O presidente Americano Donald Trump anunciou que irá impor uma tarifa de 50% a todos os produtos brasileiros. Se essas tarifas, de fato, entrarem em vigor, pode reduzir a exportação de diversos produtos. Nesse post vamos usar ciência de dados para analisar que tipo de impacto isso vai causar na economia brasileira.

Primeiro de tudo, é importante ressaltar que o que vamos fazer aqui é somente uma analise geral. Para conduzir uma avaliação mais profunda, seria preciso um super computador considerar muitos petabyte de dados. Mas isso não será necessário no momento. Vamos entender o que a gente precisa primeiro.

Extraindo Dados Necessários

Vamos começar pelos dados. Precisamos acessar os dados de exportação. Eu peguei os dados do comexstat e filtrei da segunte forma:

Tarifa de trump

Se, por acaso, você tiver dificuldade recriando esses dados, gerei um link da minha consulta aqui.

Depois que tiver o resultado, clica no Excel para baixar o arquivo. Eu troquei o nome do meu arquivo para exportacao_pt.xlsx. Isso fica mais fácil para me referir ao documento quando estou analisando.

Importando e Analisando os Dados

A princípio é importante importar os pacotes que vamos usar. E em seguida, vamos importar os dados.

import pandas as pd
import matplotlib.pyplot as plt

exportacao = pd.read_excel("exportacao_pt.xlsx")

Como você pode ver, temos muitos números, ficando difícil de analisar. Para esse exercício, vamos somente analisar os dez produtos mais vendidos nos Estados Unidos e os que serão mais afetados pelas tarifas de Trump.

Criando um Gráfico de Barras

Vamos criar um gráfico de barras para ver os dez produtos mais exportados.

# criando os dez produtos mais exportados de 2024
mais_exportados = exportacao.sort_values(by='2024 - Valor US$ FOB', ascending=False).head(10)

# criando o gráfico de barras
plt.figure(figsize=(12, 6))
plt.barh(mais_exportados['Descrição ISIC Classe'], mais_exportados['2024 - Valor US$ FOB'])
plt.xlabel("Valor Exportado em 2024")
plt.title("Os 10 produtos mais exportados para os EUA (2024)")
plt.gca().invert_yaxis()
plt.tight_layout()
plt.show()

produtos mais exportados do brasil

Entendendo Elasticidade de Produtos

Para a análise geral estou baseando o meu conteúdo na elasticidade de produtos. O que é elasticidade?

Elasticidade de produto, ou elasticidade-preço da demanda, mede o quanto a quantidade demandada de um produto muda quando seu preço varia. Se um pequeno aumento no preço faz a demanda cair muito, dizemos que o produto é elástico. Se a demanda quase não muda, é inelástico.

Por exemplo, a gasolina é um produto inelástico. Apesar da oscilação de preço, a demanda muda muito pouco. Em contra partida, o tomate é um produto elástico. Pois se o preço muda, as pessoas evitam de comprar. Cada um desses produtos tem uma taxa de elasticidade.

Decidi avaliar a taxa desses produtos nos Estados Unidos, pois eles são os compradores. Depois de estudar várias fontes, esses foram os detalhes que encontrei:

elasticidade_mapa = {
     'Fabricação de ferro e aço básicos': -0.25,
     'Extração de petróleo bruto': -0.05,
     'Fabricação de aviões e máquinas relacionadas': -0.8,
     'Cultivo de bebidas da safra': -0.3,
     'Fabricação de polpa, papel e cartão': -0.4,
     'Fabricação de produtos petrolíferos refinados': -0.1,
     'Fabricação de máquinas para mineração, exploração de pedreiras e construção': -0.7,
     'Processamento e conservação de carne': -0.2,
     'Fabricação de metais preciosos e outros metais não ferrosos':-0.3,
     'Processamento e conservação de frutas e legumes': -0.25
}

No processo acima adicionei os números que encontrei em minha pesquisa de vários sites. Infelizmente, alguns desses estão desatualizados com informação de 2018. Não é ideal, mas é suficiente para conduzirmos esta analise.

Combinando os Dados

Agora, vamos combinar esses dados com o nosso quadro de dados que nós downloaded do site. Vamos mapear esses dados com o existente.

mais_exportados['elasticidade'] = mais_exportados['Descrição ISIC Classe'].map(elasticidade_mapa)

Observa que agora temos uma coluna adicional, chamada elasticidade, contendo os dados que criamos manualmente.

Vamos finalizar a manipulação de dados.

Criando os Cálculos

O restante dos cálculos estão aqui.

mais_exportados['mudança_em_porcento'] = mais_exportados['elasticidade'] * 0.50

# Estimando novo valor de exportação
mais_exportados['novo_valor'] = mais_exportados['2024 - Valor US$ FOB'] * (1 + mais_exportados['mudança_em_porcento'])
mais_exportados['perda_de_vendas'] = mais_exportados['2024 - Valor US$ FOB'] - mais_exportados['novo_valor']

# mudando para numeros
mais_exportados['perda_de_vendas'] = mais_exportados['perda_de_vendas'].astype(int)
mais_exportados['novo_valor'] = mais_exportados['novo_valor'].astype(int)

# reorganizando os numeros
mais_exportados_sortido = mais_exportados.sort_values(by='perda_de_vendas', ascending=False)

Deixa eu explicar passo a passo:

Mudança em Porcento

mais_exportados['mudança_em_porcento'] = mais_exportados['elasticidade'] * 0.50

Na primeira linha do código estamos calculando a variação percentual esperada na demanda com base na elasticidade de cada setor.

A elasticidade nos diz quanto de demanda deve cair quando o preço aumentar. Como cada tarifa é de mais de 50%, multiplicamos isso pela elasticidade. Esta coluna está indicando a porcentagem de queda de vendas.

Exemplo:

  • Elasticidade = -0.8
  • Aumento de preço = +50%
  • Mudança em porcento = -0.8 * 0.5 = -0.4 → nesse caso a demanda cairia 40%

Novo Valor

mais_exportados['novo_valor'] = mais_exportados['2024 - Valor US$ FOB'] * (1 + mais_exportados['mudança_em_porcento'])

Estimamos o novo valor total exportado após a queda na demanda. Nessa análise, optamos por uma coisa mais simples e usando somente os dados de 2024. Não estamos considerando crescimento, fatores externos, nada disso. Estamos analisando somente com a elasticidade.

A tarifa não cancela as exportações, mas reduz o quanto os EUA estariam dispostos a comprar.

Quando aplicando um aumento ou redução percentual a um valor original, você precisa multiplicar esse valor por (1 + a variação percentual). Um exemplo simples:

Suponha que você vá loja e encontre uma camisa por R$100. Ao chegar ao caixa, você recebe 30% de desconto. Ou seja, houve uma queda no preço de R$30. Para saber o preço final, você tira 30 de 100. O preço da camisa ficou em R$70.

Para evitar fazer vários comandos, utilizamos um atalho. Multiplicamos o valor original vezes 1 + a porcentagem. Este cálculo aplica esta queda estimada diretamente sobre o valor original.

Perca de Vendas

mais_exportados['perda_de_vendas'] = mais_exportados['2024 - Valor US$ FOB'] - mais_exportados['novo_valor']

Agora que temos o valor total de vendas depois da tarifa, vamos calcular a diferença entre o valor exportado em 2024 e o valor estimado com a tarifa.

Por quê? Esse número (perda de vendas) representa a perda econômica direta para o Brasil em cada setor, se a tarifa fosse aplicada.

Transformando em Números

mais_exportados['perda_de_vendas'] = mais_exportados['perda_de_vendas'].astype(int)
mais_exportados['novo_valor'] = mais_exportados['novo_valor'].astype(int)

Esse pedaço de código instrui o Python a considerar os valores dessas colunas como um número.

Organizando os Resultados

mais_exportados_sortido = mais_exportados.sort_values(by='perda_de_vendas', ascending=False)

Organizando os setores do mais impactado para o menos impactado. Por quê? Isso facilita a análise dos setores que mais perderiam com a tarifa.

Totalizando a Perca

Como já havia mencionado, essa analise é bem superficial. Mas, vale a pena ver o que o Brasil pode perder, se caso isso entrar em vigor. O código final vai mostrar o total de perda de vendas.

print(f"Total perda de venda {mais_exportados["perda_de_vendas"].sum():,.0f}")

Aplicando a Visualização

Claro que só números não são tão bacanas quanto uma visualização. Vamos lá:

plt.figure(figsize=(12, 6))
plt.barh(mais_exportados["Descrição ISIC Classe"], mais_exportados["perda_de_vendas"])
plt.xlabel("Perda de Vendas Projetado (US$)")
plt.title("Estimated Export Loss Due to 50% Tariff")
plt.tight_layout()
plt.gca().invert_yaxis()  # Show highest loss on top
plt.show()

Conclusão

Olhando assim por cima, vemos que se essas tarifas de Trump entrarem em vigor, isso vai causar um problema econômico para o Brasil. Claro que não estamos considerando outras coisas. Espero que o Brasil chegue a um acordo o mais rápido possível.