Projeto Heavy Power Nutrition

 

Documentação Projeto Heavy Power Nutrition

 

Orientação Inicial

Cenário Apresentado

Os relatórios de vendas são gerados todo início de mês, pelos analistas de Vendas B2B que criam esses relatórios em tabelas dinâmicas no Excel através de uma conexão direta ao banco de dados que a TI deixou programado em um arquivo do Excel. Tal processo não tem tanta performance o que torna lento a geração desses relatórios, bem como atraso na tomada de decisão junto ao time de vendas e apresentação de resultado para Diretoria.

Proposta de Melhoria

 

Diante do cenário encontrado e analisando todos os pontos é proposto as seguintes implementações de melhoria:

1 - Foi elaborado um Fluxograma que mostra a governança do projeto em todos os seus níveis hierárquicos, conforme demonstrado a seguir:

 

 

 

 

2 – Aquisição de 1 Licença Pro do power bi para cada região, e conforme demanda de cada região e necessidade poderão ser adquiridas novas licenças pro posteriormente.

 

3 - A TI terá acesso completo a solução e somente ela poderá fazer melhorias e incrementos na solução, toda a parte de ETL será de responsabilidade da mesma, criação de novas colunas no modelo e agregação de tabelas externas (planilhas, pdf, outras..)  caso não seja possível coletar os dados dentro do próprio banco de dados.  Nesse contexto, cada analista irá consumir do conjunto de dados compartilhado, onde poderão visualizar apenas os dados da sua região.

4 - Os relatórios serão compartilhados por meio do serviço online do power bi, obedecendo os níveis de segurança e hierarquia de cada região. As atualizações dos relatórios serão programadas e ocorrerão 8 vezes ao dia.

 

Fontes de Dados Utilizadas

- SQL Server;

- Planilhas.

 

 

Modelagem e Estruturação dos Dados

O banco de dados SQL da HPN possui 14 tabelas, são elas:

Account;

AccountHeader;

Customer;

DepartmentGroup;

Finance;

Geography;

Organization;

Product;

ProductCostHistory;

ProductSubcategory;

Region;

SalesDetails;

SalesHeader;

SalesReturns.

 

Para otimizar as consultas (querys), foram criadas VIEWs e nelas foram realizados JOINs para agrupar algumas tabelas conforme descrevemos a seguir:

 

1 - Junção da tabela Subcategory com a Product, onde foi criada a dimensão product “dProduct”.

 

 

2 - Junção das tabelas Geography e Region com a Customer, onde foi criada a dimensão customer “dCustomer”.

 

 

3 - Junção da tabela AccountHeader com a Account, onde foi criada a dimensão Account “dAccount”.

  

 

 

 

 

 

4 - Junção da tabela SalesDetails com a Salesheader, onde foi criada a fato Sales “fSales”. Adicionamos também a coluna DiscountItem, calculada na própria VIEW, onde no SQL o *cálculo é mais performático. O custo do item também foi adicionado nessa tabela.

 

 

·          - Cálculo feito dividindo o valor da venda do item pelo valor total da venda.

 

 

Após a criação e junção de algumas tabelas, conforme demonstrado acima, o modelo de dados ficou reduzido a apenas 10 tabelas, o que otimiza e dá mais performance ao projeto. A seguir demonstramos o modelo de dados final do projeto:

 

 

 

 

 

 

Mapeamento das tabelas Fato e Dimensão

A seguir demonstramos o mapeamento das tabelas Fato e Dimensão, detalhando todas as colunas de cada tabela:

 

 

 

 fSales

 

fSalesReturns

 

fFinance

 

 

 

 

 

dCustomer

 

dProduct

 

dAccount

 

 

dAccountHeader

dDepartmentGroup

 

dOrganization

 

Memória de Cálculo

 

 

 

 

Dashboards Desenvolvidos

 

O projeto da HPN terá uma página inicial com menu e 6 dashboards, com background desenvolvido no Figma, com conteúdo detalhado a seguir:

 

1 – Index

A Index é a página inicial que direciona para as demais dashboards por meio de um menu que contém os seguintes botões:

ü                              üRevenues;

ü                              üReturns;

ü                              üCustomers;

ü                              üProducts;

ü                              üOutliers;

ü                              üDRE;

ü                              üWhat-If?.

 

2 – Revenues

Na dashboard de Revenues contém os seguintes KPIs de vendas e análises temporais:

Ø  Demonstrados em Cartões:

 

ü  Gross Sales;

ü  Discount;

ü  Net Sales;

ü  Margin.

 

Ø  Demonstração em gráfico de área empilhado:

 

ü  Gross Sales by Month/Year & Forecast.

 

Ø  Demonstração em gráfico de linhas:

 

ü  % Margin by Month.

 

Ø  Demonstração em gráfico de Mapa:

 

ü  Net Sales by StateCode.

 

Ø  Demonstração em gráficos de Barras Clusterizado:

 

ü  Net Sales by Category & Subcategory.

ü  Cost by Category & Subcategory.

 

Foram inseridas as seguintes segmentações de dados nessa dashboard:

ü  Year;

ü  Category;

ü  Subcategory;

ü  Product.

 

3 – Returns

Na dashboard de Revenues contém os seguintes KPIs e análises temporais:

Ø  Demonstrados em Cartões:

 

ü  Returns Amount;

ü  Returns Rate;

ü  Returned Products;

 

Ø  Demonstração em gráfico de área:

 

ü  Returns Amount by Year and Month.

 

Ø  Demonstração em gráficos de Árvore Hierárquica:

 

ü  Returns Amount: CategoryName, subcategory, ProductName, StateName, CityName.

   

 

Foram inseridas as seguintes segmentações de dados nessa dashboard:

ü  Year;

ü  Category;

ü  Subcategory;

ü  Product.

 

3 – Customers

Na dashboard de Customers contém os seguintes KPIs e análises temporais:

Ø  Demonstrados em Cartões:

 

ü  Customers;

ü  % New;

ü  Customers Without Purchases.

 

Ø  Demonstração em gráfico de colunas empilhadas e linhas:

 

ü  Gross Sales by Customer, Gross Sales for Good Customer, % Good Customer.

 

Ø  Demonstração em Matriz:

 

ü  Customers;

ü  Total Customers;

ü  Orders;

ü  Orders Accumulated;

ü  Customers Without Purchases.

 

 

Ø  Demonstração em Matriz:

 

ü  Country;

ü  Good Customer;

ü  Gross Sales For Good Customer;

ü  Return Rate;

 

Ø  Demonstração em Matriz:

 

ü  Month Year;

ü  Customers;

ü  New Customers;

ü  Total Net Sales;

ü  Orders;

ü  Orders Accumulated;

 

Foram inseridas as seguintes segmentações de dados nessa dashboard:

ü  Year;

ü  Month;

ü  Category;

ü  Subcategory;

ü  Product.

 

 

4 – Products

 

Na dashboard de Products contém os seguintes KPIs:

Ø  Demonstrados em Cartões:

 

ü  Products Sold;

ü  Returned Products;

ü  Customers Without Purchases.

 

Ø  Demonstração em gráficos de Barras Clusterizado:

 

ü  GS for Bad Products by Category, Subcategory & Product.

 

Ø  Demonstração em Matriz:

 

ü  CategoryName;

ü  Product Sold;

ü  Returned Products;

ü  Return Rate;

ü  Good Sales for Bad Products.

 

ü  Demonstração em gráficos de Rosca:

 

ü  GS for Bad Products by Country.

 

  

5 – Outliers

 

Na dashboard de Outliers contém as seguintes análises:

 

Ø  Demonstração em gráficos de Box and Whisker:

 

ü  Gross Sales by Product & Year/Month.

 

Ø  Demonstração em gráficos de Box and Whisker:

 

ü  Gross Sales by Customer & Year/Month.

6 – DRE

 

Na dashboard de DRE contém as seguintes análises por contas chaves e contas analíticas:

 

Ø  Demonstração em Matriz:

 

ü  Gross Sales;

ü  Discounts;

ü  Cost of Sales;

ü  Operating Exprenses;

ü  Other income and Expense;

ü  Taxes.

 

Foi inserida seguinte segmentação de dados nessa dashboard:

ü  Year;

 

 

 

7 – What-If?

Na dashboard de What if contém os seguintes KPIs:

Ø  Demonstrados em Cartões:

 

ü  Profit;

ü  Net Sales;

ü  Cost.

 

Ø  Demonstração em gráficos de Barras Clusterizado:

 

ü  Total Cost Wha if by Category Name.

 

Ø  Demonstração em gráficos de Barras Empilhadas:

 

ü  Profit per product.

 

ü  Demonstração em gráficos de Área:

 

ü  Gross Sales e Net Sales per time.

 

Foram inseridas as seguintes segmentações de dados nessa dashboard:

ü  Quantity;

ü  Product Price;

ü  Cost WF;

ü  Discount;

Segue vídeo apresentando a solução: