, converter tipos, uniformizar códigos. São operações legítimas e documentadas, mas são operações — e o número que você lê passou por elas. Se um valor seu diverge do publicado pelo órgão oficial, essa é a primeira hipótese a investigar, não a última.

3. Cobertura. 1.219 conjuntos é muito, e ainda assim é um recorte do que existe. A ausência de um dado ali não significa que ele não exista — significa que ele não foi incorporado. Vale voltar ao portal de origem antes de concluir que a informação não está disponível.

Nenhum desses três invalida o uso. Todos os três precisam aparecer na sua seção de limitações, no espírito do que se discute em pesquisa com dados secundários: desenho e limites e em TCC com dados secundários.

Como citar dado obtido por intermediário

Aqui está o erro que mais aparece e que a banca cobra: tratar o intermediário como se fosse a fonte, ou omiti-lo como se não existisse.

A regra é identificar as duas camadas. O produtor é quem gerou o dado — o INEP, o IBGE, o tribunal. A via de acesso é a versão que você efetivamente baixou e analisou, com a sua data de acesso. Omitir o produtor atribui a autoria do dado a quem apenas o republicou; omitir o intermediário esconde uma etapa de tratamento que pode explicar por que os seus números não batem com os oficiais.

Na prática, isso costuma render uma formulação do tipo “dados do [produtor], obtidos por meio de [plataforma], acesso em [data]”, com a referência completa montada conforme o tipo de fonte. A mecânica está em como citar base de dados e dataset na ABNT, e a questão das condições de uso — que não se presumem — em dado público não é dado livre. Se o seu recorte exigir dados individuais em vez de agregados, o caminho é outro: o que são microdados.

Levantados e cruzados os dados, resta o trabalho de transformar tabelas em capítulo — com método, limitações e referências no lugar. Escreva essa parte no Tesify: estrutura e referências em ABNT automáticas, com o texto continuando 100% seu.

Perguntas frequentes

O que é a Base dos Dados?

É uma organização não governamental que, em suas próprias palavras, mantém a maior plataforma pública de dados do Brasil. Não produz dados: reúne conjuntos de produtores diversos e os republica tratados e padronizados, de modo que bases de origens diferentes possam ser cruzadas.

Quantos conjuntos de dados a Base dos Dados tem?

Em consulta de 14 de agosto de 2026 à interface pública da plataforma, havia 1.219 conjuntos de dados, 1.189 tabelas e 612 organizações, distribuídos em 22 temas.

A Base dos Dados substitui o IBGE ou o DataSUS?

Não. É intermediário, não origem. A vantagem é a padronização que permite cruzar bases; a desvantagem é que qualquer intermediário pode estar defasado em relação à fonte.

Como citar dados obtidos pela Base dos Dados?

Identificando as duas camadas: o produtor original e a versão intermediária efetivamente utilizada, com data de acesso. Omitir o intermediário esconde uma etapa de tratamento; omitir o produtor atribui a autoria a quem só republicou.

Preciso saber programar para usar?

Não para explorar pelo mecanismo de busca. Para os volumes maiores do datalake público, consultar em SQL ajuda bastante — e é a competência que viabiliza um TCC quantitativo com dados grandes demais para uma planilha.

Os dados são gratuitos?

A plataforma mantém um datalake público e um mecanismo de busca abertos, ao lado de produtos e serviços adicionais oferecidos pela organização. Como em qualquer fonte, as condições de uso de cada conjunto devem ser conferidas no próprio conjunto e junto ao produtor original.