📊 Bases de Dados para Portfólio e Treinamento

Este repositório agrupa bases de dados fictícias, separadas por área:

• Finanças
• RH
• Logística
• Vendas
• Compras
• Projetos 

Você poderá praticar modelagem, análise exploratória, dashboards em Power BI ou projetos de Data Science/ML.

Na pasta dados contém o arquivo de dados original e uma versão CSV normalizada.

Bases vs Ferramenta Veja as bases que irá encontrar e a sugestão de onde usar:

#	Base	Arquivo	Linhas × Colunas	Melhor Caso¹
1	Demonstração de Resultados (DRE 2019)	1-DRE 2019.xlsx	140 × 4	Dashboard/Power BI
2	Cadastro de Funcionários (RH)	2-RH Cadastro de Funcionarios.csv	494 × 20	Data Science / ML
3	Estoque Mínimo	3-Estoque.csv	33 × 2	EDA / Tratamento
4	Cadastro de Clientes Financeiro	4-Financeiro.xlsx	812 × 6	Modelagem Dimensão Cliente
5	Rotas & Prazo de Entrega (Logística)	5-Logistica.xlsx	1 000 × 3	Modelagem + EDA
6	Vendas 2024	6-Vendas.xlsx	526 × 16	Dashboard / Forecasting
7	Portfólio de Projetos	7-Projetos.xlsx	2 633 × 10	Dashboard / Status Tracking
8	Cadastro de Compradores	8-Compras.xlsx	6 × 2	Modelagem (Dim Comprador)

¹ Melhor Caso é uma sugestão inicial; fique livre para explorar outros cenários.

Casos de Uso ou Projetos Sugeridos

Área	Ideia de Projeto	Stack Recomendada
Financeiro	Dashboard de P&L: interativo, drill‑down de níveis da DRE	Power BI ou Metabase
RH	Churn/Attrition Prediction: classificar risco de desligamento	Python, scikit‑learn
Estoque + Vendas	Alerta de Ruptura: combinar estoque mínimo com vendas diárias	SQL, Python, Airflow
Clientes + Logística	Mapa de Lead Time: geovisualizar tempo de entrega médio	Power BI, Mapbox
Vendas	Forecast de Demanda: modelo Prophet/ARIMA ou LSTM	Python, statsmodels, fbprophet
Projetos	Kanban Financeiro: custo vs. cronograma	Power BI, SQL
Compras	Análise ABC de Fornecedores	Excel / Python

Estrutura Sugerida para Seu Projeto(Portifólio)

📁Projeto/
  📁 data/
     ├── 1-DRE 2019.xlsx
     ├── 1-DRE 2019.csv
     ├── ...
  📁 notebooks/
     ├── explore.ipynb
     ├── 01-eda-rh.ipynb
  📁 dashboards/
   ├── dre_dashboard.pbix
  📁 ml/
     ├── 00-baseline-churn.ipynb
📄 README.md (Documentação dos seu projeto ou projetos)

Prompt de IA para Gerar Ideias de Projeto

• Caso esteja sem idéia, use esse PROMPT no ChatGPT, GEMINI ou Claude, anexe a base escolhida e execute o PROMPT abaixo, substituindo os texto entre '[]' pelo seu caso.

Você é um(a) consultor(a) de dados sênior.

Contexto
- Área de negócio: [ÁREA — ex.: Finanças, RH, Vendas]
- Dataset escolhido: [ARQUIVO — ex.: 6-Vendas.xlsx]
- Tamanho / granularidade: [LINHAS × COLUNAS]
- Objetivo de negócio principal: [PERGUNTA‑CHAVE ou KPI]

Solicitações
1. Liste **5 explorações iniciais (EDA)** úteis para compreender o conjunto.
2. Sugira **3 possíveis modelagens** (dimensional, predição, clustering…).
3. Defina **indicadores‑chave** (nomes, fórmulas, insight de negócio).
4. Proponha **2 esboços de dashboards** focados em storytelling executivo.
5. Aponte desafios ou limitações potenciais dos dados e como mitigá‑los.

Formato de resposta: bullet points em português, indicando ferramentas (Python, Power BI, SQL…).

Template de README para seus Projetos

# [Título do Projeto]

↳ Base utilizada: **[ARQUIVO]** (Área: [ÁREA])

## 1- Pergunta de Negócio / Objetivo
Descreva em 2–3 linhas a dor ou oportunidade.

## 2- Exploração (EDA)
- **Análise 1** – insight …
- **Análise 2** – …

## 3- Modelagem / Tratamento
| Passo | Ferramenta | Resultado |
| ----- | ---------- | --------- |
| Limpeza | Python (pandas) | … |
| Modelo  | scikit‑learn     | … |

## 4- Indicadores Principais
- **KPI 1** – definição e meta

## 5- Dashboard
Screenshot ou link.

## 6- Conclusões & Próximos Passos
Resumo acionável.

Dica: Siga a Regra no Portifólio

• 1-Contexto: Qual problema você quis resolver?
• 2-Fonte de dados: Onde encontrou? É pública?
• 3-Ferramentas usadas - Python, SQL, Power BI, etc.
• 4-Etapas - Limpeza, análise, visualização, modelo…
• 5-Resultados - O que descobriu? Que decisões isso ajudaria?
• 6-Link do projeto - GitHub, Power BI, Medium ou Notion

Exemplo Prático — Criando o Projeto “Vendas Forecast” no VS Code

1- Criar diretório

mkdir vendas-forecast && cd vendas-forecast

2- Abrir no VS Code

code .

3- Estrutura

mkdir -p data notebooks dashboards ml docs
 touch README.md requirements.txt .gitignore LICENSE

4- Adicionar dataset (data/6-Vendas.xlsx) e converter p/ CSV.

5- Preencher README usando o template acima.

6- Inicializar Git & primeiro commit

git init -b main
git add .
git commit -m "feat: estrutura inicial"

7- Publicar no GitHub via Git: Publish to GitHub ou CLI.

8- Fluxo de trabalho

git checkout -b feature/modelo-arima
# trabalho …
git add . && git commit -m "feat: modelo ARIMA baseline"
git push -u origin feature/modelo-arima

---

Dicionário de Dados das Bases

1. DRE 2019

Coluna	Tipo	Descrição
CC	inteiro	Código da Conta contábil
DescricaoConta	texto	Nome da conta no plano de contas
Nivel1	texto	Agrupador de nível 1 (Receita, Despesa…)
Nivel2	texto	Agrupador de nível 2

2. RH – Cadastro de Funcionários (principais campos)

Coluna	Tipo	Descrição
ID RH	inteiro	Identificador único do colaborador
Nome Completo	texto	Nome do colaborador
Estado Civil	texto	Solteiro, Casado…
Sexo	texto	M, F
Data de Nascimento	data
Data de Contratacao	data
Data de Demissao	data	Null se ativo
Salario Base	numérico	Salário bruto mensal
Cargo	texto	Função atual
Área	texto	Departamento (TI, Finanças…)
Avaliação do Funcionário	numérico	Score de 1 a 5

(Arquivo tem outros campos sobre benefícios, performance e soft skills.)

3. Estoque

Coluna	Tipo	Descrição
ID Produto	inteiro	SKU/produto
Estoque Mínimo	inteiro	Quantidade mínima em unidades

4. Financeiro – Clientes

Coluna	Tipo	Descrição
Id Cliente	inteiro	Identificador do cliente
Razao Social	texto	Nome jurídico
Nome Fantasia	texto	Nome comercial
Tipo Pessoa	texto	Físico ou Jurídico
Municipio	texto	Cidade
UF	texto	Unidade Federativa

5. Logística

Coluna	Tipo	Descrição
ID Cliente	inteiro	Chave para clientes
Cidade	texto	Local de entrega
UF	texto	Estado

6. Vendas (principais campos)

Coluna	Tipo	Descrição
Data da Venda	data	Data do pedido
Ordem de Compra	texto	Nº do pedido
SKU	texto	Código do produto
ID Cliente	inteiro	Cliente
Qtd Vendida	inteiro	Quantidade
Preço Unitário	numérico	Valor unitário
Desconto	numérico	% desc.
Canal	texto	Loja, E‑commerce…
ID Loja	texto	Filial responsável

7. Projetos

Coluna	Tipo	Descrição
Código Projeto	texto	Chave do projeto
Setor	texto	Área solicitante
Valor Orçado	numérico	Budget aprovado
Valor Real	numérico	Valor gasto até o momento
Status	texto	Em Andamento, Concluído…
Data Início	data
Data Termino	data
Responsável	texto	Gerente

8. Compras

Coluna	Tipo	Descrição
Codigo Comprador	inteiro	Identificador do comprador
Nome Comprador	texto	Nome completo

---

Se Conecte e Fale comigo no Linkedin🤝

• Roadmaps de Carreira

Autor

• Fabio Marçolia