Este projeto apresenta uma análise exploratória de dados (EDA) sobre o dataset público da Olist, contendo mais de 100.000 pedidos de um grande marketplace brasileiro. O principal desafio técnico deste projeto foi a unificação de múltiplos arquivos de dados (.csv) para criar um único DataFrame coeso, permitindo uma visão completa do ecossistema de vendas.
O objetivo final é identificar padrões de vendas, tendências temporais e a distribuição geográfica do faturamento para gerar insights de negócio.
- Identificar as categorias de produtos com maior volume de vendas na plataforma.
- Analisar a performance e a tendência das vendas ao longo do tempo (mensalmente).
- Determinar a distribuição geográfica do faturamento, identificando os estados mais representativos.
- Praticar e demonstrar habilidades em unificação de dados (
merge), limpeza e preparação de dados em um cenário complexo e realista.
- Linguagem: Python
- Bibliotecas: Pandas, Matplotlib, Seaborn
- Ambiente: Google Colab / VS Code
-
Categorias de Destaque: A análise revelou que categorias como "Cama, Mesa e Banho", "Beleza e Saúde" e "Esporte e Lazer" são as que possuem o maior volume de vendas, indicando uma forte demanda por produtos relacionados ao lar e bem-estar.
-
Tendência de Crescimento: O gráfico de vendas mensais mostrou um crescimento consistente e expressivo ao longo do ano de 2017, com um pico de vendas significativo no final do ano, possivelmente impulsionado por datas comemorativas e promoções como a Black Friday.
-
Concentração Geográfica do Faturamento: Foi identificada uma grande concentração de receita no estado de São Paulo (SP), que se destacou como o principal mercado consumidor, superando consideravelmente os outros estados.
🔗 Contato guilherme.lima85@outlook.com
José Guilherme Lima de Carvalho - https://www.linkedin.com/in/guilherme-carvalho-34314a342