No dinâmico mercado atual, a compreensão aprofundada do comportamento de vendas é crucial para o sucesso empresarial. Este projeto teve como objetivo analisar um conjunto abrangente de dados de vendas para identificar as categorias de produtos mais vendidos, avaliar o desempenho de vendas ao longo do tempo e mapear as regiões com maior faturamento.
Para alcançar esses resultados, utilizei o banco de dados público AdventureWorksDW2022 (Microsoft), realizando:
• SQL Server: Extração e manipulação de dados brutos. A complexidade dos dados foi sanada através da união (Joins) das tabelas do Schema Snowflake, este tipo de modelagem de dados é normalizada, ou seja, as tabelas de dimensões são divididas em várias menores, evitando dados repetidos. Com isso obtém-se menor custo de armazenamento, mas, em contrapartida há perda significativa de performance.
Para um modelo Flat Table, os dados ficam em uma única tabela (fato + dimensões), sem que haja normalização. Como desvantagem, há maior redundância e, consequentemente, um maior custo em armazenamento, por outro lado ganha-se simplicidade na análise e melhor desempenho. Vale ressaltar que o custo de armazenamento hoje é relativamente baixo se comparado ao custo de processar queries complexas.
Confira abaixo, o diagrama criado no SQL Server com o modelo Snowflake:
• Excel: Apoio na limpeza, padronização e conferência de dados, permitindo a validação cruzada e a organização inicial, garantindo a integridade dos dados antes da visualização.
Confira abaixo, o modelo Flat Table com os dados já consolidados em um Dataset Excel:
• Power BI: A etapa final envolveu a criação de Dashboards interativos no Power BI. Desenvolvi métricas chave como ‘Número de Vendas’ e ‘Faturamento Total’, além de visualizações ricas em gráficos de barras, linhas, mapas e roscas, facilitando a exploração dos dados e a identificação de tendências de forma intuitiva.
Mesmo com um escopo aparentemente simples, este projeto demonstrou o poder da análise de dados para extrair Insights relevantes e acionáveis. A combinação estratégica de SQL Server para tratamento, Excel para conferência e Power BI para visualização permitiu transformar dados brutos em informações estratégicas de alto valor. Identifiquei padrões de vendas, sazonalidades e as regiões de maior desempenho, fornecendo uma base sólida para decisões de negócio.
Esta experiência reforça a importância de unir rigor técnico, organização e clareza visual na apresentação de dados. A capacidade de transformar números em narrativas compreensíveis é uma habilidade inestimável, e este projeto aprimorou significativamente minha proficiência em todo o ciclo de vida da análise de dados, desde a extração até a visualização final.
Repositório oficial dos dados: Microsoft SQL Server Samples
Query utilizada, disponível no GitHub: Acesse meu GitHub
Arquivos .xlsx e .pbix, disponíveis para download no Google Drive: Veja os arquivos
09 Aug 2025