https://github.com/alisonpezzott/dias-entre-vendas-por-cliente
https://github.com/alisonpezzott/dias-entre-vendas-por-cliente
Last synced: 3 months ago
JSON representation
- Host: GitHub
- URL: https://github.com/alisonpezzott/dias-entre-vendas-por-cliente
- Owner: alisonpezzott
- Created: 2025-01-30T16:26:21.000Z (5 months ago)
- Default Branch: main
- Last Pushed: 2025-02-01T10:36:47.000Z (5 months ago)
- Last Synced: 2025-02-01T11:24:34.270Z (5 months ago)
- Language: Python
- Size: 42.7 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Dias entre vendas por clientes
> [!NOTE]
> Repositório criando por Alison Pezzott em resposta ao questionamento em https://discord.com/channels/1279778182941245503/1332361733645537440
## Download da base
Faça o download dos arquivo tanto da base como do pbix de exemplo [aqui](https://overdax-my.sharepoint.com/:f:/g/personal/alison_pezzott_fluentebi_com/EisVch9F1V1KiIW5tbKSznUBILjXuPz02JRCEqVa-wRtGA?e=wWkvGP)
Extraia e coloque o arquivo dentro da pasta `C:/Temp/`.
## SQL
Adicionamos os dados em uma tabela no banco de dados com
```sql
IF NOT EXISTS ( SELECT * FROM sys.databases WHERE name = 'sandbox' )
BEGIN
CREATE DATABASE sandbox;
END
GO
USE sandbox;
GO
DROP TABLE IF EXISTS vendas;
GO
CREATE TABLE vendas (
Venda_ID INT,
Data DATE,
Cliente_ID INT,
Valor MONEY
);
GO
BULK INSERT vendas
FROM 'C:/Temp/vendas.csv'
WITH (
CODEPAGE = '65001',
FIELDTERMINATOR = ';',
FIRSTROW = 2
);
SELECT TOP (100) * FROM vendas;
SELECT COUNT (*) FROM vendas;
```
Vamos rodar agora o código para encontrar a média de dias entre vendas por cliente.
```sql
WITH CTE_DataVendaAnterior AS (
SELECT
Venda_ID,
Data,
Cliente_ID,
LAG(Data)
OVER (
PARTITION BY Cliente_ID
ORDER BY Data ASC, Venda_ID ASC
) AS UltimaDataVenda
FROM vendas
),
CTE_DifDias AS (
SELECT
Venda_ID,
Data,
Cliente_ID,
UltimaDataVenda,
DATEDIFF ( DAY, UltimaDataVenda, Data ) AS DifDias
FROM CTE_DataVendaAnterior
WHERE UltimaDataVenda IS NOT NULL
)
SELECT
AVG ( DifDias * 1.0 ) AS DiasEntreVendas
FROM CTE_DifDias;
```
## Power BI
Crie um novo arquivo do Power BI Desktop e ingira os dados do SQL Server com o Power Query, feche e aplique.
Crie a coluna calcula na tabela `fact_vendas`
```dax
DataVendaAnterior =
VAR __UltimaDataVenda =
OFFSET (
-1,
ALLSELECTED (
'vendas'[Data],
'vendas'[Venda_ID],
'vendas'[Cliente_ID]
),
ORDERBY ( [Data], ASC, [Venda_ID], ASC ),
PARTITIONBY ( 'vendas'[Cliente_ID] )
)
VAR __Resultado =
SELECTCOLUMNS ( __UltimaDataVenda, [Data] )
RETURN
__Resultado
```
Crie a medida `Dias entre vendas`
```dax
Dias entre vendas =
AVERAGEX (
FILTER (
'vendas',
[DataVendaAnterior]
),
DATEDIFF ( [DataVendaAnterior], [Data], DAY )
)
```
Acrescente na tela uma tabela com a coluna `Cliente_ID` e a medida recém-criada `Dias entre vendas`.
Ordene por `Cliente_ID` e verifique a medida criada.
## Faixas de dias
Este exemplo permite que você crie faixas de dias para os clientes.
Crie uma tabela calculada em DAX chamada de `faixas`
```dax
faixas =
-- Parâmetros
VAR __Inicio = 0
VAR __Final = 365
VAR __Passo = 30
-- Criação da tabela
VAR __padrao =
SELECTCOLUMNS (
GENERATESERIES ( __Inicio, __Final, __Passo ),
"Min", [Value],
"Max", [Value] + __Passo
)
VAR __ultimaFaixa = {( __Final + __Passo, 999999 )}
VAR __estrutura = UNION ( __padrao, __ultimaFaixa )
RETURN
-- Adiciona a coluna faixa
ADDCOLUMNS (
__estrutura,
"Faixa",
SWITCH (
TRUE(),
[Min] = 0, "<" & [Max],
[Max] = 999999, [Min] & "+",
[Min] & "~" & [Max]
)
)
```
> [!IMPORTANT]
> Ordene a coluna `Faixa` pela coluna `Min`.
Como esta é uma tabela auxiliar e desconectada do modelo crie a medida que fará conexão com ela através da função FILTER.
```dax
Clientes por faixas =
VAR __fonte =
ADDCOLUMNS (
VALUES ( 'vendas'[Cliente_ID] ),
"@Media", [Dias entre vendas]
)
VAR __faixas =
ADDCOLUMNS (
'faixas',
"@Clientes",
COUNTROWS (
FILTER (
__fonte,
[@Media] >= 'faixas'[Min] &&
[@Media] < 'faixas'[Max]
)
)
)
VAR __Resultado = SUMX ( __faixas, [@Clientes] )
RETURN
__Resultado
```
Coloque na tela um visual de colunas cluesterizadas, coloque no eixo x a coluna `'faixas'[Faixa]` e no eixo Y a medida recém-criada `Clientes por faixas`.
A partir de então esta medida se torna coringa para que as faixas filtrem qualquer medida basta usá-la na sintaxe das medidas assim como no exemplo abaixo onde estamos segregando o valor total por faixas.
```dax
Valor total por faixas =
CALCULATE (
SUM ( 'vendas'[Valor] ),
FILTER (
VALUES ( 'vendas'[Cliente_ID] ),
[Clientes por faixas]
)
)
```
## Conclusão
A partir de agora você pode aplicar outras análises com esta métrica seja para filtrar clientes ou analisar correlação com outras variáveis como valor de vendas, ticket médio, churn entre outros.
> [!TIP]
> Siga meus canais:
> YouTube: [youtube.com/@alisonpezzott](youtube.com/@alisonpezzott)
> Linkedin: [linkedin.com/in/alisonpezzott](linkedin.com/in/alisonpezzott)
> Instagram: [instagram.com/alisonpezzott](instagram.com/alisonpezzott)
> GitHub: [github.com/alisonpezzott](github.com/alisonpezzott)
> Discord: [discord.gg/sJTDvWz9sM](discord.gg/sJTDvWz9sM)
> Telegram: [t.me/alisonpezzott](t.me/alisonpezzott)