Flor de Aço: uma visão integral da violência contra a mulher no Brasil

Entender a escala da violência contra a mulher no Brasil esbarra em um problema estrutural: os dados estão dispersos em diferentes órgãos e sistemas. O feminicídio raramente é um evento isolado; ele costuma ser o desfecho fatal de um percurso mais longo de agressões. A violência relatada está em inquéritos domiciliares, os atendimentos de saúde no SINAN, as medidas protetivas no DataJud e os óbitos por agressão no SIM. Antes de realizar qualquer estudo abrangente, o maior desafio é extrair, limpar e fazer essas bases conversarem.

O projeto Flor de Aço nasceu para resolver exatamente essa dor. A iniciativa reúne, padroniza e documenta microdados públicos de diversos órgãos, oferecendo uma infraestrutura estruturada e comparável. Todo o dataset consolidado está disponível publicamente no Kaggle.

Mais do que apenas um banco de dados (a camada Foundation), o Flor de Aço é também um repositório de análise colaborativa, aberto para que cientistas de dados, pesquisadores e profissionais conduzam e compartilhem seus estudos de forma organizada.

Abaixo, detalhamos as fontes de dados do projeto e explicamos como você pode fazer parte dessa rede de análises.

Aplicações Corporativas, GovTech e ESG

O Flor de Aço é uma infraestrutura de dados poderosa que vai além da pesquisa acadêmica, servindo como motor para ações em diversos setores

Setor Público e GovTechs: Permite o planejamento de políticas públicas baseado em evidências. É possível cruzar áreas com alto descumprimento de medidas protetivas no DataJud com a demanda por atendimento de saúde no SINAN.
ESG e Governança Corporativa: Grandes empresas e consultorias podem usar a base para desenhar programas de impacto social. O cruzamento de dados ajuda a mapear vulnerabilidades regionais e a estruturar redes de apoio para colaboradoras.
Jornalismo de Dados e Think Tanks: A base já tratada garante sustentação para painéis interativos, observatórios de violência e relatórios de impacto social.

Fontes de Dados e Escopo (A Fundação)

1. Violência Doméstica Autorreferida (Fonte: DataSenado)

A Pesquisa Violência Doméstica e Familiar contra a Mulher, do Instituto DataSenado, é um levantamento nacional por telefone, em rodadas bienais desde 2005, que dimensiona a violência sob a ótica das próprias entrevistadas.

Foram consolidadas as 10 rodadas disponíveis (2005 a 2023). Cada rodada tem questionário e dicionário próprios, então o processamento é feito ano a ano: o código de cada variável vira a descrição da pergunta, e o código de cada resposta vira a descrição da categoria (a coluna P08 vira em_que_estado_voce_mora, e o valor 11 vira Rondônia). Isso preserva a possibilidade de comparar e agregar as rodadas mesmo quando o instrumento muda.

Base disponibilizada:

pn_violencia_domestica_{ano}.parquet - uma base por rodada (2005-2023).

INSTITUTO DE PESQUISA DATASENADO. Microdados da Pesquisa Violência Doméstica e Familiar, 2005 – 2023. Brasília, DF. 2007. Disponível em: https://www.senado.leg.br/institucional/datasenado/paineis_dados/#/?pesquisa=violencia_domestica_familiar.

2. Violência Declarada (Fonte: PNS - IBGE)

A Pesquisa Nacional de Saúde é um inquérito domiciliar do IBGE que capta a violência sob a perspectiva da vítima (tipo de agressão, autor, local, frequência e busca por atendimento), informações que muitas vezes faltam em registros policiais e de saúde.

Foram usadas as edições de 2013 e 2019, extraídas por posição de coluna conforme o dicionário oficial de cada uma e filtradas para manter só as mulheres que relataram violência nos 12 meses anteriores à entrevista. Em 2013, a violência por pessoa conhecida e por pessoa desconhecida ficam em arquivos separados, de propósito: somar as duas produziria um número de “violência doméstica” que inclui assalto na rua.

Bases disponibilizadas:

pns_violencia_domestica_2013.parquet - violência por pessoa conhecida (cônjuge, parente, vizinho), bloco O037.
pns_proxy_violencia_desconhecido_2013.parquet - violência por pessoa desconhecida, bloco O025.
pns_violencia_domestica_2019.parquet - edição 2019, com violência psicológica, física e sexual em blocos separados.

Observação: os microdados de posição fixa são volumosos e sujeitos aos termos de download do IBGE, então são obtidos manualmente. E um alerta para quem for comparar as edições: o domínio de sexo muda (“Masculino/Feminino” em 2013, “Homem/Mulher” em 2019), e um filtro herdado de uma edição para outra gera uma base vazia, sem nenhum erro.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Pesquisa Nacional de Saúde (PNS). Rio de Janeiro: IBGE. Disponível em: https://www.ibge.gov.br/estatisticas/sociais/saude/9160-pesquisa-nacional-de-saude.html.

3. Notificações de Violência Interpessoal (Fonte: SINAN - DATASUS)

O SINAN recebe as notificações compulsórias de violência feitas por serviços de saúde de todo o país (ficha VIOL). Diferente do SIM, registra a violência não fatal e traz a relação entre vítima e agressor, o que permite distinguir violência por parceiro íntimo de violência intrafamiliar.

Os arquivos VIOLBR{AA}.dbc (bases finais e preliminares) são baixados do FTP público do DATASUS, convertidos para Parquet e consolidados via DuckDB. O recorte mantém vítimas do sexo feminino, exclui lesão autoprovocada e registros marcados como duplicidade pelo próprio SINAN. Não há filtro de idade: notificações envolvendo meninas são parcela expressiva da base, com pico da série aos 13 anos.

Base disponibilizada:

sinan_violencia_mulher.parquet - perfil da vítima, tipo de violência, meio de agressão, vínculo com o agressor e encaminhamentos da rede.

Três colunas merecem leitura atenta. VINCULOS_AGRESSOR é uma lista, não um valor único (uma notificação pode registrar cônjuge e pai ao mesmo tempo). AGRESSOR_PARCEIRO_INTIMO e AGRESSOR_FAMILIAR são indicadores derivados para os recortes mais frequentes. INDICIO_VIOLENCIA_GENERO assume SIM, NAO ou nulo, e o nulo significa “sem informação suficiente para classificar”, não “não”.

BRASIL. Ministério da Saúde. DATASUS. Sistema de Informação de Agravos de Notificação (SINAN) - Violência Interpessoal/Autoprovocada. Disponível em: https://datasus.saude.gov.br/.

4. Processos Judiciais (Fonte: DataJud - CNJ)

A Base Nacional de Dados do Poder Judiciário, instituída pela Resolução CNJ nº 331/2020, reúne os metadados processuais de todos os tribunais do país. Mede a judicialização da violência: quantos casos chegam à Justiça, em que fase estão e quantas medidas protetivas são concedidas e descumpridas. É o único ponto da cadeia em que a proteção judicial aparece.

A extração é feita pela API pública nos 27 tribunais de justiça estaduais, filtrando por códigos de assunto da Tabela Processual Unificada. Os códigos foram verificados por consulta direta à API em vez de transcritos da tabela publicada, o que revelou duplicatas de grafia (o mesmo assunto com dois códigos) e nós hierárquicos que raramente são marcados na capa do processo.

São três recortes cumulativos, do mais estrito ao mais amplo:

Recortes dos processos judiciais do DataJud: feminicídio, violência de gênero e contexto doméstico, com o número de movimentações e de processos.

Bases disponibilizadas:

datajud_feminicidio.parquet - Feminicídio.
datajud_violencia_genero.parquet - Feminicídio + lesão em razão da condição de mulher, violência psicológica, perseguição e descumprimento de medida protetiva.
datajud_contexto_domestico.parquet. - Feminicídio + lesão em razão da condição de mulher, violência psicológica, perseguição e descumprimento de medida protetiva + + marcadores transversais de violência doméstica.

Colunas indicadoras (TEM_FEMINICIDIO, TEM_MEDIDA_PROTETIVA, TEM_VIOLENCIA_TIPIFICADA, TEM_CONTEXTO_DOMESTICO) permitem reproduzir qualquer subconjunto a partir da base mais ampla.

Dois cuidados: a tabela tem uma linha por movimentação, não por processo (para contar processos, use COUNT(DISTINCT NUMERO_PROCESSO)), e DESFECHO (TENTATIVA, CONSUMADO ou nulo) só marca consumação com indício positivo, então a contagem de CONSUMADO é um piso, não o total. A API expõe apenas metadados processuais: não há informação sobre vítima ou agressor.

CONSELHO NACIONAL DE JUSTIÇA. Base Nacional de Dados do Poder Judiciário - DataJud. API Pública. Disponível em: https://datajud-wiki.cnj.jus.br/api-publica/acesso.

5. Óbitos por Agressão (Fonte: SIM - DATASUS)

O SIM consolida as Declarações de Óbito de todo o país e é a base oficial de mortalidade no Brasil. Os arquivos de causas externas são baixados do FTP público do DATASUS, convertidos para Parquet e consolidados via DuckDB. São mantidos apenas os registros femininos nos códigos da CID-10 que indicam agressão (X85-Y09). O código Y35 (intervenção legal) fica de fora, porque a própria CID-10 o exclui do grupo e morte por ação policial é outro fenômeno.

Base disponibilizada:

proxy_sim_feminicidio.parquet - óbitos femininos por agressão, com os campos-código traduzidos para texto legível.

O prefixo “proxy” é honesto: a Declaração de Óbito não tem campo de feminicídio nem de relação entre vítima e agressor. O recorte inclui casos que não configuram feminicídio e deixa de fora feminicídios classificados sob outra causa básica. Outro detalhe fácil de errar: o 4º dígito do CID nesse grupo indica o local de ocorrência (ou o agressor, em Y06 e Y07), não o método. Sem essa distinção, um X850 (agressão por drogas em residência) poderia ser lido como arma de fogo. As colunas METODO_AGRESSAO, LOCAL_CID e AGRESSOR_CID fazem essa separação.

BRASIL. Ministério da Saúde. DATASUS. Sistema de Informações sobre Mortalidade (SIM). Brasília, DF: Ministério da Saúde. Disponível em: https://datasus.saude.gov.br/mortalidade-desde-1996-pela-cid-10.

6. Base Auxiliar (Macrorregião de Saúde)

Para os cruzamentos geográficos, o projeto conta com uma base de referência construída a partir dos dados abertos do Ministério da Saúde, associando cada município à sua macrorregião e região de saúde, com coordenadas.

Base disponibilizada:

geo_macroregiao.parquet - Malha geográfica do Ministério da Saúde para cruzar municípios, macrorregiões de saúde e coordenadas geográficas.

Fontes avaliadas e não incorporadas. O Ligue 180 (MDHC) seria a única fonte de denúncia espontânea do projeto, mas a página de dados abertos passou a exigir autenticação e está indisponível; segue no roadmap. O SINESP (MJSP) também foi avaliado, mas o portal estava indisponível e o indicador de feminicídio não constava da base pública.

O que os dados não dizem

Cada fonte registra um momento distinto da trajetória, com critérios e coberturas próprios. Os totais não são comparáveis entre bases: um mesmo caso pode constar em várias delas, em apenas uma ou em nenhuma.

O volume de processos por tribunal no DataJud reflete a completude do envio ao CNJ e a prática de classificação de cada corte, não a incidência de violência no estado. Segundo o Fórum Brasileiro de Segurança Pública, São Paulo lidera em feminicídios registrados pela polícia, mas ocupa a quarta posição no DataJud. Comparar unidades da federação exige normalização por fonte externa; séries dentro de um mesmo tribunal são consistentes.

Cobertura Histórica

DataSenado: 2005 a 2023, em rodadas bienais.
SIM/DATASUS: série consolidada desde 1996, com atualização contínua.
SINAN/DATASUS: desde 2009, com bases finais e preliminares.
DataJud/CNJ: instituído em 2020, mas os tribunais migraram acervo anterior, com processos ajuizados desde os anos 1990 e volume expressivo a partir de 2015.
PNS/IBGE: edições pontuais de 2013 e 2019.

SIM e SINAN são sincronizados automaticamente via FTP do DATASUS. O DataJud é extraído por API com checkpoint, e cada tribunal só é marcado como concluído se a contagem bater com a informada pela própria API. DataSenado e PNS são retratos fechados no tempo, incorporados quando o instituto publica novos microdados.

Repositório Colaborativo: Um Convite à Comunidade

Entender a escala do problema é apenas o primeiro passo. O Flor de Aço possui um braço colaborativo no GitHub desenhado para receber estudos da comunidade. O objetivo de longo prazo é usar as análises produzidas neste repositório para alimentar um painel público e interativo de monitoramento.

Se você atua com dados, pode iniciar seu estudo facilmente:

Configuração Automatizada: O projeto possui scripts (setup.py e kaggle_download.py) que configuram o ambiente virtual automaticamente e baixam os dados direto do Kaggle para sua máquina.
Sandbox para Modelagem e Exploração: O repositório oferece uma pasta de sandbox com um template pronto contendo notebooks de análise exploratória e de modelagem estatística/machine learning.
Submissão de Estudos: Quando finalizar sua análise e validar seus resultados, você pode abrir um Pull Request para integrar a sua pesquisa na pasta de estudos oficiais do projeto.
Sugestões de Novas Bases: A comunidade também pode sugerir a inclusão de novas fontes de dados (como SINESP ou Ligue 180) por meio da abertura de Issues no GitHub.

Licença e Acesso

O projeto opera sob um modelo duplo de licenciamento:

Código-fonte do foundation: GNU GPLv3. O uso corporativo da infraestrutura exige a manutenção do código aberto ou parceria comercial direta.
Dataset consolidado (Kaggle): CC0 1.0 (Domínio Público), referente estritamente ao trabalho de curadoria e harmonização.
Repositório de análise colaborativa: licença MIT.

Os dados originais permanecem de titularidade das instituições de origem (DataSenado, IBGE, DATASUS, CNJ e Ministério da Saúde), que devem ser citadas ao usar cada fonte. Se você usar o dataset em pesquisas, reportagens ou análises, cite tanto a fonte original quanto este repositório de curadoria.

📊 Acesse os dados: Kaggle
💻 Código e documentação: github.com/rafa-trindade/flor-de-aco-foundation
🤝 Análise colaborativa: github.com/rafa-trindade/flor-de-aco
⭐ Apoie: deixe uma estrela no repositório para dar visibilidade ao projeto!

Idealização e iniciativa: Gabrielle Borges Urcioli Santos e Raphael Trindade . Apoio: PoD Academy

💡 Se você trabalha com dados de saúde, justiça ou violência de gênero, dá uma olhada, deixa um comentário e compartilha com quem lida com esses dados no dia a dia.