Preparação dos dados
- checkImportação dos 9 CSVs do Kaggle para o PostgreSQL hospedado no Neon.
- checkHigienização e tipagem de datas e moedas no Power Query.
- checkCriação da tabela
dCalendarioe das colunas de apoio de geolocalização.
Projeto de dados · Olist
Projeto Olist
Solução analítica end-to-end para monitorar 99 mil pedidos da Olist entre janeiro de 2017 e agosto de 2018, conectando PostgreSQL, Power Query, Power BI e DAX.
Abrir dashboard open_in_new
Escopo
99 mil pedidos · 2017–2018
Stack principal
PostgreSQL · Neon · Power BI
Entrega
3 visões analíticas
01 · Contexto
Objetivo do projeto
Transformar 9 arquivos CSV do dataset público da Olist em um aplicativo analítico conectado a um banco PostgreSQL na nuvem, com foco em faturamento, logística e satisfação do cliente.
Problema de negócio
A operação estava distribuída em 9 tabelas relacionais. O projeto criou uma camada única para acompanhar receita, eficiência de entrega e percepção do consumidor dentro do recorte de janeiro de 2017 a agosto de 2018.
- • O faturamento chegou a R$ 15,79 milhões?
- • Qual é o tempo médio de entrega e a taxa de atraso?
- • Como as avaliações se distribuem entre as categorias?
02 · Ferramentas
Tecnologias utilizadas
PostgreSQL
Neon
DataGrip
Power Query
Power BI
DAX
Figma
03 · Solução
Arquitetura da solução
01
9 CSVs do Kaggle
Pedidos, itens, pagamentos, produtos, vendedores, clientes e avaliações do dataset público.
arrow_forward
02
Neon + PostgreSQL
Banco relacional na nuvem com schema olist e carga das 9 tabelas.
arrow_forward
03
Star Schema
Fatos de vendas, entregas e avaliações ligados a clientes, produtos, vendedores e calendário.
arrow_forward
04
Power BI + DAX
Três visões com inteligência temporal, filtros sincronizados e layout móvel.
Modelo para análise
- checkStar Schema com fatos de Vendas, Entregas e Avaliações.
- checkDimensões de Clientes, Produtos, Vendedores e Calendário conectadas ao modelo.
- checkMedidas DAX para YoY, MoM, acumulados, médias e indicadores operacionais.
06 · Dashboard
Explorar no Power BI
arrow_outward
Três visões para operar o e-commerce
A aplicação combina Visão Geral, Eficiência Logística e Satisfação do Cliente. Os filtros por período, categoria e região permitem sair do resultado consolidado e investigar a operação.
FaturamentoR$ 15,79 mi
Pedidos99 mil
Entrega média12,50 dias
Nota média4,09 / 5
07 · Análise
trending_up
local_shipping
sentiment_satisfied
Indicadores que orientam a operação
Resultado comercial
R$ 15,79 milhões de faturamento, 99 mil pedidos, ticket médio de R$ 136,66 e crescimento YoY de 328,16%.
Eficiência logística
Tempo médio de entrega de 12,48 dias e taxa de atraso operacional de 6,59%, acompanhados por período e região.
Satisfação do cliente
Nota média de 4,09/5, com distribuição das avaliações e detalhamento por categoria de produto.
08 · Resultados
Uma base para decisões de e-commerce
O projeto documenta o caminho dos 9 CSVs até o Power BI e entrega uma leitura executiva da operação: crescimento de vendas, eficiência de entrega e satisfação do cliente no mesmo modelo analítico.
Explore o pipeline completo
Veja as três visões do dashboard e consulte o repositório para acompanhar os 9 CSVs, o modelo dimensional, os scripts SQL e as medidas DAX.