https://github.com/deezinn/fecomercio-dataanalysis

Um sistema de análise de dados integra e processa informações de múltiplas fontes, convertendo dados brutos em insights valiosos.
https://github.com/deezinn/fecomercio-dataanalysis

csv data-science jupyter-notebook powerbi

Last synced: 15 days ago
JSON representation

Um sistema de análise de dados integra e processa informações de múltiplas fontes, convertendo dados brutos em insights valiosos.

• Host: GitHub
• URL: https://github.com/deezinn/fecomercio-dataanalysis
• Owner: Deezinn
• Created: 2024-10-19T22:27:37.000Z (27 days ago)
• Default Branch: main
• Last Pushed: 2024-10-24T00:24:53.000Z (23 days ago)
• Last Synced: 2024-10-24T08:54:58.832Z (22 days ago)
• Topics: csv, data-science, jupyter-notebook, powerbi
• Language: Jupyter Notebook
• Homepage:
• Size: 3.98 MB
• Stars: 5
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# 📊 Sistema de Análise de Dados

## 📝 Descrição

Este 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.

## 🚀 Funcionalidades

- **📂 Extração de Dados**: Coleta informações de múltiplas fontes, como APIs do IBGE e Banco Central.

- **🛠️ Transformação de Dados**: Realiza a manipulação e limpeza dos dados usando Pandas, garantindo que os dados estejam prontos para análise.

- **💾 Armazenamento de Dados**: Os dados transformados são salvos em um banco de dados SQLite para consultas futuras.

- **📊 Visualização de Dados**: Integração com o Power BI para criar relatórios interativos e dashboards personalizados, facilitando a visualização de tendências e métricas importantes.

## 🛠️ Tecnologias Utilizadas

- **🐍 Python**: Linguagem de programação principal, utilizada para automação e manipulação de dados.

- **📊 Pandas**: Biblioteca de análise de dados que facilita o tratamento de grandes volumes de informação.

- **💻 Power BI**: Ferramenta de visualização que transforma os dados em gráficos e dashboards interativos.

- **🗄️ SQLite**: Banco de dados leve utilizado para armazenar os dados processados.

- **🌐 APIs**: Dados extraídos de APIs públicas, como IBGE e Banco Central, em formatos JSON e CSV.

## 📂 Estrutura do Projeto

- `/datasets/csv`: Pasta destinada ao armazenamento dos arquivos CSV extraídos e transformados.

- `fecomdb.db`: Banco de dados SQLite onde os dados processados são armazenados.

- `readme.md`: Documentação do projeto com detalhes sobre as funcionalidades e tecnologias.

## 🛠️ Como Utilizar

1. Clone o repositório para a sua máquina.

2. Certifique-se de ter o Python e o Conda instalados.

3. Configure o ambiente com todas as dependências.

4. Execute a ETL para iniciar o processo de extração, transformação e carregamento de dados.