Este projeto é uma análise exploratória de dados (EDA) baseada em um desafio da formação Data Science da ONE + Alura. Utilizamos dados de vendas de quatro lojas fictícias para identificar padrões de consumo, produtos mais vendidos, desempenho por categoria, avaliações de clientes e custos logísticos (frete), além do mapa de calor.
- Analisar o desempenho das quatro lojas em termos de faturamento, avaliação dos clientes e frete.
- Descubrir quais categorias e produtos geram mais receita.
- Obter insights estratégicos para auxiliar na tomada de decisão (como identificar a loja com pior desempenho para possível venda ou reestruturação).
Ao analisar o desempenho, descobrimos que o menor faturamento é da Loja 4.
- Loja 1: R$ 1.534.509.
- Loja 2: R$ 1.488.459.
- Loja 3: R$ 1.464.025.
- Loja 4: R$ 1.384.498 (menor faturamento).
- Loja 1 - categoria mais vendida foi moveis (465).
- Loja 2 - categoria mais vendida foi moveis (442).
- Loja 3 - categoria mais vendida foi moveis (499).
- Loja 4 - categoria mais vendida foi moveis (480).
Loja 3 (4,05) - tem a melhor média de avaliações, seguide da Loja 2 (4,04), Loja 4 (4,00) e por último Loja 1 (3,98).
Cômoda (da categoria Móveis)
Celular ABXY (da categoria eletronicos)
Loja 4 tem o menor frete médio (R$ 31,28), mas isso não reflete em melhor desempenho nas vendas .
A loja com pior desempenho geral foi a Loja 4 , sendo recomendada para venda ou reestruturação. Ela teve o menor faturamento, avaliação apenas média e não liderada em nenhuma métrica além do frete.
O mapa de calor foi suprimido por dificuldades técnicas de disponibuliza-lo no github.