Resumo dos dados coletados do Ministério Público Militar

Objetivo

Fazer um levantamento nos dados do Ministério Público Militar, pegando salários e benefícios, as médias anuais de remunerações e os 50 maiores pagamentos feitos ao órgão.

Extração dos dados

Obter valores resumidos para o Ministério Público Militar:

Salários e benefícios (2018-2022)
Média das remunerações (2018-2022)

Foram extraídos dados da API do DadosJusBr. O código que fez o processamento da base de dado poderá ser consultado neste link

Detalhes dos pagamentos

Planilha com relação das remunerações

Clique aqui para ver a planilha com todos os pagamentos feitos para o Ministério Público Militar

Resumo dos dados coletados

Valor total por categoria de remuneração

Total
YoY

Médias

Top 50 remunerações

Outubro de 2022

Total

Todas as remunerações pagas

--- title: "Resumo dos dados coletados do Ministério Público Militar" lang: pt-BR format: html: html-math-method: katex css: style.css anchor-sections: true code-fold: true code-tools: true code-link: true code-line-numbers: true code-summary: "Código" toc: true toc-title: "Índice" toc-depth: 4 toc-float: false toc-collapsed: false footnotes-hover: true smooth-scroll: true fig-width: 11 fig-height: 7 search: true embed-resources: true theme: light: flatly dark: darkly knitr: opts_chunk: echo: false collapse: true message: false warning: false comment: "#>" editor_options: chunk_output_type: console execute: cache: false --- ## Objetivo Fazer um levantamento nos dados do Ministério Público Militar, pegando salários e benefícios, as médias anuais de remunerações e os 50 maiores pagamentos feitos ao órgão. ```{r} #| label: setup library(tidyverse) library(jsonlite) library(lubridate) library(glue) library(here) `%notin%` <- function(x, y) !(x %in% y) source(here("src/00-plot-aesthetics.R"), encoding = "utf-8") ``` ### Extração dos dados Obter valores resumidos para o **Ministério Público Militar**: - Salários e benefícios (2018-2022) - Média das remunerações (2018-2022) [//]: # (Seria o valor de benefícios e salário, separadamente, das remunerações em outubro/22, e a média mensal da remuneração para todo o período de dados que temos (2018-agora)) Foram extraídos dados da API do DadosJusBr. O código que fez o processamento da base de dado poderá ser consultado [neste link](src/04-top-50-remuneracoes-no-mpm.R) ## Detalhes dos pagamentos ::: {.callout-note} #### Planilha com relação das remunerações [Clique aqui](https://docs.google.com/spreadsheets/d/17xSfvRDoCbiqniphfIExJr4MBlL_JvZPco8rS-teDGo/edit#gid=1085585379) para ver a planilha com **todos** os pagamentos feitos para o Ministério Público Militar ::: ## Resumo dos dados coletados ### Valor total por categoria de remuneração ::: {.panel-tabset} ```{r} #| label: leitura-dos-dados mpm <- readRDS(here("data/load/remuneracoes-mpm-2018-2022.rds")) ``` ### Total ```{r} #| label: plot-total-remuneracoes-mpm mpm %>% select(-ranking_remuneracao_total) %>% group_by( aid = aid, data = ym(glue("{year}-{month}")) ) %>% summarise( across(where(is.double), \(x) sum(x, na.rm = TRUE)), .groups = "drop" ) %>% pivot_longer( cols = -c(aid, data), names_to = "categoria", values_to = "valor" ) %>% filter(categoria != "remuneracao_total") %>% mutate(grp = case_when( categoria %in% c("remuneracao_basica", "remuneracao_eventual_ou_temporaria") ~ "Salário", categoria == "obrigatorios_legais" ~ "Descontos", TRUE ~ "Benefícios" )) %>% count(grp, wt = valor) %>% mutate(grp = reorder(grp, -n)) %>% ggplot(aes( y = n, x = grp, fill = grp, color = after_scale(colorspace::darken(fill, .4)) )) + geom_col(alpha = .9) + geom_text( aes(label = reais_milhoes(n)), data = . %>% filter(n > 0), vjust = -.3, fontface = "bold" ) + geom_text( aes(label = reais_milhoes(n)), data = . %>% filter(n < 0), vjust = 1.3, fontface = "bold" ) + geom_hline(yintercept = 0, color = cores_dadosjusbr[["cinza_azulado"]]) + scale_fill_manual(values = cores_para_categorias_de_remuneracao) + scale_y_continuous( labels = reais, limits = c(-7e7, 2e8), breaks = seq(-5e7, 15e7, 5e7) ) + labs( title = "Entre 2018 e 2022 os membros do MPM receberam:", x = "Categoria da remuneração", y = "Valor recebido", fill = "Grupos de\nremuneração" ) ``` ### YoY ```{r} mpm %>% select(-ranking_remuneracao_total) %>% group_by( aid = aid, data = ym(glue("{year}-{month}")) ) %>% summarise( across(where(is.double), \(x) sum(x, na.rm = TRUE)), .groups = "drop" ) %>% pivot_longer( cols = -c(aid, data), names_to = "categoria", values_to = "valor" ) %>% filter(categoria != "remuneracao_total") %>% mutate(grp = case_when( categoria %in% c("remuneracao_basica", "remuneracao_eventual_ou_temporaria") ~ "Salário", categoria == "obrigatorios_legais" ~ "Descontos", TRUE ~ "Benefícios" )) %>% count(ano = year(data), grp, wt = valor, name = "valor") %>% mutate(grp = reorder(grp, -valor, sum)) %>% ggplot(aes( x = "", y = valor, fill = grp, color = after_scale(colorspace::darken(fill, .4)) )) + geom_col(position = "dodge") + geom_text( aes(label = reais_milhoes(valor)), vjust = .2, position = position_dodge(width = .9) ) + scale_fill_manual(values = cores_para_categorias_de_remuneracao) + scale_y_continuous(labels = reais, limits = c(-2e7, 4e7)) + facet_wrap(~ano, nrow = 1, scales = "free_x", strip.position = "bottom") + theme( strip.text = element_text(hjust = .5), axis.ticks.x = element_blank() ) + labs( title = "Entre 2018 e 2022 os membros do MPM receberam:", x = "Categoria da remuneração", y = "Valor recebido", fill = "Grupos de\nremuneração" ) ``` ::: ### Médias ```{r} gera_plot_media <- function(df, ano_ref) { df %>% select(-ranking_remuneracao_total) %>% group_by( aid = aid, data = ym(glue("{year}-{month}")), id_membro = glue("{nome}-{matricula}") ) %>% summarise( across(where(is.double), \(x) sum(x, na.rm = TRUE)), .groups = "drop" ) %>% pivot_longer( cols = -c(aid, data, id_membro), names_to = "categoria", values_to = "valor" ) %>% filter(categoria == "remuneracao_total") %>% group_by(aid, data) %>% summarise( remuneracao_total_max = max(valor), remuneracao_total_min = min(valor), remuneracao_total_mean = mean(valor), .groups = "drop" ) %>% pivot_longer( cols = -c(aid, data), names_to = "categoria", values_to = "valor" ) %>% mutate(shapemode = case_when( categoria == "remuneracao_total_mean" ~ "Média", categoria == "remuneracao_total_min" ~ "Mínima", categoria == "remuneracao_total_max" ~ "Máxima", )) %>% mutate( categoria = case_when( categoria == "remuneracao_total_mean" ~ "Média", categoria == "remuneracao_total_min" ~ "Mínima", categoria == "remuneracao_total_max" ~ "Remuneração total máxima" ) ) %>% filter(year(data) == ano_ref) %>% ggplot(aes( x = data, y = valor, color = categoria, fill = after_scale(colorspace::lighten(color, .2)), )) + geom_point(aes(size = categoria, shape = categoria)) + scale_shape_manual(values = c( "Média" = 21, "Mínima" = 95, "Remuneração total máxima" = 95 )) + scale_size_manual(values = c( "Média" = 3, "Mínima" = 15, "Remuneração total máxima" = 15 )) + scale_color_manual(values = c( "Média" = cores_dadosjusbr[["cinza_azulado"]], "Mínima" = cores_dadosjusbr[["cyan"]], "Remuneração total máxima" = cores_dadosjusbr[["lilas"]] )) + scale_y_continuous( labels = reais, limits = c(-10000, 600000), breaks = seq(0, 5e6, 5e4) ) + scale_x_date(date_breaks = "1 month", date_labels = "%b.%Y") + labs( title = glue("Média das remunerações pagas pelo MPM | {ano_ref}"), x = "Ano/mês", y = "Valor em R$", color = NULL, fill = NULL, shape = NULL, size = NULL ) + theme( panel.grid.minor.x = element_blank(), axis.text.x = element_text(angle = 45, hjust = 1, vjust = 1), legend.position = "top", legend.direction = "horizontal", legend.justification = "left" ) } ``` ::: {.panel-tabset} #### 2018 ```{r} gera_plot_media(mpm, "2018") ``` #### 2019 ```{r} gera_plot_media(mpm, "2019") ``` #### 2020 ```{r} gera_plot_media(mpm, "2020") ``` #### 2021 ```{r} gera_plot_media(mpm, "2021") ``` #### 2022 ```{r} gera_plot_media(mpm, "2022") ``` ::: ```{r} library(DT) mpm %>% select(-ranking_remuneracao_total) %>% group_by( aid = aid, data = ym(glue("{year}-{month}")), id_membro = glue("{nome}-{matricula}") ) %>% summarise( across(where(is.double), \(x) sum(x, na.rm = TRUE)), .groups = "drop" ) %>% pivot_longer( cols = -c(aid, data, id_membro), names_to = "categoria", values_to = "valor" ) %>% filter(categoria == "remuneracao_total") %>% group_by(aid, data) %>% summarise( `Remuneracao Total mínima` = min(valor), `Média` = mean(valor), `Máxima` = max(valor), .groups = "drop" ) %>% select(-aid) %>% rename(`Mês de referência` = data) %>% datatable( rownames = FALSE, caption = "Remunerações médias por mês", filter = "top", escape = FALSE, options = list(pageLength = 25) ) %>% formatCurrency( c("Remuneracao Total mínima", "Média", "Máxima"), currency = "R$ ", mark = ".", dec.mark = "," ) ``` ### Top 50 remunerações ```{r} mpm %>% group_by(aid) %>% mutate(subrank = rank(-remuneracao_total)) %>% arrange(aid, subrank) %>% slice_min(order_by = subrank, n = 50) %>% ungroup() %>% mutate( aid = aid %>% str_replace("^mp", "mp-") %>% toupper() %>% str_replace("^MP-F$", "MPF") %>% str_replace("^MP-T$", "MPT"), aid = reorder(aid, remuneracao_total, sum) ) %>% select( subrank, obrigatorios_legais, remuneracao_basica, remuneracao_eventual_ou_temporaria, outras_remuneracoes_temporarias, verbas_indenizatorias ) %>% pivot_longer( cols = -subrank, names_to = "categoria", values_to = "valor" ) %>% mutate(grp = case_when( categoria %in% c("remuneracao_basica", "remuneracao_eventual_ou_temporaria") ~ "Salário", categoria == "obrigatorios_legais" ~ "Descontos", TRUE ~ "Benefícios" )) %>% count(subrank, grp, wt = valor, name = "valor") %>% ggplot(aes( x = subrank, y = valor, fill = grp, color = after_scale(colorspace::darken(fill, .4)) )) + geom_col() + scale_fill_manual(values = cores_para_categorias_de_remuneracao) + scale_y_continuous(labels = reais) + scale_x_continuous(breaks = seq(1, 50, 2)) + labs( title = "50 maiores pagamentos feitos para membros do MPM", y = "Valor em R$", x = "Posição", fill = "Tipo de\nremuneração" ) + theme(panel.grid.minor.x = element_blank()) ``` <br> ```{r} mpm %>% group_by(aid) %>% mutate(subrank = rank(-remuneracao_total)) %>% arrange(aid, subrank) %>% slice_min(order_by = subrank, n = 50) %>% ungroup() %>% transmute( Rank = subrank, Data = ym(glue("{year}-{month}")), Nome = nome, `Matrícula` = matricula, `Função` = funcao, `Lotação` = local_trabalho, `Salário` = remuneracao_basica + remuneracao_eventual_ou_temporaria, `Benefícios` = verbas_indenizatorias + outras_remuneracoes_temporarias, `Descontos` = obrigatorios_legais, `Remuneração total (líq)` = `Salário` + `Benefícios` + `Descontos` ) %>% datatable( rownames = FALSE, caption = "50 maiores remunerações pagas pelo MPM (Salário + Benefícios + Descontos)", filter = "top", escape = FALSE, options = list(pageLength = 25) ) %>% formatCurrency( c("Salário", "Benefícios", "Descontos", "Remuneração total (líq)"), currency = "R$ ", mark = ".", dec.mark = "," ) ``` ### Outubro de 2022 #### Total ```{r} ```{r} mpm %>% filter(month == 10, year == 2022) %>% group_by(aid) %>% mutate(subrank = rank(-remuneracao_total)) %>% arrange(aid, subrank) %>% ungroup() %>% mutate( aid = aid %>% str_replace("^mp", "mp-") %>% toupper() %>% str_replace("^MP-F$", "MPF") %>% str_replace("^MP-T$", "MPT"), aid = reorder(aid, remuneracao_total, sum) ) %>% transmute( Data = ym(glue("{year}-{month}")), Nome = nome, `Matrícula` = matricula, `Função` = funcao, `Lotação` = local_trabalho, `Salário` = remuneracao_basica + remuneracao_eventual_ou_temporaria, `Benefícios` = verbas_indenizatorias + outras_remuneracoes_temporarias, `Descontos` = obrigatorios_legais, `Remuneração total (líq)` = `Salário` + `Benefícios` + `Descontos` ) %>% group_by(Data) %>% summarise(across(where(is.double), \(x) sum(x))) %>% pivot_longer(cols = -Data, names_to = "categoria", values_to = "valor") %>% filter(categoria != "Remuneração total (líq)") %>% mutate(categoria = reorder(categoria, -valor, sum)) %>% ggplot(aes( x = categoria, y = valor, fill = categoria, color = after_scale(colorspace::darken(fill, .4)) )) + geom_col() + geom_text( aes(label = reais(valor)), vjust = -.3, fontface = "bold" ) + scale_y_continuous(labels = reais) + scale_fill_manual(values = cores_para_categorias_de_remuneracao) + labs( title = "Total de remunerações no mês de Outubro/2022", y = "Valor em R$", x = "Tipo de remuneração", fill = "Tipo de remuneração" ) ``` #### Todas as remunerações pagas ```{r} mpm %>% filter(month == 10, year == 2022) %>% group_by(aid) %>% mutate(subrank = rank(-remuneracao_total)) %>% arrange(aid, subrank) %>% ungroup() %>% mutate( aid = aid %>% str_replace("^mp", "mp-") %>% toupper() %>% str_replace("^MP-F$", "MPF") %>% str_replace("^MP-T$", "MPT"), aid = reorder(aid, remuneracao_total, sum) ) %>% transmute( id_membro = row_number(), obrigatorios_legais, remuneracao_basica, remuneracao_eventual_ou_temporaria, outras_remuneracoes_temporarias, verbas_indenizatorias ) %>% pivot_longer( cols = -id_membro, names_to = "categoria", values_to = "valor" ) %>% mutate(grp = case_when( categoria %in% c("remuneracao_basica", "remuneracao_eventual_ou_temporaria") ~ "Salário", categoria == "obrigatorios_legais" ~ "Descontos", TRUE ~ "Benefícios" )) %>% count(id_membro, grp, wt = valor, name = "valor") %>% mutate( grp = ordered(grp, levels = c( "Salário", "Benefícios", "Descontos" )) ) %>% ggplot(aes( x = id_membro, y = valor, fill = grp, color = after_scale(colorspace::darken(fill, .4)) )) + geom_col() + scale_fill_manual(values = cores_para_categorias_de_remuneracao) + scale_x_continuous(breaks = seq(1, 67, 2)) + scale_y_continuous(labels = reais) + labs( title = "Distribuição dos pagamentos feitos para membros do MPM em Outubro de 2022", y = "Valor em R$", x = "Posição", fill = "Tipo de\nremuneração" ) + theme(panel.grid.minor.x = element_blank()) ``` <br> ```{r} mpm %>% filter(month == 10, year == 2022) %>% group_by(aid) %>% mutate(subrank = rank(-remuneracao_total)) %>% arrange(aid, subrank) %>% ungroup() %>% mutate( aid = aid %>% str_replace("^mp", "mp-") %>% toupper() %>% str_replace("^MP-F$", "MPF") %>% str_replace("^MP-T$", "MPT"), aid = reorder(aid, remuneracao_total, sum) ) %>% transmute( Data = ym(glue("{year}-{month}")), Nome = nome, `Matrícula` = matricula, `Função` = funcao, `Lotação` = local_trabalho, `Salário` = remuneracao_basica + remuneracao_eventual_ou_temporaria, `Benefícios` = verbas_indenizatorias + outras_remuneracoes_temporarias, `Descontos` = obrigatorios_legais, `Remuneração total (líq)` = `Salário` + `Benefícios` + `Descontos` ) %>% datatable( rownames = FALSE, caption = "Pagamentos feitos para membros do MPM em Outubro de 2022", filter = "top", escape = FALSE, options = list(pageLength = 25) ) %>% formatCurrency( c("Salário", "Benefícios", "Descontos", "Remuneração total (líq)"), currency = "R$ ", mark = ".", dec.mark = "," ) ```