Projetos em Microsoft Excel
Vendas Tech
Problema
A empresa enfrentava uma falta de visibilidade crítica sobre o desempenho comercial e a rentabilidade dos produtos. A gestão era baseada em dados transacionais brutos e visões estáticas, o que impedia o monitoramento em tempo real do gap entre metas e receitas, além de dificultar a identificação de volatilidade nas vendas por consultor e categoria.
Solução
Desenvolvimento de uma ferramenta dinâmica de Business Intelligence que transformou dados brutos em insights estratégicos. A solução incluiu:
-
Monitoramento Meta vs. Realizado: Comparativo mensal para destacar flutuações de desempenho;
-
Matriz Vendedor vs. Produto: Cruzamento de dados para identificar especialistas e orientar treinamentos;
-
Interface Intuitiva: Design em Dark Mode com navegação por menus de segmentação (filtros interativos), permitindo transições rápidas entre visões temporais e categorias;
-
Análise Sazonal: Filtros dinâmicos para os anos de 2019 a 2021 para entender o comportamento histórico das vendas.
Resultado
A análise trouxe clareza imediata para a tomada de decisão, revelando que:
-
Identificação de Gaps: Detecção de sazonalidade negativa nos meses de fevereiro e abril;
-
Pilares de Faturamento: Constatou-se que VBA (R$ 136.800,00) e Python (R$ 115.650,00) sustentam a receita;
-
Performance Individual: Identificação da consultora Gaya como Top Performer (R$ 112.200,00) e detecção de consultores com maior distanciamento das metas (como Marcello);
-
Plano de Ação: Geração de recomendações para ajustes de sazonalidade no Q1 e otimização do mix de produtos (venda combinada de Excel/Power BI com nichos de VBA/Python).
Ferramenta utilizada
-
Microsoft Excel: Ambiente principal do projeto;
-
Power Query: Utilizado para todo o processo de ETL (Extração, Transformação e Carregamento de dados);
-
Tabelas Dinâmicas: Aplicadas para a modelagem dos dados;
-
Visualização Nativa: Gráficos e cartões integrados para o dashboard final.
Fonte dos dados
Base de dados transacional fictícia (simulada), desenvolvida para representar um cenário real de operações comerciais. O dataset compreende registros de vendas entre os anos de 2019 e 2021, contendo informações detalhadas sobre consultores, categorias de produtos (Excel, Power BI, Python, VBA), clientes, regiões e métricas de valores unitários vs. metas estabelecidas.
Acervo de Livros
Problema
Este projeto surge da necessidade de organizar e catalogar um acervo pessoal de mais de 300 obras literárias. A falta de um registro centralizado dificultava o controle de investimentos, a identificação de lacunas por gênero literário e o acompanhamento do status de leitura. O objetivo foi transformar uma lista estática de livros em uma ferramenta de gestão de acervo dinâmica e visual.
Solução
Desenvolvimento de uma solução de Business Intelligence aplicada à gestão bibliotecária pessoal. O projeto focou em:
-
Monitoramento de Ativos: Visualização em tempo real do capital total investido e valor de mercado das obras;
-
Análise Demográfica: Distribuição automática por gênero (predominância de Romance e Espírita) e diversidade linguística (Português/Inglês);
-
Indicadores de Performance de Leitura: Gráficos de rosca para monitorar o progresso (lidos vs. não lidos) e identificar a "Elite da Estante" (obras melhor avaliadas);
-
Design UI/UX: Interface em Dark Mode com hierarquia visual otimizada, utilizando técnicas de agrupamento de objetos e alinhamento à grade para navegação intuitiva.
Resultado
A ferramenta transformou a coleção em um ativo estratégico com dados acionáveis:
-
Visibilidade Financeira: Identificação de um patrimônio literário superior a R$ 11.000,00, destacando obras raras (ex: Eustáquio);
-
Eficiência de Leitura: Constatou-se que 48% do acervo já foi concluído, permitindo priorizar os 52% restantes através da seção "Melhores Avaliados";
-
Insights de Aquisição: Descoberta de que o gênero "Romance" representa 40% das obras, gerando uma recomendação para diversificação em categorias menos representadas, como Contos e Infantil;
-
Mapeamento Histórico: Identificação de picos de aquisição entre 2010 e 2014.
Ferramenta utilizada
-
Microsoft Excel: Plataforma de desenvolvimento;
-
Power Query: Utilizado para ETL (limpeza e estruturação de dados brutos);
-
Tabelas Dinâmicas: Para modelagem de métricas e cálculos de investimento médio;
-
Elementos de Visualização: Uso de formas, cartões e gráficos nativos para uma interface moderna e profissional.
Fonte dos dados
Base de dados personalizada contendo o registro detalhado de 302 obras, incluindo colunas de Autor, Gênero, Idioma, Ano de Publicação, Preço de Aquisição, Status de Leitura e Avaliação Pessoal (Nota).