https://github.com/benzerinsio/salespatterns-eda
📊 Análise Exploratória de Dados (EDA) avançada em vendas: padrões temporais, segmentação e automação com Pandas e Seaborn, preparando insights para Machine Learning.
https://github.com/benzerinsio/salespatterns-eda
analise-de-dados analise-exploratoria analise-exploratoria-de-dados data-analysis data-visualization eda exploratory-analysis exploratory-data-analysis python sales-data seaborn time-series
Last synced: about 1 month ago
JSON representation
📊 Análise Exploratória de Dados (EDA) avançada em vendas: padrões temporais, segmentação e automação com Pandas e Seaborn, preparando insights para Machine Learning.
- Host: GitHub
- URL: https://github.com/benzerinsio/salespatterns-eda
- Owner: benzerinsio
- Created: 2025-03-05T23:25:11.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2025-03-11T02:32:21.000Z (about 1 year ago)
- Last Synced: 2025-03-31T22:05:32.687Z (about 1 year ago)
- Topics: analise-de-dados, analise-exploratoria, analise-exploratoria-de-dados, data-analysis, data-visualization, eda, exploratory-analysis, exploratory-data-analysis, python, sales-data, seaborn, time-series
- Language: Jupyter Notebook
- Homepage:
- Size: 2.59 MB
- Stars: 2
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 📈 Descoberta de Padrões em Vendas (Clicar no link abaixo - Visualização em nbviewer)
*Projeto de Análise Exploratória de Dados (EDA) - Felipe V. Sousa*
Bem-vindo(a)! Este repositório apresenta uma **Análise Exploratória de Dados (EDA)** avançada no Superstore Sales Dataset, investigando padrões temporais, segmentações e drivers de vendas com visualizações interativas.
🔗 [Visualizar o Notebook (nbviewer)](https://nbviewer.org/github/benzerinsio/SalesPatterns-EDA/blob/main/EDA-SalesPattern.ipynb)
## 🎯 Objetivo da Análise
Explorar o dataset Superstore para desvendar o que impulsiona vendas ao longo do tempo, com análise temporal e segmentação de clientes. O foco é gerar insights acionáveis e preparar uma base para modelos preditivos (ex.: séries temporais, clustering), culminando em uma apresentação interativa de alto impacto.
## 📊 Fonte de Dados
Dados do Superstore Sales Dataset (Kaggle), com ~10.000 registros de vendas, incluindo datas, valores, categorias e regiões.
## 🛠️ Bibliotecas Utilizadas
- **Pandas**: Manipulação e tratamento de dados.
- **NumPy**: Cálculos numéricos e operações.
- **Seaborn**: Visualizações estatísticas avançadas.
- **Matplotlib**: Gráficos base complementares.
- **Plotly**: Visualizações interativas e dinâmicas.
## 💬 Conclusão
Esta EDA avançada mapeia tendências temporais de vendas (ex.: picos sazonais no fim do ano) e segmenta clientes, regiões e produtos com precisão, destacando o impacto de vendas típicas e excepcionais. Insights como "outliers em `Technology` geram quase o dobro da receita" e "`Consumer` sustenta a base de vendas" pavimentam o caminho pra estratégias de BI e modelos de ML/DL. Entregue num notebook interativo via nbviewer, com visualizações Plotly, o projeto eleva o padrão de análise de dados pra decisões de alto lucro.