Análise Exploratória de Vendas - Bar da Dorinha
Yasmim Pires
Aluno: Yasmim Pires da Silva
Curso: Engenharia Civil
Instituição: Faculdade Celso Lisboa
Disciplina: Analise de dados
Local: Rio de Janeiro - RJ
pacotes <- c("readxl", "dplyr", "ggplot2", "lubridate", "knitr", "scales", "forecast", "writexl")
for (p in pacotes) {
if (!requireNamespace(p, quietly = TRUE)) {
install.packages(p)
}
}
library(readxl)
library(dplyr)
library(ggplot2)
library(lubridate)
library(knitr)
library(scales)
library(forecast)
library(writexl)
options(scipen = 999)Introdução
Este relatório apresenta uma análise exploratória dos dados de vendas da empresa Bar da Dorinha, uma empresa de varejo que apresentou crescimento nos últimos anos. O objetivo do estudo é aplicar recursos de programação em R, principalmente com os pacotes dplyr e ggplot2, para carregar, limpar, analisar estatisticamente e visualizar os dados de vendas anuais dos vendedores.
A análise busca identificar padrões de desempenho individual, comportamento mensal das vendas, variação dos valores de venda diária e tendências gerais da empresa. Também foi realizado o cálculo da folha de pagamento dos vendedores referente a março de 2024, considerando salário-base, comissão sobre vendas e descontos solicitados na atividade.
1. Carregamento e preparação dos dados
1.1 Importação dos arquivos
O arquivo principal de vendas foi carregado considerando a primeira aba disponível da planilha. O código abaixo também evita erro caso o nome do arquivo esteja com pequenas diferenças, como ocorre quando o arquivo é baixado mais de uma vez.
possiveis_vendas <- c(
"Vendas.xlsx",
"Vendas2024.xlsx",
"Vendas2024(6).xlsx",
"Vendas2024 (6).xlsx",
"Vendas2024(2).xlsx",
"Vendas2024 (2).xlsx"
)
possiveis_salarios <- c(
"Salario_base.xlsx",
"Salario_base2024.xlsx",
"Salario_base2024(2).xlsx",
"Salario_base2024 (2).xlsx"
)
arquivo_vendas <- possiveis_vendas[file.exists(possiveis_vendas)][1]
arquivo_salarios <- possiveis_salarios[file.exists(possiveis_salarios)][1]
if (is.na(arquivo_vendas)) {
stop("Arquivo de vendas não encontrado. Coloque o arquivo Vendas.xlsx ou Vendas2024.xlsx na mesma pasta do RMarkdown.")
}
if (is.na(arquivo_salarios)) {
stop("Arquivo de salários não encontrado. Coloque o arquivo Salario_base.xlsx ou Salario_base2024.xlsx na mesma pasta do RMarkdown.")
}
abas_vendas <- excel_sheets(arquivo_vendas)
abas_salarios <- excel_sheets(arquivo_salarios)
vendas <- read_excel(arquivo_vendas, sheet = abas_vendas[1])
salarios <- read_excel(arquivo_salarios, sheet = "Funcionarios")1.2 Estrutura inicial dos dados
str(vendas)## tibble [113,202 × 5] (S3: tbl_df/tbl/data.frame)
## $ vendedor : num [1:113202] 101101 101101 101101 101101 101101 ...
## $ dias : chr [1:113202] "2017-1-1" "2017-1-1" "2017-1-1" "2017-1-1" ...
## $ venda_diaria: num [1:113202] 372 139 354 241 123 ...
## $ ano : num [1:113202] 2017 2017 2017 2017 2017 ...
## $ mes : num [1:113202] 1 1 1 1 1 1 1 1 1 1 ...head(vendas)## # A tibble: 6 × 5
## vendedor dias venda_diaria ano mes
## <dbl> <chr> <dbl> <dbl> <dbl>
## 1 101101 2017-1-1 372. 2017 1
## 2 101101 2017-1-1 139. 2017 1
## 3 101101 2017-1-1 354. 2017 1
## 4 101101 2017-1-1 241. 2017 1
## 5 101101 2017-1-1 123. 2017 1
## 6 101101 2017-1-1 165. 2017 1summary(vendas)## vendedor dias venda_diaria ano
## Min. :101101 Length :113202 Min. : 9.79 Min. :2017
## 1st Qu.:101102 N.unique : 2194 1st Qu.:133.27 1st Qu.:2019
## Median :101105 N.blank : 0 Median :254.06 Median :2021
## Mean :101234 Min.nchar: 8 Mean :260.38 Mean :2020
## 3rd Qu.:101108 Max.nchar: 10 3rd Qu.:373.85 3rd Qu.:2022
## Max. :102112 Max. :838.42 Max. :2023
## mes
## Min. : 1.000
## 1st Qu.: 3.000
## Median : 7.000
## Mean : 6.548
## 3rd Qu.:10.000
## Max. :12.0001.3 Ajuste dos tipos de dados
Nesta etapa, as colunas foram convertidas para os tipos solicitados na atividade: vendedor como fator, data como campo de data e venda diária como valor numérico.
vendas <- vendas %>%
mutate(
vendedor = as.factor(vendedor),
dias = as.Date(dias),
venda_diaria = as.numeric(venda_diaria),
ano = as.numeric(ano),
mes = as.numeric(mes)
)1.4 Verificação e tratamento de valores ausentes
valores_ausentes <- sum(is.na(vendas$venda_diaria))
valores_ausentes## [1] 0vendas <- vendas %>%
filter(!is.na(venda_diaria))Após a verificação, as linhas com valores ausentes na coluna
venda_diaria foram removidas, caso existissem. Esse
tratamento é importante para evitar distorções nos cálculos de soma,
média, mediana e desvio padrão.
1.5 Dados após preparação
str(vendas)## tibble [113,202 × 5] (S3: tbl_df/tbl/data.frame)
## $ vendedor : Factor w/ 12 levels "101101","101102",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ dias : Date[1:113202], format: "2017-01-01" "2017-01-01" ...
## $ venda_diaria: num [1:113202] 372 139 354 241 123 ...
## $ ano : num [1:113202] 2017 2017 2017 2017 2017 ...
## $ mes : num [1:113202] 1 1 1 1 1 1 1 1 1 1 ...head(vendas)## # A tibble: 6 × 5
## vendedor dias venda_diaria ano mes
## <fct> <date> <dbl> <dbl> <dbl>
## 1 101101 2017-01-01 372. 2017 1
## 2 101101 2017-01-01 139. 2017 1
## 3 101101 2017-01-01 354. 2017 1
## 4 101101 2017-01-01 241. 2017 1
## 5 101101 2017-01-01 123. 2017 1
## 6 101101 2017-01-01 165. 2017 1summary(vendas)## vendedor dias venda_diaria ano
## 101102 :14604 Min. :2017-01-01 Min. : 9.79 Min. :2017
## 101101 :13742 1st Qu.:2019-09-19 1st Qu.:133.27 1st Qu.:2019
## 101103 :12779 Median :2021-02-03 Median :254.06 Median :2021
## 101104 :10493 Mean :2020-11-20 Mean :260.38 Mean :2020
## 101105 :10419 3rd Qu.:2022-03-15 3rd Qu.:373.85 3rd Qu.:2022
## 101106 : 9997 Max. :2023-03-30 Max. :838.42 Max. :2023
## (Other):41168
## mes
## Min. : 1.000
## 1st Qu.: 3.000
## Median : 7.000
## Mean : 6.548
## 3rd Qu.:10.000
## Max. :12.000
## 2. Análise estatística com dplyr
2.1 Estatísticas de vendas por vendedor
estatisticas_vendedor <- vendas %>%
group_by(vendedor) %>%
summarise(
Venda_Total = sum(venda_diaria, na.rm = TRUE),
Media_Diaria = mean(venda_diaria, na.rm = TRUE),
Mediana_Diaria = median(venda_diaria, na.rm = TRUE),
Desvio_Padrao = sd(venda_diaria, na.rm = TRUE),
Numero_Registros = n(),
.groups = "drop"
) %>%
arrange(desc(Venda_Total))
kable(estatisticas_vendedor, digits = 2, caption = "Estatísticas de vendas por vendedor")| vendedor | Venda_Total | Media_Diaria | Mediana_Diaria | Desvio_Padrao | Numero_Registros |
|---|---|---|---|---|---|
| 101102 | 4031176 | 276.03 | 268.37 | 160.76 | 14604 |
| 101101 | 3489519 | 253.93 | 249.28 | 146.27 | 13742 |
| 101103 | 3433923 | 268.72 | 264.70 | 155.34 | 12779 |
| 101105 | 2694622 | 258.63 | 250.79 | 150.14 | 10419 |
| 101104 | 2491491 | 237.44 | 232.13 | 137.85 | 10493 |
| 101108 | 2473665 | 271.47 | 265.24 | 157.04 | 9112 |
| 101106 | 2458056 | 245.88 | 240.99 | 143.15 | 9997 |
| 102111 | 2441308 | 244.67 | 240.99 | 140.90 | 9978 |
| 101107 | 2201441 | 250.28 | 243.28 | 146.59 | 8796 |
| 102112 | 1338667 | 289.50 | 282.73 | 166.85 | 4624 |
| 101109 | 1296194 | 304.06 | 297.62 | 173.87 | 4263 |
| 101110 | 1125154 | 256.01 | 252.31 | 145.72 | 4395 |
Análise dos resultados por vendedor
A tabela acima permite comparar o desempenho individual dos vendedores. A coluna Venda_Total mostra o faturamento acumulado de cada vendedor, enquanto a Media_Diaria e a Mediana_Diaria indicam o comportamento médio e típico das vendas. Quando a média fica distante da mediana, pode haver influência de vendas muito altas ou muito baixas. O Desvio_Padrao mostra a variação das vendas diárias: quanto maior o valor, maior a oscilação do desempenho do vendedor.
2.2 Venda mensal total da empresa
venda_mensal_geral <- vendas %>%
group_by(ano, mes) %>%
summarise(
Total_Vendas = sum(venda_diaria, na.rm = TRUE),
.groups = "drop"
) %>%
arrange(ano, mes) %>%
mutate(periodo = as.Date(paste(ano, mes, "01", sep = "-")))
kable(venda_mensal_geral, digits = 2, caption = "Venda mensal total da empresa")| ano | mes | Total_Vendas | periodo |
|---|---|---|---|
| 2017 | 1 | 101567.93 | 2017-01-01 |
| 2017 | 2 | 84566.85 | 2017-02-01 |
| 2017 | 3 | 85530.13 | 2017-03-01 |
| 2017 | 4 | 98811.06 | 2017-04-01 |
| 2017 | 5 | 120225.68 | 2017-05-01 |
| 2017 | 6 | 97619.83 | 2017-06-01 |
| 2017 | 7 | 83419.18 | 2017-07-01 |
| 2017 | 8 | 124339.31 | 2017-08-01 |
| 2017 | 9 | 120982.09 | 2017-09-01 |
| 2017 | 10 | 127807.90 | 2017-10-01 |
| 2017 | 11 | 155285.26 | 2017-11-01 |
| 2017 | 12 | 187369.81 | 2017-12-01 |
| 2018 | 1 | 136127.00 | 2018-01-01 |
| 2018 | 2 | 98931.27 | 2018-02-01 |
| 2018 | 3 | 114280.20 | 2018-03-01 |
| 2018 | 4 | 126960.42 | 2018-04-01 |
| 2018 | 5 | 171233.06 | 2018-05-01 |
| 2018 | 6 | 149914.75 | 2018-06-01 |
| 2018 | 7 | 107252.77 | 2018-07-01 |
| 2018 | 8 | 141441.62 | 2018-08-01 |
| 2018 | 9 | 129484.14 | 2018-09-01 |
| 2018 | 10 | 288625.81 | 2018-10-01 |
| 2018 | 11 | 355359.75 | 2018-11-01 |
| 2018 | 12 | 468261.28 | 2018-12-01 |
| 2019 | 1 | 271472.65 | 2019-01-01 |
| 2019 | 2 | 222533.09 | 2019-02-01 |
| 2019 | 3 | 382382.08 | 2019-03-01 |
| 2019 | 4 | 421068.32 | 2019-04-01 |
| 2019 | 5 | 517596.70 | 2019-05-01 |
| 2019 | 6 | 416373.11 | 2019-06-01 |
| 2019 | 7 | 351208.06 | 2019-07-01 |
| 2019 | 8 | 331284.75 | 2019-08-01 |
| 2019 | 9 | 400772.74 | 2019-09-01 |
| 2019 | 10 | 387258.35 | 2019-10-01 |
| 2019 | 11 | 505659.62 | 2019-11-01 |
| 2019 | 12 | 595835.98 | 2019-12-01 |
| 2020 | 1 | 360726.31 | 2020-01-01 |
| 2020 | 2 | 301422.03 | 2020-02-01 |
| 2020 | 3 | 385502.04 | 2020-03-01 |
| 2020 | 4 | 430170.60 | 2020-04-01 |
| 2020 | 5 | 483334.28 | 2020-05-01 |
| 2020 | 6 | 476022.42 | 2020-06-01 |
| 2020 | 7 | 400116.30 | 2020-07-01 |
| 2020 | 8 | 392945.07 | 2020-08-01 |
| 2020 | 9 | 375571.56 | 2020-09-01 |
| 2020 | 10 | 441425.94 | 2020-10-01 |
| 2020 | 11 | 503923.84 | 2020-11-01 |
| 2020 | 12 | 608599.31 | 2020-12-01 |
| 2021 | 1 | 398929.02 | 2021-01-01 |
| 2021 | 2 | 344108.08 | 2021-02-01 |
| 2021 | 3 | 366832.24 | 2021-03-01 |
| 2021 | 4 | 479610.28 | 2021-04-01 |
| 2021 | 5 | 669782.26 | 2021-05-01 |
| 2021 | 6 | 616457.44 | 2021-06-01 |
| 2021 | 7 | 540985.75 | 2021-07-01 |
| 2021 | 8 | 530524.87 | 2021-08-01 |
| 2021 | 9 | 510590.58 | 2021-09-01 |
| 2021 | 10 | 614907.36 | 2021-10-01 |
| 2021 | 11 | 736200.89 | 2021-11-01 |
| 2021 | 12 | 817665.03 | 2021-12-01 |
| 2022 | 1 | 568067.46 | 2022-01-01 |
| 2022 | 2 | 477297.07 | 2022-02-01 |
| 2022 | 3 | 577768.37 | 2022-03-01 |
| 2022 | 4 | 608208.92 | 2022-04-01 |
| 2022 | 5 | 699119.04 | 2022-05-01 |
| 2022 | 6 | 682889.59 | 2022-06-01 |
| 2022 | 7 | 574676.55 | 2022-07-01 |
| 2022 | 8 | 571171.72 | 2022-08-01 |
| 2022 | 9 | 572114.63 | 2022-09-01 |
| 2022 | 10 | 651203.73 | 2022-10-01 |
| 2022 | 11 | 757312.16 | 2022-11-01 |
| 2022 | 12 | 898480.62 | 2022-12-01 |
| 2023 | 1 | 549534.22 | 2023-01-01 |
| 2023 | 2 | 468779.94 | 2023-02-01 |
| 2023 | 3 | 553397.54 | 2023-03-01 |
Análise da venda mensal geral
A venda mensal total mostra a evolução do faturamento da empresa ao longo do tempo. Essa informação é útil para observar meses de maior movimento, períodos de queda e possíveis sazonalidades. Com essa análise, a empresa pode planejar melhor compras, estoque, metas e estratégias comerciais.
2.3 Venda mensal total por vendedor
venda_mensal_vendedor <- vendas %>%
group_by(vendedor, ano, mes) %>%
summarise(
Total_Vendas_Mensais = sum(venda_diaria, na.rm = TRUE),
.groups = "drop"
) %>%
arrange(vendedor, ano, mes) %>%
mutate(periodo = as.Date(paste(ano, mes, "01", sep = "-")))
kable(venda_mensal_vendedor, digits = 2, caption = "Venda mensal total por vendedor")| vendedor | ano | mes | Total_Vendas_Mensais | periodo |
|---|---|---|---|---|
| 101101 | 2017 | 1 | 40681.80 | 2017-01-01 |
| 101101 | 2017 | 2 | 41947.67 | 2017-02-01 |
| 101101 | 2017 | 3 | 39753.13 | 2017-03-01 |
| 101101 | 2017 | 4 | 40270.40 | 2017-04-01 |
| 101101 | 2017 | 5 | 60735.17 | 2017-05-01 |
| 101101 | 2017 | 6 | 37626.92 | 2017-06-01 |
| 101101 | 2017 | 7 | 52441.26 | 2017-07-01 |
| 101101 | 2017 | 8 | 34252.90 | 2017-08-01 |
| 101101 | 2017 | 9 | 30023.94 | 2017-09-01 |
| 101101 | 2017 | 10 | 41341.30 | 2017-10-01 |
| 101101 | 2017 | 11 | 51040.47 | 2017-11-01 |
| 101101 | 2017 | 12 | 39680.91 | 2017-12-01 |
| 101101 | 2018 | 1 | 41224.85 | 2018-01-01 |
| 101101 | 2018 | 2 | 29976.22 | 2018-02-01 |
| 101101 | 2018 | 3 | 39335.37 | 2018-03-01 |
| 101101 | 2018 | 4 | 45675.40 | 2018-04-01 |
| 101101 | 2018 | 5 | 62870.07 | 2018-05-01 |
| 101101 | 2018 | 6 | 42763.94 | 2018-06-01 |
| 101101 | 2018 | 7 | 22912.14 | 2018-07-01 |
| 101101 | 2018 | 8 | 33704.01 | 2018-08-01 |
| 101101 | 2018 | 9 | 43377.77 | 2018-09-01 |
| 101101 | 2018 | 10 | 38542.64 | 2018-10-01 |
| 101101 | 2018 | 11 | 45892.56 | 2018-11-01 |
| 101101 | 2018 | 12 | 59826.48 | 2018-12-01 |
| 101101 | 2019 | 1 | 41723.03 | 2019-01-01 |
| 101101 | 2019 | 2 | 40801.88 | 2019-02-01 |
| 101101 | 2019 | 3 | 36346.38 | 2019-03-01 |
| 101101 | 2019 | 4 | 57174.21 | 2019-04-01 |
| 101101 | 2019 | 5 | 46558.86 | 2019-05-01 |
| 101101 | 2019 | 6 | 55376.25 | 2019-06-01 |
| 101101 | 2019 | 7 | 31939.62 | 2019-07-01 |
| 101101 | 2019 | 8 | 34637.89 | 2019-08-01 |
| 101101 | 2019 | 9 | 46056.07 | 2019-09-01 |
| 101101 | 2019 | 10 | 41511.59 | 2019-10-01 |
| 101101 | 2019 | 11 | 55041.55 | 2019-11-01 |
| 101101 | 2019 | 12 | 57423.68 | 2019-12-01 |
| 101101 | 2020 | 1 | 47447.76 | 2020-01-01 |
| 101101 | 2020 | 2 | 38324.18 | 2020-02-01 |
| 101101 | 2020 | 3 | 44383.22 | 2020-03-01 |
| 101101 | 2020 | 4 | 53238.65 | 2020-04-01 |
| 101101 | 2020 | 5 | 53321.54 | 2020-05-01 |
| 101101 | 2020 | 6 | 56447.64 | 2020-06-01 |
| 101101 | 2020 | 7 | 55493.95 | 2020-07-01 |
| 101101 | 2020 | 8 | 51480.23 | 2020-08-01 |
| 101101 | 2020 | 9 | 31795.73 | 2020-09-01 |
| 101101 | 2020 | 10 | 45357.13 | 2020-10-01 |
| 101101 | 2020 | 11 | 65867.85 | 2020-11-01 |
| 101101 | 2020 | 12 | 62318.68 | 2020-12-01 |
| 101101 | 2021 | 1 | 44862.95 | 2021-01-01 |
| 101101 | 2021 | 2 | 37567.03 | 2021-02-01 |
| 101101 | 2021 | 3 | 38841.08 | 2021-03-01 |
| 101101 | 2021 | 4 | 71495.72 | 2021-04-01 |
| 101101 | 2021 | 5 | 53722.20 | 2021-05-01 |
| 101101 | 2021 | 6 | 39531.22 | 2021-06-01 |
| 101101 | 2021 | 7 | 48382.74 | 2021-07-01 |
| 101101 | 2021 | 8 | 43965.06 | 2021-08-01 |
| 101101 | 2021 | 9 | 33527.00 | 2021-09-01 |
| 101101 | 2021 | 10 | 56199.89 | 2021-10-01 |
| 101101 | 2021 | 11 | 72540.26 | 2021-11-01 |
| 101101 | 2021 | 12 | 71716.98 | 2021-12-01 |
| 101101 | 2022 | 1 | 45169.53 | 2022-01-01 |
| 101101 | 2022 | 2 | 47677.66 | 2022-02-01 |
| 101101 | 2022 | 3 | 35270.33 | 2022-03-01 |
| 101101 | 2022 | 4 | 44725.80 | 2022-04-01 |
| 101101 | 2022 | 5 | 55171.66 | 2022-05-01 |
| 101101 | 2022 | 6 | 41878.86 | 2022-06-01 |
| 101101 | 2022 | 7 | 33125.65 | 2022-07-01 |
| 101101 | 2022 | 8 | 43020.87 | 2022-08-01 |
| 101101 | 2022 | 9 | 50643.02 | 2022-09-01 |
| 101101 | 2022 | 10 | 49500.21 | 2022-10-01 |
| 101101 | 2022 | 11 | 63300.72 | 2022-11-01 |
| 101101 | 2022 | 12 | 76105.38 | 2022-12-01 |
| 101101 | 2023 | 1 | 43886.63 | 2023-01-01 |
| 101101 | 2023 | 2 | 44546.65 | 2023-02-01 |
| 101101 | 2023 | 3 | 37178.72 | 2023-03-01 |
| 101102 | 2017 | 1 | 60886.13 | 2017-01-01 |
| 101102 | 2017 | 2 | 42619.18 | 2017-02-01 |
| 101102 | 2017 | 3 | 45777.00 | 2017-03-01 |
| 101102 | 2017 | 4 | 58540.66 | 2017-04-01 |
| 101102 | 2017 | 5 | 59490.51 | 2017-05-01 |
| 101102 | 2017 | 6 | 59992.91 | 2017-06-01 |
| 101102 | 2017 | 7 | 30977.92 | 2017-07-01 |
| 101102 | 2017 | 8 | 49979.25 | 2017-08-01 |
| 101102 | 2017 | 9 | 55287.71 | 2017-09-01 |
| 101102 | 2017 | 10 | 42099.44 | 2017-10-01 |
| 101102 | 2017 | 11 | 52017.64 | 2017-11-01 |
| 101102 | 2017 | 12 | 67636.95 | 2017-12-01 |
| 101102 | 2018 | 1 | 48626.39 | 2018-01-01 |
| 101102 | 2018 | 2 | 40099.17 | 2018-02-01 |
| 101102 | 2018 | 3 | 43901.94 | 2018-03-01 |
| 101102 | 2018 | 4 | 40445.01 | 2018-04-01 |
| 101102 | 2018 | 5 | 47833.10 | 2018-05-01 |
| 101102 | 2018 | 6 | 61289.65 | 2018-06-01 |
| 101102 | 2018 | 7 | 47540.56 | 2018-07-01 |
| 101102 | 2018 | 8 | 62335.37 | 2018-08-01 |
| 101102 | 2018 | 9 | 53614.69 | 2018-09-01 |
| 101102 | 2018 | 10 | 61192.03 | 2018-10-01 |
| 101102 | 2018 | 11 | 54301.42 | 2018-11-01 |
| 101102 | 2018 | 12 | 94872.18 | 2018-12-01 |
| 101102 | 2019 | 1 | 38565.85 | 2019-01-01 |
| 101102 | 2019 | 2 | 33627.55 | 2019-02-01 |
| 101102 | 2019 | 3 | 48784.70 | 2019-03-01 |
| 101102 | 2019 | 4 | 53038.01 | 2019-04-01 |
| 101102 | 2019 | 5 | 66041.61 | 2019-05-01 |
| 101102 | 2019 | 6 | 49906.18 | 2019-06-01 |
| 101102 | 2019 | 7 | 50975.88 | 2019-07-01 |
| 101102 | 2019 | 8 | 33748.93 | 2019-08-01 |
| 101102 | 2019 | 9 | 47629.52 | 2019-09-01 |
| 101102 | 2019 | 10 | 42814.18 | 2019-10-01 |
| 101102 | 2019 | 11 | 61986.54 | 2019-11-01 |
| 101102 | 2019 | 12 | 90890.89 | 2019-12-01 |
| 101102 | 2020 | 1 | 60906.04 | 2020-01-01 |
| 101102 | 2020 | 2 | 23835.06 | 2020-02-01 |
| 101102 | 2020 | 3 | 65606.24 | 2020-03-01 |
| 101102 | 2020 | 4 | 45976.78 | 2020-04-01 |
| 101102 | 2020 | 5 | 38404.23 | 2020-05-01 |
| 101102 | 2020 | 6 | 49060.50 | 2020-06-01 |
| 101102 | 2020 | 7 | 38758.11 | 2020-07-01 |
| 101102 | 2020 | 8 | 49200.11 | 2020-08-01 |
| 101102 | 2020 | 9 | 63058.72 | 2020-09-01 |
| 101102 | 2020 | 10 | 56906.38 | 2020-10-01 |
| 101102 | 2020 | 11 | 63786.96 | 2020-11-01 |
| 101102 | 2020 | 12 | 78153.60 | 2020-12-01 |
| 101102 | 2021 | 1 | 55255.92 | 2021-01-01 |
| 101102 | 2021 | 2 | 34207.18 | 2021-02-01 |
| 101102 | 2021 | 3 | 47499.21 | 2021-03-01 |
| 101102 | 2021 | 4 | 62037.36 | 2021-04-01 |
| 101102 | 2021 | 5 | 46808.94 | 2021-05-01 |
| 101102 | 2021 | 6 | 55693.53 | 2021-06-01 |
| 101102 | 2021 | 7 | 67518.71 | 2021-07-01 |
| 101102 | 2021 | 8 | 44106.31 | 2021-08-01 |
| 101102 | 2021 | 9 | 38518.99 | 2021-09-01 |
| 101102 | 2021 | 10 | 49778.25 | 2021-10-01 |
| 101102 | 2021 | 11 | 67588.72 | 2021-11-01 |
| 101102 | 2021 | 12 | 85524.24 | 2021-12-01 |
| 101102 | 2022 | 1 | 46544.32 | 2022-01-01 |
| 101102 | 2022 | 2 | 50858.30 | 2022-02-01 |
| 101102 | 2022 | 3 | 52274.98 | 2022-03-01 |
| 101102 | 2022 | 4 | 56676.20 | 2022-04-01 |
| 101102 | 2022 | 5 | 44685.25 | 2022-05-01 |
| 101102 | 2022 | 6 | 75753.23 | 2022-06-01 |
| 101102 | 2022 | 7 | 54960.13 | 2022-07-01 |
| 101102 | 2022 | 8 | 54417.98 | 2022-08-01 |
| 101102 | 2022 | 9 | 54924.12 | 2022-09-01 |
| 101102 | 2022 | 10 | 75660.18 | 2022-10-01 |
| 101102 | 2022 | 11 | 54897.82 | 2022-11-01 |
| 101102 | 2022 | 12 | 95026.18 | 2022-12-01 |
| 101102 | 2023 | 1 | 47541.22 | 2023-01-01 |
| 101102 | 2023 | 2 | 33181.72 | 2023-02-01 |
| 101102 | 2023 | 3 | 46217.34 | 2023-03-01 |
| 101103 | 2017 | 8 | 40107.16 | 2017-08-01 |
| 101103 | 2017 | 9 | 35670.44 | 2017-09-01 |
| 101103 | 2017 | 10 | 44367.16 | 2017-10-01 |
| 101103 | 2017 | 11 | 52227.15 | 2017-11-01 |
| 101103 | 2017 | 12 | 80051.95 | 2017-12-01 |
| 101103 | 2018 | 1 | 46275.76 | 2018-01-01 |
| 101103 | 2018 | 2 | 28855.88 | 2018-02-01 |
| 101103 | 2018 | 3 | 31042.89 | 2018-03-01 |
| 101103 | 2018 | 4 | 40840.01 | 2018-04-01 |
| 101103 | 2018 | 5 | 60529.89 | 2018-05-01 |
| 101103 | 2018 | 6 | 45861.16 | 2018-06-01 |
| 101103 | 2018 | 7 | 36800.07 | 2018-07-01 |
| 101103 | 2018 | 8 | 45402.24 | 2018-08-01 |
| 101103 | 2018 | 9 | 32491.68 | 2018-09-01 |
| 101103 | 2018 | 10 | 29469.33 | 2018-10-01 |
| 101103 | 2018 | 11 | 57024.57 | 2018-11-01 |
| 101103 | 2018 | 12 | 69231.29 | 2018-12-01 |
| 101103 | 2019 | 1 | 34040.09 | 2019-01-01 |
| 101103 | 2019 | 2 | 34720.06 | 2019-02-01 |
| 101103 | 2019 | 3 | 53394.72 | 2019-03-01 |
| 101103 | 2019 | 4 | 56202.20 | 2019-04-01 |
| 101103 | 2019 | 5 | 61665.25 | 2019-05-01 |
| 101103 | 2019 | 6 | 42014.44 | 2019-06-01 |
| 101103 | 2019 | 7 | 42022.52 | 2019-07-01 |
| 101103 | 2019 | 8 | 45156.58 | 2019-08-01 |
| 101103 | 2019 | 9 | 55491.47 | 2019-09-01 |
| 101103 | 2019 | 10 | 50256.26 | 2019-10-01 |
| 101103 | 2019 | 11 | 56058.54 | 2019-11-01 |
| 101103 | 2019 | 12 | 67130.83 | 2019-12-01 |
| 101103 | 2020 | 1 | 36376.50 | 2020-01-01 |
| 101103 | 2020 | 2 | 33595.41 | 2020-02-01 |
| 101103 | 2020 | 3 | 33227.95 | 2020-03-01 |
| 101103 | 2020 | 4 | 59818.55 | 2020-04-01 |
| 101103 | 2020 | 5 | 58715.66 | 2020-05-01 |
| 101103 | 2020 | 6 | 62600.09 | 2020-06-01 |
| 101103 | 2020 | 7 | 51214.27 | 2020-07-01 |
| 101103 | 2020 | 8 | 53747.81 | 2020-08-01 |
| 101103 | 2020 | 9 | 45131.78 | 2020-09-01 |
| 101103 | 2020 | 10 | 59707.33 | 2020-10-01 |
| 101103 | 2020 | 11 | 56102.67 | 2020-11-01 |
| 101103 | 2020 | 12 | 63409.49 | 2020-12-01 |
| 101103 | 2021 | 1 | 51045.78 | 2021-01-01 |
| 101103 | 2021 | 2 | 34164.39 | 2021-02-01 |
| 101103 | 2021 | 3 | 45948.09 | 2021-03-01 |
| 101103 | 2021 | 4 | 45476.96 | 2021-04-01 |
| 101103 | 2021 | 5 | 53996.74 | 2021-05-01 |
| 101103 | 2021 | 6 | 46459.24 | 2021-06-01 |
| 101103 | 2021 | 7 | 29727.23 | 2021-07-01 |
| 101103 | 2021 | 8 | 45158.18 | 2021-08-01 |
| 101103 | 2021 | 9 | 54360.77 | 2021-09-01 |
| 101103 | 2021 | 10 | 67618.27 | 2021-10-01 |
| 101103 | 2021 | 11 | 63546.87 | 2021-11-01 |
| 101103 | 2021 | 12 | 49755.54 | 2021-12-01 |
| 101103 | 2022 | 1 | 47465.35 | 2022-01-01 |
| 101103 | 2022 | 2 | 49485.80 | 2022-02-01 |
| 101103 | 2022 | 3 | 53620.82 | 2022-03-01 |
| 101103 | 2022 | 4 | 62219.08 | 2022-04-01 |
| 101103 | 2022 | 5 | 55499.90 | 2022-05-01 |
| 101103 | 2022 | 6 | 56547.28 | 2022-06-01 |
| 101103 | 2022 | 7 | 59279.52 | 2022-07-01 |
| 101103 | 2022 | 8 | 60395.88 | 2022-08-01 |
| 101103 | 2022 | 9 | 58152.23 | 2022-09-01 |
| 101103 | 2022 | 10 | 44951.77 | 2022-10-01 |
| 101103 | 2022 | 11 | 92007.39 | 2022-11-01 |
| 101103 | 2022 | 12 | 86666.28 | 2022-12-01 |
| 101103 | 2023 | 1 | 41747.12 | 2023-01-01 |
| 101103 | 2023 | 2 | 46263.66 | 2023-02-01 |
| 101103 | 2023 | 3 | 44313.81 | 2023-03-01 |
| 101104 | 2018 | 10 | 33794.18 | 2018-10-01 |
| 101104 | 2018 | 11 | 49385.73 | 2018-11-01 |
| 101104 | 2018 | 12 | 65688.42 | 2018-12-01 |
| 101104 | 2019 | 1 | 46715.12 | 2019-01-01 |
| 101104 | 2019 | 2 | 29915.38 | 2019-02-01 |
| 101104 | 2019 | 3 | 42158.82 | 2019-03-01 |
| 101104 | 2019 | 4 | 34877.36 | 2019-04-01 |
| 101104 | 2019 | 5 | 57734.07 | 2019-05-01 |
| 101104 | 2019 | 6 | 39480.47 | 2019-06-01 |
| 101104 | 2019 | 7 | 38777.38 | 2019-07-01 |
| 101104 | 2019 | 8 | 30401.98 | 2019-08-01 |
| 101104 | 2019 | 9 | 36096.87 | 2019-09-01 |
| 101104 | 2019 | 10 | 40318.73 | 2019-10-01 |
| 101104 | 2019 | 11 | 56019.02 | 2019-11-01 |
| 101104 | 2019 | 12 | 62334.30 | 2019-12-01 |
| 101104 | 2020 | 1 | 36774.92 | 2020-01-01 |
| 101104 | 2020 | 2 | 25862.77 | 2020-02-01 |
| 101104 | 2020 | 3 | 38957.57 | 2020-03-01 |
| 101104 | 2020 | 4 | 43709.66 | 2020-04-01 |
| 101104 | 2020 | 5 | 46277.30 | 2020-05-01 |
| 101104 | 2020 | 6 | 52985.08 | 2020-06-01 |
| 101104 | 2020 | 7 | 31522.06 | 2020-07-01 |
| 101104 | 2020 | 8 | 37061.10 | 2020-08-01 |
| 101104 | 2020 | 9 | 35948.57 | 2020-09-01 |
| 101104 | 2020 | 10 | 58349.95 | 2020-10-01 |
| 101104 | 2020 | 11 | 63357.07 | 2020-11-01 |
| 101104 | 2020 | 12 | 72010.63 | 2020-12-01 |
| 101104 | 2021 | 1 | 49932.40 | 2021-01-01 |
| 101104 | 2021 | 2 | 27377.62 | 2021-02-01 |
| 101104 | 2021 | 3 | 33783.94 | 2021-03-01 |
| 101104 | 2021 | 4 | 34471.94 | 2021-04-01 |
| 101104 | 2021 | 5 | 68517.78 | 2021-05-01 |
| 101104 | 2021 | 6 | 52691.69 | 2021-06-01 |
| 101104 | 2021 | 7 | 46350.99 | 2021-07-01 |
| 101104 | 2021 | 8 | 37598.99 | 2021-08-01 |
| 101104 | 2021 | 9 | 43736.90 | 2021-09-01 |
| 101104 | 2021 | 10 | 47450.31 | 2021-10-01 |
| 101104 | 2021 | 11 | 54349.11 | 2021-11-01 |
| 101104 | 2021 | 12 | 68822.24 | 2021-12-01 |
| 101104 | 2022 | 1 | 48155.44 | 2022-01-01 |
| 101104 | 2022 | 2 | 31349.82 | 2022-02-01 |
| 101104 | 2022 | 3 | 53884.72 | 2022-03-01 |
| 101104 | 2022 | 4 | 41858.56 | 2022-04-01 |
| 101104 | 2022 | 5 | 57249.61 | 2022-05-01 |
| 101104 | 2022 | 6 | 65325.10 | 2022-06-01 |
| 101104 | 2022 | 7 | 36866.69 | 2022-07-01 |
| 101104 | 2022 | 8 | 39211.38 | 2022-08-01 |
| 101104 | 2022 | 9 | 38574.54 | 2022-09-01 |
| 101104 | 2022 | 10 | 50925.85 | 2022-10-01 |
| 101104 | 2022 | 11 | 68969.34 | 2022-11-01 |
| 101104 | 2022 | 12 | 57583.34 | 2022-12-01 |
| 101104 | 2023 | 1 | 41084.28 | 2023-01-01 |
| 101104 | 2023 | 2 | 40511.71 | 2023-02-01 |
| 101104 | 2023 | 3 | 48342.67 | 2023-03-01 |
| 101105 | 2018 | 10 | 42449.43 | 2018-10-01 |
| 101105 | 2018 | 11 | 65144.64 | 2018-11-01 |
| 101105 | 2018 | 12 | 57601.64 | 2018-12-01 |
| 101105 | 2019 | 1 | 30683.57 | 2019-01-01 |
| 101105 | 2019 | 2 | 28573.11 | 2019-02-01 |
| 101105 | 2019 | 3 | 38557.74 | 2019-03-01 |
| 101105 | 2019 | 4 | 46891.04 | 2019-04-01 |
| 101105 | 2019 | 5 | 54064.64 | 2019-05-01 |
| 101105 | 2019 | 6 | 55954.07 | 2019-06-01 |
| 101105 | 2019 | 7 | 43596.58 | 2019-07-01 |
| 101105 | 2019 | 8 | 39722.83 | 2019-08-01 |
| 101105 | 2019 | 9 | 46191.38 | 2019-09-01 |
| 101105 | 2019 | 10 | 42497.82 | 2019-10-01 |
| 101105 | 2019 | 11 | 55015.43 | 2019-11-01 |
| 101105 | 2019 | 12 | 62930.58 | 2019-12-01 |
| 101105 | 2020 | 1 | 48910.62 | 2020-01-01 |
| 101105 | 2020 | 2 | 32011.15 | 2020-02-01 |
| 101105 | 2020 | 3 | 49272.21 | 2020-03-01 |
| 101105 | 2020 | 4 | 43871.95 | 2020-04-01 |
| 101105 | 2020 | 5 | 59294.86 | 2020-05-01 |
| 101105 | 2020 | 6 | 50159.39 | 2020-06-01 |
| 101105 | 2020 | 7 | 53520.67 | 2020-07-01 |
| 101105 | 2020 | 8 | 52949.18 | 2020-08-01 |
| 101105 | 2020 | 9 | 44501.40 | 2020-09-01 |
| 101105 | 2020 | 10 | 41925.48 | 2020-10-01 |
| 101105 | 2020 | 11 | 46053.34 | 2020-11-01 |
| 101105 | 2020 | 12 | 76323.37 | 2020-12-01 |
| 101105 | 2021 | 1 | 53802.84 | 2021-01-01 |
| 101105 | 2021 | 2 | 41266.12 | 2021-02-01 |
| 101105 | 2021 | 3 | 37527.97 | 2021-03-01 |
| 101105 | 2021 | 4 | 67326.98 | 2021-04-01 |
| 101105 | 2021 | 5 | 38395.01 | 2021-05-01 |
| 101105 | 2021 | 6 | 51755.83 | 2021-06-01 |
| 101105 | 2021 | 7 | 47463.86 | 2021-07-01 |
| 101105 | 2021 | 8 | 29691.43 | 2021-08-01 |
| 101105 | 2021 | 9 | 50389.50 | 2021-09-01 |
| 101105 | 2021 | 10 | 42623.25 | 2021-10-01 |
| 101105 | 2021 | 11 | 60050.65 | 2021-11-01 |
| 101105 | 2021 | 12 | 65712.66 | 2021-12-01 |
| 101105 | 2022 | 1 | 54674.38 | 2022-01-01 |
| 101105 | 2022 | 2 | 40549.65 | 2022-02-01 |
| 101105 | 2022 | 3 | 50381.04 | 2022-03-01 |
| 101105 | 2022 | 4 | 59397.07 | 2022-04-01 |
| 101105 | 2022 | 5 | 58379.51 | 2022-05-01 |
| 101105 | 2022 | 6 | 53443.95 | 2022-06-01 |
| 101105 | 2022 | 7 | 53699.36 | 2022-07-01 |
| 101105 | 2022 | 8 | 56296.74 | 2022-08-01 |
| 101105 | 2022 | 9 | 41755.10 | 2022-09-01 |
| 101105 | 2022 | 10 | 49514.58 | 2022-10-01 |
| 101105 | 2022 | 11 | 55557.79 | 2022-11-01 |
| 101105 | 2022 | 12 | 76852.62 | 2022-12-01 |
| 101105 | 2023 | 1 | 55530.18 | 2023-01-01 |
| 101105 | 2023 | 2 | 38729.36 | 2023-02-01 |
| 101105 | 2023 | 3 | 55186.72 | 2023-03-01 |
| 101106 | 2018 | 10 | 37548.02 | 2018-10-01 |
| 101106 | 2018 | 11 | 49206.99 | 2018-11-01 |
| 101106 | 2018 | 12 | 70671.43 | 2018-12-01 |
| 101106 | 2019 | 1 | 42163.70 | 2019-01-01 |
| 101106 | 2019 | 2 | 28291.89 | 2019-02-01 |
| 101106 | 2019 | 3 | 44241.16 | 2019-03-01 |
| 101106 | 2019 | 4 | 38296.63 | 2019-04-01 |
| 101106 | 2019 | 5 | 52844.38 | 2019-05-01 |
| 101106 | 2019 | 6 | 38589.21 | 2019-06-01 |
| 101106 | 2019 | 7 | 29265.36 | 2019-07-01 |
| 101106 | 2019 | 8 | 38487.96 | 2019-08-01 |
| 101106 | 2019 | 9 | 42207.37 | 2019-09-01 |
| 101106 | 2019 | 10 | 37963.25 | 2019-10-01 |
| 101106 | 2019 | 11 | 59080.63 | 2019-11-01 |
| 101106 | 2019 | 12 | 75311.16 | 2019-12-01 |
| 101106 | 2020 | 1 | 30655.78 | 2020-01-01 |
| 101106 | 2020 | 2 | 38480.01 | 2020-02-01 |
| 101106 | 2020 | 3 | 39078.94 | 2020-03-01 |
| 101106 | 2020 | 4 | 39281.75 | 2020-04-01 |
| 101106 | 2020 | 5 | 54357.39 | 2020-05-01 |
| 101106 | 2020 | 6 | 41095.05 | 2020-06-01 |
| 101106 | 2020 | 7 | 33558.33 | 2020-07-01 |
| 101106 | 2020 | 8 | 36138.42 | 2020-08-01 |
| 101106 | 2020 | 9 | 35000.16 | 2020-09-01 |
| 101106 | 2020 | 10 | 38592.88 | 2020-10-01 |
| 101106 | 2020 | 11 | 49079.87 | 2020-11-01 |
| 101106 | 2020 | 12 | 46704.00 | 2020-12-01 |
| 101106 | 2021 | 1 | 38842.32 | 2021-01-01 |
| 101106 | 2021 | 2 | 49873.47 | 2021-02-01 |
| 101106 | 2021 | 3 | 32980.65 | 2021-03-01 |
| 101106 | 2021 | 4 | 55487.60 | 2021-04-01 |
| 101106 | 2021 | 5 | 60911.80 | 2021-05-01 |
| 101106 | 2021 | 6 | 43988.99 | 2021-06-01 |
| 101106 | 2021 | 7 | 33318.68 | 2021-07-01 |
| 101106 | 2021 | 8 | 44194.64 | 2021-08-01 |
| 101106 | 2021 | 9 | 52064.92 | 2021-09-01 |
| 101106 | 2021 | 10 | 53858.19 | 2021-10-01 |
| 101106 | 2021 | 11 | 64545.39 | 2021-11-01 |
| 101106 | 2021 | 12 | 53160.32 | 2021-12-01 |
| 101106 | 2022 | 1 | 40549.52 | 2022-01-01 |
| 101106 | 2022 | 2 | 25910.63 | 2022-02-01 |
| 101106 | 2022 | 3 | 52192.52 | 2022-03-01 |
| 101106 | 2022 | 4 | 54543.35 | 2022-04-01 |
| 101106 | 2022 | 5 | 80185.63 | 2022-05-01 |
| 101106 | 2022 | 6 | 54460.64 | 2022-06-01 |
| 101106 | 2022 | 7 | 42205.96 | 2022-07-01 |
| 101106 | 2022 | 8 | 45039.40 | 2022-08-01 |
| 101106 | 2022 | 9 | 48898.60 | 2022-09-01 |
| 101106 | 2022 | 10 | 35861.74 | 2022-10-01 |
| 101106 | 2022 | 11 | 48334.42 | 2022-11-01 |
| 101106 | 2022 | 12 | 54848.14 | 2022-12-01 |
| 101106 | 2023 | 1 | 38536.49 | 2023-01-01 |
| 101106 | 2023 | 2 | 43693.53 | 2023-02-01 |
| 101106 | 2023 | 3 | 43376.99 | 2023-03-01 |
| 101107 | 2019 | 3 | 37411.23 | 2019-03-01 |
| 101107 | 2019 | 4 | 56681.90 | 2019-04-01 |
| 101107 | 2019 | 5 | 57528.10 | 2019-05-01 |
| 101107 | 2019 | 6 | 47267.98 | 2019-06-01 |
| 101107 | 2019 | 7 | 39980.54 | 2019-07-01 |
| 101107 | 2019 | 8 | 42331.26 | 2019-08-01 |
| 101107 | 2019 | 9 | 33294.96 | 2019-09-01 |
| 101107 | 2019 | 10 | 50274.04 | 2019-10-01 |
| 101107 | 2019 | 11 | 48352.69 | 2019-11-01 |
| 101107 | 2019 | 12 | 51632.93 | 2019-12-01 |
| 101107 | 2020 | 1 | 31529.34 | 2020-01-01 |
| 101107 | 2020 | 2 | 38842.04 | 2020-02-01 |
| 101107 | 2020 | 3 | 30994.21 | 2020-03-01 |
| 101107 | 2020 | 4 | 46837.09 | 2020-04-01 |
| 101107 | 2020 | 5 | 59902.15 | 2020-05-01 |
| 101107 | 2020 | 6 | 56710.53 | 2020-06-01 |
| 101107 | 2020 | 7 | 45639.08 | 2020-07-01 |
| 101107 | 2020 | 8 | 37714.43 | 2020-08-01 |
| 101107 | 2020 | 9 | 18645.64 | 2020-09-01 |
| 101107 | 2020 | 10 | 52331.33 | 2020-10-01 |
| 101107 | 2020 | 11 | 39344.72 | 2020-11-01 |
| 101107 | 2020 | 12 | 71135.85 | 2020-12-01 |
| 101107 | 2021 | 1 | 30047.33 | 2021-01-01 |
| 101107 | 2021 | 2 | 48633.94 | 2021-02-01 |
| 101107 | 2021 | 3 | 40480.66 | 2021-03-01 |
| 101107 | 2021 | 4 | 36265.17 | 2021-04-01 |
| 101107 | 2021 | 5 | 47390.38 | 2021-05-01 |
| 101107 | 2021 | 6 | 39575.81 | 2021-06-01 |
| 101107 | 2021 | 7 | 38074.92 | 2021-07-01 |
| 101107 | 2021 | 8 | 53896.20 | 2021-08-01 |
| 101107 | 2021 | 9 | 47856.28 | 2021-09-01 |
| 101107 | 2021 | 10 | 38500.05 | 2021-10-01 |
| 101107 | 2021 | 11 | 36167.03 | 2021-11-01 |
| 101107 | 2021 | 12 | 64409.32 | 2021-12-01 |
| 101107 | 2022 | 1 | 33212.71 | 2022-01-01 |
| 101107 | 2022 | 2 | 33408.24 | 2022-02-01 |
| 101107 | 2022 | 3 | 46666.91 | 2022-03-01 |
| 101107 | 2022 | 4 | 47119.40 | 2022-04-01 |
| 101107 | 2022 | 5 | 51355.69 | 2022-05-01 |
| 101107 | 2022 | 6 | 49539.90 | 2022-06-01 |
| 101107 | 2022 | 7 | 36181.39 | 2022-07-01 |
| 101107 | 2022 | 8 | 40788.21 | 2022-08-01 |
| 101107 | 2022 | 9 | 54367.96 | 2022-09-01 |
| 101107 | 2022 | 10 | 48918.53 | 2022-10-01 |
| 101107 | 2022 | 11 | 66891.38 | 2022-11-01 |
| 101107 | 2022 | 12 | 62666.69 | 2022-12-01 |
| 101107 | 2023 | 1 | 37202.57 | 2023-01-01 |
| 101107 | 2023 | 2 | 27816.98 | 2023-02-01 |
| 101107 | 2023 | 3 | 49625.06 | 2023-03-01 |
| 101108 | 2019 | 3 | 40287.20 | 2019-03-01 |
| 101108 | 2019 | 4 | 39834.30 | 2019-04-01 |
| 101108 | 2019 | 5 | 59674.79 | 2019-05-01 |
| 101108 | 2019 | 6 | 55556.24 | 2019-06-01 |
| 101108 | 2019 | 7 | 42364.64 | 2019-07-01 |
| 101108 | 2019 | 8 | 44083.46 | 2019-08-01 |
| 101108 | 2019 | 9 | 52584.44 | 2019-09-01 |
| 101108 | 2019 | 10 | 43293.87 | 2019-10-01 |
| 101108 | 2019 | 11 | 61969.09 | 2019-11-01 |
| 101108 | 2019 | 12 | 68630.77 | 2019-12-01 |
| 101108 | 2020 | 1 | 34525.65 | 2020-01-01 |
| 101108 | 2020 | 2 | 37742.07 | 2020-02-01 |
| 101108 | 2020 | 3 | 48854.68 | 2020-03-01 |
| 101108 | 2020 | 4 | 53487.21 | 2020-04-01 |
| 101108 | 2020 | 5 | 50197.82 | 2020-05-01 |
| 101108 | 2020 | 6 | 56985.85 | 2020-06-01 |
| 101108 | 2020 | 7 | 45505.89 | 2020-07-01 |
| 101108 | 2020 | 8 | 38917.57 | 2020-08-01 |
| 101108 | 2020 | 9 | 56213.38 | 2020-09-01 |
| 101108 | 2020 | 10 | 47959.59 | 2020-10-01 |
| 101108 | 2020 | 11 | 63126.13 | 2020-11-01 |
| 101108 | 2020 | 12 | 82214.15 | 2020-12-01 |
| 101108 | 2021 | 1 | 34230.79 | 2021-01-01 |
| 101108 | 2021 | 2 | 41191.62 | 2021-02-01 |
| 101108 | 2021 | 3 | 58873.65 | 2021-03-01 |
| 101108 | 2021 | 4 | 67481.57 | 2021-04-01 |
| 101108 | 2021 | 5 | 76864.17 | 2021-05-01 |
| 101108 | 2021 | 6 | 37195.79 | 2021-06-01 |
| 101108 | 2021 | 7 | 51102.40 | 2021-07-01 |
| 101108 | 2021 | 8 | 50987.90 | 2021-08-01 |
| 101108 | 2021 | 9 | 39343.09 | 2021-09-01 |
| 101108 | 2021 | 10 | 42726.22 | 2021-10-01 |
| 101108 | 2021 | 11 | 59484.86 | 2021-11-01 |
| 101108 | 2021 | 12 | 60823.14 | 2021-12-01 |
| 101108 | 2022 | 1 | 39263.91 | 2022-01-01 |
| 101108 | 2022 | 2 | 31232.69 | 2022-02-01 |
| 101108 | 2022 | 3 | 39938.08 | 2022-03-01 |
| 101108 | 2022 | 4 | 42656.60 | 2022-04-01 |
| 101108 | 2022 | 5 | 70100.10 | 2022-05-01 |
| 101108 | 2022 | 6 | 62499.65 | 2022-06-01 |
| 101108 | 2022 | 7 | 52787.92 | 2022-07-01 |
| 101108 | 2022 | 8 | 35130.81 | 2022-08-01 |
| 101108 | 2022 | 9 | 46627.42 | 2022-09-01 |
| 101108 | 2022 | 10 | 59917.05 | 2022-10-01 |
| 101108 | 2022 | 11 | 56113.58 | 2022-11-01 |
| 101108 | 2022 | 12 | 82224.56 | 2022-12-01 |
| 101108 | 2023 | 1 | 36358.63 | 2023-01-01 |
| 101108 | 2023 | 2 | 37009.96 | 2023-02-01 |
| 101108 | 2023 | 3 | 37490.39 | 2023-03-01 |
| 101109 | 2021 | 5 | 39008.32 | 2021-05-01 |
| 101109 | 2021 | 6 | 58234.50 | 2021-06-01 |
| 101109 | 2021 | 7 | 36848.68 | 2021-07-01 |
| 101109 | 2021 | 8 | 51849.04 | 2021-08-01 |
| 101109 | 2021 | 9 | 29144.07 | 2021-09-01 |
| 101109 | 2021 | 10 | 52264.97 | 2021-10-01 |
| 101109 | 2021 | 11 | 74003.36 | 2021-11-01 |
| 101109 | 2021 | 12 | 67959.96 | 2021-12-01 |
| 101109 | 2022 | 1 | 69639.75 | 2022-01-01 |
| 101109 | 2022 | 2 | 55192.42 | 2022-02-01 |
| 101109 | 2022 | 3 | 52421.49 | 2022-03-01 |
| 101109 | 2022 | 4 | 56328.50 | 2022-04-01 |
| 101109 | 2022 | 5 | 57419.20 | 2022-05-01 |
| 101109 | 2022 | 6 | 75135.38 | 2022-06-01 |
| 101109 | 2022 | 7 | 57240.51 | 2022-07-01 |
| 101109 | 2022 | 8 | 49776.84 | 2022-08-01 |
| 101109 | 2022 | 9 | 50912.83 | 2022-09-01 |
| 101109 | 2022 | 10 | 79406.41 | 2022-10-01 |
| 101109 | 2022 | 11 | 71912.10 | 2022-11-01 |
| 101109 | 2022 | 12 | 83162.48 | 2022-12-01 |
| 101109 | 2023 | 1 | 60652.90 | 2023-01-01 |
| 101109 | 2023 | 2 | 33987.64 | 2023-02-01 |
| 101109 | 2023 | 3 | 33693.06 | 2023-03-01 |
| 101110 | 2021 | 5 | 45843.15 | 2021-05-01 |
| 101110 | 2021 | 6 | 61213.07 | 2021-06-01 |
| 101110 | 2021 | 7 | 47587.43 | 2021-07-01 |
| 101110 | 2021 | 8 | 49755.38 | 2021-08-01 |
| 101110 | 2021 | 9 | 38668.54 | 2021-09-01 |
| 101110 | 2021 | 10 | 51085.62 | 2021-10-01 |
| 101110 | 2021 | 11 | 50252.76 | 2021-11-01 |
| 101110 | 2021 | 12 | 54660.01 | 2021-12-01 |
| 101110 | 2022 | 1 | 42327.50 | 2022-01-01 |
| 101110 | 2022 | 2 | 33983.23 | 2022-02-01 |
| 101110 | 2022 | 3 | 36725.08 | 2022-03-01 |
| 101110 | 2022 | 4 | 49210.58 | 2022-04-01 |
| 101110 | 2022 | 5 | 57250.94 | 2022-05-01 |
| 101110 | 2022 | 6 | 50591.92 | 2022-06-01 |
| 101110 | 2022 | 7 | 50021.23 | 2022-07-01 |
| 101110 | 2022 | 8 | 45758.96 | 2022-08-01 |
| 101110 | 2022 | 9 | 43033.40 | 2022-09-01 |
| 101110 | 2022 | 10 | 52427.85 | 2022-10-01 |
| 101110 | 2022 | 11 | 70183.22 | 2022-11-01 |
| 101110 | 2022 | 12 | 55249.31 | 2022-12-01 |
| 101110 | 2023 | 1 | 59893.54 | 2023-01-01 |
| 101110 | 2023 | 2 | 37693.37 | 2023-02-01 |
| 101110 | 2023 | 3 | 41738.19 | 2023-03-01 |
| 102111 | 2018 | 10 | 45630.18 | 2018-10-01 |
| 102111 | 2018 | 11 | 34403.84 | 2018-11-01 |
| 102111 | 2018 | 12 | 50369.84 | 2018-12-01 |
| 102111 | 2019 | 1 | 37581.29 | 2019-01-01 |
| 102111 | 2019 | 2 | 26603.22 | 2019-02-01 |
| 102111 | 2019 | 3 | 41200.13 | 2019-03-01 |
| 102111 | 2019 | 4 | 38072.67 | 2019-04-01 |
| 102111 | 2019 | 5 | 61485.00 | 2019-05-01 |
| 102111 | 2019 | 6 | 32228.27 | 2019-06-01 |
| 102111 | 2019 | 7 | 32285.54 | 2019-07-01 |
| 102111 | 2019 | 8 | 22713.86 | 2019-08-01 |
| 102111 | 2019 | 9 | 41220.66 | 2019-09-01 |
| 102111 | 2019 | 10 | 38328.61 | 2019-10-01 |
| 102111 | 2019 | 11 | 52136.13 | 2019-11-01 |
| 102111 | 2019 | 12 | 59550.84 | 2019-12-01 |
| 102111 | 2020 | 1 | 33599.70 | 2020-01-01 |
| 102111 | 2020 | 2 | 32729.34 | 2020-02-01 |
| 102111 | 2020 | 3 | 35127.02 | 2020-03-01 |
| 102111 | 2020 | 4 | 43948.96 | 2020-04-01 |
| 102111 | 2020 | 5 | 62863.33 | 2020-05-01 |
| 102111 | 2020 | 6 | 49978.29 | 2020-06-01 |
| 102111 | 2020 | 7 | 44903.94 | 2020-07-01 |
| 102111 | 2020 | 8 | 35736.22 | 2020-08-01 |
| 102111 | 2020 | 9 | 45276.18 | 2020-09-01 |
| 102111 | 2020 | 10 | 40295.87 | 2020-10-01 |
| 102111 | 2020 | 11 | 57205.23 | 2020-11-01 |
| 102111 | 2020 | 12 | 56329.54 | 2020-12-01 |
| 102111 | 2021 | 1 | 40908.69 | 2021-01-01 |
| 102111 | 2021 | 2 | 29826.71 | 2021-02-01 |
| 102111 | 2021 | 3 | 30896.99 | 2021-03-01 |
| 102111 | 2021 | 4 | 39566.98 | 2021-04-01 |
| 102111 | 2021 | 5 | 63356.50 | 2021-05-01 |
| 102111 | 2021 | 6 | 62146.51 | 2021-06-01 |
| 102111 | 2021 | 7 | 43699.03 | 2021-07-01 |
| 102111 | 2021 | 8 | 27354.80 | 2021-08-01 |
| 102111 | 2021 | 9 | 37341.67 | 2021-09-01 |
| 102111 | 2021 | 10 | 51251.84 | 2021-10-01 |
| 102111 | 2021 | 11 | 54907.09 | 2021-11-01 |
| 102111 | 2021 | 12 | 77431.22 | 2021-12-01 |
| 102111 | 2022 | 1 | 50018.82 | 2022-01-01 |
| 102111 | 2022 | 2 | 34667.70 | 2022-02-01 |
| 102111 | 2022 | 3 | 47380.27 | 2022-03-01 |
| 102111 | 2022 | 4 | 33408.09 | 2022-04-01 |
| 102111 | 2022 | 5 | 49778.63 | 2022-05-01 |
| 102111 | 2022 | 6 | 51324.63 | 2022-06-01 |
| 102111 | 2022 | 7 | 45631.93 | 2022-07-01 |
| 102111 | 2022 | 8 | 42452.77 | 2022-08-01 |
| 102111 | 2022 | 9 | 39394.53 | 2022-09-01 |
| 102111 | 2022 | 10 | 48633.20 | 2022-10-01 |
| 102111 | 2022 | 11 | 63571.54 | 2022-11-01 |
| 102111 | 2022 | 12 | 84882.05 | 2022-12-01 |
| 102111 | 2023 | 1 | 52158.11 | 2023-01-01 |
| 102111 | 2023 | 2 | 36653.85 | 2023-02-01 |
| 102111 | 2023 | 3 | 50860.12 | 2023-03-01 |
| 102112 | 2021 | 5 | 74967.27 | 2021-05-01 |
| 102112 | 2021 | 6 | 67971.26 | 2021-06-01 |
| 102112 | 2021 | 7 | 50911.08 | 2021-07-01 |
| 102112 | 2021 | 8 | 51966.94 | 2021-08-01 |
| 102112 | 2021 | 9 | 45638.85 | 2021-09-01 |
| 102112 | 2021 | 10 | 61550.50 | 2021-10-01 |
| 102112 | 2021 | 11 | 78764.79 | 2021-11-01 |
| 102112 | 2021 | 12 | 97689.40 | 2021-12-01 |
| 102112 | 2022 | 1 | 51046.23 | 2022-01-01 |
| 102112 | 2022 | 2 | 42980.93 | 2022-02-01 |
| 102112 | 2022 | 3 | 57012.13 | 2022-03-01 |
| 102112 | 2022 | 4 | 60065.69 | 2022-04-01 |
| 102112 | 2022 | 5 | 62042.92 | 2022-05-01 |
| 102112 | 2022 | 6 | 46389.05 | 2022-06-01 |
| 102112 | 2022 | 7 | 52676.26 | 2022-07-01 |
| 102112 | 2022 | 8 | 58881.88 | 2022-08-01 |
| 102112 | 2022 | 9 | 44830.88 | 2022-09-01 |
| 102112 | 2022 | 10 | 55486.36 | 2022-10-01 |
| 102112 | 2022 | 11 | 45572.86 | 2022-11-01 |
| 102112 | 2022 | 12 | 83213.59 | 2022-12-01 |
| 102112 | 2023 | 1 | 34942.55 | 2023-01-01 |
| 102112 | 2023 | 2 | 48691.51 | 2023-02-01 |
| 102112 | 2023 | 3 | 65374.47 | 2023-03-01 |
Análise da venda mensal por vendedor
A análise mensal por vendedor permite observar se o desempenho individual é constante ou se apresenta grandes oscilações. Esse tipo de resultado pode ajudar a identificar vendedores com desempenho estável, vendedores em crescimento e vendedores que necessitam de acompanhamento ou treinamento.
3. Visualização de dados com ggplot2
3.1 Gráfico de barras: venda total por vendedor
ggplot(estatisticas_vendedor,
aes(x = reorder(vendedor, Venda_Total), y = Venda_Total)) +
geom_col() +
coord_flip() +
scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
labs(
title = "Venda Total por Vendedor",
x = "Vendedor",
y = "Venda Total"
) +
theme_minimal()
Análise do gráfico de barras
O gráfico de barras facilita a comparação do faturamento acumulado entre os vendedores. Os vendedores com barras maiores representam maior participação no resultado total da empresa.
3.2 Gráfico de linhas: tendência geral das vendas mensais
ggplot(venda_mensal_geral,
aes(x = periodo, y = Total_Vendas, group = 1)) +
geom_line() +
geom_point() +
scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
labs(
title = "Tendência Geral das Vendas Mensais da Empresa",
x = "Período",
y = "Total de Vendas"
) +
theme_minimal()
Análise do gráfico de linhas geral
O gráfico de linhas mostra a evolução mensal das vendas totais da empresa. Ele permite visualizar momentos de crescimento, estabilidade ou queda no faturamento.
3.3 Gráficos facetados: venda mensal por vendedor
ggplot(venda_mensal_vendedor,
aes(x = periodo, y = Total_Vendas_Mensais, group = vendedor)) +
geom_line() +
geom_point() +
facet_wrap(~ vendedor, scales = "free_y") +
scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
labs(
title = "Vendas Mensais por Vendedor",
x = "Período",
y = "Total de Vendas Mensais"
) +
theme_minimal()
Análise dos gráficos facetados
Os gráficos facetados mostram o comportamento mensal de cada vendedor
separadamente. O uso de scales = "free_y" permite que cada
vendedor tenha sua própria escala no eixo Y, facilitando a leitura mesmo
quando existem diferenças grandes entre os volumes de venda.
3.4 Histograma das vendas diárias
ggplot(vendas, aes(x = venda_diaria)) +
geom_histogram(bins = 30) +
scale_x_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
labs(
title = "Distribuição das Vendas Diárias",
x = "Venda Diária",
y = "Frequência"
) +
theme_minimal()
Análise do histograma
O histograma mostra a distribuição dos valores de venda diária. Essa visualização ajuda a identificar em quais faixas de valores as vendas mais se concentram e se existem valores muito altos ou muito baixos em relação ao padrão geral.
3.5 Boxplot das vendas diárias por mês
ggplot(vendas, aes(x = factor(mes), y = venda_diaria)) +
geom_boxplot() +
scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
labs(
title = "Vendas Diárias por Mês",
x = "Mês",
y = "Venda Diária"
) +
theme_minimal()
Análise do boxplot por mês
O boxplot por mês apresenta a mediana, a variação e possíveis valores extremos das vendas diárias. Com isso, é possível comparar a regularidade das vendas entre os meses e observar meses com maior dispersão nos valores.
3.6 Boxplot das vendas por vendedor
ggplot(vendas, aes(x = vendedor, y = venda_diaria)) +
geom_boxplot() +
scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
labs(
title = "Vendas Diárias por Vendedor",
x = "Vendedor",
y = "Venda Diária"
) +
theme_minimal()
Análise do boxplot por vendedor
O boxplot por vendedor permite comparar a distribuição das vendas diárias entre os profissionais. Vendedores com caixas mais compactas apresentam vendas mais regulares, enquanto caixas maiores indicam maior variação no desempenho diário.
4. Cálculo do salário de março de 2024
Para o cálculo da folha de pagamento, foi utilizada a regra solicitada na atividade:
Salário final = salário-base + comissão de vendas - FGTS - INSS
Onde:
- Comissão: 5% sobre as vendas de março de 2024;
- FGTS: 8% sobre o salário bruto;
- INSS: 11% sobre o salário bruto;
- IRPF: não foi calculado, conforme orientação da atividade.
vendas_marco <- vendas %>%
filter(ano == 2024, mes == 3) %>%
group_by(vendedor) %>%
summarise(
vendas_marco = sum(venda_diaria, na.rm = TRUE),
.groups = "drop"
)
salarios <- salarios %>%
rename(vendedor = `Número de Inscrição`) %>%
mutate(vendedor = as.factor(vendedor))
folha_pagamento_marco <- salarios %>%
left_join(vendas_marco, by = "vendedor") %>%
mutate(
vendas_marco = ifelse(is.na(vendas_marco), 0, vendas_marco),
comissao = vendas_marco * 0.05,
salario_bruto = Salario_base + comissao,
FGTS = salario_bruto * 0.08,
INSS = salario_bruto * 0.11,
salario_final = salario_bruto - FGTS - INSS
) %>%
arrange(desc(salario_final))
kable(folha_pagamento_marco, digits = 2, caption = "Folha de pagamento dos vendedores - Março de 2024")| vendedor | Nome | Sobrenome | Setor | Cargo | Contrato | Salario_base | vendas_marco | comissao | salario_bruto | FGTS | INSS | salario_final |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 103113 | Nome13 | Sobrenome13 | Operação | Gerente | 2021-05-01 | 4000 | 0 | 0 | 4000 | 320 | 440 | 3240 |
| 303105 | Nome 22 | Sobrenome 22 | Administrativo | Gerente | 2018-10-01 | 4000 | 0 | 0 | 4000 | 320 | 440 | 3240 |
| 302104 | Nome 21 | Sobrenome 21 | Administrativo | Supervisor | 2018-10-01 | 3000 | 0 | 0 | 3000 | 240 | 330 | 2430 |
| 102111 | Nome11 | Sobrenome11 | Operação | Supervisor | 2018-10-01 | 2500 | 0 | 0 | 2500 | 200 | 275 | 2025 |
| 102112 | Nome12 | Sobrenome12 | Operação | Supervisor | 2021-05-01 | 2500 | 0 | 0 | 2500 | 200 | 275 | 2025 |
| 202104 | Nome17 | Sobrenome17 | Apoio | Supervisor | 2019-03-01 | 2500 | 0 | 0 | 2500 | 200 | 275 | 2025 |
| 101101 | Nome1 | Sobrenome1 | Operação | Operador | 2017-01-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 101102 | Nome2 | Sobrenome2 | Operação | Operador | 2017-01-02 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 101103 | Nome3 | Sobrenome3 | Operação | Operador | 2017-08-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 101104 | Nome4 | Sobrenome4 | Operação | Operador | 2018-10-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 101105 | Nome5 | Sobrenome5 | Operação | Operador | 2018-10-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 101106 | Nome6 | Sobrenome6 | Operação | Operador | 2018-10-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 101107 | Nome7 | Sobrenome7 | Operação | Operador | 2019-03-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 101108 | Nome8 | Sobrenome8 | Operação | Operador | 2019-03-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 101109 | Nome9 | Sobrenome9 | Operação | Operador | 2021-05-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 101110 | Nome10 | Sobrenome10 | Operação | Operador | 2021-05-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 201101 | Nome14 | Sobrenome14 | Apoio | Aux Sev Gerais | 2017-04-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 201102 | Nome15 | Sobrenome15 | Apoio | Aux Sev Gerais | 2018-10-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 201103 | Nome16 | Sobrenome16 | Apoio | Aux Sev Gerais | 2019-03-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 301101 | Nome18 | Sobrenome18 | Administrativo | Aux Administrativo | 2017-04-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 301102 | Nome19 | Sobrenome19 | Administrativo | Aux Administrativo | 2018-10-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
| 301103 | Nome20 | Sobrenome20 | Administrativo | Aux Administrativo | 2018-10-01 | 2000 | 0 | 0 | 2000 | 160 | 220 | 1620 |
Análise da folha de pagamento
A folha de pagamento demonstra que os vendedores com maior volume de vendas em março recebem maior comissão e, consequentemente, maior salário bruto. Os descontos de FGTS e INSS foram aplicados sobre o salário bruto, conforme a regra proposta. Como o IRPF não foi exigido na atividade, ele não foi considerado nos cálculos.
5. Desafio: função para calcular salário por mês
A função abaixo permite calcular a folha de pagamento para qualquer mês e ano existentes na base de dados.
calcular_salario <- function(mes_consulta, ano_consulta) {
vendas_mes <- vendas %>%
filter(ano == ano_consulta, mes == mes_consulta) %>%
group_by(vendedor) %>%
summarise(
vendas = sum(venda_diaria, na.rm = TRUE),
.groups = "drop"
)
resultado <- salarios %>%
left_join(vendas_mes, by = "vendedor") %>%
mutate(
vendas = ifelse(is.na(vendas), 0, vendas),
comissao = vendas * 0.05,
salario_bruto = Salario_base + comissao,
FGTS = salario_bruto * 0.08,
INSS = salario_bruto * 0.11,
salario_final = salario_bruto - FGTS - INSS
) %>%
arrange(desc(salario_final))
return(resultado)
}
calcular_salario(3, 2024)## # A tibble: 22 × 13
## vendedor Nome Sobrenome Setor Cargo Contrato Salario_base vendas
## <fct> <chr> <chr> <chr> <chr> <dttm> <dbl> <dbl>
## 1 103113 Nome13 Sobrenom… Oper… Gere… 2021-05-01 00:00:00 4000 0
## 2 303105 Nome … Sobrenom… Admi… Gere… 2018-10-01 00:00:00 4000 0
## 3 302104 Nome … Sobrenom… Admi… Supe… 2018-10-01 00:00:00 3000 0
## 4 102111 Nome11 Sobrenom… Oper… Supe… 2018-10-01 00:00:00 2500 0
## 5 102112 Nome12 Sobrenom… Oper… Supe… 2021-05-01 00:00:00 2500 0
## 6 202104 Nome17 Sobrenom… Apoio Supe… 2019-03-01 00:00:00 2500 0
## 7 101101 Nome1 Sobrenom… Oper… Oper… 2017-01-01 00:00:00 2000 0
## 8 101102 Nome2 Sobrenom… Oper… Oper… 2017-01-02 00:00:00 2000 0
## 9 101103 Nome3 Sobrenom… Oper… Oper… 2017-08-01 00:00:00 2000 0
## 10 101104 Nome4 Sobrenom… Oper… Oper… 2018-10-01 00:00:00 2000 0
## # ℹ 12 more rows
## # ℹ 5 more variables: comissao <dbl>, salario_bruto <dbl>, FGTS <dbl>,
## # INSS <dbl>, salario_final <dbl>5.1 Geração de arquivo separado com a folha de março
write_xlsx(folha_pagamento_marco, "Folha_Pagamento_Marco_2024.xlsx")6. Desafio extra: previsão de vendas para os próximos 6 meses
Para a previsão, foi criada uma série temporal com as vendas mensais
totais da empresa. Em seguida, foi utilizado o modelo automático
auto.arima() e a função forecast() para
estimar os próximos seis meses.
serie_vendas <- venda_mensal_geral$Total_Vendas
ts_vendas <- ts(
serie_vendas,
start = c(min(venda_mensal_geral$ano), min(venda_mensal_geral$mes[venda_mensal_geral$ano == min(venda_mensal_geral$ano)])),
frequency = 12
)
modelo <- auto.arima(ts_vendas)
previsao <- forecast(modelo, h = 6)
previsao## Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
## Apr 2023 640477.5 576728.0 704227.1 542981.0 737974.0
## May 2023 771324.3 692254.1 850394.5 650396.8 892251.7
## Jun 2023 756612.1 670413.6 842810.7 624782.9 888441.4
## Jul 2023 679514.9 589712.5 769317.3 542173.9 816855.9
## Aug 2023 678775.7 587091.5 770459.8 538556.9 818994.5
## Sep 2023 670983.0 578301.5 763664.5 529238.9 812727.1autoplot(previsao) +
labs(
title = "Previsão de Vendas para os Próximos 6 Meses",
x = "Ano",
y = "Total de Vendas"
) +
theme_minimal()
Análise da previsão
A previsão de vendas permite estimar o comportamento esperado da empresa nos próximos seis meses com base no histórico mensal. Esse resultado pode auxiliar no planejamento de estoque, metas de vendas, organização financeira e tomada de decisão da gestão.
Conclusão
A análise exploratória dos dados de vendas do Bar da Dorinha permitiu avaliar o desempenho dos vendedores, identificar padrões mensais de faturamento e visualizar a distribuição das vendas diárias. As estatísticas por vendedor possibilitaram comparar venda total, média, mediana, desvio padrão e quantidade de registros, oferecendo uma visão mais completa do desempenho individual.
Os gráficos desenvolvidos com ggplot2 facilitaram a interpretação dos dados, mostrando a venda total por vendedor, a tendência mensal geral, a evolução mensal por vendedor, a distribuição das vendas diárias e a variação das vendas por mês e por vendedor. Também foi calculada a folha de pagamento de março de 2024 conforme os critérios da atividade, considerando salário-base, comissão, FGTS e INSS.
Por fim, a previsão de vendas para os próximos seis meses amplia a análise e contribui para o planejamento da empresa, permitindo uma visão mais estratégica sobre o comportamento futuro das vendas.