Skip to content

Latest commit

 

History

History

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
 
 
 
 

readme.md

Dashboard Estratégico para Vendas: monitoramento de KPI's

Sobre o Projeto

Este projeto é um Dashboard Executivo desenvolvido para monitoramento de KPIs (Key Performance Indicators) de uma rede varejista nacional.

O objetivo é democratizar o acesso aos dados, permitindo que gestores analisem a performance hierárquica (Região > Categoria) e identifiquem correlações entre Volume de Vendas e Qualidade da Margem.

O sistema simula uma arquitetura de Business Intelligence (BI) completa, com geração de dados sintéticos, ETL em tempo real e visualização interativa.

Funcionalidades

  • Cálculo de KPIs em Tempo Real: Faturamento, Lucro Líquido e Score de Qualidade (Margem ponderada).
  • Filtros Hierárquicos: Drill-down dinâmico por Região e Categoria de produto.
  • Matriz de Desempenho: Gráfico de dispersão (Scatter Plot) que cruza Volume vs. Qualidade, identificando produtos "Vaca Leiteira" (vendem muito, lucram muito) e "Abacaxis" (vendem muito, lucram pouco).
  • Indicadores de Meta: Visualização clara de desvios em relação às metas estabelecidas (ex: Linha de corte de qualidade).

Lógica e Aplicabilidade (Transfer Learning)

A estrutura hierárquica e os indicadores de performance deste dashboard são diretamente aplicáveis ao Setor Educacional e Políticas Públicas:

  1. Monitoramento do IDEB/SAEB:
    • Substituir "Vendas" por "Número de Matriculados".
    • Substituir "Lucro/Score" por "Nota Média na Prova".
    • Substituir "Categoria" por "Disciplinas (Matemática/Português)".
  2. Gestão Hierárquica: A mesma lógica de drill-down (Região -> Loja) aplica-se a (Distrito -> Escola -> Turma).
  3. Avaliação de Políticas: A Matriz de Desempenho serve para identificar escolas que precisam de intervenção pedagógica prioritária (Alta matrícula, baixo desempenho).

Tecnologias Utilizadas

  • Linguagem: Python
  • Frontend: Streamlit
  • Visualização: Plotly Express
  • Manipulação de Dados: Pandas / NumPy