Entender o comportamento de compra do seu cliente é um tesouro para qualquer empresa. Evita o desperdício de tempo e dinheiro. Por isso, cada vez mais, as organizações estão em busca de ferramentas que ajudem a prever o comportamento de compra do seu cliente.Neste projeto foi aplicado a segmentação de produto , e a validação de hipóteses. Ambas metodologias são fundamentais na tomada de decisões, visto que são baseadas em evidências e não apenas em crenças ou opiniões. Na análise de dados, é comum formular suposições ou hipóteses sobre relações, tendências ou diferenças entre as variáveis dos dados disponíveis. A validação dessas hipóteses (confirmar ou refutar) é alcançada com técnicas e métodos projetados para determinar se os resultados observados nos dados são estatisticamente significativos ou se podem ser atribuídos ao acaso. Neste projeto, exploramos este aspecto da análise de dados, destacando como ele ajuda a melhorar a compreensão dos fenômenos, apoiar a pesquisa e tomar decisões informadas.
Objetivo desse projeto é segmentar os produtos por categoria, identificar os produtos mais avaliados e os menos avaliados, a fim de auxiliar na tomada de decisão do gerente de vendas. Esta categorização permitirá diferenciar:
- Quais são os produtos com maior preço de venda ?
- Quais são as categorias com maior faturamento ?
- Qual o ticket médio por categoria?
- Qual a média de desconto por categoria?
- Qual o produto com maior desconto?
- Quais são as categorias mais e menos avaliadas?
- Qual a melhor categoria no ranking?
- Quanto maior o desconto, melhor será a pontuação?
- Quanto maior o número de pessoas que avaliaram o produto, melhor será a classificação?
Nathalia Guimarães
- Google BigQuery
- Apresentação Canva
- Power BI
- linguagem SQL no BigQuery
- Link Apresentação do Projeto > Projeto Amazon
- Link Relatório de Resultado Power BI > Relatório Amazon
Link para Banco de Dados > Banco de Dados Amazon
Link para Ficha Técnica > Ficha técnica Amazon
Para mais detalhes, consultar o relatório completo no Power BI e Ficha Técnica.
A análise preliminar dos dados revelou a necessidade de aprimorar o banco de dados para obter insights mais precisos. A ausência de informações como quantidade de produtos em estoque, tempo de estoque e margem de contribuição limita a capacidade de avaliar o desempenho dos produtos e identificar oportunidades de otimização. Recomenda-se a inclusão dessas informações no banco de dados para permitir uma análise mais completa e estratégica. Para uma análise mais aprofundada dos dados, seria necessário incluir informações adicionais, como:
- Quantidade de produtos em estoque: para avaliar o giro de estoque e a demanda por cada produto.
- Tempo de estoque: para identificar produtos encalhados ou com alta rotatividade.
- Data de compra e data da avaliação: para correlacionar as avaliações com o tempo de uso do produto e identificar possíveis problemas de qualidade ao longo do tempo.
- Margem de contribuição: para avaliar a rentabilidade de cada produto e categoria.
- Critérios de qualidade das avaliações: para entender o significado das pontuações de 1 a 5 e garantir a comparabilidade entre as avaliações.
Essas informações permitiriam uma melhor compreensão do desempenho dos produtos, identificação de oportunidades de melhoria e tomada de decisões mais estratégicas.