Neste projeto, analisamos dados de 100 mil pedidos da Olist Store (2016–2018). Importamos os dados para o SQL Server via "Import Flat File" e realizamos uma limpeza para tratar inconsistências como nulos, duplicidades e tipos incorretos. Em seguida, estruturamos os dados em um modelo Star Schema e os conectamos ao Power BI.
Criamos dashboards com KPIs relevantes como faturamento, entregas no prazo, ticket médio, satisfação dos clientes e tempo médio de entrega. Também desenvolvemos análises que mostram, por exemplo, como entregas mais rápidas impactam positivamente nas avaliações dos clientes.
Como apoio à tomada de decisão, criamos uma tabela de classificação ABC das categorias de produto, reunindo métricas como faturamento, satisfação média, ticket médio e total vendido, facilitando a análise de desempenho por categoria.
A proposta do projeto se baseou em requisitos passados previamente, a partir desses requisitos uma extração de Planilhas de Excel foi executada, a seguir fizemos as devidas transformações necessárias no Power Query já que os dados apresentavam inconsistências na coluna Identificadora, motivo qual estava impossibilitando fazer relacionamentos e a modelagem entre as tabelas, prejudicando a análise. Feita a transformação, os dados foram carregados e a partir das vontades e requisitos de negócio solicitados pudemos desenvolver um relatório confortável visualmente, interativo e relevante, já que KPI's podem ser analisados, comparações entre mercados, segmentos, modos de envio e categorias, além de observar o comportamento do lucro ao longo do tempo.
Projeto real(os dados e nome da empresa foram preservados) feito a partir de dados disponibilizados por um atendente de telemarketing, o qual passou toda regra de negócio que é utilizada diariamente em suas vendas. A partir desse relatório foi possível observar quais origens de matrículas geram mais vendas bem como os dias nos meses que as pessoas tendem a comprar os cursos da organização. Podemos também utilizar como controle já que grande parte da remuneração é um misto de quantidade de matrículas com as vendas que foram efetivamente recebidas, tudo isso pode direcionar o vendedor em quais estratégias tomar para cumprir suas metas (colocamos um indicador para que isso seja vísivel).
Para executar o projeto recebemos 3 bases com dados de vendas com códigos de vendedores e tipos de pagamento, a partir desses códigos não conseguiríamos criar insights, pois visualmente seria muito difícil de compreender quem e de que forma vendeu, por isso tivemos que tratar essas bases utilizando "de-para" de cada código. Consolidamos as 3 bases em apenas uma utilizando a combinação entre bases uma abaixo da outra como se estivéssemos fazendo UNION em SQL.
O projeto possui menu retrátil para aproveitar melhor espaço e trazer a maior qualidade de insights com a maior segmentação de dados por filtragem possível.
Podemos analisar os indicadores de metas ano a ano, se estas foram alcançada além de uma comparação de desempenho com o ano anterior. Também é possível observar a relação Faturamento X Cancelamento, tanto no geral quanto na individualidade de cada vendedor. Uma análise interessante quanto á tipo de recebimento é bem executada no projeto, observando em dois grupos reebimentos imediatos e recebimentos parcelados, podemos entender se um eventual investimento em máquininhas faria sentido. Por fim, uma tabela de consulta com os dados mais relevantes pode ser consultada no próprio dashboard deixando-o mais perfomático possível.