{"id":18106854,"url":"https://github.com/deezinn/fecomercio-dataanalysis","last_synced_at":"2025-07-15T10:38:01.142Z","repository":{"id":259309779,"uuid":"875408657","full_name":"Deezinn/Fecomercio-DataAnalysis","owner":"Deezinn","description":"Um sistema de análise de dados integra e processa informações de múltiplas fontes, convertendo dados brutos em insights valiosos. ","archived":false,"fork":false,"pushed_at":"2024-12-10T21:27:23.000Z","size":53667,"stargazers_count":5,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-02-28T13:27:23.405Z","etag":null,"topics":["csv","data-science","jupyter-notebook","powerbi"],"latest_commit_sha":null,"homepage":"","language":"Python","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/Deezinn.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":"2024-10-19T22:27:37.000Z","updated_at":"2024-12-10T21:27:27.000Z","dependencies_parsed_at":"2024-10-25T22:50:56.987Z","dependency_job_id":"99589e54-06ca-43ea-ae42-3463b07ad402","html_url":"https://github.com/Deezinn/Fecomercio-DataAnalysis","commit_stats":null,"previous_names":["deezinn/fecomercio-dataanalysis"],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/Deezinn%2FFecomercio-DataAnalysis","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/Deezinn%2FFecomercio-DataAnalysis/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/Deezinn%2FFecomercio-DataAnalysis/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/Deezinn%2FFecomercio-DataAnalysis/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/Deezinn","download_url":"https://codeload.github.com/Deezinn/Fecomercio-DataAnalysis/tar.gz/refs/heads/main","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":248788867,"owners_count":21161726,"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":["csv","data-science","jupyter-notebook","powerbi"],"created_at":"2024-10-31T23:08:15.001Z","updated_at":"2025-04-13T21:41:48.127Z","avatar_url":"https://github.com/Deezinn.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"# 📊 Sistema de Análise de Dados\r\n\r\n## 📝 Descrição\r\nEste projeto foi desenvolvido para a Fecomércio com o objetivo de criar um sistema robusto de análise de dados. Através do uso de ferramentas poderosas como Python, Pandas e Power BI, ele permite o processamento e a análise eficaz de grandes volumes de dados, fornecendo insights valiosos para a tomada de decisões estratégicas da organização. A ETL do sistema realiza a extração de dados de diferentes APIs e arquivos CSV/JSON, transforma essas informações e as armazena em um banco de dados SQLite para uso posterior nas análises.\r\n\r\n## 🚀 Funcionalidades\r\n- **📂 Extração de Dados**: Coleta informações de múltiplas fontes, como APIs do IBGE e Banco Central.\r\n- **🛠️ Transformação de Dados**: Realiza a manipulação e limpeza dos dados usando Pandas, garantindo que os dados estejam prontos para análise.\r\n- **💾 Armazenamento de Dados**: Os dados transformados são salvos em um banco de dados SQLite para consultas futuras.\r\n- **📊 Visualização de Dados**: Integração com o Power BI para criar relatórios interativos e dashboards personalizados, facilitando a visualização de tendências e métricas importantes.\r\n\r\n## 🛠️ Tecnologias Utilizadas\r\n- **🐍 Python**: Linguagem de programação principal, utilizada para automação e manipulação de dados.\r\n- **📊 Pandas**: Biblioteca de análise de dados que facilita o tratamento de grandes volumes de informação.\r\n- **💻 Power BI**: Ferramenta de visualização que transforma os dados em gráficos e dashboards interativos.\r\n- **🗄️ SQLite**: Banco de dados leve utilizado para armazenar os dados processados.\r\n- **🌐 APIs**: Dados extraídos de APIs públicas, como IBGE e Banco Central, em formatos JSON e CSV.\r\n\r\n## 📂 Estrutura do Projeto\r\n- `/datasets/csv`: Pasta destinada ao armazenamento dos arquivos CSV extraídos e transformados.\r\n- `fecomdb.db`: Banco de dados SQLite onde os dados processados são armazenados.\r\n- `readme.md`: Documentação do projeto com detalhes sobre as funcionalidades e tecnologias.\r\n\r\n## 📘 Documentação  \r\n\r\nA documentação adicional do projeto detalha:  \r\n\r\n- **Descrição Geral**:  \r\n  Este projeto foi desenvolvido com o objetivo de consolidar e analisar uma ampla gama de dados econômicos e financeiros, abrangendo indicadores macroeconômicos (como IPCA e Taxa Selic) e transações financeiras realizadas por diferentes meios de pagamento, como PIX, boletos, TEDs e cartões de crédito/débito.  \r\n\r\n- **Estrutura dos Painéis**:  \r\n  Os dashboards foram projetados para destacar as relações entre as variáveis econômicas e o comportamento dos consumidores em diferentes períodos. Eles oferecem uma interface moderna e interativa, permitindo:  \r\n  - **Análises históricas**.  \r\n  - **Projeções futuras**.  \r\n  - Personalização por meio de **filtros dinâmicos**.  \r\n\r\n- **Navegação no Dashboard**:  \r\n  Na página inicial, os usuários podem acessar diferentes abas, cada uma dedicada a um tema específico:  \r\n  - **Cartões**: Dados sobre volume de transações e tendências de uso.  \r\n  - **Meios de Pagamento**: Comparativo entre métodos como PIX, boletos e TEDs.  \r\n  - **Pesquisa Mensal de Serviço**: Análises setoriais detalhadas.  \r\n  - **Expectativa de Mercado**: Indicadores de confiança econômica e projeções de mercado.  \r\n\r\n  Cada aba é dividida em seções para facilitar a navegação e a compreensão dos dados apresentados.  \r\n  \r\n\r\n## 🛠️ Como Utilizar\r\n1. Clone o repositório para a sua máquina.\r\n2. Certifique-se de ter o Python e o Conda instalados.\r\n3. Configure o ambiente com todas as dependências.\r\n4. Execute a ETL para iniciar o processo de extração, transformação e carregamento de dados.\r\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdeezinn%2Ffecomercio-dataanalysis","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fdeezinn%2Ffecomercio-dataanalysis","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdeezinn%2Ffecomercio-dataanalysis/lists"}