Projeto de Análise de Dados

Aluno: Robson Correia
Curso: Engenharia Civil
Instituição: Celso Lisboa
Disciplina: Análise de Dados
Local: Rio de Janeiro - RJ

Introdução

Este trabalho apresenta uma análise estatística de uma base de dados de movimentação comercial utilizando a linguagem RMarkdown no RStudio. A planilha utilizada contém informações sobre pedidos, categorias de produtos, consultores, regiões de venda, canais de atendimento, quantidades vendidas e valores financeiros.

O objetivo do projeto é aplicar técnicas de tratamento e análise de dados utilizando o R, permitindo interpretar o comportamento das vendas, identificar os produtos mais vendidos, avaliar os consultores com maior faturamento e analisar os canais de venda com melhor desempenho.

Carregamento da Base de Dados

movimentacao <- read_excel("Planilha_Movimentacao_Comercial_Original.xlsx")

Visualização Inicial

## # A tibble: 6 × 10
##   ID_Pedido Data_Venda          Consultor      Categoria   Produto    Quantidade
##   <chr>     <dttm>              <chr>          <chr>       <chr>           <dbl>
## 1 PED-1002  2024-09-18 00:00:00 Patricia Gomes Tecnologia  Monitor            12
## 2 PED-1003  2024-10-06 00:00:00 Rafael Lima    Ferramentas Furadeira          17
## 3 PED-1004  2024-05-08 00:00:00 Rafael Lima    Tecnologia  Notebook           24
## 4 PED-1005  2025-04-25 00:00:00 Carlos Almeida Escritório  Impressora          2
## 5 PED-1006  2024-03-04 00:00:00 Patricia Gomes Escritório  Papel A4           10
## 6 PED-1007  2024-07-03 00:00:00 Juliana Souza  Escritório  Mesa               14
## # ℹ 4 more variables: Valor_Unitario <dbl>, Valor_Total <dbl>, Regiao <chr>,
## #   Canal_Venda <chr>

Preparação e Tratamento dos Dados

names(movimentacao) <- c(
  "id_pedido",
  "data_venda",
  "consultor",
  "categoria",
  "produto",
  "quantidade",
  "valor_unitario",
  "valor_total",
  "regiao",
  "canal_venda"
)

movimentacao <- movimentacao %>%
  mutate(
    data_venda = as.Date(data_venda),
    quantidade = as.numeric(quantidade),
    valor_unitario = as.numeric(valor_unitario),
    valor_total = as.numeric(valor_total)
  )

str(movimentacao)

## tibble [1,200 × 10] (S3: tbl_df/tbl/data.frame)
##  $ id_pedido     : chr [1:1200] "PED-1002" "PED-1003" "PED-1004" "PED-1005" ...
##  $ data_venda    : Date[1:1200], format: "2024-09-18" "2024-10-06" ...
##  $ consultor     : chr [1:1200] "Patricia Gomes" "Rafael Lima" "Rafael Lima" "Carlos Almeida" ...
##  $ categoria     : chr [1:1200] "Tecnologia" "Ferramentas" "Tecnologia" "Escritório" ...
##  $ produto       : chr [1:1200] "Monitor" "Furadeira" "Notebook" "Impressora" ...
##  $ quantidade    : num [1:1200] 12 17 24 2 10 14 8 15 11 19 ...
##  $ valor_unitario: num [1:1200] 2352 556 1288 1945 1193 ...
##  $ valor_total   : num [1:1200] 28219 9447 30915 3890 11926 ...
##  $ regiao        : chr [1:1200] "RJ" "MG" "ES" "RJ" ...
##  $ canal_venda   : chr [1:1200] "Site" "WhatsApp" "Site" "Site" ...

summary(movimentacao)

##      id_pedido      data_venda             consultor        categoria   
##  Length   :1200   Min.   :2024-01-01   Length   :1200   Length   :1200  
##  N.unique :1200   1st Qu.:2024-05-12   N.unique :   6   N.unique :   4  
##  N.blank  :   0   Median :2024-09-06   N.blank  :   0   N.blank  :   0  
##  Min.nchar:   8   Mean   :2024-09-09   Min.nchar:  11   Min.nchar:  10  
##  Max.nchar:   8   3rd Qu.:2025-01-10   Max.nchar:  15   Max.nchar:  11  
##                   Max.   :2025-05-14                                    
##       produto       quantidade    valor_unitario     valor_total      
##  Length   :1200   Min.   : 1.00   Min.   :  26.23   Min.   :   27.24  
##  N.unique :  16   1st Qu.: 7.00   1st Qu.: 684.11   1st Qu.: 5112.98  
##  N.blank  :   0   Median :13.00   Median :1252.98   Median :12476.67  
##  Min.nchar:   4   Mean   :13.15   Mean   :1277.59   Mean   :16787.18  
##  Max.nchar:  16   3rd Qu.:19.25   3rd Qu.:1908.96   3rd Qu.:25420.55  
##                   Max.   :25.00   Max.   :2498.83   Max.   :61167.50  
##        regiao        canal_venda  
##  Length   :1200   Length   :1200  
##  N.unique :   4   N.unique :   4  
##  N.blank  :   0   N.blank  :   0  
##  Min.nchar:   2   Min.nchar:   4  
##  Max.nchar:   2   Max.nchar:  11  
##

Valores Ausentes

	Coluna	Valores_Ausentes
id_pedido	id_pedido	0
data_venda	data_venda	0
consultor	consultor	0
categoria	categoria	0
produto	produto	0
quantidade	quantidade	0
valor_unitario	valor_unitario	0
valor_total	valor_total	0
regiao	regiao	0
canal_venda	canal_venda	0

Estatística Básica

Variavel	Media	Mediana	Desvio_Padrao	Variancia	Maximo	Minimo
Quantidade	13.15	13.00	7.24	52.41	25.00	1.00
Valor Unitário	1277.59	1252.99	712.89	508206.60	2498.83	26.23
Valor Total	16787.18	12476.67	14082.78	198324788.33	61167.50	27.24

Valor Total por Categoria

categoria	faturamento	quantidade_total
Construção	4362592	3623
Escritório	5249644	4208
Ferramentas	5144266	3940
Tecnologia	5388110	4012

Gráfico de Colunas

Gráfico de Linha

Histograma

Boxplot

Gráfico de Pizza

Conclusão

A análise da base de movimentação comercial permitiu compreender o comportamento das vendas, identificar os consultores com maior faturamento e analisar os produtos e categorias mais relevantes da empresa.

Os indicadores estatísticos e os gráficos facilitaram a interpretação visual dos dados, permitindo observar padrões importantes relacionados às vendas e ao faturamento.

Conclui-se que o uso do RStudio e do RMarkdown foi eficiente para organização, tratamento e análise da base de dados, atendendo aos objetivos propostos pela atividade acadêmica.