DASHBOARD-STREAMLIT-QUEIROZ-CARTOES

Análise de Orçamento e Rentabilidade - Projeto Processo Seletivo

Este projeto foi desenvolvido com o objetivo de realizar análises de orçamento e rentabilidade, apoiando a governança e o processo decisório em relação às projeções patrimoniais e de resultado. O projeto permite simulações de impactos no resultado e na rentabilidade, além de apoiar áreas do banco com informações sobre o acompanhamento dos seus resultados.

Descrição

O repositório contém scripts em Python e planilhas em Excel para analisar dados financeiros e contábeis, simular cenários econômicos e avaliar a rentabilidade de produtos e serviços. O projeto visa a criação de relatórios para acompanhamento mensal do realizado x orçado e criar projeções de cenários futuros.

Funcionalidades

• Importação e tratamento de dados contábeis e financeiros.
• Cálculo de indicadores de rentabilidade e margens de contribuição.
• Análise de variação do orçado x realizado com visualizações.
• Simulação de cenários futuros com base em inputs variáveis.
• Geração de relatórios automatizados e dashboards.
• Análise de Dados Financeiros: Utiliza pandas para importar e tratar dados, calcular indicadores financeiros e realizar agrupamentos e sumarizações.
• Visualizações Interativas: Emprega streamlit para criar um dashboard web interativo, altair e plotly_express para gráficos dinâmicos, e PIL para manipulação de imagens.
• Modelagem Estatística: Utiliza statsmodels para previsões de tendências e padrões com a técnica de suavização exponencial de Holt-Winters.
• Dashboard Streamlit: Um dashboard interativo com filtros customizáveis, visualização de dados e previsões financeiras.

Funcionalidades do Dashboard

O dashboard, criado com Streamlit, oferece as seguintes funcionalidades:

• Filtros interativos para seleção de tipos de plástico e períodos de tempo.
• Gráficos de barras e linhas para visualizar o consumo e custo de personalização dos cartões.
• Previsões de consumo e custo para os próximos 6 e 12 meses usando a técnica de suavização exponencial de Holt-Winters.
• Cálculo de SLA (Service Level Agreement) para monitorar a eficiência do processo de expedição dos cartões.

Estrutura do Código

• Importação de bibliotecas e definição de funções para geração e tratamento dos DataFrames.
• Configuração da página do Streamlit e definição de layout do dashboard.
• Blocos interativos Streamlit com filtros e métricas.
• Utilização de plotly_express e altair para criar gráficos baseados nos DataFrames filtrados.
• Implementação de modelos preditivos para previsão de tendências de consumo.

Bibliotecas Utilizadas

• pandas: Manipulação e análise de dados.
• streamlit: Criação de aplicativos web para visualização de dados.
• altair: Visualizações declarativas.
• plotly_express: Gráficos interativos avançados.
• PIL: Biblioteca de imagens do Python para adicionar logotipos e outros recursos gráficos.
• datetime: Manipulação de datas e horas.
• statsmodels: Modelagem estatística, incluindo previsão e análise de séries temporais.