packageVersion("vigiar") # deve mostrar 0.7.2 ou superior
library(vigiar)2 Começo rápido
Este capítulo reúne o caminho mínimo para você ir do zero aos primeiros resultados com o vigiar. Cada passo aqui aponta para o capítulo detalhado correspondente, então use esta página como um roteiro de bolso e consulte os capítulos quando precisar de mais profundidade.
vigiar desconfia dos dados antes de seduzir o pesquisador com gráficos.
2.1 Antes de começar
Você só precisa de duas coisas:
- R ≥ 4.1.0 e o pacote instalado — veja Instalação.
- Conexão com a internet para acessar o dashboard VIGIAR.
Confirme que a instalação está ok:
2.2 O fluxo completo em ~20 linhas
O exemplo abaixo percorre todas as etapas essenciais de uma análise: conectar, baixar, processar, diagnosticar, auditar e congelar os dados.
library(vigiar)
library(dplyr)
# 1. Conectar ao dashboard
vigiar_conectar()
# 2. Baixar os dados do Rio de Janeiro
pm25 <- vigiar_baixar_rj("df_anual")
# 3. Processar e padronizar
pm25 <- process_pm25(pm25, tipo = "anual")
# 4. Diagnosticar a qualidade da série
diag <- vigiar_diagnosticar_serie(pm25)
vigiar_relatorio_diagnostico(diag)
# 5. Agregar a tendência por ano
tendencia <- vigiar_serie_temporal(pm25, nivel = "nacional")
print(tendencia)
# 6. Auditar os dados
audit <- vigiar_auditar(pm25, tabela = "df_anual")
print(audit)
# 7. Criar um snapshot para reprodutibilidade
snap <- vigiar_snapshot(dados = pm25, tabela = "df_anual")
vigiar_salvar_snapshot(snap, "pm25_rj_2026.rds")
# 8. Encerrar a sessão
vigiar_desconectar()2.3 Entendendo cada passo
| Passo | Função | O que faz | Capítulo |
|---|---|---|---|
| 1 | vigiar_conectar() |
Abre a sessão com o dashboard Power BI e carrega o esquema. | Conexão |
| 2 | vigiar_baixar_rj("df_anual") |
Baixa a tabela de PM2.5 anual do RJ com estratégia particionada. | Download e Rio de Janeiro |
| 3 | process_pm25(..., tipo = "anual") |
Padroniza colunas, corrige tipos e adiciona classes S3. | Processamento |
| 4 | vigiar_diagnosticar_serie() |
Avalia quebras de série, duplicatas, ausentes e cobertura. | Diagnóstico |
| 5 | vigiar_serie_temporal() |
Agrega os dados em uma série temporal pronta para análise. | Exemplos práticos |
| 6 | vigiar_auditar() |
Gera auditoria completa com checksum SHA256. | Auditoria |
| 7 |
vigiar_snapshot() / vigiar_salvar_snapshot()
|
Congela os dados com metadados de proveniência. | Reprodutibilidade |
| 8 | vigiar_desconectar() |
Encerra a sessão de forma limpa. | Conexão |
2.4 O que observar no diagnóstico
O relatório de diagnóstico classifica cada verificação com uma severidade:
- ✅
ok— pode prosseguir. - ⚠️
aviso— documente a ressalva. - 🔴
problema— investigue antes de usar. - 🚫
crítico— não use os dados sem correção.
Se o relatório apontar problema ou crítico, pare e investigue. Essa é a regra de ouro do pacote: desconfie dos dados antes de analisá-los.
2.5 Mapa do fluxo de trabalho
┌────────────────────────────────────────────────────────────────┐
│ FLUXO DE TRABALHO VIGIAR │
│ │
│ 1. vigiar_conectar() ── abre a sessão │
│ ↓ │
│ 2. vigiar_baixar_rj() ── download particionado RJ │
│ ↓ │
│ 3. process_pm25() ── padronização + classes S3 │
│ ↓ │
│ 4. vigiar_diagnosticar_serie() ── diagnóstico de qualidade │
│ ↓ │
│ 5. vigiar_auditar() ── auditoria + SHA256 │
│ ↓ │
│ 6. vigiar_snapshot() ── congelamento para │
│ reprodutibilidade │
│ ↓ │
│ 7. vigiar_desconectar() ── encerramento da sessão │
└────────────────────────────────────────────────────────────────┘
2.6 Uma variação mínima: apenas explorar
Se você só quer inspecionar o que está disponível antes de baixar:
library(vigiar)
vigiar_conectar()
vigiar_tabelas() # lista todas as tabelas
vigiar_info() # catálogo com descrições e categorias
vigiar_esquema("df_anual") # colunas e tipos de uma tabela
vigiar_desconectar()2.7 Próximos passos
Agora que você tem o mapa geral, siga a ordem sugerida do e-book:
- Instalação — configure o ambiente corretamente.
- Conexão — entenda o que acontece por trás da sessão.
- Exploração — conheça o esquema de dados e o dicionário.
- Download — domine as estratégias de download.
- Rio de Janeiro — use os recursos específicos do RJ.
- Processamento — padronize os dados.
- Validação — valide antes de analisar.
- Diagnóstico — avalie a qualidade das séries.
- Auditoria — audite e comprove a integridade.
- Cache e Reprodutibilidade — congele os dados.
- Exportação — exporte em CSV, RDS, Parquet e JSON.
- Exemplos práticos — veja análises completas passo a passo.