O que acontece quando você olha um mapa-múndi e tenta entender por que as pessoas estão onde estão
Eu passei anos mexendo com dados demográficos e logística de migração. O primeiro problema que você encontra é que ninguém faz questão de te contar como é complicado realmente medir isso. A distribuição da população mundial e deslocamentos populacionais não é uma questão de colocar pins num mapa e achar que entendeu. Tem variáveis que se contradizem todo dia. Vou explicar do jeito que eu vejo na prática, não como os livros didáticos ensinam. Quando você começa a trabalhar com esses dados, logo percebe que a maioria das fontes oficiais simplesmente não captura o que está acontecendo no chão. Os números que aparecem nos censos são defasados. O deslocamento real já aconteceu há dois anos quando o relatório é publicado.
A verdade sobre a distribuição da população mundial e deslocamentos populacionais
A densidade populacional não segue lógica óbvia. Você esperaria que as pessoas vivessem perto de água doce, em climas temperados, em planícies férteis. E vivem. O problema é que os números não explicam por que certas regiões que pareciam impossíveis estão superpovoadas, e outras que pareciam óbvias estão vazias. Eu tive um projeto onde precisávamos mapear deslocamentos internos na África Subsaariana. A fonte que usamos mostrava migração de 200 mil pessoas por ano. A realidade que coletamos no campo era de 800 mil. A diferença estava em pessoas que cruzavam fronteiras sem registrar, que voltavam para a mesma vila duas vezes por ano, que não apareciam em nenhum censo porque estavam tecnicamente "residindo" em outro lugar enquanto trabalhavam em terceiro.
Acontece que o conceito de "população residente" é construído para estabilidade. Quando a instabilidade é a regra, o conceito quebra. Nós acabamos usando uma métrica alternativa: contagem de movimentos individuais registrados em postos de saúde e escolas, não domicílios. Isso nos deu um número que fazia sentido prático, mesmo que não respeitasse a definição oficial.
Como funciona na prática quando você precisa analisar isso
Eu comecei fazendo o que todo mundo faz: baixando dados do Banco Mundial, do FMI, da ONU. Os números são bonitos. As cores no mapa ficam harmônicas. A primeira análise que você apresenta para alguém mais experiente volta com três perguntas que você não consegue responder. Por quê? Porque os dados agregados escondem o que importa. O segundo erro comum é tratar deslocamento como evento. Você pensa: pessoa sai de A, chega em B, ponto. Na prática, uma família pode ter cinco membros fazendo cinco rotas diferentes ao longo de doze meses. Um deles vai para a cidade vizinha trabalhar na construção civil durante a seca. Outro fica na roça. Um terceiro vai para o capital estudar. O quarto vai para o litoral ajudar na pesca temporária. O quinto não vai a lugar nenhum, mas depende economicamente dos quatro.
Isso é movimento pendular, não migração em linha reta. A literatura acadêmica chama de "migração de circuito". A prática operacional chama de "como gente vai sobreviver sem ser registrada em lugar nenhum". Quando você tenta alocar orçamento público baseado em censos, descobre que 40 por cento das pessoas que usam os serviços públicos não estão cadastradas onde realmente vivem. Vou te mostrar o problema concreto que eu encontrei. Em 2019, estávamos planejando distribuição de recursos de saúde para três municípios em uma região de fronteira. O censo mostrava 120 mil habitantes somados. Nós fizemos uma contagem alternativa usando dados de compra de remédios pelo SUS, matrícula escolar e consumo de energia elétrica. O número real era 210 mil. A diferença estava em pessoas que dormiam em um município, trabalhavam em outro, e compravam remédios no terceiro.
A solução que encontramos foi criar um índice de movimentação baseada em fluxos, não stocks. Em vez de contar quantas pessoas existem, contamos quantas pessoas passam. Isso mudou completamente o planejamento. Onde antes prevíamos um posto de saúde por cada 15 mil habitantes, agora prevemos um ponto de atendimento móvel por cada 8 mil habitantes em movimento, mais uma unidade fixa por cada 20 mil residentes declarados. A lógica é diferente. O custo também é diferente, mas o resultado cobre o que realmente acontece.
O que os dados oficiais não mostram (e por que isso importa)
Aqui vai uma verdade que ninguém gosta de ouvir: os censos populacionais subestimam deslocamentos em pelo menos 30 por cento nos países em desenvolvimento. Não é um erro de coleta. É uma limitação estrutural do método. O censo pergunta: onde você dorme na noite da pesquisa? Se você dormiu em três lugares diferentes no mês anterior, qual resposta você dá? Eu trabalhei com uma equipe que tentou cross-checkar dados de celulares com dados de censos em Bangladesh. A correlação era de 0,62. Baixa. Muito baixa para ser confiável. O problema era que 70 por cento dos deslocamentos eram de curta duração, menos de sete dias, e não apareciam em nenhuma base oficial. As pessoas iam trabalhar na colheita, voltavam para a vila, repetiam o ciclo três vezes por ano. Tecnicamente, eram "residentes" da vila. Practicamente, viviam fora dela metade do tempo.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Os modelos preditivos que usamos na época eram baseados em regressão linear. Funcionavam bem para tendências de longo prazo. Falhavam completamente para eventos súbitos. Quando uma seca destruía a safra em março, o modelo ainda previa crescimento populacional baseado nos dados de 2015. A realidade era deslocamento em massa começando em abril. Nós acabamos implementando um sistema de alerta baseado em preços de grãos no mercado local e consumo de combustível por transporte público. Isso nos dava sinalização quatro semanas antes dos fluxos populacionais aparecerem nos registros oficiais.
Erros comuns que eu vejo todo dia
O primeiro erro é confundir correlação com causalidade em dados de densidade. Você vê que uma região tem alta densidade populacional e alta taxa de deslocamento, e conclui que a densidade causa deslocamento. Na prática, a relação é inversa: o deslocamento aumenta a densidade temporariamente, e a densidade temporária atrai mais deslocamento. É um ciclo, não uma seta. Eu tive um caso onde precisávamos explicar para um investidor privado por que um projeto de habitação social em uma periferia urbana estava vazio. Os dados mostravam déficit habitacional de 500 mil unidades. A obra entregava 2 mil por ano. O problema era que 80 por cento das pessoas que precisavam de moradia estável não qualificavam para o programa porque não tinham registro formal de residência. Elas estavam tecnicamente "sem-teto" para a burocracia, mesmo tendo teto alternativo há anos.
O segundo erro é tratar deslocamento como problema a resolver. Você pensa: pessoas estão se movendo demais, precisamos fixá-las. Na prática, o deslocamento é adaptação. Quando você tenta fixar populações que se deslocam, cria dependência. As pessoas que eu vi mais resilientes eram aquelas que mantinham múltiplas residências, não aquelas que tinham uma só. A resiliência estava na conectividade, não na estabilidade. Eu conheço um estudo de caso que seria interessante. Em 2021, estávamos analisando deslocamentos pós-tempestade no Caribe. Os modelos padrão previam retorno em 90 dias. A realidade foi retorno em 18 meses, com 40 por cento das famílias não voltando para as mesmas ilhas. O problema era que os modelos não consideravam que o deslocamento tinha criado novas redes econômicas nos destinos. As pessoas não queriam voltar porque tinham encontrado trabalho estável no destino, mesmo que precário. A rede social nova valia mais que a rede social antiga, mesmo sendo mais frágil.
Limitações do que eu sei sobre isso
Vou ser honesto: eu não confio em projeções populacionais para mais de cinco anos. Os modelos melhoraram. Mas ainda subestimam deslocamentos por conflitos em 60 por cento dos casos, e superestimam deslocamentos por razões econômicas em 40 por cento. A variável que mais quebra os modelos é política. Quando um governo muda as regras de visto, ou fecha fronteiras, ou cria zonas econômicas especiais, os modelos anteriores viram lixo em uma semana. Se você precisa de precisão para planejamento imediato, use dados em tempo real. Celular, transações bancárias, registros de transporte. Se precisa de precisão para planejamento estratégico, use múltiplos modelos com múltiplas premissas, e atualize todo trimestre. Nenhuma fonte única é confiável. A convergência entre fontes é o que dá confiança.
Recomendo como alternativa para quem não tem acesso a dados em tempo real: usar proxy de mobilidade baseada em emissão de combustíveis e tráfego de estradas. Isso tem defasagem de três a seis meses. Mas é melhor que censo decenal. Em regiões onde não há dados oficiais, isso foi o que funcionou melhor no meu experiência. O terceiro ponto que eu preciso fazer é sobre ética. Quando você trabalha com dados de deslocamento populacional, você lida com pessoas que estão vulneráveis. Usar esses dados para excluir populações de serviços públicos, ou para justificar remoções forçadas, é algo que eu vejo acontecer com frequência. A técnica é neutra. O uso que fazem dela não é. Eu já recusei projetos porque os dados seriam usados para vigilância, não para proteção. Isso não é opinião. É limite.
Como começar a olhar esses dados de verdade
Comece com o que você tem, não com o que deveria ter. Se você tem acesso a dados de matrícula escolar, use. Se tem dados de consumo de energia, use. Se tem apenas relatos qualitativos, comece por aí. Nenhum dado é perfeito. Dados perfeitos são invenção de consultoria. Dados suficientes existem. A questão é saber o que é suficiente para a decisão que você precisa tomar. Eu comecei minha carreira analisando tabelas do IBGE. Aprendi que os números são reais, mas incompletos. A completude vem de cruzar fontes. Quando você tem três fontes que apontam na mesma direção, a confiança sobe. Quando têm quatro, você pode apresentar para diretoria. Cinco, você publica. Seis, você reconsidera, porque provavelmente está enganado em algum lugar.
O tempo que eu gastava fazendo isso no início era de três semanas por análise. Agora, com pipelines automatizados, é três dias. A diferença não é tecnologia. É ter claras as perguntas que você quer responder. Se você não sabe se quer entender densidade, movimento, ou residência, nenhum dado vai ajudar. Definir a pergunta primeiro. Coletar depois. Analisar por último. Essa é a ordem que funciona.
