🎓 Certificação Analytics Engineer by Indicium

🚴 Projeto Adventure Works Analytics

📌 Sobre o Projeto

Este repositório é parte do desafio da Certificação em Engenharia de Analytics da Indicium, com foco na construção de uma plataforma moderna de dados para a empresa fictícia Adventure Works, uma indústria de bicicletas.

O projeto segue o conceito de Modern Analytics Stack, utilizando Snowflake, dbt, Power BI e GitHub, com foco principal em transformar dados brutos de vendas em insights acionáveis e confiáveis.

---

🎯 Objetivos do Projeto

• Construir um Data Warehouse baseado em modelo dimensional (Star Schema);
• Modelar tabelas fato e dimensão para análise de vendas;
• Criar transformações com dbt, incluindo documentação e testes automatizados;
• Desenvolver dashboard interativo no Power BI;
• Responder perguntas críticas do negócio, como top produtos, regiões e motivos de compra;
• Garantir a veracidade dos dados, incluindo validação de valores específicos (ex: vendas de 2011);
• Documentar todo o processo e apresentar em vídeo.

---

🧱 Arquitetura da Solução

1. Ingestão de Dados: Dados carregados em Snowflake em uma estrutura bruta (raw).
2. Transformação: Utilização de dbt para criar camadas staging, intermediate e marts.
3. Modelagem Dimensional: Aplicação de Star Schema com tabelas fato e dimensões.
4. Visualização: Criação de dashboard no Power BI Desktop, entregue via .pbix.
5. Entrega Final: Código hospedado no GitHub, com documentação e vídeo explicativo.

---

🛠️ Tecnologias Utilizadas

• Snowflake → Data warehouse em nuvem
• dbt (Data Build Tool) → Modelagem e transformação de dados
• Power BI Desktop → Visualização dos dados e construção do dashboard
• GitHub → Versionamento do projeto e entrega
• SQL → Linguagem principal para modelagem analítica

---

🧩 Modelagem Dimensional

Fato:

• fact_sales: vendas consolidadas com métricas como quantidade, valor bruto, desconto, valor líquido (lucro), ticket médio etc.

Dimensões:

• dm_product: produtos e categorias
• dm_customer: clientes e seus dados de localização
• dm_store: lojas
• dm_salesperson: vendedores
• dm_salesreason: motivos de venda
• bridge_salesreason: tabela ponte para relacionamento N:N

---

📊 Análises e Perguntas Respondidas

Os dashboards permitem responder com clareza:

1. Vendas por produto, cliente e motivo de venda (item 4a)
2. Produtos com maior ticket médio por local e período (item 4b)
3. Top 10 clientes por valor negociado (item 4c)
4. Top 5 cidades com maior valor de venda (item 4d)
5. Evolução temporal de vendas (item 4e)
6. Produto mais vendido com motivo de venda “Promotion” (item 4f)

---

📈 Visualizações Criadas no Dashboard

• Página 1: Visão Geral
  • KPIs principais
  • Gráfico de evolução mensal
  • Vendas por estado
• Página 2: Análise de Produtos
  • Top produtos vendidos
  • Ticket médio por produto
  • Vendas com motivo “Promotion”
• Página 3: Análise de Clientes
  • Top clientes
  • Média de pedidos por cliente
  • Mapa de vendas por região

---

✅ Validação de Dados

• O CEO requisitou validação das vendas de 2011: USD 12.646.112,16
• Utilizamos testes do dbt:
  • not_null
  • unique
  • relationship
  • Validação de métricas como ticket médio, desconto e quantidade de pedidos

---

📁 Estrutura do Repositório

📦 adventureworks-certificacao/
├── dbt/
│   └── models/
│       ├── staging/
│       ├── intermediate/
│       └── marts/
├── dashboard/
│   └── adventureworks_dashboard.pbix
├── DOCUMENTACAO.md
├── README.md