DADOS PÚBLICOS · ANATEL · BRASIL 2025

Mercado
de Banda Larga Fixa
2025

Análise avançada do mercado de Banda Larga Fixa (SCM) no Brasil. Com dados de acessos, Market Share, tecnologia, inteligência competitiva e reclamações.

▶ Abrir Dashboard ⌥ Código no GitHub ◈ Design no Figma

55,4M

Acessos de Banda Larga Fixa registrados pela ANATEL em 2025

↑ +5,4% ao ano

79%

Share de Fibra Óptica no total de acessos SCM

↑ tecnologia dominante

26 densidade

Acessos a cada 100 habitantes

↑ pessoas conectadas

58%

Share para os pequenos provedores

↑ Competitividade

// 01 · contexto & objetivo

Sobre o Projeto

Uma plataforma analítica completa construída sobre dados públicos da ANATEL, com técnicas de Data Science aplicadas ao mercado de telecomunicações brasileiro.

Contexto técnológico

O que é o SCM?

O Serviço de Comunicação Multimídia (SCM) é o serviço de telecomunicações de interesse coletivo que enquadra a banda larga fixa no Brasil. Prestado em âmbito nacional e internacional no regime privado, possibilita a oferta de capacidade de transmissão, emissão e recepção de informações multimídia — incluindo conexão à internet — por qualquer meio físico. As prestadoras reportam mensalmente os dados de acessos à ANATEL.

Cenário de mercado

Brasil Conectado em Expansão

O mercado de banda larga fixa cresceu 5,4% no ano de 2025, impulsionado pela expansão da fibra óptica para além dos grandes centros urbanos. ISPs regionais emergentes desafiam as grandes operadoras, liderando o mercado nacional com 58% de market share. A fibra óptica, com 79% de participação, consolidou-se como padrão de qualidade esperado pelos assinantes e como principal vetor de competição entre operadoras.

Objetivo analítico

Por que este projeto existe

Este projeto nasceu da necessidade de transformar o volumoso conjunto de dados públicos da ANATEL em inteligência acionável para analistas de mercado, gestores de telecomunicações, reguladores e pesquisadores. Indo além de uma visualização simples, aplica estatística descritiva, séries temporais, detecção de anomalias por Z‑Score e forecast para responder questões como: "quais operadoras crescem fora do padrão estatístico?", "onde o churn é mais severo?" e "qual a trajetória esperada para os próximos meses?". O resultado é uma plataforma analítica que vai desde a ingestão dos dados brutos até insights executivos no Power BI.

Competências demonstradas

Stack de capacidades

Data Analytics · Data Science · Power BI avançado · Estatística aplicada · Storytelling analítico · UX para dashboards · DAX avançado · Star Schema · Forecasting

Fonte dos dados

ANATEL — Portal de Dados Abertos

Os dados referem-se aos acessos (assinaturas) de Banda Larga Fixa (SCM) enviados pelas próprias prestadoras do serviço, disponibilizados mensalmente no portal de dados abertos da Agência Nacional de Telecomunicações. É coletado, com pré-processamento em Python (Pandas) e modelagem no Power Query do Power BI.

// 02 · inteligência analítica

Insights Gerados

Conclusões derivadas da combinação de estatística descritiva, séries temporais, modelagem de mercado e análise competitiva sobre os dados.

INS_01

Expansão Agressiva dos ISPs Regionais

Provedores regionais de pequeno e médio porte acumularam ganhos de market share significativos, capturando o crescimento em cidades do interior enquanto as grandes operadoras concentravam defesa de suas bases metropolitanas.

↑ CRESCIMENTO REGIONAL

INS_02

Análise por Z‑Score

Os desvios estatísticos ajudam a localizar regiões e empresas com crescimento acelerado, estabilidade ou possíveis perdas de mercado. O modelo Z-Score destaca operadoras e estados com desempenho acima ou abaixo do comportamento esperado, identificando oportunidades e possíveis anomalias.

⚡ ANOMALIA DETECTADA

INS_03

Demanda por mais velocidade

500 Mbps ainda lidera com 10,4M de acessos, mas caiu 7,9%. Enquanto isso, 600 Mbps cresceu 68% e chegou a 10,2M. O movimento não é isolado: 700 Mbps 68,5%, 800 Mbps 106% e 1 Gb+ 48% crescem em conjunto, enquanto tudo até 400 Mbps cai. Não é mais "qual velocidade vende mais" — é "quando a troca vai acontecer".

↑ TENDÊNCIA

INS_04

Volatilidade Sazonal

A análise do desvio padrão por mês revela padrão claro de perda líquida em janeiro–fevereiro (pós-festividades) com aceleração em março–junho, sugerindo alta sazonalidade nos contratos residenciais de banda larga fixa.

↕ SAZONALIDADE

INS_05

Fibra como Diferencial de Retenção

Operadoras que oferecem fibra óptica registram churn 2–3× menor que as que ainda sustentam infraestrutura de cobre ou coaxial. A tecnologia tornou-se o principal driver de retenção de clientes no mercado.

↑ RETENÇÃO SUPERIOR

INS_06

Risco Competitivo

Nos grandes centros urbanos operadoras comprimem margens e aceleram a guerra de preços na faixa premium de 600 Mbps+, forçando diferenciação por qualidade e serviço.

⚡ COMPRESSÃO DE MARGEM

Dados em gráficos

Prévia das visualizações

renderizados com a biblioteca Chart.js.

📈 Evolução de Acessos — Banda Larga Fixa (2020–2025)

Total de acessos SCM no Brasil, em milhões, ao final de cada ano.

📊 A Troca de Liderança (YoY)

Evidência de troca de liderança em curso no mercado

🔌 Fibra vs. Outras Tecnologias

Share de tecnologia.

⚡ Share Velocidade Contratada

≥100 Mbps, dez/2025.

🛒 Market Share

Participação no mercado.

// 03 · visualização interativa

Dashboard Power BI

Painel interativo com KPIs executivos, séries temporais, market share, mapa, forecasting e análise de adesões líquidas(Net-add) e de perdas(Churn).

app.powerbi.com · Banda Larga Fixa — Brasil · v3.0

Principais visuais do dashboard

📊

KPIs: Total de acessos · Variação MoM · Densidade por hab.

📈

Série histórica de acessos — últimos 15 anos com tendência linear

🏆

Market Share por operadora com agrupamento dinâmico "Outros"

🗺️

Mapa do Brasil segmentável por estado

📶

Net‑Add: adições líquidas mensais por operadora

⚠️

Maiores perdas de acessos por operadora (Churn Analysis)

🕐

Últimos 6 meses com segmentação interativa por filtro

⚡

Análise do consumo por faixa de velocidade

📣

Reclamações por operadora com variação MoM

// 04 · metodologia & pipeline

Modelo Analítico

Pipeline de dados completo: da ingestão bruta ANATEL até a camada de insights no dashboard.

📥

INGESTÃO

Portal ANATEL · CSV

🐍

ETL

Python · Pandas

🔧

POWER QUERY

Modelagem

🔍

ANOMALIAS

Outliers

💡

INSIGHTS

Dashboard PBI

Métricas Estatísticas Aplicadas

Média Móvel (3, 6 e 12 meses)

Suaviza a série temporal, elimina ruído sazonal e revela tendência real de crescimento por operadora e período.

μ = Σx / n

Desvio Padrão (σ)

Mede a dispersão de acessos entre operadoras, revelando quais players apresentam comportamento mais volátil no mercado.

σ = √(Σ(x−μ)² / n)

Z‑Score — Detecção de Anomalias

Identifica operadoras fora do padrão estatístico de mercado, sinalizando crescimento ou queda anômalos que merecem investigação.

Z = (x − μ) / σ

Arquitetura de Dados — Star Schema

Modelagem dimensional que garante performance analítica, escalabilidade e facilidade de extensão para novas fontes de dados e dimensões.

dm_calendario

Ano · Mês · Trimestre
Semestre · Data

dm_operadora

Nome · Porte
Rank · TopN

df_acessos_bl_fixa

Acessos · Net‑Add · Churn · Market Share · Reclamações · Densidade · Velocidade

dm_populacao

UF · Região · População

dm_tecnologia

Fibra · Cobre · Coaxial
Rádio · Satélite

// 05 · medidas DAX

Principais Medidas DAX

Métricas implementadas em DAX avançado para o Power BI.

🧮 Total de acessos

acessos_total = SUM(df_acessos[acessos])

🧮 Acessos mês anterior

ant_acessos = CALCULATE( [acessos_total], DATEADD( dm_calendario[data], -1, MONTH ) )

🧮 Média Móvel

Media_Movel_12M = AVERAGEX( DATESINPERIOD( dm_calendario[data], MAX(dm_calendario[data]), -12, MONTH ), [acessos_total] )

🧮 Variação MoM de Acessos

ant_acessos = CALCULATE( [acessos_total], DATEADD( dm_calendario[data], -1, MONTH ) ) var_acessos_tot = IF(ISBLANK([ant_acessos]), BLANK(), DIVIDE([acessos_total], [ant_acessos], 0) - 1 )

🧮 Desvio Padrão 12M

Desvio_Padrao_12M = VAR Periodo = DATESINPERIOD( dm_calendario[data], MAX(dm_calendario[data]), -12, MONTH ) RETURN CALCULATE( STDEV.P(df_acessos[acessos]), Periodo )

🧮 Market Share

Market Share = DIVIDE( [acessos_total], CALCULATE( [acessos_total], ALL(df_acessos[empresa]) ) )

🧮 Forecast Híbrido

Forecast_Hibrido = ( [Media_Movel_3M] * 0.5) + ( [Media_Movel_6M] * 0.3) + ( [Media_Movel_12M] * 0.2)

🧮 Forecast Real (com Sazonalidade)

Forecast_Real = ( ([Media_Movel_3M] * 0.5) + ([Media_Movel_6M] * 0.3) + ([Media_Movel_12M] * 0.2) + (([Media_Movel_3M] - [Media_Movel_12M]) * 0.5) ) * [Percentual_Do_Pico]

// 06 · próximas evoluções

Roadmap do Projeto

Funcionalidades em desenvolvimento para elevar ainda mais a capacidade preditiva e analítica da plataforma.

v4.0

Prophet Forecast

Implementação do modelo Meta Prophet para forecasting com sazonalidade múltipla, feriados nacionais e detecção automática de change points na série de acessos.

v4.1

Previsto × Realizado

Painel de acompanhamento de desvio entre projeções anteriores e resultados reais, com cálculo de MAPE e RMSE por operadora e UF.

v4.2

Churn Prediction ML

Modelo de machine learning para predição de probabilidade de churn por operadora e município.

// 07 · autor

Sobre o Autor

Gabriel Prata

Especialista em Business Intelligence · Cientista de Dados · Data Viz Developer · Analytics Engineer

Com mais de 20 anos de experiência em Data Analytics, Business Intelligence, Engenharia de Dados e Inteligência Analítica, sendo 19 deles dedicados ao setor de telecomunicações, atuando em ambientes corporativos de grande escala e alta complexidade. Especialista em transformar grandes volumes de dados em informação estratégica para tomada de decisão com forte atuação em desenvolvimento de indicadores executivos (KPI) voltados para áreas críticas como faturamento, cobrança, tráfego, performance operacional e demandas regulatórias.

⌥ GitHub 📁 Repositório ◈ Figma Design ▶ Power BI App

Mercado de Banda Larga Fixa 2025