Este trabalho apresenta o desenvolvimento de um banco de dados voltado para a previsão da geração e do consumo de energia elétrica. A etapa inicial foi dedicada à capacitação em Python e ao estudo de diferentes tipos de bancos de dados, resultando na escolha do MongoDB devido à sua flexibilidade no armazenamento de arquivos CSV provenientes de múltiplas fontes. A primeira coleta utilizou webscraping em Python para extrair automaticamente dados da ANEEL, totalizando 74 GB em estado bruto. Os conjuntos relevantes foram limpos e padronizados, corrigindo formatações de valores e datas, e estruturados em documentos JSON no MongoDB, com chaves e índices específicos. Um script em Python foi desenvolvido para automatizar a inserção dos dados. A integração com a linguagem permitiu gerar análises e visualizações, inicialmente com Matplotlib, identificando padrões e a viabilidade de modelos de regressão e interpolação. A partir disso, foi criada a plataforma interativa Atlas da Energia do NAPI EZC (https://napiezcscience.streamlit.app/), desenvolvida em Streamlit, que disponibiliza análises com gráficos interativos via Plotly e permite o download dos dados. Novas coletas foram realizadas junto ao ONS e à EPE, repetindo-se o processo de limpeza e padronização. Atualmente, o desafio consiste em integrar dados com diferentes granularidades temporais (diária, mensal, anual) e períodos de coleta distintos, a fim de viabilizar modelos de previsão mais robustos. O trabalho evidencia a importância da padronização e da integração de dados para a análise preditiva no setor elétrico brasileiro.
