- Estudo de entregas, referente aos meses de junho e julho de 2023. Por ser os dois meses com maior criticidade nas entregas. Tendo o maior número de entregas feitas em atraso.
- Incluir uma aba informando as devoluções.
- Dados fictícios, criados por Allison Gomes.
- Intuito do estudo: analisar a maior dificuldade, entre transportadoras e regiões. Visando melhorar os números e a satisfação dos clientes em 2024.
- Documentação
- Criar os relatórios no SQL e vincula-los
- Excel
- Vincular no Power BI e gerar apresentação
- Definição: NOTION
- Modelagem: LUCIDCHART
- Banco de dados: SQL
- Dashboard: Power BI
- Relatório das NFs
- Relatório de Regiões
- Relatório de Devoluções
[RAZAO SOCIAL TRANSPORTADOR] [VARCHAR] (150),
[NOME FANTASIA] [VARCHAR] (100),
[CNPJ TRANSPORTADOR] [CHAR] (14),
[EMBARCADOR] [CHAR] (12),
[CNPJ EMITENTE] [CHAR] (14),
[CIDADE ORIGEM] [VARCHAR] (100),
[UF ORIGEM] [CHAR] (2),
[NRO NF] [VARCHAR] (10),
[SERIE NF] [SMALLINT],
[ROMANEIO] [CHAR] (15),
[QTD VOLUMES] [VARCHAR] (5),
[PESO] [FLOAT],
[CUBAGEM] [FLOAT],
[VALOR UNITARIO] [MONEY],
[CNPJ CLIENTE] [CHAR] (14),
[CLIENTE] [VARCHAR] (150),
[CIDADE DESTINO] [VARCHAR] (100),
[UF DESTINO] [CHAR] (2),
[BAIRRO DESTINO] [VARCHAR] (100),
[LOGRADOURO DESTINO] [VARCHAR] (150),
[CEP DESTINO] [CHAR] (8),
[DATA EMISSAO] [DATE],
[DATA EMBARQUE] [DATE],
[DATA INI. TRANSP.] [DATE],
[PREVISÃO DE ENTREGA] [DATE],
[DATA ENTREGA OPERAÇÃO] [DATE],
[STATUS DE ENTREGA] [VARCHAR] (100),
[COD. TRANSP.] [CHAR] (9) NOT NULL PRIMARY KEY,
[MODAL] [VARCHAR] (10),
[TIPO DE CARGA] [VARCHAR] (20),
[CONDIÇÃO DE FRETE] [CHAR] (9),
[NATUREZA DA MERCADORIA] [CHAR] (21),
);
- Input manual
SELECT
B.[NOME FANTASIA] AS [TRANSPORTADORA],
B.[EMBARCADOR],
B.[QTD VOLUMES] [VOLUMES],
B.[PESO],
B.[VALOR UNITARIO],
B.[CLIENTE],
B.[CIDADE DESTINO],
R.[SIGLA] AS [UF],
B.[STATUS DE ENTREGA],
R.[REGIÃO],
R.[BRASIL + SIGLA] AS [BR+SIGLA]
FROM [BASE_DE_NOTAS] B
INNER JOIN [REGIOES] R ON
B.[UF DESTINO] = R.[SIGLA];