Começar o TCC costuma ser mais difícil do que parece, não por falta de capacidade, mas porque muita gente tenta começar pelo assunto, pela técnica ou por uma ideia “legal”, e só depois percebe que faltou o principal: um problema claro, um recorte viável e um resultado que dá para medir e defender. Neste post, eu vou te mostrar um caminho simples para sair do tema solto e chegar em um projeto bem fechado, usando um checklist prático (PICOC), além de indicar o que vale evitar para não travar no meio do caminho e onde encontrar bases de dados públicas para dar tração no seu trabalho.
Por que muitos TCCs começam errado?
Os erros mais comuns aparecem quando o projeto:
- começa pelo assunto e não pelo problema,
- fica com recorte amplo demais,
- escolhe método antes de ter dados,
- não define o que vai medir e entregar nos resultados,
- foca mais na técnica do que no resultado,
- escolhe tema por modinha, e não pela viabilidade,
- não tem afinidade com o método ou com o tipo de dado que vai usar.
Se você se identificou com um ou mais pontos, respira. Dá para corrigir rápido com um bom enquadramento.
O método PICOC para fechar o tema
PICOC é um checklist prático para transformar “assunto” em “tema defensável”. A regra é simples: se faltar uma resposta, o tema ainda está solto.
- P (Population): quem é o público ou unidade de análise?
- I (Intervention): qual fator, condição ou variável principal você quer avaliar?
- C (Comparison): com quem ou contra o quê você vai comparar?
- O (Outcome): qual resultado você vai medir, explicar, prever ou segmentar?
- C (Context): em qual contexto, local, recorte e período isso vale
P: População (quem você está estudando)
Defina com clareza:
- o que é sua unidade de análise (pessoa, empresa, anúncio, pedido, mês, loja)
- critérios de inclusão e exclusão (perfil, senioridade, setor, região, porte)
Exemplos de população:
- profissionais de dados no Brasil (pesquisa State of Data)
- anúncios de vinil em uma plataforma
- anúncios de veículos à venda no estado de SP
- tickets de suporte de uma empresa
- vendas mensais de um portfólio de produtos
I: Intervenção (o fator principal)
Aqui entra o “porquê” por trás do resultado. Para não virar lista infinita:
- escolha 2 a 5 fatores principais
- teste a regra: “isso vira variável?”
Se não vira variável, ainda é assunto, não tema.
Exemplos de fatores:
- modelo de trabalho e flexibilidade (remoto/híbrido/presencial)
- condição do item e reputação do vendedor
- intensidade de relacionamento (recência, frequência, ticket médio)
- tipo de demanda e nível de serviço (categoria, tempo de resposta)
- promoções e sazonalidade (campanhas, preço médio, calendário)
C: Comparação (grupo A vs grupo B)
Comparação define como você vai mostrar diferença com tabelas, gráficos e testes:
- categorias (A vs B)
- faixas (quartis, ranges)
- antes vs depois
- segmentos e clusters
Exemplos:
- remoto vs presencial
- novo vs usado
- vendedores top vs demais
- antes vs depois de uma mudança de processo
- meses com promoção vs sem promoção
O: Outcome (resultado mensurável)
Sem resultado claro, não existe TCC. O outcome precisa ser operacionalizado, por exemplo:
- métrica numérica (preço, tempo, volume, erro)
- rótulo/categoria (churn sim/não, intenção sim/não)
- escala (nota, satisfação, rating)
Exemplos:
- intenção de turnover e fatores associados
- preço final e variação por grupo
- probabilidade de recompra ou LTV estimado
- resolução no primeiro contato e tempo para resolver
- erro de previsão em forecast (MAE/MAPE)
C: Contexto (onde e quando)
Contexto delimita escopo e limitações:
- fonte do dado
- janela temporal
- recorte geográfico ou operacional
Exemplos:
- pesquisa online no Brasil, profissionais de dados
- plataforma X, últimos 6 meses, moeda/país definidos
- histórico mensal 24 a 36 meses com calendário promocional
Evite esses temas (para não sofrer depois)
Se você quer terminar o TCC sem virar refém do “vou conseguir depois”, evite:
- temas sem dados disponíveis (acesso incerto)
- temas com dados sensíveis e risco de LGPD (saúde, RH, dados identificáveis, localização precisa, conversas privadas sem base legal e anonimização)
- temas filosóficos demais (sem variável-alvo, sem métrica, sem evidência)
- setor financeiro sem acesso e autorização (sigilo alto)
- coleta pesada demais (scraping gigante, rotulagem manual enorme, entrevistas demais)
- dados que somem ou mudam rápido (APIs instáveis, sites que bloqueiam)
- base pequena demais para provar o que você quer
- muitas frentes ao mesmo tempo (cluster + previsão + NLP + dashboard tudo junto)
- tema “da moda” só por hype (LLM, deep learning, visão computacional)
O que tende a dar certo
Se você quer um caminho seguro:
- dados acessíveis desde o 1º dia (públicos, internos anonimizados ou acesso garantido)
- problema específico e mensurável
- escopo bem recortado (1 setor, 1 plataforma, 1 período)
- comparação viável
- resultados apresentáveis por tabelas e gráficos
- reprodutibilidade (pipeline documentado)
- relevância prática (gera valor, mesmo simples)
- baixo risco de LGPD (agregado ou anônimo)
- 1 objetivo principal bem feito
Onde encontrar dados públicos
Dados abertos do Brasil (governo, estatística e indicadores)
- IBGE SIDRA (tabelas)
- IBGE (portal)
- Portal Brasileiro de Dados Abertos (dados.gov.br)
- IPEA (IPEAdata)
- Banco Central (SGS - séries temporais)
- INEP (ENEM, Censo Escolar etc.)
- DATASUS
- ANVISA
- ANATEL
- ANEEL
- ANP
- INPE (dados e monitoramento)
- TSE (estatísticas e resultados)
