Desafio: Análise de Vendas e Desempenho de Lojas.

Problema a ser Analisado: Sr. João é proprietário de 4 lojas do varejo, e pediu para a equipe de Data Science, que elaborasse um relatório das 4 lojas, trazendo informações de qual loja seria a menos eficiente, para que ele pudesse tomar a decisão de vender a loja menos eficiente com base nos dados

Este projeto realiza uma análise exploratória e estatística de dados de quatro lojas diferentes com base em um desafio de Data Science do Programa de Formação em Data Science Oracle One Alura. Utilizando Python e bibliotecas como pandas e matplotlib, extraímos insights valiosos sobre vendas, avaliações, frete e produtos mais/menos vendidos.

Os dados utilizados neste projeto estão disponíveis publicamente no GitHub da Alura:

• loja_1.csv
• loja_2.csv
• loja_3.csv
• loja_4.csv

• Carregamento dos dados diretamente das URLs públicas.
• Visualização inicial para entender a estrutura e verificar inconsistências.

• Estatísticas descritivas para colunas numéricas (média, desvio padrão, quartis, etc.).
• Verificação e tratamento de valores ausentes.
• Conversão da coluna de datas para o formato datetime.

• Faturamento por Loja: Total vendido por cada loja.
• Vendas por Categoria: Comparativo por tipo de produto entre as lojas.
• Média de Avaliações: Nota média dada por clientes para cada loja.
• Produtos Mais e Menos Vendidos: Ranking com base no volume de vendas.
• Frete Médio por Loja: Custo médio de entrega por unidade.
• Relatório Final: Para a Tomada de Decisão.

• Python 3.13.2
• Pandas
• Matplotlib
• Jupyter Notebook

• 📊 Faturamento Total das Lojas
• 📊 Comparativo de Vendas por Categoria
• 📊 Avaliação Média dos Clientes
• 📉 Produtos com Menor e Maior Volume de Vendas
• 🚚 Frete Médio por Loja

Este projeto mostra como é possível realizar uma análise completa e gerar insights de negócio com dados públicos e ferramentas open source. Ideal para quem está iniciando na área de Data Science ou deseja praticar análise exploratória de dados (EDA).