Esse projeto tem como objetivo buscar compreender os padrões da logística geográfica, das vendas e do comportamento financeiro dos clientes. Através do cruzamento de dados (pedidos, geolocalização e produtos), busquei analisar não apenas a causa, mas sim as consequências de determinados obstáculos e êxitos operacionais.

• Linguagem: Python
• Manipulação de dados: Pandas
• Banco de dados: SQLite
• Visualização: Seaborn e Matplotlib
• Ambiente: Jupyter Notebook

• data/: Arquivos CSV originais (Kaggle).
• script.py: Pipeline de tratamento de dados que automatiza a limpeza e a criação do banco de dados.
• ecommerce.db: Banco de dados estruturado gerado pelo script para alimentar a análise.
• notebook.ipynb: Análise visual e diagnóstica dos dados.

1. Execute o arquivo script.py. Responsável por ler os arquivos CSV, tratar os dados e criar o banco de dados ecommerce.db.
2. Com o banco criado, abra o notebook.ipynb para visualizar as análises.

• Obstáculos logísticos em Alagoas (AL): Identifiquei que o estado possui a menor margem entre o prazo estimado e real, o que torna a operação mais frágil e propensa a atrasos.

• Efeito Black Friday: A análise temporal indicou um pico de vendas em novembro de 2017, estabelecendo um estágio inédito de faturamento, revelando a continuidade de clientes.

• Eficiência por categoria: A categoria de "Relógios e Presentes" se sobressai por ter alto valor agregado, sendo mais eficaz financeiramente que outros grupos de produtos que tenham maior volume de venda e baixa margem.