{"id":28901871,"url":"https://github.com/diegoribeiro2/dashboard_de_performance_de_atendimento-sql","last_synced_at":"2026-02-01T02:33:01.225Z","repository":{"id":292171732,"uuid":"980041370","full_name":"diegoribeiro2/Dashboard_de_Performance_de_Atendimento-SQL","owner":"diegoribeiro2","description":"Projeto que transforma dados brutos em uma solução completa de Business Intelligence, com armazenamento estruturado, modelagem analítica e dashboards visuais para análise de desempenho e tomada de decisão estratégica.","archived":false,"fork":false,"pushed_at":"2025-05-08T13:32:20.000Z","size":1134,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-06-21T10:46:24.336Z","etag":null,"topics":["excel","powerbi","sql","sql-query","sqlserver-2022"],"latest_commit_sha":null,"homepage":"","language":"TSQL","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/diegoribeiro2.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,"zenodo":null}},"created_at":"2025-05-08T13:20:55.000Z","updated_at":"2025-05-08T13:39:22.000Z","dependencies_parsed_at":"2025-05-08T14:44:10.672Z","dependency_job_id":null,"html_url":"https://github.com/diegoribeiro2/Dashboard_de_Performance_de_Atendimento-SQL","commit_stats":null,"previous_names":["diegoribeiro2/manipulacao-de-dados-com-sql-e-criacao-de-dashboard-de-performance-de-atendimento"],"tags_count":0,"template":false,"template_full_name":null,"purl":"pkg:github/diegoribeiro2/Dashboard_de_Performance_de_Atendimento-SQL","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/diegoribeiro2%2FDashboard_de_Performance_de_Atendimento-SQL","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/diegoribeiro2%2FDashboard_de_Performance_de_Atendimento-SQL/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/diegoribeiro2%2FDashboard_de_Performance_de_Atendimento-SQL/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/diegoribeiro2%2FDashboard_de_Performance_de_Atendimento-SQL/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/diegoribeiro2","download_url":"https://codeload.github.com/diegoribeiro2/Dashboard_de_Performance_de_Atendimento-SQL/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/diegoribeiro2%2FDashboard_de_Performance_de_Atendimento-SQL/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":28965381,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-02-01T02:14:24.993Z","status":"ssl_error","status_checked_at":"2026-02-01T02:13:55.706Z","response_time":56,"last_error":"SSL_read: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"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":["excel","powerbi","sql","sql-query","sqlserver-2022"],"created_at":"2025-06-21T10:43:30.209Z","updated_at":"2026-02-01T02:33:01.220Z","avatar_url":"https://github.com/diegoribeiro2.png","language":"TSQL","funding_links":[],"categories":[],"sub_categories":[],"readme":"# 🚀 Transformação de Dados em Dashboards Power BI: Um Caso Prático de Análise de Atendimento ao Cliente ✨\n\nEste projeto tem como objetivo criar uma solução automatizada de análise de dados a partir de um case operacional de atendimento ao cliente. O foco é transformar atividades manuais e complexas de análise em um processo claro, estruturado e automatizado usando ferramentas de banco de dados, modelagem de dados e visualização. Aqui está uma visão geral desse pipeline de solução:\n\n[Ver Dashboard de Performance](Dashboard%20de%20Performance.pdf)\n\n### Tecnologias Utilizadas\n- **SQL Server**: Para armazenamento e manipulação dos dados.\n- **Power BI**: Para criar dashboards interativos e indicadores gerenciais.\n- **Consumo de dados**: Processamento de uma base CSV para análise.\n\n### Etapas do Processo\n\n#### 1. Importação e armazenamento dos dados 📥\nInicialmente, o arquivo CSV chamado `BaseCasos.csv` foi importado para o banco de dados SQL Server. Para isso, criei uma tabela chamada `[histCasosTrabalhados]`, que recebeu toda a estrutura e os registros do arquivo. Essa etapa garante que os dados estejam centralizados, seguros e prontos para análises futuras.\n\n#### 2. Criação de tabelas de dimensões 🗃️\nCom a tabela principal criada, o próximo passo foi estabelecer tabelas de dimensões — estruturas essenciais em abordagens de modelagem analítica que facilitam análises e filtros mais eficientes. Para cada coluna relevante (ex: Data, Nome do funcionário, Motivo do atendimento, status, canal de entrada, país), criei uma tabela de dimensão correspondente (`dimCalendario`, `dimFuncionario`, etc.). Essas tabelas armazenam valores únicos de cada atributo, promovendo maior desempenho nas consultas e flexibilidade na construção dos dashboards.\n\n#### 3. Criação da tabela fato 📊\nA partir da tabela principal, construi uma tabela fato, que agrega informações essenciais para análise de desempenho. Essa tabela resume os dados agrupados por dimensões, eliminando valores redundantes e trazendo os indicadores de interesse. Os indicadores incluem:\n- **Percentual de resolução**: proporção de casos resolvidos com sucesso.\n- **Casos fechados e abertos**: contagem de atendimentos finalizados ou em andamento.\n- **Tempos médios**: tempo médio para atualização e fechamento dos casos, medido em horas.\n\nA tabela fato foi criada com uma operação de agrupamento (`GROUP BY`) para facilitar análises agregadas, sem precisar identificar cada caso individualmente.\n\n#### 4. Automatização da atualização ⚙️\nPara garantir que as informações estejam sempre atualizadas, desenvolvi uma procedure (rotina armazenada) que atualiza tanto as tabelas de dimensões quanto a tabela fato automaticamente. Assim, qualquer modificação na base original pode ser refletida no banco, mantendo os dados sempre consistentes e prontos para análise.\n\n#### 5. Visualização em Power BI 📈\nPor último, construí um dashboard usando Power BI, conectando-o ao banco de dados. Esse painel exibe os indicadores principais, permitindo uma visão clara e interativa do desempenho do atendimento. Assim, gestores podem monitorar facilmente a resolução de casos, tempos de atendimento e outros métricas importantes, baseando suas decisões em dados confiáveis e atualizados.\n\n### Resumo ✨\nEsse processo automatizado transforma uma base de dados inicial em uma solução de business intelligence completa, com armazenamento eficiente, modelagem analítica robusta e visualizações dinâmicas. Por meio dessa estrutura, é possível analisar o desempenho do atendimento, identificar melhorias e tomar decisões estratégicas de forma mais assertiva.\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdiegoribeiro2%2Fdashboard_de_performance_de_atendimento-sql","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fdiegoribeiro2%2Fdashboard_de_performance_de_atendimento-sql","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdiegoribeiro2%2Fdashboard_de_performance_de_atendimento-sql/lists"}