📊 Dashboard de Vendas E-commerce

Dashboard interativo para análise de vendas de e-commerce com visualizações em tempo real

🚀 Demo • 📦 Instalação • 🎯 Funcionalidades • 📈 Capturas • 🤝 Contribuindo

---

🎯 Sobre o Projeto

Dashboard analítico desenvolvido em Python com Streamlit para visualização e análise de dados de vendas de e-commerce. O sistema oferece insights em tempo real sobre receita, lucro, produtos, categorias e comportamento de vendas por região.

🎓 Objetivo

Este projeto foi desenvolvido como parte do aprendizado de análise de dados e visualização, demonstrando habilidades em:

• Manipulação de dados com Pandas
• Criação de dashboards interativos com Streamlit
• Visualizações avançadas com Plotly
• Engenharia de features e métricas de negócio
• Boas práticas de organização de código Python

---

✨ Funcionalidades

📊 Indicadores Principais (KPIs)

• Receita Total com comparação período anterior
• Lucro Total e margem de lucro média
• Ticket Médio por pedido
• Número de Pedidos processados
• Variação Percentual entre períodos

🏆 Análises de Destaque

• Produto mais lucrativo
• Categoria com melhor desempenho
• Estado com maior faturamento

📈 Visualizações Interativas

1. Receita por Categoria - Gráfico de barras
2. Receita ao Longo do Tempo - Série temporal
3. Lucro por Categoria - Análise de rentabilidade
4. Top 10 Produtos - Ranking por receita
5. Distribuição por Forma de Pagamento - Gráfico de pizza
6. Receita por Estado - Análise geográfica

🔍 Filtros Avançados

• Categoria - Seleção múltipla
• Produto - Filtro dependente da categoria
• Estado - Análise regional
• Forma de Pagamento - Crédito, Débito, Pix, Boleto
• Período - Intervalo de datas customizável

📋 Recursos Adicionais

• Visualização de dados brutos formatados
• Download de dados filtrados em CSV
• Contador de registros exibidos
• Validação automática de dados
• Cache para otimização de performance

---

🛠️ Tecnologias Utilizadas

Tecnologia	Versão	Uso
	3.8+	Linguagem principal
	1.28+	Framework web
	2.0+	Manipulação de dados
	5.17+	Visualizações interativas

---

📦 Instalação

Pré-requisitos

• Python 3.8 ou superior
• pip (gerenciador de pacotes Python)

Passo a Passo

1. Clone o repositório

git clone https://github.com/gaherrera00/dashboard_vendas.git
cd dashboard-vendas-ecommerce

2. Crie um ambiente virtual (recomendado)

python -m venv venv

# Windows
venv\Scripts\activate

# Linux/Mac
source venv/bin/activate

3. Instale as dependências

pip install -r requirements.txt

4. Execute o dashboard

streamlit run app.py

5. Acesse no navegador

http://localhost:8501

---

📂 Estrutura do Projeto

dashboard-vendas-ecommerce/
│
├── app.py                      # Aplicação principal Streamlit
├── requirements.txt            # Dependências do projeto
├── .gitignore                 # Arquivos ignorados pelo Git
├── README.md                  # Documentação
│
├── data/
│   └── vendas_ecommerce.csv   # Dataset de vendas
│
└── src/
    ├── __init__.py
    ├── load_data.py           # Carregamento e validação de dados
    ├── filters.py             # Lógica de filtros
    ├── metrics.py             # Cálculo de métricas
    └── charts.py              # Criação de gráficos

📊 Dataset

O dataset utilizado contém informações de vendas de e-commerce com as seguintes colunas:

Coluna	Tipo	Descrição
data	Date	Data da transação
pedido_id	String	Identificador único do pedido
cliente_id	String	Identificador do cliente
produto	Category	Nome do produto
categoria	Category	Categoria do produto
preco_unitario	Float	Preço unitário do produto
quantidade	Integer	Quantidade vendida
custo_unitario	Float	Custo unitário do produto
forma_pagamento	Category	Método de pagamento
estado	Category	Estado da transação

Colunas Calculadas

• receita: preco_unitario × quantidade
• custo_total: custo_unitario × quantidade
• lucro: receita - custo_total
• margem_lucro: (lucro / receita) × 100

---

🔧 Validações Implementadas

O sistema realiza validações automáticas para garantir a integridade dos dados:

• ✅ Preço unitário deve ser maior que zero
• ✅ Custo unitário deve ser menor que preço unitário
• ✅ Quantidade deve ser maior ou igual a 1
• ✅ Data deve estar entre 2020-01-01 e 2025-12-31
• ✅ Remoção automática de registros inválidos com contabilização

---

🚀 Funcionalidades Futuras

• Análise preditiva de vendas
• Segmentação de clientes (RFM)
• Análise de cesta de produtos
• Dashboard em tempo real com atualização automática
• Exportação de relatórios em PDF
• Integração com APIs de e-commerce
• Sistema de alertas para métricas críticas
• Análise de sazonalidade avançada

👤 Autor

Gabriel Herrera Demarchi

• GitHub: GitHub
• LinkedIn: LinkedIn
• Email: gabriel.h.demarchi@gmail.com