AVISO: Todos os problemas e premissas contextualizados no projeto são fictícios. Seu único objetivo é dar sentido para o desenvolvimento da solução.
Eduardo e Marcelo são dois brasileiros, amigos e parceiros de negócios. Depois de vários negócios de sucesso, eles planejam entrar no mercado de moda nos EUA como modelo de negócios de e-commerce. A ideia inicial é entrar no mercado com apenas um produto e para um público específico, neste caso o produto seria Jeans para o público masculino.
O objetivo é manter o custo operacional baixo e escalar à medida que conquistam clientes. Porém, mesmo com o produto de entrada e público definidos, os dois sócios não possuem experiência nesse mercado de moda e por isso não sabem definir coisas básicas como preço, tipo de calça e material para confecção de cada peça . Os principais concorrentes da empresa Star Jeans são as empresas americanas H&M e Macys.
Os dois sócios contrataram uma consultoria de Data Science para responder as seguintes perguntas:
- Qual é o melhor preço de venda para calças?
- Quantos tipos de calças e suas cores para o produto inicial?
- Quais são as matérias-primas necessárias para fazer as calças?
- Coletar dados dos principais concorrentes
- H&M
- Macys
- Defina o formato de entrega (Visualização, Tabela, Frase)
- Gráfico de barras com a mediana dos preços dos produtos, por tipo e cor nos últimos 30 dias.
- Tabela com as seguintes colunas: id | product_name | product_type | product_color | product_price
- Definição de esquema: colunas e seu tipo
- Definição de infraestrutura de armazenamento (SQLITE3)
- Design ETL (Extrair, Transformar e Carregar Scripts)
- Entrega do produto final
- Aplicativo com Streamlit
- Aplicativo com Streamlit
- Ferramentas
- Python 3.8.
- Recuperando Bibliotecas (BS4, Selenium)
- PyCharmName
- Jupyter Notebook (Análise e prototipagem)
- Agendador de tarefas
- Iluminado
- Noções iniciais de webscraping
- Tratamento de dados utilizando expressões regulares (Regex)
- Utilizar os dados coletados para responder as perguntas dos sócios
- Análise exploratória de dados para gerar insights
- Estudar a viabilidade de aplicação de um modelo de machine learning