📊 GovInsights - Projeto de Geração Automática de Relatórios de Series Financeiras do IPEA

Este projeto tem como objetivo gerar relatórios financeiros automatizados sobre séries financeiras do IPEA (Instituto de Pesquisa Econômica Aplicada) com base em dados de entrada fornecidos pelo usuário. A aplicação foi desenvolvida com foco prioritário em organização e manutenção fácil, utilizando o Streamlit como framework principal.

🧱 Arquitetura

Modelo Arquitetural: Client-Server

O projeto segue o modelo arquitetural Client-Server, que é reativo e orientado ao backend, como recomendado pelo Streamlit. Nesse modelo, o cliente é o navegador (frontend), e a interface é gerada e controlada pelo servidor (backend) em Python. O Streamlit permite que a aplicação seja construída de forma fullstack, ou seja, com Python controlando tanto a lógica da aplicação quanto a geração da interface, o que facilita o desenvolvimento de aplicações interativas com uma única linguagem.

No contexto desse modelo, o banco de dados (Supabase) faz parte da camada de backend, sendo acessado exclusivamente pelo servidor. O cliente nunca interage diretamente com o banco — todas as requisições passam pelo servidor, que processa, consulta ou armazena os dados antes de responder ao cliente. Isso mantém a separação clara entre as camadas e reforça a segurança e a organização do sistema.

Camadas da Arquitetura

Frontend

Frontend: A interface do usuário é gerada e controlada pelo servidor utilizando Streamlit, garantindo uma experiência interativa e visualmente atraente. O navegador atua como o cliente, recebendo a interface e interagindo com o backend.

Backend

Backend: A lógica de negócio, manipulação de dados de séries do IPEA e integração com IA para geração de relatórios são tratadas pela camada services, totalmente desenvolvida com Python. O servidor é responsável por processar as interações e gerar a interface que será enviada ao cliente.

Database

Armazenamento de séries: As séries a serem alertadas serão armazenadas em um banco de dados relacional PostgreSQL na Supabase, uma plataforma de backend como serviço que facilita o gerenciamento de bancos de dados, autenticação e APIs. A escolha do Supabase foi feita devido à sua facilidade de integração, soluções robustas para bancos de dados e seu plano gratuito, que se adequa perfeitamente ao escopo do projeto acadêmico.
Motivo para a escolha do Supabase:
Fácil integração: O Supabase oferece uma solução prática e de fácil integração com o Streamlit, o que facilita a conexão entre o backend Python e o banco de dados PostgreSQL através de métodos nativos do próprio Supabase.
Plano gratuito: O plano gratuito do Supabase oferece 1 GB de armazenamento de banco de dados, o que é suficiente para o armazenamento dos dados por parte deste projeto acadêmico.

Visualização da Arquitetura do Projeto

alt text

🗂️ Estrutura do Projeto

├── interface/ 💎 camada de apresentação\ ├── services/ 🧑‍💻 lógica do projeto\ ├── data/ 📊 interação com o banco de dados\ └── main.py 🚀 ponto de entrada da aplicação

📂 Descrição dos Diretórios

🔷`interface/`

Função: Camada de apresentação (UI).
Tecnologias: Streamlit + Python.
Responsável por: Renderizar a interface de usuário e coletar inputs.

🔷`services/`

Função: Lógica de negócio.
Tecnologias: Python, API IPEA, Pandas, DeepSeek R1 Distill Llama 70B Free, Plotly.
Responsável por: Conectar-se à biblioteca ipeadatapy para obter séries financeiras, processando e gerando relatórios financeiros com o modelo gratuito de LLM DeepSeek R1 Distill Llama 70B Free através da biblioteca together fornecida pela empresa Together.ai.

🔷`data/`

Função: Interação com o banco de dados.
Tecnologias: Supabase, Python.
Responsável por: Gerenciar a conexão com o banco de dados hospedado no Supabase baseado em PostgreSQL, realizando operações de busca e inserção de dados sobre séries financeiras escolhidas pelo usuário à serem alertadas de acordo com atualizações.

🔷`main.py`

Função: Ponto de entrada da aplicação.
Tecnologias: Python.
Responsável por: Inicializar dependências e executar a aplicação.

🔁 Relações Entre Diretórios

Diretório	Pode chamar...	Pode ser chamado por...
`main.py`	`interface/`	—
`interface/`	`services/`	`main.py`
`services/`	`data/`	`interface/`
`data/`	—	`services/`

🚀 Tecnologias Principais

Frontend: Streamlit
Backend: Python
Banco de Dados: Supabase
IA: DeepSeek R1 Distill Llama 70B Free (Together.ai)
Gráficos: Plotly
Manipulação de Dados: Pandas

📌 Requisitos

Python 3.10+
Streamlit
pandas, plotly, together, etc.

▶️ Executando o Projeto

# Instale as dependências
pip install -r requirements.txt

# Execute a aplicação
streamlit run main.py

🌐 Deploy

Aplicação

O deploy será realizado utilizando o sistema de nuvem do Streamlit Community Cloud. A escolha do Streamlit para hospedagem se deve à sua integração simplificada com o próprio framework, além de fornecer recursos gratuitos de fácil acesso.

Banco de Dados

Optou-se pelo Supabase, uma solução de banco de dados em nuvem que oferece PostgreSQL como serviço simplificado através métodos nativos em python da própria biblioteca supabase. A escolha foi motivada pela escalabilidade da plataforma, permitindo o crescimento do projeto conforme a quantidade de dados aumenta. Além disso, a facilidade de integração com o Streamlit torna simples o acesso ao banco de dados pela aplicação, sem a necessidade de configurações complexas. O Supabase também oferece um plano gratuito, ideal para fins acadêmicos e de prototipagem. Por fim, o uso do PostgreSQL garante uma solução robusta e confiável para armazenar históricos de relatórios e informações sensíveis.

Com isso, o banco de dados será armazenado na nuvem Supabase, enquanto a aplicação estará hospedada no Streamlit Community Cloud, permitindo que o backend da aplicação interaja diretamente com o banco de dados na nuvem.