Projeto de portfólio — Análise de dados

100 mil pedidos.
O que eles revelam?

Raio-X do E-commerce Brasileiro

9 tabelas. 2 anos de dados reais do maior marketplace brasileiro. Um pipeline completo — do SQL analítico no DuckDB, passando por estatística e machine learning em Python, até visualização interativa em Next.js. Cada capítulo abaixo é uma pergunta de negócio respondida com dados.

DuckDBSQL analíticoPythonpandasscipyscikit-learnNext.js 14TypeScriptRechartsTailwind CSS
Explorar os capítulos
pedidos analisados
99.441
de set/2016 a out/2018
tabelas relacionais
9
capítulos analíticos
6
período coberto
2016–2018

Sobre o projeto

O dataset Olist Brazilian E-Commerce é público, real e tem 99.441 pedidos realizados entre setembro de 2016 e outubro de 2018 no maior marketplace brasileiro. São 9 tabelas relacionais com informações de pedidos, produtos, clientes, vendedores, pagamentos e avaliações.

Este projeto demonstra o pipeline completo de um analista de dados: ingestão dos CSVs no DuckDB, queries SQL analíticas para extrair indicadores de cada capítulo, análises em Python com testes de hipótese, clustering K-Means e modelo preditivo, e por fim a visualização interativa neste dashboard. Todo o código é testado, documentado e reproduzível.

O objetivo não é apenas mostrar gráficos — é contar a história que os dados revelam sobre o e-commerce brasileiro: onde estão os gargalos, quem são os clientes, o que determina a satisfação e como o tempo e a geografia moldam o consumo online no Brasil.

Capítulos

Seis perguntas de negócio, seis análises independentes com visualizações interativas e narrativa editorial.