Screen 1
1 of 4
The project texts below are in the original Portuguese.
Summary
Um painel executivo em Power BI que une vendas, clientes, estoque, fornecedores e margem de uma distribuidora automotiva com 4 filiais, 2.000 clientes e 700 SKUs. Ele mostra onde o resultado está escapando e o que fazer primeiro.
Context and goals
O faturamento de 2026 recuava 6,6% contra o ano anterior, um número que sozinho não assustava ninguém. Cada área olhava o próprio relatório e nenhuma enxergava o conjunto. O objetivo foi responder em uma tela a quatro perguntas: o que mudou, quem cresce ou destrói margem, onde vai faltar ou sobrar produto, e o que fazer agora.
Insights and findings
Margem: a margem de contribuição caiu de 19,0% para 11,5%, o equivalente a R$ 10,0 milhões no período. Origem da queda: Baterias, 57% da receita, foi de 18,3% para 6,6% de margem; o custo unitário subiu 15% e o desconto médio passou de 7,4% para 10,3%. Volume, não preço: a ponte preço-volume-mix atribui R$ 10,6 milhões de perda de receita a volume, contra R$ 1,3 milhão de ganho em preço. Estoque: R$ 555 milhões parados, 1.323 dias de cobertura, com 95% acima de 120 dias e Baterias respondendo por 65% do excesso. Ruptura junto com excesso: 168 combinações de produto e filial estão zeradas, incluindo itens de curva A que vendem mais de 200 unidades por dia. Fornecedores: só 53,6% dos pedidos chegam no prazo e completos; um fornecedor de baterias atrasa 11 dias em média. Recebíveis: R$ 18,7 milhões vencidos, 59% do saldo em aberto.
Results and impact
A diretoria passou a ter uma fila única de prioridades com valor estimado: R$ 10,0 milhões em margem a recuperar, R$ 14,8 milhões vencidos há mais de 90 dias e R$ 2,0 milhões de receita em risco por ruptura. A projeção de fechamento de outubro (R$ 13,9 milhões, 94,5% da meta) aparece com três semanas de antecedência. Uma pergunta que exigia cruzar cinco relatórios é respondida em uma tela, com cada visual carregando em cerca de um segundo.
Methodology and approach
Modelo: estrela com 12 tabelas e 1,9 milhão de registros, com data de corte explícita para que nada futuro entre como realizado. Comparações justas: ano anterior sempre no mesmo intervalo de dias, e meta proporcional aos dias úteis decorridos. Leitura por exceção: cores, alertas e destaques marcam só o que foge do esperado. Decision Center: cada recomendação traz evidência, impacto estimado, ação e responsável, com o grau de confiança declarado. Validação: cada indicador-chave foi recalculado fora do Power BI antes de ir para a tela.
Challenges and learnings
O estoque é uma foto semanal; somar semanas inflaria o saldo, então toda medida lê apenas o último snapshot. O mês corrente estava pela metade; compará-lo com um mês cheio fabricaria uma queda que não existe. Os meses recentes pareciam ter menos atraso de fornecedor só porque as entregas lentas ainda não tinham chegado; o gráfico passou a mostrar apenas meses com 95% dos pedidos entregues. A base não tem despesas fixas, então o painel para na margem de contribuição e não promete EBITDA.
Want a similar solution for your company?
Tell us which decision needs support. The form already includes this project as a reference.
I want a similar solution