Ir para o conteúdo

Dashboard de E-commerce

Python Pandas SQLite Jupyter Chart.js

Visão Geral

Projeto final do módulo de Aprofundamento de Analytics (Profissão Ciência de Dados). Consolida dados de transações e clientes de um e-commerce via SQL e exibe os resultados em um dashboard HTML interativo com filtros dinâmicos.

Destaques

  • Pipeline SQL completo: leitura, normalização, INNER JOIN e exportação
  • Dashboard HTML autocontido — 296 registros embutidos, sem dependência de servidor
  • 7 métricas e visualizações interativas com filtros por gênero, estado e categoria
  • Dados brutos normalizados (formato europeu 72,93 → decimal 72.93)

Estrutura do Projeto

ecommerce-dashboard/
├── data/
│   ├── raw/                 # Dados de origem (transações e clientes)
│   └── processed/           # Dataset consolidado (resultado do JOIN)
├── notebooks/
│   └── Profissao Cientista de Dados M26 Projeto.ipynb
├── src/
│   └── dashboard.html       # Dashboard interativo (Chart.js)
├── requirements.txt
└── README.md

Stack Utilizada

Tecnologia Versão Função
Python 3.13 Linguagem principal
pandas latest Manipulação e exportação dos dados
SQLite (sqlite3) built-in Banco de dados em memória para o JOIN
Jupyter Notebook latest Pipeline de dados interativo
Chart.js 4.4.0 Visualizações no dashboard HTML

Pipeline de Dados

TB_TRANSACOES_PROJETO_ECOMM.csv   TB_CLIENTES_PROJETO_ECOMM.csv
              │                                │
              ▼                                ▼
     ┌────────────────┐             ┌────────────────────┐
     │  Leitura raw   │             │   Leitura raw      │
     │  Normalização  │             │                    │
     │  Price: ,→.    │             │                    │
     └────────┬───────┘             └─────────┬──────────┘
              │                               │
              ▼                               ▼
     ┌─────────────────────────────────────────────────┐
     │              SQLite em memória                  │
     │  INNER JOIN via id_client                       │
     └─────────────────────────┬───────────────────────┘
                               │
                               ▼
              dados_ecommerce_final.csv (296 registros)
                               │
                               ▼
                      dashboard.html (autocontido)

Justificativa do JOIN

INNER JOIN foi escolhido porque o objetivo é analisar transações vinculadas a clientes identificados. Transações sem correspondência na tabela de clientes (registros órfãos) não agregam valor às métricas demográficas e geográficas — resultando em 296 registros consolidados.

Dashboard

O arquivo src/dashboard.html é autocontido: os 296 registros estão embutidos diretamente no HTML, sem necessidade de servidor ou banco de dados em execução.

Métricas exibidas:

Métrica Tipo
Total de vendas e ticket médio KPI cards
Número de transações e clientes únicos KPI cards
Distribuição geográfica por estado Gráfico de barras
Perfil demográfico por gênero Gráfico de rosca
Receita por categoria de produto Barras horizontais
Distribuição de preços Histograma (10 faixas)
Top cargos por número de transações Barras horizontais

Filtros interativos: gênero, estado e categoria — todos os KPIs e gráficos atualizam ao selecionar um filtro.

Como Executar

Pipeline de dados (opcional)

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Abra o notebook e execute todas as células. O arquivo data/processed/dados_ecommerce_final.csv será gerado.

Dashboard

Opção A — servidor local (recomendado):

python3 -m http.server 8000

Acesse http://localhost:8000/src/dashboard.html.

Opção B — abrir diretamente no navegador:

Abra src/dashboard.html com duplo clique ou File > Open.