install.packages("datacaged")O Cadastro Geral de Empregados e Desempregados (CAGED), mantido pelo Ministério do Trabalho e Emprego (MTE), registra mensalmente cada admissão e cada desligamento de trabalhadores com carteira assinada no Brasil. Trata-se, portanto, de uma das principais fontes para o acompanhamento do mercado de trabalho formal, com informações sobre ocupação, setor de atividade, município, salário e perfil do trabalhador. No entanto, o uso direto dos microdados impõe custos consideráveis ao pesquisador, tendo em vista o volume dos arquivos (cerca de dois milhões de registros por mês), a compressão em formato 7z e as mudanças de leiaute ao longo do tempo.
Nesse sentido, o pacote datacaged, disponível no repositório oficial do R (CRAN), reduz essas etapas a poucos comandos: (i) baixa os arquivos de um espelho público no Hugging Face; (ii) extrai e padroniza as colunas; e (iii) grava os dados em um banco local DuckDB, que permite consultas rápidas sem carregar tudo na memória. Este texto apresenta um roteiro mínimo de uso, do download à primeira tabela.
Instalação
O Novo CAGED (2020 em diante) funciona sem configuração adicional no Windows, no macOS e no Linux. Para a série antiga (até 2019), que utiliza compressão PPMd, é necessário ter o 7-Zip instalado no computador.
Carregamento dos dados
A função caged_load() executa todo o processo em um único comando: baixa os arquivos das competências solicitadas, extrai, padroniza e grava no banco indicado em db_path.
library(datacaged)
caged_load(
years = 2026,
months = 1:9,
db_path = "caged.duckdb"
)Ressalta-se que o Novo CAGED é distribuído em arquivos nacionais, de modo que cada competência traz todas as unidades da federação; o recorte geográfico é feito depois, na consulta. Quando novas competências forem divulgadas, a função caged_update() acrescenta ao banco apenas os meses que ainda não foram carregados.
Consulta com dplyr
Com o banco populado, a conexão é feita por caged_connect(), e as tabelas podem ser consultadas com dplyr como se fossem data frames. A tabela caged_mov contém as movimentações do mês, em que a variável saldomovimentacao assume o valor 1 para admissões e -1 para desligamentos.
library(dplyr)
con <- caged_connect("caged.duckdb")
saldo_rn <- tbl(con, "caged_mov") |>
filter(uf == 24) |> # Rio Grande do Norte
group_by(competenciamov) |>
summarise(
admissoes = sum(if_else(saldomovimentacao == 1, 1L, 0L), na.rm = TRUE),
desligamentos = sum(if_else(saldomovimentacao == -1, 1L, 0L), na.rm = TRUE),
saldo = sum(saldomovimentacao, na.rm = TRUE)
) |>
arrange(competenciamov) |>
collect()
saldo_rnObserva-se que apenas o resultado final é trazido para a memória, por meio de collect(); o agrupamento e a soma são executados pelo DuckDB. O mesmo raciocínio vale para recortes por município (municipio), por ocupação da Classificação Brasileira de Ocupações (cbo2002ocupacao) ou por setor (secao e subclasse da CNAE). Ao final, recomenda-se encerrar a conexão:
DBI::dbDisconnect(con, shutdown = TRUE)Um exemplo de resultado
A Figura 1 apresenta o saldo mensal de empregos formais no Rio Grande do Norte calculado exatamente com esse procedimento. Os mesmos dados alimentam os indicadores do emprego formal publicados neste site, atualizados automaticamente a cada nova divulgação do MTE.
Fonte: elaborado pelo autor com dados do Novo CAGED/MTE (2026).
Considerações
Em linhas gerais, o datacaged desloca o esforço da preparação dos dados para a análise propriamente dita, além de favorecer a reprodutibilidade, uma vez que todo o caminho, do arquivo oficial à tabela final, fica registrado em código. A documentação completa, com casos de uso adicionais, encontra-se no repositório do pacote no GitHub. Para citar o pacote em trabalhos acadêmicos, utiliza-se o DOI 10.32614/CRAN.package.datacaged.