{"id":22563866,"url":"https://github.com/datalopes1/teste_analytics_andrelopes","last_synced_at":"2025-03-28T13:14:27.117Z","repository":{"id":264251082,"uuid":"891729477","full_name":"datalopes1/Teste_Analytics_AndreLopes","owner":"datalopes1","description":"Teste para a vaga de estágio em Analytics na QUOD","archived":false,"fork":false,"pushed_at":"2024-11-25T13:27:28.000Z","size":2120,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-02-02T13:32:11.560Z","etag":null,"topics":[],"latest_commit_sha":null,"homepage":null,"language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/datalopes1.png","metadata":{"files":{"readme":"readme.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2024-11-20T21:14:23.000Z","updated_at":"2024-11-25T13:27:32.000Z","dependencies_parsed_at":"2025-02-02T13:32:07.786Z","dependency_job_id":"cd13f070-3fb1-4a03-8545-90c3151da669","html_url":"https://github.com/datalopes1/Teste_Analytics_AndreLopes","commit_stats":null,"previous_names":["datalopes1/teste_analytics_andrelopes"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datalopes1%2FTeste_Analytics_AndreLopes","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datalopes1%2FTeste_Analytics_AndreLopes/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datalopes1%2FTeste_Analytics_AndreLopes/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datalopes1%2FTeste_Analytics_AndreLopes/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/datalopes1","download_url":"https://codeload.github.com/datalopes1/Teste_Analytics_AndreLopes/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":246034307,"owners_count":20712857,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":[],"created_at":"2024-12-07T23:13:09.717Z","updated_at":"2025-03-28T13:14:27.075Z","avatar_url":"https://github.com/datalopes1.png","language":"Jupyter Notebook","funding_links":[],"categories":[],"sub_categories":[],"readme":"# Teste de Estágio em Analytics QUOD\n![](doc/img/yfjoBtM1PTXsEnwgpGSL--2--tne4f.jpg)\n\n#### Índice\n- [Introdução](#-introdução)\n- [Ferramentas](#️-ferramentas)\n- [Dataset](#-dataset)\n- [Resultados](#-resultados)\n- [Como usar](#️-como-usar)\n\n\n## 📝 Introdução\nEste projeto faz parte do teste proposto pela equipe de Recuros Humanos da QUOD para o estágio em Analytics. Ele consiste em:\n\n### Parte 1 - Python\n1. Criar um dataset com pelo menos 50 registros, contendo as colunas - Id, Data, Produto, Categoria, Preço.\n    1.1. Realização limpeza e manipulações necessárias nos dados;\n   \n    1.2. Calcular o total de vendas (Quantidade * Preço);\n   \n    1.3. Identificar o produto com maior total de vendas;\n### Parte 2 - SQL\n2. Com o mesmo dataset escrever consultas para:\n\n    2.1. Listar o nome do produto, categoria e a soma total de vendas (Quantidade * Preço) para cada produto. Ordene o resultado pelo valor total de vendas em ordem decrescente.\n   \n    2.2. Identificar os produtos que venderam menos no mês de junho de 2024.\n\n### Parte 3 - Interpretação de Resultados\n3. Com base nas análises realizadas nas Partes 1 e 2, escreva um breve relatório (máximo de 300 palavras) resumindo os principais insights encontrados e sugerindo possíveis ações baseadas nesses insights.\n\n## 🛠️ Ferramentas\n- **Python 3.12+**\n    - **Bibliotecas**: Pandas, NumPy, Faker, Matplotlib, Seaborn, openpyxl, tqdm,  sqlalchemy, Notebook, Jupyter.\n\n## 📊 Dataset \n\n|Coluna|Descrição|\n|---|---|\n|``Id``|Identificador único da transação|\n|``Data``|Data da transação|\n|``Produto``|Nome do produto|\n|``Categoria``|Categoria do produto|\n|``Quantidade``|Quantidade vendida na transação|\n|``Preço``|Preço do produto|\n\nO script para criação dos dados se encontra na pasta ``scr``. \n\n## ✅ Resultados\n\n### Análise Exploratória de Dados\n#### Estatísticas descritivas\n- Em relação o Preço (e por consequência o Total de Vendas) uma média maior que a mediana indica uma assimétria à direita.\n- Já quanto a Quantidade de produtos comprados em cada transação, em 87,84% foi de apenas um produto. \n\n![plot](doc/img/plot_1.png)\n\n![plot](doc/img/plot_2.png)\n\n- O produto com a maior frequência de transações é o **BASIC Notebook**, e em relação a categoria foi a de **Laptops**.\n- Setembro foi o mês com o maior número de transações. \n\n![plot](doc/img/plot_3.png)\n\n![plot](doc/img/plot_4.png)\n\n#### Explorando as features\n##### Categoria x Faturamento \u0026 Volume de Vendas\n![plot](doc/img/plot_5.png)\n\n![plot](doc/img/plot_6.png)\n\nApesar do alto volume de vendas, os periféricos são os que deixam menor faturamento para a loja sendo a categoria de Desktop a com maior valor agregado e aquela que gera maior faturamento.\n\n##### Produtos x Faturamento \u0026 Volume de Vendas\n![plot](doc/img/plot_7.png)\n\n![plot](doc/img/plot_8.png)\n\n- A linha de produtos mais rentável é a **GAMER** tanto para Laptops quanto para Desktops, apesar da maior quantidade de unidades vendidas o Laptop **BASIC Notebook** é apenas o 6º em faturamento.\n- O **GAMER Setup** é o produto com maior faturamento (Total de Vendas), R$ 9.687.528,57.\n\n##### O desempenho no período analisando\n\n![plot](doc/img/plot_9.png)\n\nObservando a média móvel, o faturamento apresenta uma tendência de queda. Vamos analisar de forma mensal, para ter uma curva mais suave, além de observar também as tendências por cada Categoria de Produto.\n\n![plot](doc/img/plot_11.png)\n\n![plot](doc/img/plot_10.png)\n\nExiste uma tendência de forte queda nas vendas, analisando mais detalhadamente por Categoria, a partir do segundo semestre a queda se acentuou. \n\n##### 3.3. Conclusões\n\n- Analisando a performance de venas do ano de 2023 podemos observar que a linha **GAMER** é a que tem maior retorno financeiro tanto para laptops e desktops dentro da Informax. \n- Periféricos representam a maior quantidade de produtos vendidos, o que pode trazer potenciais clientes para compra de *hardware* com maior valor agregado.\n- A tendência de queda nas vendas no segundo semestre, especial no mês de dezembro, precisa ser revertida e investigada de forma mais profunda. Novembro é mês da agora tradicional *Black Friday*, é um momento do ano ideal para promoções mais agressivas que podem levantar o faturamento, além de também poder ser adotada uma estratégia de descontos em uma margem menor mas extendendo até o mês de dezembro (que foi o que apresentou maior queda) para promoções especiais de Natal.\n\n### Consultas SQL\n\n```SQL\n-- Pergunta 1\nSELECT \n    v.Produto\n    , v.Categoria\n    , SUM(v.Quantidade * v.Preço) AS 'Total de Vendas' -- Calculo do total de vendas\nFROM vendas v\nGROUP BY v.Produto -- Agrupamento por Produto\nORDER BY 3 DESC; -- Ordenamento por Total de Vendas decrescente\n```\n![query](doc/img/query_1.png)\n\n```SQL\n-- Pergunta 2\n/* Obs. Como na geração dos dados foram \nsolicitados dados do ano de 2023\nestou considerando Jun/2023 e não 2024 como no e-mail */\n\nSELECT\n    '2023-06' AS 'Mês' -- Flag do mês\n    , v.Produto\n    , SUM(v.Quantidade) AS 'Quantidade' -- Calculo da quantidade vendida\nFROM vendas v\nWHERE v.Data BETWEEN '2023-06-01' AND '2023-06-30' -- Filtro de vendas no período\nGROUP BY v.Produto -- Agrupamento por Produto\nORDER BY 3 ASC; -- Odernamento do menor para o maior\n```\n![query](doc/img/query_2.png)\n\n## ⚙️ Como usar\n#### Estrutura do projeto\n```plaintext\n.\n├── data/                  \n│   ├── database.db                 # Banco de dados  \n│   └── processed/                  # Dados que passaram por processamento\n│       └── data_clean.csv          # Dataset da Parte 1\n│\n├── doc/                            # Documentos e imagens\n│   ├── consultas_sql.sql           # Consultas da Parte 2 \n│   ├── relatorio_insights.md       # Relatório da Parte 3\n|   ├── explicacoes.md              # Explicações sobre o código\n│   └── img/                        # Imagens geradas durante a análise\n│\n├── notebook/                       # Jupyter Notebook\n│   ├── eda.ipynb                   # Análise da Parte 1\n│   └── query.sql                   # Query para extração de dados\n│\n├── scr/                            # Scripts\n│   └── generate_dataset.py         # Script Dados da Parte 1\n│\n├── poetry.lock                     \n├── pyproject.toml          \n├── readme.md               \n\n```\n#### Instalação\n##### Instalação do poetry\n```bash\npip install poetry\n```\n##### Clonar repositório\n```bash\ngit clone https://github.com/datalopes1/Teste_Analytics_AndreLopes.git\ncd Teste_Analytics_AndreLopes/\n```\n##### Instalação das dependências\n```bash\npoetry install\n```\n##### Ativação do ambiente virtual\n```bash\npoetry shell\n```\n##### Geração de um novo arquivo ``.db `` do SQLite\n```bash\npoetry run python scr/generate_dataset.py\n```\n\n## 📞 Contato\n- LinkedIn: https://www.linkedin.com/in/andreluizls1\n- Portfolio: https://sites.google.com/view/datalopes1\n- E-mail: datalopes1@proton.me\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdatalopes1%2Fteste_analytics_andrelopes","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fdatalopes1%2Fteste_analytics_andrelopes","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdatalopes1%2Fteste_analytics_andrelopes/lists"}