Sobre o Repositório

Repositório de Projetos para Análise de Dados

Bem-vindo ao meu repositório de projetos de análise de dados. Aqui, você encontrará uma coleção dos meus trabalhos que demonstram minha experiência e habilidades de programação nesta área especializada, utilizando ferramentas como Python e suas bibliotecas mais renomadas, como Pandas, Seaborn, Plotly, Sklearn e Numpy. Além disso, apresento projetos realizados com Power BI e SQL.

Este repositório abrange uma ampla gama de projetos, desde scripts simples até aplicações mais avançadas, todos desenvolvidos com o objetivo de explorar e extrair insights valiosos a partir de diversos conjuntos de dados.

:pushpin: Meu perfil no LinkedIn

:pushpin: Meu portfólio no Kaggle

---

O Que Esperar: Cada projeto inclui uma breve descrição contextualizando a análise proposta e as técnicas utilizadas, além de instruções claras sobre como utilizar e reproduzir os resultados obtidos. Ao explorar esses projetos, você poderá observar minha versatilidade e paixão pela programação aplicada à análise de dados.

Projetos:

:pushpin: Análise exploratória de dados - O mercado de dados vale a pena?

:pushpin: Análise Exploratória de Dados Logísticos: Desafios e Soluções para a Loggi

:pushpin: Análise exploratória e Descritiva de Dados de crédito com SQL

:pushpin: Analise de Cancelamento de Clientes

:pushpin: Analise de score de crédito co IA

:pushpin: Automação de tarefas com Pyautogui

O mercado de dados vale a pena? Uma análise exploratória de dados [Link para o projeto completo]

A análise realizada explorou os dados da pesquisa do State of Data, que proporcionou informações cruciais para o setor de dados, como a demanda crescente por profissionais, o aumento da diversidade de gênero, a faixa etária predominante e a distribuição geográfica dos profissionais de dados no Brasil. Os insights gerados a partir destes dados são fundamentais para compreender as tendências e desafios enfrentados pelos profissionais e empresas dessa área.

• Construção de uma análise exploratória a partir do conjunto de dados fornecidos pelo State of Data Brazil
• Exploração, processamento e limpeza de dados, utilizando a biblioteca Pandas
• Visualização de dados através do Seaborn para geração de insights
• Keywords : Python, Data, Pandas, Estatistica

Análise Exploratória de Dados Logísticos: Desafios e Soluções para a Loggi [Link para o repositório do projeto completo]

Nesta análise, investiguei as questões de logística enfrentadas pelos hubs regionais da Loggi, utilizando os dados disponibilizados pelo repositório Loggi Benchmark for Urban Deliveries (BUD), foram selecionados os dados da região de Brasília. Obtive insights valiosos sobre as rotas de entrega atuais e sugeri soluções para torná-las mais eficientes e ágeis. Ao explorar os dados logísticos, busquei entender como os desafios enfrentados impactam a eficiência das entregas e encontrar maneiras práticas de melhorá-las, contribuindo assim para a otimização das operações de entrega da Loggi.

Carregamento dos dados transformados para posterior análise.

• Construção de uma análise exploratória disponibilizados pelo repositório Loggi Benchmark for Urban Deliveries (BUD)
• Extração dos dados JSON
• Transformação dos dados em DataFrame e manipulação através da biblioteca Pandas
• Normalização e verificação da consistência do schema dos dados
• Manipulação e enriquecimento dos dados com informações adicionais
• Aplicação da geocodificação reversa para obter coordenadas geográficas
• Criação de visualizações gráficas para identificar padrões atra´ves das bibliotecas Seaborn e Geopandas
• Análise dos padrões para obter insights e propor soluções
• Keywords : Python, Data, Pandas, Geocodificação, Loggi, Logistica

Projeto de análise exploratória e Descritiva de Dados de crédito com SQL [Link para o repositório do projeto completo]

Para este projeto, utilizei o AWS S3-bucket e o Athena para manipular dados em SQL e para a visualização gráfica foi utilizado o Excel. O objetivo desta análise é identificar padrões e tendências nos dados de crédito, fornecer insights sobre o comportamento dos clientes e auxiliar na tomada de decisões estratégicas. Foi explorado diversas ideias de insights, incluindo a análise do perfil de crédito dos clientes, a identificação de fatores que influenciam a aprovação ou rejeição de crédito e a previsão do comportamento futuro dos clientes com base nos dados históricos.

• Construção de uma análise exploratória e descritiva utilizando um dataset com 172 KB de tamanho, 2564 linha em formato CSV
• Análise realisada atraves de linguagem SQL pelo AWS-Athena

SELECT 
	COUNT(*) AS Quantidade_linhas
FROM creditoSQL;

SELECT *
FROM creditoSQL
LIMIT 10;

SELECT DISTINCT escolaridade FROM creditoSQL;
SELECT DISTINCT estado_civil FROM creditoSQL;
SELECT DISTINCT salario_anual FROM creditoSQL;
SELECT DISTINCT tipo_cartao FROM creditoSQL;

SELECT 
    COUNT(*) AS Quantidade, salario_anual
FROM creditoSQL
    GROUP BY salario_anual;
    
SELECT 
	COUNT(*) AS Quantidade_clientes, 
    sexo 
FROM creditoSQL 
GROUP BY sexo;

SELECT 
	COUNT(*) AS Quantidade,
	sexo,
	salario_anual
FROM creditoSQL
GROUP BY sexo,
	salario_anual;

SELECT 
	MIN(idade) AS idade_minima,
	MAX(idade) AS idade_maxima
FROM creditoSQL;

SELECT 
    MAX(limite_credito) AS limite_maximo,
    escolaridade,
    tipo_cartao,
    sexo
FROM creditoSQL 
WHERE
    escolaridade != 'na' AND 
    tipo_cartao != 'na'
GROUP BY 
    escolaridade,
    tipo_cartao,
    sexo 
ORDER BY 
    limite_maximo DESC LIMIT 10;

SELECT
    MAX(limite_credito) AS limite_minimo,
    escolaridade,
    tipo_cartao,
    sexo 
FROM creditoSQL
WHERE escolaridade != 'na' AND tipo_cartao != 'na' 
GROUP BY 
    escolaridade, 
    tipo_cartao,
    sexo 
ORDER BY limite_minimo ASC LIMIT 10;

---

Dashboards:

Dashboards desenvolvidos com foco em estudos utilizando a ferramenta Power BI, incluindo um dashboard elaborado com Excel e planilhas dinâmicas. Estes trabalhos têm como objetivo construir um portfólio que reflita cenários reais do dia a dia.

:pushpin: Dashboard de Vendas com Power BI

:pushpin: Dashboard de Vendas com planilha automatizada no Microsoft Excel

Dashboard de Vendas com Power BI

Estrutura da base de dados

Arquivo em excel que contém inicialmente as seguintes colunas:

• Data da Venda
• Produto
• Categoria
• Preço unitário
• Custo unitário
• Marca
• Quantidade de vendas
• Nome do Cliente
• Localidade

Os dados foram manipulados pelo Power Query e pelo Power Bi, uma nova coluna foi criada para padronizar os valores contidos na coluna localiade separando as informações de país e continete

Quantidade de dados: 203883

Dashboar de Vendas com Planilha automatizada no Microsoft Excel

Estrutura da base de dados

O banco de dados contém inicialmente as seguintes colunas:

• Data da Venda
• Vendedor
• Cliente
• Região
• Produto
• Valor

Quantidade de dados: 3670

---

Conclusão:

Estou entusiasmada em compartilhar meus projetos de análise de dados em Python com você. Sinta-se à vontade para explorar e descobrir o que posso criar com essa poderosa linguagem de programação. Estou pronta para enfrentar novos desafios e colaborar em projetos que demandem expertise nessa área. Agradeço pela oportunidade e espero que aprecie o que preparei com dedicação e cuidado.

Vamos explorar juntos o mundo dos dados com Python!

Tecnologias utilizadas