📊 SuperStore Dashboard - Python + Streamlit + Docker

Este projeto demonstra a criação de um dashboard interativo para análise de dados de vendas com Python, Streamlit, SQLite e Docker. Ele foi construído com boas práticas de engenharia de dados, organização em pastas, uso de notebooks para tratamento dos dados e deploy com Docker.

---

🧰 Tecnologias Utilizadas

• Python 3.9
• Streamlit – para o dashboard web
• Pandas – para análise e tratamento de dados
• SQLite – banco de dados leve e local
• Docker e Docker Compose – para empacotamento e execução da aplicação

---

📁 Estrutura do Projeto

SUPERSTORE/
├── app/
│   └── dashboard.py           # Código principal do Streamlit
│
├── data/
│   ├── raw/
│   │   └── DadosBrutos.csv    # Dataset original
│   └── processed/
│       └── dados_tratados.csv # Dataset após limpeza
│
├── db/
│   └── superstore.db          # Banco de dados SQLite
│
├── notebooks/
│   └── tratamento.ipynb       # Notebook para tratamento e análise de dados
│
├── criar_banco.py             # Script para gerar o banco superstore.db
├── Dockerfile                 # Dockerfile para criar a imagem da aplicação
├── docker-compose.yml         # Compose para facilitar execução com Docker
├── requirements.txt           # Dependências Python
└── README.md                  # Este arquivo

---

🚀 Como Rodar com Docker

1. Clone o repositório:

git clone https://github.com/macauli10/Dashboard-python-docker.git
cd Dashboard-python-docker

2. Crie o banco de dados (uma única vez):

docker run --rm -v ${PWD}:/app -w /app python:3.9 python criar_banco.py

3. Rode a aplicação com Docker Compose:

docker-compose up --build

4. Acesse o dashboard no navegador:

http://localhost:8501

---

📝 Funcionalidades do Projeto

• Visualização de vendas por categoria, estado, data, entre outros
• Tratamento de dados e verificação de nulos/duplicados com Pandas
• Conversão do CSV limpo em banco SQLite com o criar_banco.py
• Aplicação leve, empacotada em container Docker para portabilidade

---

📚 Notebook de Tratamento

O notebook notebooks/tratamento.ipynb mostra:

• Leitura dos dados brutos
• Limpeza de valores nulos
• Remoção de duplicados
• Exportação para CSV limpo (dados_tratados.csv)

---

💡 Sugestões Futuras

• Adicionar autenticação ao dashboard
• Incluir filtros dinâmicos por data, região e categoria
• Exportar relatórios em PDF ou Excel

---

🧑‍💻 Autor

Macauli Missouri
🔗 [www.linkedin.com/in/macauli-missouri-3ab2a6272]

---