1. Introdução

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.

2. Carregamento dos pacotes

Os pacotes utilizados neste projeto são:

# Instale os pacotes uma única vez, se ainda não estiverem instalados:
# install.packages(c("dplyr", "ggplot2", "knitr", "rmarkdown"))

library(dplyr)
library(ggplot2)
library(knitr)

3. Carregamento da base de dados

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

4. Preparação e tratamento dos dados

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" ...

5. Estatística descritiva

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"
)
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

6. Gráficos

6.1 Gráfico de linha – evolução das vendas por mês

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()

6.2 Boxplot – distribuição dos valores das vendas

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()

6.3 Histograma – frequência dos valores das vendas

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()

6.4 Gráfico de colunas – produtos com maior faturamento

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()

6.5 Gráfico de vendas por país – dez países com maior faturamento

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()

7. Conclusão

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.

8. Referências

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/.