Encontrar um dataset é rápido. Encontrar um que realmente sustenta um TCC quantitativo é outra história: boa parte dos dados públicos disponíveis não tem estrutura suficiente pra virar um trabalho completo, e só perceber isso depois de já ter começado a escrever custa tempo que você não tem.

O que é o Kaggle

Kaggle é uma plataforma gratuita de datasets públicos, mantida pelo Google. É onde você encontra dados reais pra qualquer pesquisa que precise de uma base quantitativa, sem precisar coletar nada do zero. Basta criar uma conta gratuita em kaggle.com, que pode ser feita direto com login do Google.

Os três critérios que decidem se um dataset “dá TCC”

Nem todo dataset serve. Antes de baixar qualquer coisa, confira três pontos.

Existe uma pergunta de pesquisa dentro dele. Não é só “analisar dados”: é “existe relação entre X e Y”, “o que diferencia o grupo A do grupo B”. Se você olha pras colunas e não consegue formular nenhuma pergunta desse tipo, o dataset ainda não serve.

Tem colunas categóricas e numéricas misturadas. Essa mistura é o que permite cruzar informação: comparar médias entre grupos, testar associação entre categorias. Um dataset só de números soltos, sem nenhuma categoria, limita bastante o que dá pra escrever depois.

O tema conecta com um campo de conhecimento reconhecido. Administração, saúde, educação, engenharia, o que for. É esse campo que vai te dar o referencial teórico pra citar mais à frente. Um dataset interessante, mas sem nenhuma literatura acadêmica ao redor, vira um problema na hora de escrever a fundamentação teórica.

O tamanho certo é menor do que parece

Na busca do Kaggle, dá pra filtrar por categoria (negócios, saúde, educação) e por tamanho de arquivo. Pra um TCC de graduação, prefira datasets pequenos ou médios, na faixa de alguns milhares de linhas. Não é preciso big data: é preciso um dataset limpo o suficiente pra você conseguir analisar com clareza, sem passar mais tempo tratando erro de dado do que escrevendo.

Leia a descrição das colunas antes de baixar

Toda página de dataset no Kaggle tem uma aba (a “Data Card”) explicando o que cada coluna significa. Ler essa parte com atenção, antes de baixar, evita escolher um dataset onde metade das colunas é incompreensível ou mal documentada. Se a descrição das colunas for confusa ou incompleta, trate isso como sinal de alerta: procure outro dataset.

Um exemplo do tipo de estrutura que funciona bem: um dataset de clientes de uma operadora de telecomunicações, com colunas de tipo de contrato, forma de pagamento, tempo de casa e se o cliente cancelou o serviço. A pergunta de pesquisa “o que diferencia clientes que cancelam dos que ficam” nasce sozinha, só de olhar a estrutura. É esse tipo de dataset que vale procurar: se a pergunta não aparece de forma quase óbvia, vale continuar procurando.

Baixando

O botão Download na página do dataset baixa os dados, geralmente em formato .csv, uma planilha em texto simples que abre em qualquer ferramenta de análise. Guarde o arquivo numa pasta dentro do seu projeto de TCC, algo como dados/.

E se o seu tema não tem dataset pronto?

Primeiro, confirme se o seu TCC precisa mesmo de um. Existem três tipos de pesquisa, e só um deles depende de uma base de dados: a pesquisa com dados (planilha, questionário, base pública). A pesquisa com entrevistas trabalha com falas, documentos ou observação, e a bibliográfica usa só a literatura. Um TCC de Direito sobre LGPD pode ser excelente sem uma linha de planilha. Se o seu é desse tipo, o Kaggle não é o caminho, e está tudo bem.

Se a sua pesquisa é mesmo com dados, há duas saídas. Uma: adaptar a pergunta de pesquisa pra um dataset que exista e seja relacionado ao seu campo, já que o processo de análise vale pra qualquer tema quantitativo depois. Outra: se você já tem dados próprios (de uma pesquisa de campo, um questionário aplicado, dados de uma empresa), o mesmo processo funciona igual, só trocando o Kaggle pelo seu próprio arquivo.

Depois de escolher o dataset

Com o dataset em mãos, o próximo passo é a limpeza e a análise, e é aí que o texto dos capítulos precisa continuar batendo com o que os dados realmente mostram. No TCC Verificado, quem cuida disso é o Dado, o especialista da equipe de agentes que prepara a base, roda a análise e confere cada número do texto. A Aula 2.2 mostra esse caminho para os três tipos de pesquisa, e você avalia cada resultado antes de ele entrar no TCC.

Guia rápido de referência, sem o passo a passo de critérios: documentação do Kaggle.