Dashboard de Vendas com Power BI – PontoMaximo

Descrição

Você é Analista de Dados na empresa PontoMaximo, uma rede de varejo que vende produtos eletrônicos e eletrodomésticos com lojas espalhadas por diversas cidades do Brasil. A empresa começou sua operação no Brasil em 2012 e atua nos quatro estados da região sudeste mais os estados do Paraná e Bahia.

Problema

A empresa está montando a estratégia de vendas para o próximo ano e precisa saber qual dos fabricantes dos produtos vendidos, apresenta melhor desempenho nas vendas. O objetivo é descartar os fabricantes cujos produtos possuem poucas vendas e tentar negociar melhores condições com os principais fabricantes.

Em paralelo a isso, a empresa gostaria de ter diferentes visões das vendas realizadas nos últimos 4 anos (período de 2012 a 2015). Deve ser possível segmentar os relatórios de vendas por diferentes informações e por diferentes ângulos. Estas informações irão suportar as estratégias da empresa para o próximo ano.

Sua fonte de dados é um arquivo Excel com dados coletados do sistema de vendas, CRM e ERP da empresa. O conjunto de dados foi entregue pelo departamento de TI com as seguintes colunas.

Coluna

Descrição

ID-Produto

Identificador único de cada produto

Produto

Nome do produto

Categoria

Categoria do produto

Segmento

Segmento do produto

Fabricante

Fabricante do produto

Loja

Loja onde foi efetuada a venda

Cidade

Cidade da loja onde foi efetuada a venda

Estado

Estado da loja onde foi efetuada a venda

Vendedor

Nome do vendedor

ID-Vendedor

ID-Vendedor

DataVenda

Data da venda

ValorVenda

Valor da venda

Crie um Dashboard no Power BI que responda a estas perguntas:

  1. Qual dos fabricantes dos produtos vendidos, apresenta melhor desempenho nas vendas?

  2. Qual o total de vendas por estado e por categoria? Use um mapa.

  3. Qual o total de vendas por segmento?

  4. Qual segmento tem maior influência no valor médio de venda?

Haverá diversas reuniões para definição da estratégia de vendas e os relatórios poderão ser extraídos sob demanda, de acordo com a necessidade dos gestores. Por conta disso, você deve criar um modelo de dados que permita a extração de relatórios a qualquer momento e que permita extrair dados por diferentes visões e ângulos.

Proposta de Solução

  1. Qual problema de negócio eu preciso atender?

    Montar um dashboard que ajude os tomadores de decisão a montar uma estratégia de vendas para o próximo ano para descartar os fabricantes cujos produtos possuem poucas vendas e tentar negociar melhores condições com os principais fabricantes.

  2. Quais são os requisitos do problema?

    Avaliar qual dos fabricantes dos produtos vendidos apresenta melhor desempenho nas vendas; qual o total de vendas por estado e por categoria; qual o total de vendas por segmento; qual segmento influência mais no valor médio de venda.

  3. A minha fonte de dados é suficiente para responder às perguntas de negócios?

    Sim, os atributos necessários serão ValorVenda e Fabricante para o primeiro requisito; ValorVenda, Estado e Categoria para o segundo requisito; ValorVenda e Segmento para o terceiro requisito; ValorVenda e Segmento para o quarto requisito. Nenhum outro será preciso.

  4. Meus dados estão prontos para criar as visualizações?

    Sim, os dados em si não requerem processamento adicional. Contudo, é importante averiguar as configurações regionais da fonte de dados e mapear os tipos de dados.

  5. Preciso estabelecer um Modelo de Organização dos Dados?

    Sim, precisamos carregar os dados de uma forma que facilite a extração de relatórios e a entrega dos resultados aos tomadores de decisão. De modo, que permita implementar os requerimentos do problema de negócio, facilitar a extração por diferentes visões e ângulos e manter a atualização sob demanda.

    Dimensões:

    • Loja

    • Tempo

    • Vendedor

    • Produto

    Fato:

    • Vendas



  6. Como os dados que possuo vão contribuir para resolver o problema?

    Os dados contém informações necessárias para traçar os resultados das vendas dos últimos 4 anos e contribuir com a montagem da estratégia de vendas dos tomadores de decisão. 

Dashboard (versão 1.0)

Dashboard (versão 1.1)

  • Adicionado título.

  • Adicionado versão do dashboard.

  • Alterado os títulos dos gráficos.

Insights

  • Brastemp apresenta o melhor desempenho nas vendas.

  • Os Estados de São Paulo e Rio de Janeiro possuem o maior número nas vendas.

  • O segmento doméstico domina nas vendas.

  • O segmento corporativo é o que maior influência no valor médio de venda. 

Arquivos

Os arquivos com os dados e o dashboard do projeto podem ser acessados em meu GitHub.

Referências

Fique à vontade para deixar nos comentários opiniões ou sugestões de melhoria. 

Comentários

Postar um comentário

Postagens mais visitadas deste blog

Dados Estruturados, Semi-Estruturados e Desestruturados

Imagem
Introdução Em Big Data, a variedade dos dados é uma importante característica. Sendo assim, fontes de dados cada vez mais complexas lidarão com diversos tipos de dados, estes que sua vez podem ser classificados em estruturados, semi-estruturados e desestruturados. Nesse contexto, é importante saber identificar a estruturação dos dados a fim de extrair o máximo de valor. Dados Estruturados O termo dados estruturados, geralmente, se refere a dados que estão em conformidade com um esquema bem definido. Exemplos de dados estruturados incluem números, datas e grupos de palavras, que normalmente são associados em um banco de dados. Se observarmos uma tabela de um banco de dados, é importante notar que mesmo sem olhar para os dados, você terá a garantia de que cada registro que aparecerá na tabela sempre estará de acordo com o esquema da mesma, sem exceções. E como cada registro em um banco de dados relacional é uma linha em uma tabela definida, tem-se uma garantia de estrutura, ainda mais se...
Leia mais

Normalização e Desnormalização de Banco de Dados

Imagem
Introdução Desnormalização e normalização são duas estratégias para o design de banco de dados, que como veremos, existem diferenças e trade-offs entre as duas abordagens. Considere os elementos básicos que você pode usar para criar tabelas: colunas, tipos de dados e outras propriedades de coluna, chaves primárias e chaves estrangeiras. Com esses elementos básicos, você tem muita flexibilidade na forma de como projeta as tabelas para seu banco de dados.  O SGBD não exige que você tenha uma chave primária em uma tabela, então esta é uma maneira possível de armazenar os dados. Com toda essa liberdade de como você configura suas tabelas, pode ser útil entender essas estratégias gerais de design de banco de dados dependendo de suas necessidades. Normalização A normalização do banco de dados é uma estratégia pela qual você projeta cada tabela para que ela obedeça a determinadas condições ou regras organizacionais. As regras são construídas para formas cada vez mais rígidas de organizaçã...
Leia mais

Por que usar R?

Imagem
A pergunta do título sugere que devemos utilizar a linguagem R, mas por quê? Ao longo deste post irei dando algumas definições da linguagem R para que gradualmente entendermos de que esta é uma ferramenta proeminente, principalmente, em momentos de fazer ciência com dados. O que é a linguagem R? Nenhuma definição, geralmente, é melhor do que a feita pela própria ferramenta. Abaixo, encontra-se uma breve descrição feita pelo site do projeto R : "R é um ambiente de software livre para computação estatística e gráficos. Ele compila e roda em uma ampla variedade de plataformas UNIX, Windows e MacOS." A linguagem R é um projeto open-source, o que significa que não há custo de licença e seu desenvolvimento é feito graças a contribuidores bastante ativos de todo o mundo. Inicialmente, foi desenvolvida por estatísticos do departamento de Estatística da Universidade de Auckland, Nova Zelândia. Uma de suas principais características é fornecer uma ampla variedade de técnicas estatístic...
Leia mais

Tipos de Análise de Dados

Imagem
Neste artigo, veremos os 4 principais tipos de análises. 1. Descritiva “A análise descritiva explica o que aconteceu.” A análise descritiva é a espinha dorsal dos relatórios – é impossível ter ferramentas e painéis de Business Intelligence (BI) sem ela. Ele aborda questões básicas de “quantos, quando, onde e o quê”. Esse tipo de análise permite que você divida um grande pedaço de dados em pedaços menores, extraindo informações relevantes dos dados ou uma breve sinopse do que aconteceu. Exemplo: Vamos dar um exemplo de uso de análise descritiva para os dados do cliente. Isso inclui encontrar respostas para as seguintes perguntas. Com quantos segmentos diferentes de compradores estamos lidando? Onde esses compradores estão localizados? Como os clientes de alto valor diferem? No que eles estão interessados? Qual é a renda, idade, número de filhos, ocupação e distribuição regional desses compradores? 2. Diagnóstica “A análise diagnóstica indica por que isso aconteceu.” A análise diagnóstic...
Leia mais

Dashboard de Vendas com Power BI - RoupasParaTodos

Imagem
Descrição Você é Analista de Dados na empresa RoupasParaTodos, que comercializa roupas e outros acessórios em seu site online com distribuidoras espalhadas por diversos países. Problema A empresa configurou o Google Analytics para extrair dados sobre o perfil dos visitantes do portal de e-commerce e agora o Gestor da área de Marketing gostaria de ter as respostas às perguntas abaixo: Como os clientes mais acessam nosso portal, por busca orgânica ou paga? Quanto tempo em média um visitante permanece em nosso portal por dia do mês? Qual a principal fonte de acesso ao nosso portal? Qual o sistema operacional mais usado para acessar nosso portal? Qual o dispositivo mais usado para acesso ao nosso portal? Qual o total de faturamento por dia? Proposta de Solução Indagações iniciais Qual problema de negócio eu preciso atender? Ajudar a responder às perguntas do gestor da área de Marketing sobre o perfil dos visitantes do portal de e-commerce. Quais são os requisitos do problema? Avaliar como ...
Leia mais