Todos os projetos

01 · Case de Negócio · Destaque

Qual loja vender? Uma recomendação orientada a dados.

O Sr. João, proprietário da rede Alura Store, queria vender uma das suas quatro lojas para investir em um novo empreendimento. Meu papel: analisar desempenho financeiro, operacional e de satisfação do cliente para apoiar a decisão de qual loja desinvestir, e justificar por quê.

Papel Cientista de dados
Período 2025
Tipo EDA · Business Case
Stack Python · Pandas · Matplotlib
Faturamento total por loja R$ milhões · base completa 1,53 MM Loja 1 1,49 MM Loja 2 1,46 MM Loja 3 1,38 MM Loja 4 ← menor

Contexto

A Alura Store é uma rede fictícia (mas plausível) de quatro lojas, cada uma com pelo menos um ano de operação. O dono, o Sr. João, sinalizou intenção de vender uma das unidades para abrir um novo negócio. A pergunta enviada ao time de dados foi simples: qual delas?

A simplicidade da pergunta é enganosa. Faturamento bruto sozinho não responde, uma loja pode faturar bem e ter custos operacionais altos, avaliações ruins, ou estar mal posicionada geograficamente.

Problema

Recomendar, com base em evidências, qual loja deveria ser vendida, e justificar a recomendação em linguagem de negócio para alguém que não é técnico.

Variáveis disponíveis: vendas, ticket médio, categorias de produto, avaliação do cliente, valor de frete e coordenadas geográficas de cada transação.

Abordagem

Análise exploratória estruturada em cinco dimensões comparáveis entre lojas, padronizando métricas para permitir comparação direta:

  • Financeira: faturamento total e participação no faturamento da rede
  • Mix de produtos: categorias mais e menos vendidas por loja
  • Satisfação: distribuição e média das avaliações dos clientes
  • Operacional: custo médio de frete por unidade
  • Geográfica: distribuição espacial das transações

Cada dimensão foi visualizada com Matplotlib em gráficos pensados não para o time de dados, mas para o Sr. João, limpos, com unidades em reais e títulos descritivos.

Achados-chave

-9,7%
Loja 4 fatura abaixo da líder
de 4
Posição em ticket médio
+5,6%
Frete mais competitivo (único ponto positivo)

Principais conclusões

  • Loja 4 é a candidata clara para venda: menor faturamento global, menor ticket médio, posição inferior em três das quatro dimensões analisadas.
  • O frete mais competitivo da Loja 4 não compensa: é um benefício isolado em meio a indicadores fracos de demanda e ticket.
  • Lojas 1, 2 e 3 mostram desempenho equivalente entre si, com variação pequena de faturamento e perfis de mix de produto similares.
  • A distribuição geográfica das vendas da Loja 4 indica mercado mais saturado ou menos premium na região onde opera.

Recomendação final

A análise indica de forma consistente que a Loja 4 é a unidade com desempenho global mais fraco e, portanto, a candidata mais lógica para desinvestimento. Recomenda-se proceder com a venda da Loja 4 e direcionar os recursos liberados ao novo empreendimento.

A entrega final foi um notebook executável com narrativa de negócio + um sumário de uma página para o Sr. João. Cada gráfico tem título descritivo, cada conclusão é justificada por uma métrica específica, e a recomendação aparece como uma frase única, não enterrada num parágrafo técnico.

Stack

Python Pandas NumPy Matplotlib Jupyter EDA Storytelling com dados

Aprendizados

Trabalhar este case reforçou um ponto importante: a recomendação precisa ser inequívoca. Quando se entrega um relatório ao decisor, o que importa não é a quantidade de gráficos, é a clareza com que cada gráfico responde a uma pergunta específica.

Decidi escrever a recomendação final como uma única frase de negócio antes mesmo de fazer qualquer gráfico. Os gráficos vieram para justificar a frase, e não o contrário. Esse caminho deixa o relatório muito mais defensável.