library(readxl)
#library(dplyr)
#library(ggplot2)
library(knitr)
#library(kableExtra)

Carregamento e preparação dos dados

#vendas <- vendas %>%
#mutate(
#vendedor = as.factor(vendedor),
#dias = as.Date(dias),
#mes = as.factor(mes),
#venda_diaria = as.numeric(venda_diaria)
#) %>%
#filter(!is.na(venda_diaria))

Análise Estatística

2.1 Estatísticas por vendedor

#estat_vendedor <- vendas %>%
  #group_by(vendedor) %>%
  #summarise(
    #total_vendas = sum(venda_diaria),
    #media_diaria = mean(venda_diaria),
    #mediana = median(venda_diaria),
    #desvio_padrao = sd(venda_diaria),
    #n_registros = n()
  #) %>%
  #arrange(desc(total_vendas))

#kable(estat_vendedor, caption = "Estatísticas por Vendedor

2.2 Venda mensal total

#venda_mensal_total <- vendas %>%
  #group_by(mes) %>%
  #summarise(total_mensal = sum(venda_diaria))

#kable(venda_mensal_total, caption = "Venda Mensal Total da Empresa

2.3 Venda mensal por vendedor

#venda_mensal_vendedor <- vendas %>%
 # group_by(vendedor, mes) %>%
  #summarise(total_mensal = sum(venda_diaria))

#kable(venda_mensal_vendedor, caption = "Venda Mensal por Vendedor

3. Visualização com ggplot2

3.1 Barras — total por vendedor

#ggplot(venda_mensal_vendedor, aes(x = mes, y = total_mensal)) +
 # geom_line(size = 1) +
  #geom_point() +
  #facet_wrap(~ vendedor, scales = "free_y") +
  #labs(title = "Tendência Mensal por Vendedor",
       #x = "Mês", y = "Total Mensal

3.4 Histograma vendas diárias

#ggplot(vendas, aes(venda_diaria)) +
 # geom_histogram(bins = 20) +
  #labs(title = "Distribuição das Vendas Diárias",
   #    x = "Venda Diária", y = "Frequência

3.5 Boxplot por mês

#ggplot(vendas, aes(x = factor(mes), y = venda_diaria)) +
 # geom_boxplot() +
  #labs(title = "Boxplot das Vendas Diárias por Mês",
   #    x = "Mês", y = "Venda Diária

3.6 Boxplot por vendedor

#ggplot(vendas, aes(x = vendedor, y = venda_diaria)) +
 # geom_boxplot() +
  #labs(title = "Distribuição das Vendas por Vendedor",
   #    x = "Vendedor", y = "Venda Diária

4. Previsão de Vendas (ARIMA)

#vendas_ts <- ts(venda_mensal_total$total_mensal, frequency = 12)
#previsao <- predict(arima(vendas_ts, order = c(1,1,1)), n.ahead = 6)
#previsao