🚚 Distribuidora Automatizada

Empresas que atuam no ramo da logística geram grandes volumes de dados diariamente e precisam analisá-los para tomar as melhores decisões mercadológicas. O problema é que não dá para simplesmente inserir todo esse volume de dados no Excel, pois isso poderia causar travamentos e até possíveis perdas de informações.

Pensando nisso, desenvolvi este projeto para simular o fluxo de compras de clientes em uma distribuidora e realizar consultas em SQL, gerando um relatório contendo apenas informações relevantes para posterior análise de dados.

💾 Banco de Dados

📒 Consultas

🔎 Top 5 produtos mais vendidos no mês

SELECT
    p.nome_produto AS "Produto",
    SUM(i.quantidade) AS "Total Vendido"
FROM produtos p
JOIN itens_pedido i ON i.produto_id = p.id
JOIN pedidos pe ON pe.id = i.pedido_id
WHERE strftime('%Y', pe.data_pedido) = strftime('%Y', 'now')
  AND strftime('%m', pe.data_pedido) = strftime('%m', 'now')
GROUP BY p.nome_produto
ORDER BY SUM(i.quantidade) DESC, p.nome_produto ASC
LIMIT 5;

🔎 Histórico de Vendas

SELECT
    strftime('%Y', e.data_entrega) AS "Ano",
    CASE strftime('%m', e.data_entrega)
        WHEN '01' THEN 'Janeiro'
        WHEN '02' THEN 'Fevereiro'
        WHEN '03' THEN 'Março'
        WHEN '04' THEN 'Abril'
        WHEN '05' THEN 'Maio'
        WHEN '06' THEN 'Junho'
        WHEN '07' THEN 'Julho'
        WHEN '08' THEN 'Agosto'
        WHEN '09' THEN 'Setembro'
        WHEN '10' THEN 'Outubro'
        WHEN '11' THEN 'Novembro'
        WHEN '12' THEN 'Dezembro'
        ELSE 'Desconhecido'
    END AS "Mês",
    p.nome_produto AS "Produto",
    ROUND(SUM(i.quantidade * p.preco_unitario), 2) AS "Faturamento"
FROM entregas e
JOIN pedidos pe ON pe.id = e.pedido_id
JOIN itens_pedido i ON i.pedido_id = pe.id
JOIN produtos p ON p.id = i.produto_id
GROUP BY strftime('%Y', e.data_entrega), strftime('%m', e.data_entrega), p.nome_produto
ORDER BY strftime('%Y', e.data_entrega),
         strftime('%m', e.data_entrega),
         p.nome_produto;

🔎 Faturamento por Estado

SELECT
    strftime('%Y', pe.data_pedido) AS "Ano",
    c.estado AS "Estado",
    ROUND(SUM(pe.valor_total), 2) AS "Faturamento"
FROM clientes c
JOIN pedidos pe ON pe.cliente_id = c.id
GROUP BY c.estado, strftime('%Y', pe.data_pedido)
ORDER BY strftime('%Y', pe.data_pedido),
         SUM(pe.valor_total) DESC,
         c.estado ASC;

🔎 Top Clientes

SELECT
    c.nome_cliente AS "Cliente",
    ROUND(SUM(pe.valor_total), 2) AS "Total Gasto"
FROM clientes c
JOIN pedidos pe ON pe.cliente_id = c.id
GROUP BY c.nome_cliente
ORDER BY SUM(pe.valor_total) DESC, c.nome_cliente ASC;

🔎 Entregas Atrasadas

SELECT
    e.id AS "Entrega Id",
    c.nome_cliente AS "Cliente",
    e.data_prevista AS "Data Prevista",
    e.data_entrega AS "Data de Entrega",
    ROUND(julianday(e.data_entrega) - julianday(e.data_prevista)) AS "Atraso em Dias"
FROM entregas e
JOIN pedidos pe ON pe.id = e.pedido_id
JOIN clientes c ON c.id = pe.cliente_id
WHERE e.data_entrega > e.data_prevista
ORDER BY pe.data_pedido DESC,
         (julianday(e.data_entrega) - julianday(e.data_prevista)) DESC,
         c.nome_cliente ASC;

👨‍💻 Exemplo de Manipulação de Dados

Após abrir o relatório no Excel, os dados vêm apresentados de forma simples mas é possível fazer manipulações bem interessantes com eles. Nesse exemplo, gero uma tabela dinâmica a partir do Histórico de Vendas e consigo visualizar o faturamento em cada ano, além do faturamento geral.

💿 Como rodar na sua máquina (Linux)

📝 Pré-requisitos:

• Git
• Python 3.9 ou maior

# Clonando o projeto e entrando na pasta
$ git clone https://github.com/lleonardus/distribuidora-automatizada.git
$ cd distribuidora-automatizada

# Configurando virtual environment e instalando as dependências
$ python3 -m venv .venv
$ source .venv/bin/activate
$ python3 -m pip install -r requirements.txt

# Definindo as variáveis de ambiente DATABASE e REPORT_PATH.
# Se quiser usar um banco diferente do sqlite, mude a variável DATABASE.
# REPORT_PATH é o local onde será gerado o relatório. Com o valor abaixo,
# ele será gerado na raiz do projeto com o nome de relatorio.xlsx
$ echo -e 'DATABASE=sqlite:///distribuidora.db\nREPORT_PATH=relatorio.xlsx' > .env

# Criando as tabelas e inserindo dados fictícios.
# Se as tabelas já existirem e estiverem com dados, não precisa seguir esse passo
$ python3 -m db.init_db
$ python3 -m db.insert_data

# Gerando relatório
$ python3 main.py

🧰 Ferramentas Utilizadas

• Git
• pandas
• Python
• SQLAlchemy
• python-dotenv
• Faker