• Fonte oficial da Receita Federal do Brasil, aqui.
• Layout dos arquivos, aqui.

A Receita Federal do Brasil disponibiliza bases com os dados públicos do cadastro nacional de pessoas jurídicas (CNPJ).

De forma geral, nelas constam as mesmas informações que conseguimos ver no cartão do CNPJ, quando fazemos uma consulta individual, acrescidas de outros dados de Simples Nacional, sócios e etc. Análises muito ricas podem sair desses dados, desde econômicas, mercadológicas até investigações.

Nesse repositório consta um processo de ETL para i) baixar os arquivos; ii) descompactar; iii) ler, tratar e iv) inserir num banco de dados relacional PostgreSQL.

• Python 3.8
• PostgreSQL 14.2

1. Com o Postgres instalado, inicie a instância do servidor (pode ser local) e crie o banco de dados conforme o arquivo banco_de_dados.sql.

2. Crie um arquivo .env no diretório code, conforme as variáveis de ambiente do seu ambiente de trabalho (localhost). Utilize como referência o arquivo .env_template. Você pode também, por exemplo, renomear o arquivo de .env_template para apenas .env e então utilizá-lo:

   • OUTPUT_FILES_PATH: diretório de destino para o donwload dos arquivos
   • EXTRACTED_FILES_PATH: diretório de destino para a extração dos arquivos .zip
   • DB_USER: usuário do banco de dados criado pelo arquivo banco_de_dados.sql
   • DB_PASSWORD: senha do usuário do BD
   • DB_HOST: host da conexão com o BD
   • DB_PORT: porta da conexão com o BD
   • DB_NAME: nome da base de dados na instância (Dados_RFB - conforme arquivo banco_de_dados.sql)

3. Instale as bibliotecas necessárias, disponíveis em requirements.txt:

pip install -r requirements.txt

4. Execute o arquivo ETL_coletar_dados_e_gravar_BD.py e aguarde a finalização do processo.
   • Os arquivos são grandes. Dependendo da infraestrutura isso deve levar muitas horas para conclusão.
   • Arquivos de 08/05/2021: 4,68 GB compactados e 17,1 GB descompactados.

• Para maiores informações, consulte o layout.

  • empresa: dados cadastrais da empresa em nível de matriz
  • estabelecimento: dados analíticos da empresa por unidade / estabelecimento (telefones, endereço, filial, etc)
  • socios: dados cadastrais dos sócios das empresas
  • simples: dados de MEI e Simples Nacional
  • cnae: código e descrição dos CNAEs
  • quals: tabela de qualificação das pessoas físicas - sócios, responsável e representante legal.
  • natju: tabela de naturezas jurídicas - código e descrição.
  • moti: tabela de motivos da situação cadastral - código e descrição.
  • pais: tabela de países - código e descrição.
  • munic: tabela de municípios - código e descrição.

• Pelo volume de dados, as tabelas empresa, estabelecimento, socios e simples possuem índices para a coluna cnpj_basico, que é a principal chave de ligação entre elas.