Projeto: Análise de Dados do Banco Vitória

Introdução:

Este projeto tem como foco a construção de um painel interativo no Power BI, como produto final, passando por etapas de pré-processamento, manipulação, modelagem e visualização de dados. Os dados utilizados pertencem a um banco fictício chamado Banco Vitória (ou “Banco Vic”).

• apresentação em pdf

Arquitetura do Projeto:

Justificativa:

No início, a instituição enfrenta diversos problemas relacionados à governança de dados, estando presa a métodos ultrapassados e a uma cultura conservadora entre os colaboradores. Diante desse cenário, surgiu a proposta deste projeto: apresentar um novo ponto de vista sobre como os dados podem ser trabalhados dentro da empresa, de forma mais moderna, eficiente e estratégica.

Tecnologias Utilizadas:

Datasets e seus Atributos:

Dataset	Variáveis	Descrição
Agencia	cod_agencia, nome, endereco, cidade, uf, data_abertura, tipo_agencia	Informações sobre as agências bancárias.
Cliente	cod_cliente, primeiro_nome, ultimo_nome, nome_completo, email, tipo_cliente, data_inclusao, cpfcnpj, data_nascimento, endereco, cep	Dados cadastrais e de identificação dos clientes.
Colaborador_Agencia	cod_colaborador, cod_agencia	Relação entre colaboradores e as agências em que trabalham.
Colaboradores	cod_colaborador, primeiro_nome, ultimo_nome, nome_completo, email, cpf, data_nascimento, endereco, cep	Informações pessoais e de contato dos colaboradores.
Contas	num_conta, cod_cliente, cod_agencia, cod_colaborador, tipo_conta, data_abertura, saldo_total, saldo_disponivel, data_ultimo_lancamento	Informações sobre contas bancárias.
Proposta_Credito	cod_proposta, cod_cliente, cod_colaborador, data_entrada_proposta, taxa_juros_mensal, valor_proposta, valor_financiamento, valor_entrada, valor_prestacao, quantidade_parcelas, carencia, status_proposta	Propostas de crédito solicitadas por clientes.
Transacoes	cod_transacao, num_conta, data_transacao, nome_transacao, valor_transacao	Registro de movimentações financeiras realizadas nas contas.
Clientes_Externos	Numero_Linha, ID_Cliente, Sobrenome, Pontuação_Credito, Pais, Genero, Idade, Tempo_Relacionamento, Saldo, Numero_Produtos, Possui_Cartao_Credito, Membro_Ativo, Salario_Estimado, Saiu, Reclamou, Pontuaçao_Satisfaçao, Tipo_Cartao, Pontos_Acumulados	Dataset externo com informações complementares de clientes de outro banco.

Etapas do Desenvolvimento:

• Pré-processamento de Dados:

  • Ferramenta: Python no Jupyter Notebook
  • Importação: Carregamento dos arquivos de dados no ambiente do Visual Studio Code
  • Tratamento de valores nulos: Identificação e substituição de valores faltantes
  • Transformação de dados: Conversão de tipos para os formatos ideais (string, datetime, categórico)
  • Tratamento de duplicatas: Verificação e remoção de registros duplicados para evitar inconsistências
  • Tradução de dataset: Necessária apenas no dataset externo
  • Novas colunas: Criação de variáveis adicionais conforme necessidade analítica
  • Dicionário de dados: Desenvolvimento de dicionário com variáveis, descrições, tipos e subtipos de cada dataset

• Construção do Painel no Power BI:

  • Planejamento: Identificação e organização dos dados a serem utilizados
  • Carregamento: Upload dos dados pós-processados no Power BI
  • Criação de páginas: Desenvolvimento de 7 páginas temáticas (Agências, Colaboradores, Clientes, Propostas de Crédito, Transações, Contas e Clientes Externos) e uma capa
  • Funcionalidades interativas: Botões para limpar filtros, visualizar tabelas de dados, segmentadores em gráficos, filtros e navegação entre páginas

• Design de Layouts no Figma:

  • Ferramenta: Figma
  • Layouts: Produção dos layouts das páginas do relatório
  • Consistência visual: Uso de paleta de cores da marca e logotipo fictício com diferentes tons
  • Mascote: Criação do “Dolarinho”, moeda animada que representa a marca e está presente na logo
  • Integração: Aplicação do design no painel do Power BI

• Documentação do Projeto:

  • Detalhamento: Registro completo de todas as etapas do projeto
  • Clareza: Explicação estruturada e objetiva sobre pré-processamento, construção do painel e design de layouts
  • Design: Foco nas cores definidas no logotipo, aplicadas ao painel interativo para reforçar a identidade visual

Descrição do Painel:

Link para o Painel

• Agências:

  • Cartão com endereço (usado como filtro) e botões de interação (limpar filtros, alternar entre gráficos/tabelas).
  • Indicadores: saldo total, saldo disponível, transações, contagem de agências, clientes e colaboradores.
  • Filtros: tipo de agência, identificadores (cliente, agência, colaborador), datas (transação e abertura).
  • Gráficos: mapas de saldo total e disponível por cidade; colunas + linha (valor e média de transações).

• Colaboradores:

  • Cartão de contato como filtro, botões de interação (limpar filtros, gráficos/tabelas).
  • Indicadores: propostas de crédito, valor de transações, valor de entrada, contagem de colaboradores.
  • Filtros: identificadores (cliente, agência, colaborador, proposta) e data de nascimento.
  • Gráficos: colunas comparativas (financiamento x transações), árvore hierárquica (status e carência), barras empilhadas (entrada x propostas).

• Clientes:

  • Cartão de contato como filtro, botões de interação (limpar filtros, gráficos/tabelas).
  • Indicadores: propostas de crédito, prestações, propostas, saldo, saldo disponível, financiamento, contagem de clientes.
  • Filtros: identificadores (cliente, agência, colaborador, conta), datas (nascimento e inclusão).
  • Gráficos: combinado (saldo x saldo disponível), linhas (evolução temporal), colunas comparativas (financiamento x parcelas).

• Propostas de Crédito:

  • Botões de interação (limpar filtros, gráficos/tabelas).
  • Indicadores: propostas de crédito, prestações, financiamento, entrada, parcelas, contagem de propostas.
  • Filtros: identificadores (cliente, colaborador, proposta), parcelas e data de entrada.
  • Gráficos: linhas (evolução de proposta, financiamento, entrada e prestações), árvore (quantidade x carência), funil (status das propostas).

• Transações:

  • Botões de interação: limpar filtros e alternar gráficos/tabelas.
  • Indicadores: total, média e contagem de transações.
  • Filtros: identificadores (cliente, agência, colaborador, conta, transação) e data da transação.
  • Gráficos: comparativos de médias (dias da semana x todas as datas), linhas (quantidade por dia da semana x todas as datas) e barras (contagem e valor total por tipo de transação).

• Contas:

  • Botões de interação: limpar filtros e alternar gráficos/tabelas.
  • Indicadores: saldo total, saldo disponível, total de transações, médias (saldo e saldo disponível), contagem de contas.
  • Filtros: identificadores (cliente, agência, colaborador, conta), datas (abertura da conta e último lançamento).
  • Gráficos: linhas (saldo x saldo disponível – total e média, por data de lançamento e por data de abertura), dispersão (saldo total x saldo disponível por conta), barras (total de transações por conta).

• Clientes Externos:

  • Botões de interação: limpar filtros e alternar gráficos/tabelas.
  • Indicadores: contagem de clientes, médias (idade, produtos, pontos acumulados, salário estimado, saldo, satisfação, tempo de relacionamento).
  • Filtros: identificadores (cliente), gênero, status (ativo/inativo), reclamações e posse de cartão de crédito.
  • Gráficos: mapa (saldo por país), funil (satisfação de clientes ativos), barras (salário, produtos e saldo por cliente), treemap (distribuição por tipo de cartão).

Organização do Repositório:

---

├── requirements.txt             <- O arquivo de requisitos para reproduzir o ambiente de análise, por exemplo, gerado com `pip congelamento > requisitos.txt
│
├── LICENSE
│
├── README.md                    <- O Readme de nível superior para desenvolvedores que usam esse projeto
│ 
├── readme                       <- contém os arquivos de capa e arquitetura do projeto visualizados no readme.
│
│
├── Documentação                 <- Contém a apresentação em pdf com todas as etapas do projeto registradas.
│
├── powerBI                      <- Contém os arquivos referentes à construção do Painel Interativo.
│       ├── Arquivo              <- Contém o arquivo do Painel Interativo para ser baixado e rodado na própria máquina, através do Power BI Desktop.
│       ├── Layouts              <- Contém os imagens utilizadas como fundo de parede nas páginas do Painel.
│       ├── Relatorios           <- Contém capturas de tela das páginas do relatório do Power BI.
│  
├── data                         <- Contém os datasets utilizados no projeto.
│       ├── data-dictionary      <- Contém os dicionários de dados criados durante o projeto.
│       ├── pos-processamento    <- Contém os datasets após toda a etapa de pré-processamento de dados, podendo ser utilizado no Power BI.
│       ├── pre-processamento    <- Contém os datasets recebidos para realizar o projeto, sendo usados no pré-processamento dos dados.
│
└── notebooks                    <- caderno jupyter notebook utilizado para o pré-processamento de dados

Instruções para Configurar e Executar o Projeto:

• Pré-requisitos:

Antes de começar, certifique-se de que você tem o seguinte software instalado em sua máquina:

• Git: Para clonar o repositório.

• Python3: Para executar os scripts e notebooks.

• VS Code (recomendado): Com a extensão Jupyter instalada, para rodar os notebooks (.ipynb).

• Passo 1: Clonar o Repositório:

Abra o terminal e execute o seguinte comando para clonar o projeto:

git clone https://github.com/micaeljlima/Projeto-Banvic-Data-Analytics.git
cd Projeto-Banvic-Data-Analytics

• Passo 2: Criar e Ativar o Ambiente Virtual:

É altamente recomendável usar um ambiente virtual para isolar as dependências do projeto.

1. Crie o ambiente virtual:

python -m venv .venv

2. Ative o ambiente virtual.

• Windows (PowerShell):

.venv\Scripts\Activate

• Linux/macOS:

source .venv/bin/activate

Após a ativação, o nome do ambiente (.venv) aparecerá no início da linha de comando.

• Passo 3: Instalar as Dependências:

Com o ambiente virtual ativado, instale todas as bibliotecas necessárias listadas no arquivo requirements.txt:

pip install -r requirements.txt

• Passo 4: Configurar o VS Code e Executar o Notebook

1. Abra o projeto no VS Code:

code .

2. Selecione o interpretador Python:

• No VS Code, abra a Paleta de Comandos (Ctrl + Shift + P).
• Digite Python: Select Interpreter e pressione Enter.
• Escolha o interpretador Python 3.x.x do ambiente .venv. Isso garante que o VS Code use as bibliotecas que você acabou de instalar.

3. Rode o Notebook:

• Navegue até a pasta notebooks.
• Abra o arquivo data-processamento.ipynb.
• O VS Code irá automaticamente usar o kernel do ambiente virtual. Agora você pode executar as células do notebook para processar e analisar os dados.

Conclusão:

• Pré-processamento: Fase fundamental para garantir a qualidade dos dados. Verificação de valores nulos, duplicatas, transformações e exploração detalhada evitou inconsistências e permitiu análises confiáveis.
• Relatório no Power BI: Dados organizados em visualizações claras e interativas, com páginas segmentadas conforme tabelas e relacionamentos, facilitando a interpretação e geração de insights. Segmentadores tornam a navegação mais intuitiva e ágil.
• Design e identidade visual: Cores extraídas do banner oficial e utilização do mascote “Dolarinho” garantiram coerência estética e experiência agradável ao usuário.
• Documentação e apresentação: Registro completo de todas as etapas, integrando pré-processamento, construção do relatório e design. Template adaptado no Canva reforçou a identidade visual e a consistência entre apresentação e relatório.