USUglerison Santos
Todos os projetos

CASE 04

DADOS PÚBLICOS · E-COMMERCE · INTELIGÊNCIA DE MERCADO

Olist: vendas, categorias e experiência

R$ 13,2 miem vendas analisadas em 96.211 pedidos entregues
PythonPandasPower BIModelagem de dadosQualidade de dados
DESEMPENHO COMERCIALDADOS PÚBLICOS · 2017–2018
VENDASR$ 13,18 mi
PEDIDOS96.211
CRESCIMENTO JAN–AGO+141,1%
RECEITA POR CATEGORIA
Beleza e saúdeR$ 1,23 mi
Relógios e presentesR$ 1,16 mi
Cama, mesa e banhoR$ 1,02 mi
NOTA MÉDIA POR ENTREGA
No prazo4,30
Atrasada2,57

8,1% dos pedidos chegaram depois da data estimada.

01 / CONTEXTO

Contexto e problema

A Olist disponibilizou no Kaggle uma base pública com pedidos reais do e-commerce brasileiro. O conjunto relaciona vendas, clientes, produtos, vendedores, pagamentos, entregas e avaliações.

Uma leitura comercial precisa separar crescimento de receita, concentração de categorias e qualidade da entrega. Misturar as granularidades de pedido e item pode duplicar valores e distorcer as conclusões.

02 / DECISÕES

Escolhas que guiaram o trabalho

  • Usar a data da compra como referência e retirar meses incompletos do fim da série.
  • Manter uma tabela no nível do pedido e outra no nível do item para preservar cada medida.
  • Comparar janeiro a agosto de 2017 com o mesmo período de 2018 para medir crescimento em janelas equivalentes.

03 / IMPLEMENTAÇÃO

Como construí

  • Integração de pedidos, itens, clientes, produtos e avaliações com Pandas.
  • Criação de tabelas de receita mensal, categoria, estado e desempenho de entrega.
  • Exportação de fatos e agregados em CSV prontos para o modelo do Power BI.

04 / VALIDAÇÃO

Como conferi

  • Validação da cardinalidade em cada junção.
  • Uma linha por pedido na tabela comercial e uma linha por item na tabela detalhada.
  • Reconciliação de pedidos, receita e participação antes da publicação.

DADOS E ARQUIVOS

Confira a fonte e abra o projeto

O material foi organizado para que os números possam ser rastreados e o trabalho técnico, inspecionado.

Base original no KaggleBrazilian E-Commerce Public Dataset by Olist, com pedidos, itens, clientes, produtos, entregas e avaliações.Baixar projeto Power BIZIP autocontido com o arquivo .pbip, modelo semântico, medidas DAX, dados tratados, documentação e script em Python.

Para abrir o relatório, extraia o ZIP e execute Olist-Inteligencia-Mercado.pbip no Power BI Desktop.

RESULTADO

A receita cresceu 141,1% na comparação entre janeiro e agosto de 2017 e 2018. As cinco maiores categorias responderam por 39,9% das vendas. O principal alerta veio da entrega: pedidos atrasados receberam nota média 2,57, enquanto os entregues no prazo chegaram a 4,30.

APRENDIZADOS

A separação entre pedido e item evita que uma junção correta na sintaxe produza um indicador errado.

O cruzamento de vendas e experiência mostra onde o crescimento comercial depende de uma resposta operacional.