Este trabalho tem como objetivo aplicar conhecimentos de programação e análise de dados utilizando a linguagem R, por meio do ambiente RStudio.
A análise será realizada com a base Online Retail, que contém registros de transações de uma loja virtual, incluindo informações sobre produtos, quantidades, preços, datas e países. O objetivo é organizar os dados, calcular medidas estatísticas e construir gráficos que ajudem a compreender o comportamento das vendas.
Os pacotes utilizados neste projeto são:
dplyr: organizar, transformar e resumir os dados.ggplot2: construir gráficos.knitr: apresentar tabelas no relatório.# Instale os pacotes uma única vez, se ainda não estiverem instalados:
# install.packages(c("dplyr", "ggplot2", "knitr", "rmarkdown"))
library(dplyr)
library(ggplot2)
library(knitr)
A base utilizada é a Online Retail, disponibilizada pelo UCI Machine Learning Repository. Acesso em 15 de novembro de 2026.
Página da base: https://archive.ics.uci.edu/dataset/352/online+retail
# Importação da base de dados em formato CSV
arquivo_dados <- "Planilha sem título - Online Retail.csv"
dados_originais <- read.csv(
arquivo_dados,
stringsAsFactors = FALSE,
fileEncoding = "UTF-8",
dec = ","
)
# Conferência inicial da base
head(dados_originais)
dim(dados_originais)
## [1] 541909 8
Nesta etapa, foi realizado o tratamento e a organização da base de dados, com o objetivo de garantir maior qualidade e confiabilidade nas informações utilizadas na análise.
Inicialmente, os nomes das colunas foram padronizados para facilitar a manipulação dos dados. Em seguida, foram ajustados os tipos das variáveis, incluindo datas, quantidades e preços.
Também foram removidos registros com informações essenciais ausentes, vendas canceladas e registros com quantidades ou preços iguais ou inferiores a zero. Após esse procedimento, a base passou de 541.909 para 530.104 registros.
Os registros sem identificação do cliente foram mantidos, pois a ausência dessa informação não impede o cálculo do valor total das vendas nem as análises por produto, mês e país.
Por fim, foi criada uma nova variável chamada
total_venda, calculada pela multiplicação da quantidade
pelo preço unitário, permitindo analisar o faturamento das vendas.
# Padronização dos nomes das colunas
names(dados_originais) <- tolower(gsub("[^A-Za-z0-9]+", "_", names(dados_originais)))
names(dados_originais) <- gsub("^_|_$", "", names(dados_originais))
# Ajuste dos nomes das colunas originais da planilha
dados_originais <- dados_originais %>%
rename(
invoice_no = invoiceno,
stock_code = stockcode,
invoice_date = invoicedate,
unit_price = unitprice,
customer_id = customerid
)
# Conferir os nomes das colunas
names(dados_originais)
## [1] "invoice_no" "stock_code" "description" "quantity" "invoice_date"
## [6] "unit_price" "customer_id" "country"
# Preparação e tratamento dos dados
dados <- dados_originais %>%
mutate(
invoice_no = as.character(invoice_no),
stock_code = as.character(stock_code),
description = as.character(description),
country = as.character(country),
invoice_date = as.POSIXct(invoice_date, format = "%m/%d/%y %H:%M"),
quantity = as.numeric(quantity),
unit_price = as.numeric(unit_price)
) %>%
filter(
!is.na(invoice_no),
!is.na(invoice_date),
!is.na(quantity),
!is.na(unit_price),
!is.na(country),
!grepl("^C", invoice_no),
quantity > 0,
unit_price > 0
) %>%
mutate(
total_venda = quantity * unit_price,
mes = as.Date(format(invoice_date, "%Y-%m-01"))
)
# Visualizar os dados tratados
head(dados)
# Dimensão da base após o tratamento
dim(dados)
## [1] 530104 10
# Quantidade de valores ausentes por coluna
colSums(is.na(dados))
## invoice_no stock_code description quantity invoice_date unit_price
## 0 0 0 0 0 0
## customer_id country total_venda mes
## 132220 0 0 0
# Tipos das variáveis
str(dados)
## 'data.frame': 530104 obs. of 10 variables:
## $ invoice_no : chr "536365" "536365" "536365" "536365" ...
## $ stock_code : chr "85123A" "71053" "84406B" "84029G" ...
## $ description : chr "WHITE HANGING HEART T-LIGHT HOLDER" "WHITE METAL LANTERN" "CREAM CUPID HEARTS COAT HANGER" "KNITTED UNION FLAG HOT WATER BOTTLE" ...
## $ quantity : num 6 6 8 6 6 2 6 6 6 32 ...
## $ invoice_date: POSIXct, format: "2010-12-01 08:26:00" "2010-12-01 08:26:00" ...
## $ unit_price : num 2.55 3.39 2.75 3.39 3.39 7.65 4.25 1.85 1.85 1.69 ...
## $ customer_id : int 17850 17850 17850 17850 17850 17850 17850 17850 17850 13047 ...
## $ country : chr "United Kingdom" "United Kingdom" "United Kingdom" "United Kingdom" ...
## $ total_venda : num 15.3 20.3 22 20.3 20.3 ...
## $ mes : Date, format: "2010-12-01" "2010-12-01" ...
A tabela apresenta média, mediana, desvio padrão, variância, valor máximo e valor mínimo para quantidade, preço unitário e valor total da venda.
estatisticas <- data.frame(
Variavel = c("Quantidade", "Preço unitário", "Valor total da venda"),
Media = c(
mean(dados$quantity, na.rm = TRUE),
mean(dados$unit_price, na.rm = TRUE),
mean(dados$total_venda, na.rm = TRUE)
),
Mediana = c(
median(dados$quantity, na.rm = TRUE),
median(dados$unit_price, na.rm = TRUE),
median(dados$total_venda, na.rm = TRUE)
),
Desvio_padrao = c(
sd(dados$quantity, na.rm = TRUE),
sd(dados$unit_price, na.rm = TRUE),
sd(dados$total_venda, na.rm = TRUE)
),
Variancia = c(
var(dados$quantity, na.rm = TRUE),
var(dados$unit_price, na.rm = TRUE),
var(dados$total_venda, na.rm = TRUE)
),
Maximo = c(
max(dados$quantity, na.rm = TRUE),
max(dados$unit_price, na.rm = TRUE),
max(dados$total_venda, na.rm = TRUE)
),
Minimo = c(
min(dados$quantity, na.rm = TRUE),
min(dados$unit_price, na.rm = TRUE),
min(dados$total_venda, na.rm = TRUE)
)
)
# Arredondar somente as colunas numéricas
estatisticas <- estatisticas %>%
mutate(across(where(is.numeric), ~ round(.x, 4)))
# Apresentar a tabela
knitr::kable(
estatisticas,
caption = "Tabela de estatísticas descritivas"
)
| Variavel | Media | Mediana | Desvio_padrao | Variancia | Maximo | Minimo |
|---|---|---|---|---|---|---|
| Quantidade | 10.5420 | 3.00 | 155.5241 | 24187.753 | 80995.00 | 1.000 |
| Preço unitário | 3.9076 | 2.08 | 35.9157 | 1289.936 | 13541.33 | 0.001 |
| Valor total da venda | 20.1219 | 9.90 | 270.3567 | 73092.769 | 168469.60 | 0.001 |
O gráfico de linha permite observar como o valor total das vendas variou ao longo dos meses.
vendas_mes <- dados %>%
group_by(mes) %>%
summarise(total = sum(total_venda, na.rm = TRUE), .groups = "drop") %>%
arrange(mes)
ggplot(vendas_mes, aes(x = mes, y = total)) +
geom_line(color = "steelblue", linewidth = 1) +
geom_point(color = "steelblue") +
labs(
title = "Evolução das vendas ao longo do tempo",
x = "Mês",
y = "Valor total das vendas"
) +
theme_minimal()
O boxplot permite visualizar a mediana, a dispersão e possíveis valores extremos. Para facilitar a visualização, o eixo considera valores até o percentil 99; os dados não são excluídos do cálculo estatístico.
limite_boxplot <- quantile(dados$total_venda, 0.99, na.rm = TRUE)
ggplot(dados, aes(y = total_venda)) +
geom_boxplot(fill = "lightblue") +
coord_cartesian(ylim = c(0, limite_boxplot)) +
labs(
title = "Distribuição dos valores das vendas",
x = NULL,
y = "Valor total da venda"
) +
theme_minimal()
O histograma mostra a frequência dos valores totais das vendas em diferentes intervalos.
limite_histograma <- quantile(dados$total_venda, 0.99, na.rm = TRUE)
ggplot(
filter(dados, total_venda <= limite_histograma),
aes(x = total_venda)
) +
geom_histogram(bins = 30, fill = "skyblue", color = "black") +
labs(
title = "Frequência dos valores das vendas",
subtitle = "Visualização até o percentil 99",
x = "Valor total da venda",
y = "Frequência"
) +
theme_minimal()
O gráfico apresenta os dez produtos com maior valor total de vendas.
top_produtos <- dados %>%
filter(!is.na(description), description != "") %>%
group_by(description) %>%
summarise(total = sum(total_venda, na.rm = TRUE), .groups = "drop") %>%
arrange(desc(total)) %>%
slice_head(n = 10)
ggplot(top_produtos, aes(x = reorder(description, total), y = total)) +
geom_col(fill = "steelblue") +
coord_flip() +
labs(
title = "Dez produtos com maior faturamento",
x = "Produto",
y = "Valor total das vendas"
) +
theme_minimal()
Este gráfico adicional compara o valor total das vendas entre os dez países com maior faturamento.
vendas_pais <- dados %>%
group_by(country) %>%
summarise(total = sum(total_venda, na.rm = TRUE), .groups = "drop") %>%
arrange(desc(total)) %>%
slice_head(n = 10)
ggplot(vendas_pais, aes(x = reorder(country, total), y = total)) +
geom_col(fill = "darkseagreen") +
coord_flip() +
labs(
title = "Dez países com maior faturamento",
x = "País",
y = "Valor total das vendas"
) +
theme_minimal()
A análise da base de dados Online Retail permitiu compreender melhor o comportamento das vendas de uma loja virtual, considerando informações sobre quantidades comercializadas, preços unitários, faturamento, produtos e países.
Após o tratamento dos dados, foram mantidos 530.104 registros para a análise. As medidas estatísticas demonstraram que a quantidade média vendida por registro foi de aproximadamente 10,54 unidades, enquanto o valor médio de cada venda foi de 20,12.
A mediana do valor total das vendas foi de 9,90, inferior à média, indicando que existem vendas com valores mais elevados que influenciam o resultado geral. Essa diferença também evidencia a presença de variações significativas nos valores comercializados.
Os gráficos complementaram a análise, permitindo observar a evolução mensal das vendas, a distribuição dos valores, os produtos com maior faturamento e os países com maior participação nas vendas.
Conclui-se que a utilização da linguagem R facilitou a organização, o tratamento e a interpretação de uma grande quantidade de dados, demonstrando a importância das ferramentas computacionais na análise de informações e na tomada de decisões.
UNIVERSITY OF CALIFORNIA, IRVINE. Online Retail. UCI Machine Learning Repository. Disponível em: https://archive.ics.uci.edu/dataset/352/online+retail. Acesso em: 15 nov. 2026.
R CORE TEAM. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing. Disponível em: https://www.r-project.org/.