Análise de dados das vendas de um e-commerce

-

Uma empresa do tipo e-commerce realizou a captura dos dados do site utilizando Google Analytics para realizar análise do perfil dos seus visitantes. Para essa análise foram respondidas as seguintes questões:

  • Como são feitos os acessos ao site? (buscam no Google ou clicam nos anúncios do Instagram, por exemplo) 
  • Quanto tempo uma pessoa permanece no portal por dia do mês?
  • Qual a principal fonte de acesso? (Google, Facebook, Instagram...)
  • Qual sistema operacional mais usado para o acesso?
  • Qual o dispositivo mais usado para o acesso?
  • Qual faturamento por dia?
Todas essas perguntas podem ser respondidas pelo relatório abaixo, podendo ainda utilizar o filtro para exibir o resultado das perguntas para um País específico.


Neste dashboard vemos sete indicadores, da esquerda para a direita:
  • O primeiro, um gráfico de barras mostra a contagem dos meios de busca que levaram os visitantes até o site;
  • O segundo é um indicador do tipo ** e mostra a quantidade e acessos que chegaram por outras fontes, nesse caso a principal fonte de acesso é o Google;
  • O terceiro, um gráfico de barras horizontais, mostra o tipo de aparelho usado para o acesso, computadores ou dispositivos móveis;
  • O quarto, um gráfico de pizza, que mostra quais sistemas operacionais são usados pelos visitantes;
  • O quinto gráfico, um gráfico de linha, mostra a média de vistas por dia durante o mês, podemos ver que entre os dias 9 e 15 há um aumento relevante nas visitas; 
  • O sexto, é um indicador de performance , ele mostra qual o valor máximo de visitas recebidas como sendo uma meta a ser atingida, e a média de visitas recebidas normalmente, nesse caso podemos ver que o atual está longe do valor máximo já atingido;
  • O último, é um gráfico de linha que mostra o faturamento por dia, nele podemos ver um significativo aumento entre os dias 9 e 15, assim como as vistas, o que nos leva a crer que nesse período, boa parte dessas visitas fizeram alguma compra.

Esse relatório foi produzido durante o curso "Microsoft Power BI para data science versão 2.0" do Data Science Academy.

Comentários

Postar um comentário

Postagens mais visitadas deste blog

Resenha: Storytelling com dados - Cole Nussbaumer Knaflic

-
Imagem
No livro a escritora aborda de uma forma divertida e leve, pontos sobre como seria o desenvolvimento de visualizações de dados realmente eficientes, mostrando também visualizações não tão eficientes assim.  Num geral, são abordados seis principais pontos sobre o tema (além de todas as informações valiosas sobre tipos de gráficos e estudos de caso): • Entenda o contexto saiba quem é seu público e como o fará seguir os passos que deseja, use os artifícios necessários para afirmar seu argumento. • Escolha o visual apropriado, escolha os gráficos da forma certa, o gráfico certo irá valorizar seus dados.  • Elimine a saturação,  menos é mais! Muitas cores, formas e informação em excesso podem confundir e até passar a mensagem errada.  • Focalize a atenção para onde você deseja, utilizar de forma consciente as cores, tamanho das letras, negrito e inclusão de textos, podem trazer para o seu público um melhor entendimento da informação.  • Pense como um desi...
Leia mais

Trilha estatística: Variância e desvio padrão

-
Imagem
O desvio padrão e a variância são medidas importantes que ajudam a entender a dispersão dos dados, quanto maior o desvio padrão ou a variância, mais dispersos estão os dados em torno da média, e vice-versa. Essas medidas são úteis para avaliar a consistência ou a variabilidade dos dados em um conjunto de observações A variância é uma medida de dispersão que descreve o quão distantes os valores de um conjunto de dados estão da média. É calculada como a média dos quadrados das diferenças entre cada valor e a média do conjunto de dados. A fórmula para calcular a variância populacional é: σ 2 = n ∑ i = 1 n ​ ( x i ​ − μ ) 2 ​ Onde: � 2 σ 2 é a variância populacional. � � x i ​ é cada valor do conjunto de dados. � μ é a média do conjunto de dados. � n é o número total de observações no conjunto de dados. Exemplo: Considere o conjunto de dados: 10, 15, 20, 25, 30. Primeiro, calculamos a média: � = 10 + 15 + 20 + 25 + 30 5 = 20 μ = 5 10 + 15 + 20 + 25 + 30 ​ = 20 . Em seguida, calculamos...
Leia mais

Trilha machine learning: Algoritmo de regressão linear

-
Imagem
Hoje vamos falar sobre a regressão linear que é um algoritmo de aprendizado de máquina supervisionado usado para modelar a relação entre uma variável dependente (alvo) e uma variável independente (característica ou atributo), o objetivo é encontrar a melhor linha reta que descreva a relação entre essas variáveis. A regressão é uma técnica estatística, e em machine learning podemos usá-la com intuito de prever dados de acordo com essas variáveis que temos. O método mais comum de regressão linear é a regressão linear simples (temos também a regressão linear múltipla, vamos falar dela na próxima semana), a equação da linha de regressão é essa aqui:  Y=aX+b onde:  Y é a variável dependente (ou resposta); X é a variável independente (ou preditora); a é o coeficiente angular, que representa a inclinação da linha de regressão; b é o intercepto, que indica onde a linha de regressão cruza o eixo vertical (Y) quando X é zero. Essa equação descreve a relação linear entre X e Y, q...
Leia mais