Este repositório contém a minha solução para o Desafio Técnico da Segmedic. O objetivo principal deste projeto é explorar, investigar e estruturar dados de atendimentos clínicos para gerar insights operacionais e financeiros, respondendo a perguntas cruciais de negócio.
- Análise Exploratória: Python (Pandas)
- Banco de Dados & Consultas: SQL (PostgreSQL)
- Visualização de Dados (BI): Streamlit
O desafio foi dividido em três etapas principais de análise:
Nesta etapa, foi realizada uma investigação profunda da estrutura dos dados fornecidos em formato CSV. O foco foi:
- Identificar a estrutura do dataset (linhas, colunas e visualização inicial).
- Calcular o valor total atendido e a quantidade de atendimentos por mês.
- Mapear os Top 5 pacientes com maior frequência de uso da clínica.
Obs: A abordagem completa, os códigos utilizados e os gráficos gerados estão detalhados no arquivo Jupyter Notebook.
Conectando ao banco de dados PostgreSQL, foram desenvolvidas queries analíticas para responder às seguintes demandas de negócio:
- Faturamento total e quantidade de atendimentos por especialidade.
- Ranqueamento dos Top 10 pacientes (por valor faturado e quantidade de atendimentos) especificamente para Psiquiatria, Clínica Geral e Endocrinologia.
- Mapeamento das Top cidades geradoras de receita e volume de atendimentos.
- Faturamento isolado da cidade do Rio de Janeiro.
- Análise de retenção listando pacientes que foram atendidos uma vez e retornaram no mês seguinte.
Foi construído um painel interativo focado em quatro pilares principais da operação:
- Métricas de Atendimento: Volume e valor distribuídos por datas e especialidades.
- Métricas Financeiras: Ticket médio por paciente e faturamento consolidado por especialidade.
- Perfil dos Pacientes: Distribuição demográfica por sexo e cidade, além da média histórica de atendimentos por paciente.
- Operação da Clínica: Fluxo diário (quantidade) de consultas realizadas.
- 📓
notebook_eda.ipynb: Arquivo Jupyter Notebook contendo toda a Análise Exploratória (Parte 1). - 🗄️
queries_analiticas.sql: Arquivo contendo todas as consultas SQL desenvolvidas (Parte 2). - 📄
Insights_Resumo.pdf: Documento com o resumo executivo detalhando os principais insights encontrados durante a análise. - 📊 Dashboard: https://dashpy-obwv7xlmbrrpg7ekyqwfru.streamlit.app/.
Este projeto foi desenvolvido com foco em demonstrar:
- Capacidade investigativa e curiosidade sobre o comportamento dos dados clínicos e financeiros.
- Organização de código estruturado e documentado.
- Raciocínio analítico para transformar dados brutos em informações úteis e estratégicas para o negócio.
- Clareza e objetividade na comunicação visual e escrita dos resultados obtidos.
Desenvolvido por José.