📈 Descoberta de Padrões em Vendas (Clicar no link abaixo - Visualização em nbviewer)

Projeto de Análise Exploratória de Dados (EDA) - Felipe V. Sousa

Bem-vindo(a)! Este repositório apresenta uma Análise Exploratória de Dados (EDA) avançada no Superstore Sales Dataset, investigando padrões temporais, segmentações e drivers de vendas com visualizações interativas.

🔗 Visualizar o Notebook (nbviewer)

🎯 Objetivo da Análise

Explorar o dataset Superstore para desvendar o que impulsiona vendas ao longo do tempo, com análise temporal e segmentação de clientes. O foco é gerar insights acionáveis e preparar uma base para modelos preditivos (ex.: séries temporais, clustering), culminando em uma apresentação interativa de alto impacto.

📊 Fonte de Dados

Dados do Superstore Sales Dataset (Kaggle), com ~10.000 registros de vendas, incluindo datas, valores, categorias e regiões.

🛠️ Bibliotecas Utilizadas

• Pandas: Manipulação e tratamento de dados.
• NumPy: Cálculos numéricos e operações.
• Seaborn: Visualizações estatísticas avançadas.
• Matplotlib: Gráficos base complementares.
• Plotly: Visualizações interativas e dinâmicas.

💬 Conclusão

Esta EDA avançada mapeia tendências temporais de vendas (ex.: picos sazonais no fim do ano) e segmenta clientes, regiões e produtos com precisão, destacando o impacto de vendas típicas e excepcionais. Insights como "outliers em Technology geram quase o dobro da receita" e "Consumer sustenta a base de vendas" pavimentam o caminho pra estratégias de BI e modelos de ML/DL. Entregue num notebook interativo via nbviewer, com visualizações Plotly, o projeto eleva o padrão de análise de dados pra decisões de alto lucro.