Mapa competitivo da contabilidade — baseline estrutural por UF (CEMPRE/IBGE 2022)

Pipeline cont_lab_20_mapa_competitivo rodado em 2026-05-26. Esta primeira iteração consolida o baseline estrutural do mercado-alvo: 6.321.759 empresas formais e 55.296.012 pessoas ocupadas em 27 UFs, segundo o CEMPRE/IBGE (referência 2022, publicado em 2024). Resultado bruto em outputs/resultado.parquet (27 linhas × 13 colunas). As camadas que dependem do snapshot RFB 2026-04 — contadores ativos (CNAE 6920), PMEs-alvo, HHI municipal, sobrevivência Kaplan-Meier — ficam pendentes para a próxima iteração; ver §6.

Sumário executivo

• Universo formal mapeado: 6,32 milhões de empresas e 55,3 milhões de pessoas ocupadas — o denominador estrutural sobre o qual o eixo competitivo da contabilidade vai operar.
• Concentração regional brutal: o Sudeste responde por 50,4% das empresas formais; Sul + Sudeste somam 72,8%; o Norte tem 3,8%. SP sozinha concentra 30,7% do tecido empresarial nacional.
• HHI estadual = 0,1338 — exatamente no limite superior entre "mercado não concentrado" (< 0,15) e "moderadamente concentrado". O Brasil empresarial é fortemente desbalanceado, mas não monopolizado por um único estado.
• Tamanho médio invertido geograficamente: as UFs com maior pessoal ocupado por empresa são as do Norte (AM = 16,3, AP = 15,1, RR = 14,6, AC = 13,8, PA = 13,6), refletindo presença de grandes empregadores (Zona Franca de Manaus, mineração, administração pública) num tecido empresarial rarefeito. No Sul, predomina o oposto: RS = 7,0 e PR = 7,2, com tecido pulverizado de PMEs.
• Gap oferta vs demanda a confirmar: top 5 (SP, MG, PR, RS, RJ) concentra 64,6% das empresas mas menos de 50% dos escritórios CNAE 6920 segundo o snapshot RFB 2026-03 anterior. Medir esse gap é o objetivo principal da próxima rodada.

1. Visão nacional — o tecido empresarial formal

A tabela abaixo agrega o CEMPRE 2022 (publicação 2024) por UF — base utilizada como denominador estrutural para todos os indicadores subsequentes do eixo competitivo. Critério: empresas formais ativas com pelo menos um vínculo de trabalho declarado.

UF	Empresas formais	Pessoal ocupado	Pessoal/empresa	Share BR
SP	1.939.187	15.798.651	8,15	30,67%
MG	664.274	5.818.802	8,76	10,51%
PR	527.634	3.792.445	7,19	8,35%
RS	500.309	3.479.762	6,96	7,91%
RJ	453.291	4.442.842	9,80	7,17%
SC	392.578	2.945.668	7,50	6,21%
BA	268.684	2.601.842	9,68	4,25%
GO	216.282	1.737.735	8,03	3,42%
CE	157.504	1.717.124	10,90	2,49%
PE	153.811	1.822.941	11,85	2,43%
ES	127.887	1.068.147	8,35	2,02%
MT	122.973	977.168	7,95	1,95%
DF	111.980	1.399.758	12,50	1,77%
PA	95.153	1.295.386	13,61	1,51%
MS	84.681	734.924	8,68	1,34%
MA	78.926	895.214	11,34	1,25%
PB	71.051	751.909	10,58	1,12%
RN	68.422	691.081	10,10	1,08%
PI	57.443	517.771	9,01	0,91%
AL	45.844	566.587	12,36	0,73%
AM	42.665	697.046	16,34	0,67%
RO	40.422	383.625	9,49	0,64%
SE	37.901	434.562	11,47	0,60%
TO	35.240	325.060	9,22	0,56%
AC	10.565	146.285	13,85	0,17%
AP	8.842	133.530	15,10	0,14%
RR	8.210	120.147	14,63	0,13%
BR	6.321.759	55.296.012	8,75	100%

O choropleth da Figura 1 mostra n_empresas_cempre em escala log por UF — o tradicional eixo SP–MG–RJ–PR–RS satura a barra de cor; o miolo Centro-Oeste aparece com tonalidade intermediária; o Norte fica praticamente apagado.


2. Concentração estadual — HHI nacional

Para medir a dispersão do tecido empresarial entre os 27 estados, calculamos o Herfindahl–Hirschman Index (HHI) com base nos shares de empresas formais:

`` HHI = Σ s_uf², onde s_uf = empresas_uf / empresas_BR ``

O resultado é HHI = 0,1338 — exatamente na fronteira entre "não concentrado" (< 0,15) e "moderadamente concentrado". A leitura prática:

Faixa	Threshold	Status BR
Não concentrado	HHI < 0,15	✓ (por pouco)
Moderada	0,15 ≤ HHI < 0,25	—
Alta	HHI ≥ 0,25	—

A contribuição é dominada por SP — o quadrado do share paulista (0,3067² = 0,094) explica sozinho 70% do HHI nacional. Sem SP o HHI cai para 0,0399; sem o top-5, cai para 0,0091. Tradução competitiva: qualquer estratégia nacional precisa ter resposta dedicada para São Paulo.

Shares cumulativos: top-3 (SP, MG, PR) = 49,5%; top-5 = 64,6%; top-10 = 83,4%. As 17 UFs restantes somam menos de 17%.


3. Composição regional — onde está a PME formal

Reagregando por região, o desequilíbrio fica explícito:

Região	Empresas	Share	Pessoal	Pess./empresa
Sudeste	3.184.639	50,38%	27.128.442	8,52
Sul	1.420.521	22,47%	10.217.875	7,19
Nordeste	939.586	14,86%	9.999.031	10,64
Centro-Oeste	535.916	8,48%	4.849.585	9,05
Norte	241.097	3,81%	3.101.079	12,86

Dois pontos para o eixo competitivo:

1. Sul com tamanho médio 7,19 vs Sudeste 8,52 e Norte 12,86 — sinal limpo de pulverização de PMEs, perfil que melhor casa com produto de contabilidade digital padronizada.
2. Norte com tamanho médio 12,86, puxado por Zona Franca de Manaus, mineração e setor público — mercado de Big4 e médias regionais, não de contabilidade digital de PME.


4. Tamanho de empresa por UF — escala vs pulverização

A relação entre n_empresas e pessoal_ocupado por UF (Figura 4) revela duas Brasis paralelos: estados pequenos em volume têm empresas grandes em média (Norte); estados grandes em volume têm empresas pequenas em média (Sul). Outliers altos: AM (Zona Franca), DF (administração pública), RJ (matrizes federais e óleo&gás). Outliers baixos: RS, PR, SC — tecido fragmentado de pequenos negócios industriais e de serviços.


Esse padrão importa para o produto contábil porque o ticket e o ciclo de venda mudam entre as pontas: empresa de 15 colaboradores tem financeiro próprio e exige contabilidade consultiva; empresa de 7 absorve bem terceirização digital padronizada.

5. Implicações para a próxima iteração

Este baseline define onde está o denominador (empresas formais por UF). A próxima rodada, com o snapshot RFB 2026-04 já reprocessado, vai sobrepor:

• n_contadores_ativos (CNAE 6920) por UF → ratio PME/contador;
• lq_contadores (location quotient) → onde a oferta contábil está sobre/subdimensionada vs base empresarial;
• hhi_uf calculado sobre municípios dentro de cada UF (concentração intra-estadual);
• saldo_liquido_12m de aberturas/baixadas CNAE 6920 → dinamismo competitivo;
• curva Kaplan-Meier de sobrevivência de escritórios contábeis estratificada por porte/Simples;
• score composto de oportunidade municipal.

A leitura preliminar — combinando o CEMPRE acima com o snapshot RFB 2026-03 já carregado em outras análises do lab — sugere que Sul e Centro-Oeste terão lq_contadores < 1 apesar do tecido pulverizado, abrindo a tese de subprovisão estrutural em estados como MT, GO e MS.

6. Limitações desta rodada

• Dados RFB 2026-04 não baixados — o cluster n_contadores_ativos, n_pmes_alvo, aberturas_12m, baixadas_12m, hhi_uf, pct_simples_pme e score aparecem zerados ou nulos no outputs/resultado.parquet. Correção depende do sync pipelines/lib/cnpj_rfb.py::sync_base_cnpj("2026-04", …), agendado para a próxima rodada.
• CEMPRE 2022 é a referência mais recente do IBGE (publicada em 2024). Para captar pós-pandemia tardio (2023–2025), o próximo refresh combinará CEMPRE 2023 (esperado 4T 2026) com cruzamento RFB.
• Sem desagregação setorial por UF — a tabela 6450 SIDRA usada aqui pegou só allxp (total). Próxima rodada faz pull por seção CNAE (319) para isolar serviços profissionais e contabilidade.
• Contabilidade informal não capturada — CEMPRE registra apenas formais com vínculo. PJ unipessoal sem empregado (boa parte da PME-alvo do Simples) fica de fora; correção vem pelo CNPJ-RFB.

Fontes primárias

• IBGE CEMPRE — tabela 6450 SIDRA, variável allxp (total de empresas e pessoal ocupado), classificação 319 (seções CNAE), nível n3 (UF), período 2022 (referência mais recente, publicada em 2024). Endpoint: apisidra.ibge.gov.br/values/t/6450/v/allxp/p/2023/c319/116542/n3/all.
• IBGE — malhas territoriais — feições estaduais via geobr::read_state(2020) (27 UFs, WGS-84), usadas no choropleth.
• RFB CNPJ (próxima rodada) — base pública, snapshot 2026-04, ZIPs Estabelecimentos{0..9}, Empresas{0..9}, Simples, layout RFB v2024, WebDAV arquivos.receitafederal.gov.br.
• BCB — séries SGS de crédito PJ por modalidade, usadas como contexto cruzado com o eixo macroeconomia-pme.

Reprodutibilidade

Código em lab/labs/cont_lab_20_mapa_competitivo/. Pipeline:

`` uv run python code/collect.py # sync CEMPRE SIDRA + (pendente) RFB 2026-04 + CAGED uv run python code/clean.py # filtros CNAE-alvo + cruzamento Simples uv run python code/model.py # HHI nacional/UF + ratio PME/contador + LQ + Score + KM uv run python code/figures.py # fig 1..4 (choropleths + ranking + scatter) ``

Artefatos persistidos: outputs/resultado.parquet (27 × 13) e outputs/metrics.json. Plano original e schemas em notes/plano_execucao.md; log de coleta em notes/collect_log.md.