Formula 1 Analytics

Este projeto organiza e analisa dados da Fórmula 1 usando arquitetura Medallion (Bronze → Silver → Gold) com PySpark, Python e Jupyter Notebook. Inclui processos de ETL, dashboards interativos e análises históricas de pilotos, construtores e corridas. Desenvolvido como projeto da disciplina FGA0060 – Sistemas de Banco de Dados 2, do curso de Engenharia de Software da Universidade de Brasília (UnB).

🏎️ Formula 1 Analytics

1. Objetivos do projeto

• Implementar uma arquitetura Lakehouse para armazenar e processar dados da Fórmula 1, organizada nas camadas Bronze, Silver e Gold;

• Modelar os dados por meio de representações conceitual (MER), lógica (DER) e física (DLD), garantindo consistência e padronização estrutural;

• Construir e popular um banco de dados containerizado (via Docker) com tabelas otimizadas para consultas e transformações em larga escala;

• Disponibilizar um ambiente analítico integrado, permitindo exploração de dados, análises estatísticas e construção de dashboards interativos com base nas camadas Gold.

2. Como usar

2.1. Clone o repositório

git clone https://github.com/Julio1099/formula1-analytics.git
cd formula1-analytics

2.2. Configurar o ambiente

Certifique-se de ter o Java e Python instalados, necessários para rodar o PySpark.

# Instalar Java
sudo apt install default-jdk
java -version

# Instalar Python
sudo apt install python3 python3-venv python3-pip
python3 --version

2.3. Instalar PySpark e Jupyter

Crie um ambiente virtual:

python3 -m venv venv
source venv/bin/activate

Instale PySpark e Jupyter:

pip install pyspark jupyter

Inicie o Jupyter Notebook:

jupyter notebook

2.4. Rodar a stack Docker

cd docker
docker-compose up --build

2.5. Verificar o banco

docker exec -it medallion-db psql -U $POSTGRES_USER -d $POSTGRES_DB -c "\dn+"
docker exec -it medallion-db psql -U $POSTGRES_USER -d $POSTGRES_DB -c "\dt silver.*"

3. Estrutura do repositório

formula1-analytics/
├─ dags
|   ├─ airflowignore
|   └─ formula1_pipeline_dag.py
├─ DataLayer/
│  ├─ raw/                                # Camada Bronze (dados brutos)
│  │  ├─ dados_originais/                 
│  │  ├─ analytics_raw.ipynb           
│  │  └─ dicionario_raw.md             
│  │
│  ├─ silver/                             # Camada Silver (dados tratados)                 
│  │  ├─ dicionario_silver.md
|  |  ├─ ddl_silver.sql
|  |  ├─ analytics.ipynb
|  |  └─ mer_der_dld.pdf
│  │
│  └─ gold/                               # Camada Gold (dados analíticos)
│     ├─ mer_der_dld.pdf
|     ├─ consultas.sql
|     ├─ ddl_gold.sql
|     └─ mnemonicos.pdf           
│
├─ Transformer/                           # Scripts de transformação/ETL
│  ├─ etl_raw_to_silver.ipynb
│  └─ etl_silver_to_gold.ipynb
│
├─ docker/                                # Docker
│  ├─ docker-compose.yml
│  ├─Dockerfile
│  └─Dockerfile.airflow
│
└─ README.md

4. Tópicos de análise possiveis

• Distribuição de Tempos de Volta em Mônaco;
• Evolução do Tempo Médio de Volta em Corrida;
• Pit stops por corrida (distribuição);
• Experiência vs Eficácia em Voltas Rápidas;
• Distribuição de Tempos de Volta por Construtor;
• Proporção de abandonos por status de corrida;
• Evolução do Tempo de Volta e Consistência da Pista;
• Heatmap de Performance por Volta;
• Evolução da Posição em Corrida.

5. Tecnologias utilizadas

• Python – ETL e manipulação de dados;
• PySpark – processamento distribuído e transformação de dados em larga escala;
• PostgreSQL – armazenamento e estruturação dos dados (Lakehouse);
• Docker – containerização e isolamento dos ambientes;
• Jupyter Notebook – análise exploratória, desenvolvimento e visualização interativa;
• SQL – modelagem conceitual, lógica e física do banco de dados.
• PoweBI – visualização interativa e análise de resultados.

6. Power BI

O dashboard final foi desenvolvido no Power BI, com design planejado no Figma, e é composto por uma página inicial e outras três páginas analíticas, acessadas por um menu interativo com botões clicáveis no topo. As páginas estão dispostas da seguinte forma:

• Seasons Winners — seleção de ano e corrida, exibindo os 3 melhores colocados e suas equipes.
• Pace — seleção de ano e corrida, permitindo analisar o ritmo geral da prova e o ritmo individual dos pilotos.
• Pit Stops — seleção de ano e equipe, mostrando ranking, consistência, evolução do tempo médio e demais métricas de pit stop.
• Drivers Comparison — seleção de dois pilotos, exibindo comparações de pódios, pontuação, DNFs e outras estatísticas.

🔗 Dashboard no Power BI

Integrantes do Grupo

Fernando Gabriel dos Santos Carrijo 221008033

Júlio Cezar Gomes de Souza Crispim 221007591

Kaleb de Souza Macedo 231026975

Othavio Araujo Bolzan 231039150