O EnterConnection é um projeto em desenvolvimento voltado para o uso de dados de vendas de um supermercado para identificar as empresas com melhor desempenho. A partir desses dados, o sistema classifica as empresas em "Boas" ou "Ruins" com base em uma média de avaliação e fornece visualizações e operações interativas para manipulação de dados. Esta é uma versão inicial (Beta) e ainda será aprimorada para sua versão final.
- API de Dados: Supermarket Sales Dataset no Kaggle
- Pitch do Projeto: Link para o vídeo
- Documentação Completa: Link para o OneDrive
Abaixo, explicamos as principais seções e operações do código:
-
Bloco 1: Importação das Bibliotecas
Contém as importações das bibliotecas e ferramentas necessárias para processamento e visualização de dados. -
Bloco 2: Leitura e Verificação do Arquivo
Realiza a leitura do arquivo de dados e verifica se o conteúdo está correto para o processamento. -
Bloco 3: Análise das Colunas
Exibe e seleciona as colunas que serão utilizadas na análise e processamento dos dados. -
Bloco 4: Seleção de Colunas Relevantes
Seleciona as colunas "City", "Total" e "Rating" para análise, que contêm informações de localização, valor total de vendas e classificação. -
Bloco 5: Cálculo da Média
Calcula a média de classificação de empresas (atualmente 6,97) para basear a separação entre "Boas" e "Ruins". -
Bloco 6: Classificação de Empresas
Compara a classificação de cada empresa com a média e classifica como "Boa" ou "Ruim" conforme o resultado. -
Bloco 7: Visualização de Dados com Gráficos
Gera gráficos para visualizar a distribuição e desempenho das empresas, com destaque para as empresas "Boas" e "Ruins". -
Bloco 8: Adição de Novas Empresas e Validação
Permite adicionar novas empresas ao conjunto de dados, validando as entradas do usuário para manter a integridade dos dados. -
Bloco 9: Manipulação e Visualização de Dados
Fornece operações interativas para manipular e visualizar dados das empresas, com validação de entradas e gráficos atualizados. -
Bloco 10: Remoção de Empresas
Implementa a funcionalidade para remover empresas do DataFrame. -
Bloco 11: Menu Interativo para Adição/Remoção
Um menu interativo que permite ao usuário adicionar ou remover empresas do DataFrame conforme necessário. -
Bloco 12: Recalculo da Média e Reclassificação
Após adições ou remoções, recalcula a média de avaliação e reclassifica as empresas para refletir as mudanças. -
Bloco 13: Classificação com Base na Média Atualizada
Classifica novamente as empresas em "Boas" ou "Ruins" com base na média atualizada, se necessário. -
Bloco 14: Execução do Fluxo Principal
Este bloco contém o código responsável por executar o fluxo principal de operações no DataFrame, finalizando com o download das alterações realizadas.
Este projeto utiliza conceitos de Machine Learning/IA na análise e tratamento de dados para dinamizar a compreensão de desempenho das empresas. A partir de técnicas de tratamento de dados, a IA ajuda a identificar padrões que indicam as melhores e piores avaliações de clientes, otimizando estratégias para melhorar o desempenho e maximizar ganhos. Futuras melhorias podem incluir a implementação de modelos preditivos para insights mais avançados.
Este trabalho aborda uma temática muito relevante, porém, devido a mudanças ocorridas ao longo do projeto incluindo a saída de alguns integrantes do grupo, acabou divergindo um pouco do conceito inicialmente planejado. Essas alterações trouxeram desafios que impactaram o foco original. No entanto, apesar dos obstáculos, conseguimos entregar uma versão funcional e alinhada com as expectativas.
Ainda há alguns aspectos que podem ser aprimorados, como uma organização mais estruturada no código. Futuramente, a integração de uma API do ChatGPT também está nos planos, o que permitiria automatizar certas interações e oferecer ainda mais valor às empresas que utilizarem o sistema.