Dados abertos do Brasileirão 2026

Status dos dados

299 de 380 jogos processados, sem divergências.

Nenhuma divergência encontrada nesta fotografia. As conferências que rodam a cada requisição estão listadas abaixo, em proveniência.

Este mesmo estado é servido em status.json, para quem quiser conferir antes de baixar. Ele é publicado inclusive quando encontra problema: um número errado sem aviso é pior do que um aviso de atraso.

A tabela acima descreve a fotografia que está no ar. Quando uma atualização mais recente é calculada e recusada pelo portão, o diagnóstico completo dela fica no mesmo status.json, nos campos candidateRejected, candidateRejectionReason e candidateTimestamp, e não aparece nas páginas de conteúdo. A separação é proposital: recusar uma fotografia ruim é o portão funcionando, e quem veio ler a chance de um clube não precisa de um relatório de operação na frente do número. O campo publicStatus resume em uma palavra se o que está sendo servido representa o campeonato de agora.

De onde vem cada número

O que este cluster publica se divide em três: o dado primário, que vem de terceiro; a conferência, que fazemos para não repassar erro adiante; e o dado derivado, que é calculado aqui e é o que a licença cobre.

O que a licença cobre

A licença CC BY 4.0 cobre tudo que o ValorFinal calcula: probabilidades, projeções, ratings, pontos esperados, dificuldade de calendário, Índice de Impacto e as fotografias arquivadas.

Ela não cobre a base bruta de calendário e placares, que pertence à fonte primária e tem os termos de uso dela. Por isso os arquivos publicados aqui trazem o que calculamos, mais o placar estritamente necessário para que a conta seja reproduzível, e não a base bruta de terceiro.

Como o dado é conferido

• A classificação não é copiada pronta: ela é montada aqui, partida a partida, com os critérios de desempate do regulamento. Quando a nossa tabela e a da fonte discordam, isso aponta um problema de dado.
• O acervo passa por uma bateria de invariantes a cada requisição: partida duplicada, jogo encerrado sem placar, placar impossível, clube fora do elenco, rodada fora do intervalo e soma de gols que não fecha.
• O resultado dessa conferência é publicado em /brasileirao/status.json, inclusive quando encontra divergência.
• Pontos esperados são calculados por conta fechada e comparados com a média da simulação. Se as duas divergirem por mais de 0,6 ponto, uma das duas está errada, e um teste automático reprova a publicação.

O que este modelo declaradamente não faz

• O modelo simula apenas o Campeonato Brasileiro. Ele não simula a Copa do Brasil nem os torneios da Conmebol, e por isso publica faixa de posição final em vez de probabilidade de vaga continental.
• Os critérios de desempate por cartões não são aplicados: a fonte publica o placar das partidas e não a súmula.
• O modelo não usa elenco, valor de mercado, escalação, lesão nem desfalque. A força de cada clube é estimada a partir dos resultados da própria temporada.
• As probabilidades vêm de uma amostra pseudoaleatória. Com o número de simulações publicado, o erro padrão de uma probabilidade perto de 50% fica em 0,35 ponto percentual.

Requisição condicional, ETag e cache

Todo arquivo é servido com ETag, Last-Modified e os cabeçalhos X-Snapshot e X-Schema-Version. O ETag é derivado do identificador da fotografia mais um checksum do corpo, e isso tem uma consequência prática: fotografia igual significa conteúdo igual, então um 304 aqui é garantia, e não aposta.

O CORS é aberto (Access-Control-Allow-Origin: *) porque o objetivo declarado é que outras pessoas usem os arquivos direto do navegador. Os cabeçalhos ETag, Last-Modified, X-Snapshot e X-Schema-Version estão expostos em Access-Control-Expose-Headers, então um script no navegador consegue lê-los.

O cache público é de 1 minuto em toda superfície corrente, página ou arquivo, e o manifesto.json não tem cache nenhum. A fotografia em si muda a cada meia hora, no máximo, e só quando entra resultado novo. O schema.json tem cache de um dia e ETag próprio, porque ele muda com o FORMATO e não com a rodada.

Além de X-Snapshot, toda resposta traz X-Modelo-Versao, X-Produto-Versao e X-Snapshot-Tipo (corrente ou historica). Uma requisição HEAD a qualquer página responde em qual fotografia ela está, e é assim que a conferência externa percorre o cluster inteiro sem interpretar HTML.

Validar o arquivo antes de confiar nele

O schema.json é um JSON Schema draft 2020-12 que descreve o dados.json campo a campo, com tipo, faixa e a explicação de cada um. Ele existe para que um script não precise descobrir a forma do arquivo por tentativa e erro, nem descobrir que ela mudou quando quebra em produção.

Ele não é uma promessa escrita à mão: o esquema e o arquivo são conferidos nos dois sentidos a cada integração. Campo publicado que o esquema não descreve reprova, e campo descrito que o arquivo não traz também. É a mesma disciplina que impede o dicionário desta página de envelhecer.

Para conferir que o arquivo baixado é exatamente o desta fotografia, o status.json traz, em arquivos, o tamanho em bytes e o checksum de cada um dos quatro. É o mesmo valor que aparece dentro do ETag servido, então dá para conferir os quatro arquivos numa leitura só, sem baixar nenhum deles.

O mesmo status.json publica, em modelo.changelog, o histórico de versões do modelo em dado estruturado, e em produto.notas o que mudou no produto sem mexer em número. A metodologia conta a mesma história em texto, para quem lê em vez de automatizar.

O ok do status.json só é verdadeiro quando duas integridades fecham ao mesmo tempo: a do dado (dataset.ok: a entrada fecha e a fotografia passou nas invariantes) e a da publicação (publicacao.ok: todas as superfícies correntes, renderizadas a partir desta mesma publicação, saíram com este identificador). Uma sem a outra é um "ok" que não significa nada, e foi exatamente isso que existiu até 01/09/2026.

Como citar

Em texto corrido, "segundo o Modelo ValorFinal" com a rodada resolve. O importante é a rodada aparecer: uma probabilidade sem rodada é uma afirmação que ninguém consegue conferir depois, porque o número muda quando o campeonato anda. Quem quiser precisão total cita o identificador da fotografia, que devolve exatamente os mesmos valores.

Não exigimos link, aprovação prévia nem aviso de uso. Uso comercial está liberado pela licença CC BY 4.0.

Campos de clubes.csv e do bloco de clubes do JSON

Campos de confrontos.csv

Campos de historico.csv

O histórico repete os campos de clube com o valor que eles tinham em cada rodada arquivada, mais três campos próprios.

Uma rodada arquivada nunca é reescrita. Se a fonte corrigir um placar antigo, a fotografia antiga continua no arquivo do jeito que foi publicada, e é a diferença entre as duas que conta a história.

Notas de uso

Estabilidade dos identificadores. O campo code de cada clube é estável entre temporadas e é a chave recomendada para cruzar dados. O jogo_id é estável dentro da temporada. O campo snapshot muda a cada recálculo e serve para detectar mudança sem comparar o arquivo inteiro.

Probabilidades. Todas vêm em escala de 0 a 100, com duas casas decimais. Valores exatamente 0 ou 100 aparecem nos arquivos quando a contagem da simulação deu isso, e devem ser lidos como "não apareceu na amostra", nunca como impossibilidade ou certeza. Nas páginas o percentual de chance tem uma casa decimal, e uma estimativa extrema aparece como 99,9% ou menos de 0,1%, com o valor real ao lado; impossibilidade ou certeza só são afirmadas quando a conta dos pontos ainda em disputa demonstra.

Faixas de posição, não vagas. Os campos de probabilidade descrevem faixas de posição final. O número de vagas brasileiras na Libertadores e na Sul-Americana depende de resultados de outras competições, que este modelo não simula.

Reprodutibilidade. Cada arquivo traz a semente e o número de simulações. Sobre a mesma fotografia, refazer a conta devolve exatamente os mesmos valores. A metodologia descreve o método inteiro, e a página de desempenho mede o quanto ele acerta.

Cabeçalho comum. Todo arquivo repete, em cada linha ou no topo do JSON, o snapshot, a temporada, a rodada de referência e a data da última leitura da fonte. Isso deixa cada linha auto-suficiente: um recorte copiado para outro lugar continua carregando de onde veio.

O que não é publicado

Não existe endpoint de dado bruto de terceiros aqui. O calendário e os placares vêm de uma base pública de dados esportivos sob licença própria, e redistribuir aquele acervo não é nosso direito. O que este site publica é o que ele produz: a classificação montada por nós, as probabilidades do modelo, as projeções e os índices derivados.

Também não são publicados dados de jogadores, escalações ou estatísticas de partida, porque o ValorFinal não coleta nem produz esse tipo de informação. Publicar número que não se produz é a forma mais rápida de perder a confiança de quem cita.

Perguntas frequentes