📊 Análise Exploratória de Dados do E-commerce Olist 🛍️

Bem-vindo à análise exploratória de dados do dataset público da Olist! Este projeto tem como objetivo investigar os dados de vendas de um grande e-commerce brasileiro para extrair dados sobre tendências de vendas, desempenho de produtos, comportamento de clientes e distribuição geográfica das operações.

🎯 Objetivos da Análise

• Entender a evolução das vendas e do ticket médio ao longo do tempo. O ticket médio é um indicador importante que representa o valor médio gasto por cliente em cada pedido.
• Identificar as categorias de produtos mais relevantes em termos de receita e volume.
• Analisar as características de preço das diferentes categorias de produtos.
• Mapear os principais estados e cidades que geram receita para o e-commerce.
• Aplicar técnicas de limpeza, pré-processamento e junção de dados para preparar um dataset consolidado para análise.

💾 Fonte dos Dados

Os dados utilizados neste projeto são do "Brazilian E-Commerce Public Dataset by Olist", um conjunto de dados público e anonimizado disponibilizado no Kaggle.

A Olist é uma empresa brasileira que conecta pequenos e médios lojistas aos grandes canais de venda do país (marketplaces), funcionando como uma grande loja de departamento virtual. Os dados, portanto, refletem transações de e-commerce realizadas através da plataforma Olist, abrangendo uma vasta gama de produtos e interações com clientes em todo o Brasil.

O dataset é composto por múltiplos arquivos CSV interconectados, incluindo informações sobre:

• olist_customers_dataset.csv: Dados dos clientes e sua localização.
• olist_geolocation_dataset.csv: Informações de geolocalização (latitude/longitude por CEP).
• olist_orders_dataset.csv: Dados dos pedidos, incluindo status e datas.
• olist_order_items_dataset.csv: Detalhes dos itens dentro de cada pedido, incluindo preço e vendedor.
• olist_order_payments_dataset.csv: Informações sobre as transações de pagamento dos pedidos.
• olist_order_reviews_dataset.csv: Avaliações (notas e comentários) feitas pelos clientes.
• olist_products_dataset.csv: Informações sobre os produtos vendidos.
• olist_sellers_dataset.csv: Dados dos vendedores que comercializam através da Olist.
• product_category_name_translation.csv: Tradução dos nomes das categorias de produtos para o inglês.

Você pode encontrar o dataset original aqui: Brazilian E-Commerce Public Dataset by Olist no Kaggle

🛠️ Ferramentas Utilizadas

• Linguagem de Programação: Python 3
• Principais Bibliotecas Python:
  • Pandas: Para manipulação e análise de dados tabulares.
  • NumPy: Para operações numéricas.
  • Matplotlib: Para criação de gráficos estáticos.
  • Seaborn: Para visualizações estatísticas mais elaboradas.
• Ambiente de Desenvolvimento: Jupyter Notebooks (utilizado através do Visual Studio Code).

📁 Estrutura do Projeto

O repositório está organizado da seguinte forma:

• README.md: Este arquivo, com a descrição geral do projeto e os principais achados.
• dados/: Contém os arquivos .csv originais do dataset da Olist e o DataFrame processado (olist_df_merged_para_analise.csv) utilizado na análise exploratória.
• notebooks/ (ou os nomes dos seus arquivos .ipynb se estiverem na raiz):
  • 01_exploracao_inicial.ipynb: Notebook com a exploração inicial de cada tabela do dataset.
  • 02_limpeza_dados.ipynb: Notebook detalhando o processo de limpeza, pré-processamento e junção das tabelas.
  • 03_analise_exploratoria.ipynb: Notebook com a análise exploratória de dados (EDA) e a geração dos dados e visualizações.
• visualizacoes/: Contém os gráficos gerados durante a EDA e salvos como arquivos de imagem (.png).
• requirements.txt: Arquivo listando as dependências de bibliotecas Python do projeto (vamos criar este arquivo ao final).

⚙️ Visão Geral do Processo de Análise

O projeto foi desenvolvido seguindo as seguintes etapas principais:

1. Exploração Inicial dos Dados:

   • Carregamento individual de cada um dos 9 arquivos CSV do dataset.
   • Análise preliminar da estrutura, tipos de dados, volumes e identificação de chaves de cada tabela para entender seu conteúdo e as relações entre elas.

2. Limpeza e Pré-processamento dos Dados:

   • Conversão de colunas de data/hora para o formato datetime em todas as tabelas relevantes.
   • Tratamento de valores ausentes (NaNs) em diversas colunas, como categorias de produtos, atributos de produtos e informações de pagamento, utilizando estratégias como preenchimento com valores padrão (ex: "desconhecida" para categorias) ou medianas.
   • Investigação e correção de valores anômalos, como produtos com peso zero e transações de pagamento com valor zero ou número de parcelas inválido para o tipo de pagamento.
   • Adição de traduções para os nomes das categorias de produtos (Português para Inglês).
   • Deduplicação de registros de avaliação de pedidos para garantir uma única avaliação por pedido.

3. Junção das Tabelas:

   • Criação de um DataFrame consolidado (df_merged) através da junção progressiva das tabelas individuais limpas, utilizando as chaves apropriadas (order_id, product_id, customer_id, seller_id). Foram realizados merges para integrar dados de pedidos, itens, produtos, clientes, vendedores, informações de pagamento agregadas e avaliações.

4. Análise Exploratória de Dados (EDA):

   • Extração de dados a partir do DataFrame consolidado, focando em:
     • Tendências temporais de vendas (volume de pedidos, receita total e ticket médio mensal).
     • Desempenho das categorias de produtos (por receita, volume de itens vendidos e preço médio por item).
     • Distribuição geográfica da receita gerada pelos clientes (por estado e cidade).
   • Geração de visualizações (gráficos de linha e barras) para ilust

💡 Principais Achados e dados da Análise

Nesta seção, apresentamos as descobertas mais relevantes obtidas através da análise exploratória dos dados do e-commerce Olist.

📈 1. Evolução das Vendas ao Longo do Tempo

Analisamos como o número de pedidos, o valor total das vendas e o ticket médio mensal se comportaram durante o período coberto pelo dataset (aproximadamente de Setembro de 2016 a Agosto de 2018, com dados parciais para Setembro de 2018).

Número de Pedidos Únicos por Mês: Observou-se um início modesto em 2016, seguido por um crescimento expressivo no volume de pedidos ao longo de 2017, atingindo um patamar elevado e mais estável em 2018.

Valor Total de Vendas por Mês: A receita total acompanhou de perto a tendência do número de pedidos, mostrando um aumento significativo em 2017 e alcançando os maiores picos de faturamento em 2018. Nota: Os meses de Setembro de 2016, Dezembro de 2016 e Setembro de 2018 apresentaram volumes de dados atipicamente baixos ou parciais e devem ser interpretados com essa ressalva.

Ticket Médio Mensal: O valor médio gasto por pedido, após um período inicial com maior volatilidade (devido ao baixo volume de transações), tendeu a se estabilizar. Durante os meses de maior volume de vendas em 2017 e 2018, o ticket médio flutuou principalmente na faixa de R$ 155 a R$ 175.

---

🛍️ 2. Desempenho das Categorias de Produtos

A análise das categorias de produtos revelou quais segmentos são mais importantes para o e-commerce, tanto em termos de receita gerada quanto em volume de vendas e preço médio dos itens.

Top Categorias por Receita Gerada: As categorias health_beauty, watches_gifts e bed_bath_table lideram a geração de receita proveniente do preço dos itens.

Top Categorias por Número de Itens Vendidos: Em termos de volume, bed_bath_table, health_beauty e sports_leisure são as que mais vendem unidades.

Categorias por Preço Médio por Item: Categorias como computers e small_appliances_home_oven_and_coffee se destacam por terem os itens com maior preço médio. Por outro lado, a categoria electronics apresentou um preço médio surpreendentemente baixo.

---

🗺️ 3. Distribuição Geográfica da Receita (Clientes)

A análise da localização dos clientes revelou importantes concentrações geográficas na geração de receita para o e-commerce.

Receita por Estado do Cliente: O estado de São Paulo (SP) destaca-se como o principal mercado, respondendo pela maior parcela da receita, seguido por Rio de Janeiro (RJ) e Minas Gerais (MG).

Receita por Cidade do Cliente: Aprofundando a análise, a cidade de São Paulo é a que mais contribui individualmente para a receita, seguida pela cidade do Rio de Janeiro e Belo Horizonte.

---

⭐ 4. Satisfação do Cliente (Observação Geral)

A análise das avaliações dos pedidos (review_score) indicou uma tendência geral positiva, com uma mediana de 5.0 e média em torno de 4.03, sugerindo que a maioria dos clientes que deixaram avaliações tiveram uma experiência satisfatória.

---

🔗 Para Detalhes da Análise e Código

Todo o processo de análise, desde a exploração inicial dos dados, passando pela limpeza, pré-processamento, junção das tabelas e a análise exploratória detalhada, está documentado nos seguintes notebooks Jupyter presentes neste repositório:

• 01_exploracao_inicial.ipynb: Contém a primeira olhada em cada um dos arquivos do dataset, verificando estrutura, tipos de dados e informações básicas.
• 02_limpeza_dados.ipynb: Detalha todas as etapas de limpeza de dados (tratamento de valores ausentes, correção de tipos, tratamento de anomalias) e o processo de junção das diversas tabelas para a criação do DataFrame consolidado (df_merged).
• 03_analise_exploratoria.ipynb: Apresenta a análise exploratória de dados (EDA) realizada sobre o DataFrame consolidado, incluindo a geração de todos os gráficos e a extração dos dados discutidos.

Sinta-se à vontade para explorar os notebooks para um entendimento completo da metodologia aplicada.

🏁 Conclusões

Esta análise exploratória do dataset da Olist permitiu extrair diversos dados valiosos sobre a operação de um grande e-commerce brasileiro. As principais conclusões incluem:

• 📈 Crescimento Significativo: O e-commerce demonstrou uma clara trajetória de crescimento ao longo do período analisado (2017-2018), tanto em volume de pedidos quanto em receita, após um início mais modesto em 2016.
• 💰 Concentração de Receita: Há uma forte concentração geográfica da receita no estado de São Paulo e na região Sudeste, com as grandes capitais liderando o consumo.
• 🛍️ Categorias Chave: Categorias como health_beauty, watches_gifts, e bed_bath_table são cruciais para a receita, enquanto bed_bath_table lidera em volume. A análise de preço médio por item revelou nichos de alto valor (ex: computers) e categorias com itens de menor custo unitário e alto volume (ex: electronics focada em acessórios).
• 👍 Satisfação Geral Positiva: As avaliações dos clientes indicam, em sua maioria, uma experiência de compra positiva.
• 📊 Importância da Limpeza de Dados: O processo de limpeza e pré-processamento foi fundamental para garantir a qualidade e a confiabilidade das análises realizadas.

Este projeto demonstra a aplicação prática de técnicas de análise de dados para entender a dinâmica de um negócio de e-commerce e identificar oportunidades a partir de dados transacionais.

🚀 Possíveis Próximos Passos / Análises Futuras

Embora esta análise tenha fornecido muitos dados, existem diversas oportunidades para aprofundamento e expansão do projeto:

• Análise de Sentimento: Aplicar técnicas de Processamento de Linguagem Natural (NLP) nos comentários textuais das avaliações (review_comment_message) para obter uma compreensão mais qualitativa da satisfação do cliente.
• Segmentação de Clientes (RFM): Criar segmentos de clientes com base em seu comportamento de compra (Recência, Frequência, Valor Monetário) para direcionar estratégias de marketing personalizadas.
• Análise de Churn de Clientes: Tentar identificar padrões que levam à perda de clientes.
• Modelagem Preditiva: Desenvolver modelos para prever vendas futuras, demanda por produtos ou categorias.
• Análise Logística Detalhada: Investigar a fundo os tempos de entrega por região, a relação com a satisfação do cliente e o impacto dos custos de frete.
• Market Basket Analysis: Identificar quais produtos são frequentemente comprados juntos.