Passo 1: Onde pegaremos essas informações?
Bom, vamos pensar? 🤔. Que tal se a gente pegasse isso de uma rede social corporativa onde empresas que buscam networking estão? E se você pensou no Linkedin, acertou em cheio!!
Passo 2: Quais dados eu consigo extrair dos perfis?
Certo, nesse ponto conseguimos encontrar algumas informações úteis das empresas como:
- Nome da Empresa
- Website
- Data da fundação
- Localização
- Quantidade de funcionários
- Setor em que atua
Todas essas informações são de cadastro da própria empresa, então, caso a empresa não tenha preenchido completamente todas as informações é possível que não tenhamos algumas informações para realizarmos a análise.
Passo 3: Mas com qual ferramenta irei realizar essa extração?
E é aí que entra o meu queridinho: o Python .
Isso mesmo, usaremos uma linguagem de programação para fazer essa extração de forma ágil e automatizada. CAAAALLLMMMAAA!! Não fecha esse artigo ainda não! TE PROMETO, não é um bicho de 7 cabeças.
Tá, eu vou usar o Python e mais o quê? Okay, vamos utilizar algumas bibliotecas, que são nada mais nada menos que códigos que outra pessoas criaram e que podemos reutilizar para outra finalidade [emoji smile]. As bibliotecas que utilizaremos serão:
- Selenium (automação web)
- Beautiful Soup (extração e tratamento das informações)
- Pandas (armazenamento das informações para um tipo planilha do Excel)
Passo 4: Criação do código, obtenção dos dados,
tratamento e armazenamento das informações
Nossa, mas que quarto ponto grande! Parece, grande, mas é que todas essas bibliotecas fazem isso para a gente de forma automatizada.
Para isso precisaremos de um navegador para acessar o linkedin e coletar as informações. Eu utilizarei o Chrome. Também vamos precisar de um editor de texto. Pode ser esse bloco de notas do seu computador mesmo. Só não esqueça de renomear o arquivo com final .py, tipo assim: “nome-do-arquivo.py”.
Agora mão na massa!!!
No editor de texto você vai começar a codar
– Importando as bibliotecas: Selenium, Pandas, Beautiful Soup e o Time
from bs4 import BeautifulSoup
from selenium import webdriver as web
import pandas as pd
import time
– Configurando o navegador
# Acessar a home do linkedin
option = web.ChromeOptions()
option.headless = True
driver = web.Chrome(options=option)
– Entrando no Linkedin
#Encontrando os elementos para realizar o login
elementID = driver.find_element_by_id(‘username’)
elementID.send_keys(login)
elementID = driver.find_element_by_id(“password”)
elementID.send_keys(password)
elementID.submit()
Acessando um perfil de empresas, coloque o link desses perfis em um bloco de notas na mesma pasta onde você está criando o seus códigos. Veja um exemplo com as 7 empresas do Grupo Brognoli.
– Código de extração, tratamento e exportando os dados
Para estruturar esse código você vai precisar de algumas coisas:
1. Um dicionário, para que armazene as informações a serem obtidas
2. Estrutura de repetição, para que esse conjunto de empresas sejam coletadas de forma automática
3. Obter o HTML da página do Linkedin. (Clicando com o Botão esquerdo do mouse e depois em inspecionar, você verá o html ao seu lado direito da página)
4. Pegue o id=”main”, pois é lá que está todas as informações necessárias
5. Com a Beautiful Soup é possível buscar pelo HTML os dados que queríamos:
• Nome da Empresa
• Website
• Data da fundação
• Localização
• Quantidade de funcionários
• Setor em que atua
E aqui está o resultado!
Passo 5: Agora chegou a forma de apresentar os
dados em informações visuais
Nesse caso eu recomendo fortemente o Google Data Studio. É uma excelente ferramenta para criação de dashboards e análise dados. E o melhor de tudo é que é uma ferramento gratuita e basta ter uma conta do gmail.
Basta exportar a planilha que obtemos para o Data Studio, e começar a criar alguns gráficos e métricas que podem ser importantes para analisar o mercado imobiliário.
- Mediana do Tempo de fundação
- Quantidade de funcionários para cada empresa do setor
- Localidade das empresas
- Setores que a empresa atua no ramo imobiliário
A partir disso é possível obter uma visão geral do mercado que você deseja, seja por cidade ou estado. E conseguir analisar o crescimento das empresas analisadas também pelo google trends também. Podendo fazer algumas relações entre as empresas analisadas e verificar a penetrabilidade dessas empresas com relação a concorrência.
E aí? Conseguiu se inserir um pouquinho mais na era dos dados? Esperamos que sim!
