Um dos dilemas globais refere-se à acelerada transição urbana vivida nas últimas décadas. Por isso, é de suma importância a promoção de um desenvolvimento urbano sustentável para acomodar esse crescimento populacional. Nesse sentido, surge o conceito de habitabilidade, um princípio que combina atributos econômicos, sociais e ambientais a fim de promover a qualidade de vida e o bem-estar, e que é amplamente tratado na Nova Agenda Urbana (NAU) adotada pela Organização das Nações Unidas (ONU) em 2016. A NAU define políticas para promover a consolidação dos Objetivos de Desenvolvimento Sustentável (ODS), particularmente o Objetivo 11, focado em um futuro pró-urbano. Para efetivar tais objetivos é preciso acompanhar o andamento da sua implementação através de indicadores, contexto em que a habitabilidade pode se enquadrar como um indicador para esse propósito. Todavia, há um impasse relacionado à indisponibilidade, má qualidade e agregação dos dados existentes, dificultando esse monitoramento. Nesse cenário, este trabalho propõe a criação de um indicador de habitabilidade que, além dos dados tradicionais dos censos e de outros estudos oficiais, também utilize fontes de dados alternativas, como as disponibilizadas pela Uber, um serviço popular de viagens. Presumindo que o comportamento do serviço da Uber possa refletir a dimensão da habitabilidade, uma abordagem orientada à dados (ciência de dados) baseada na análise exploratória e espacial dos dados foi então conduzida, utilizando as Estimativas de Tempo até o Embarque (ETE) da Uber coletadas para o município brasileiro de Natal (RN). Uma estrutura própria de coleta contínua foi utilizada e uma análise do mecanismo de ausências dos dados foi feita para posterior tratamento por meio de uma técnica de imputação múltipla. A abordagem orientada a dados objetiva, por fim, a criação de um indicador composto, de tal modo que esse indicador possa representar, em algum nível, a habitabilidade para a cidade natalense. Em linhas gerais, para criar o indicador mencionado, efetuou-se uma análise multivariada seguida da aplicação de técnicas de ponderação e agregação sobre os dados da Uber e os dados das pesquisas tradicionais. A metodologia proposta foi aplicada em dois diferentes níveis de agregação espacial: Bairros e Unidades de Desenvolvimento Humano (UDH). Os resultados das análises mostraram como o serviço da Uber varia espacialmente e como ele reage a mudanças climáticas, festividades e outros eventos, além de apresentarem as relações desses dados com indicadores sociais e infraestruturais. Observou-se também que diferentes níveis de agregação espacial causam influências sobre as ETE da Uber e seu relacionamento com as variáveis socioeconômicas. Por fim, o indicador proposto foi criado para as UDH, podendo ser aplicado no monitoramento do desenvolvimento sustentável. Concluiu-se ainda que nas regiões administrativas Oeste e Norte de Natal há uma predominância de localidades com os piores indicadores de habitabilidade. One of the global dilemmas in the last decades has been the accelerated urban transition. Therefore, promoting sustainable urban development to accommodate population growth is extremely important. Under those circumstances, the concept of liveability arises, defined as a principle that combines economic, social and environmental attributes to promote quality of life and human well-being, and it has been widely discussed in the New Urban Agenda (NUA) adopted by the United Nations since 2016. NUA defines policies to promote the consolidation of Sustainable Development Goals (SDGs), with its Goal 11 focusing on a pro-urban future. To achieve those goals is recommended the use of indicators to supervise their implementation, thus the liveability concept can be associated with an indicator for that purpose. However, there are known issues related to data unavailability, poor quality and aggregation, that make the SDGs monitoring difficult. Considering the described scenario, this work proposes a liveability indicator that combines traditional data from census and other official surveys with alternative data sources, such as data from Uber, a popular ride-sharing service. Assuming that Uber service behavior can act as a proxy to liveability, a data science approach based on exploratory and spatial data analysis was conducted using Uber’s Estimated Time of Arrival (ETA) data sourced for the Brazilian city of Natal (RN). A data acquisition structure was developed and an investigation of missingness mechanism was performed in order to deal with missing data by means of a multiple imputation technique. This data science approach aims to build a composite indicator which can portray at some level the liveability for that city. In general, to create the proposed indicator, it was performed a multivariate analysis followed by the execution of weighting and aggregation methods on Uber and traditional surveys data. The proposed methodology was applied at two different spatial aggregation levels: Neighborhoods and Human Development Unities (HDUs). Results showed how the Uber service oscillates spatially and how it reacts to weather variations, festivals, and other events, as well as its relations with existing social and infrastructural indicators. It was also observed that different spatial aggregation levels affect the Uber ETA and its relations with socioeconomic variables. Finally, the proposed indicator was created at HDU scale to be applied in sustainable development monitoring. Furthermore, it was concluded that West and North administrative regions of Natal predominantly have localities with the worst liveability indicators.