Café Raiz — da origem do grão à decisão: inteligência de vendas para um e-commerce de cafés especiais
Tela 1
1 de 3
Resumo
Dashboard em Power BI, em duas páginas, que transforma uma planilha simples de pedidos em respostas de negócio. Mostra quanto vendemos, se o ritmo melhora ou piora, quais produtos sustentam o resultado, quem recompra e em quais estados está a próxima oportunidade.
Contexto e objetivos
O Café Raiz é um e-commerce fictício de cafés especiais com 200 pedidos em 12 meses, 50 clientes, 10 produtos e 6 estados. É o retrato de muita empresa pequena e média: os dados existem, mas ficam numa planilha que ninguém consegue ler em 5 segundos. O objetivo foi mostrar que uma base enxuta, sem ERP nem data warehouse, já responde às perguntas de um gestor comercial. A experiência é de aplicativo, não de relatório: a primeira tela dá o diagnóstico e a segunda mostra onde agir.
Insights e descobertas
Acessórios são 40,5% do faturamento de uma marca de café (R$ 11,1 mil de R$ 27,4 mil). O produto líder é o Moedor Manual Inox (R$ 4.800). 90% dos clientes recompram e geram 97% da receita. O recorrente vale 3,9 vezes mais por cliente (R$ 591 contra R$ 151), mesmo com ticket por pedido menor (R$ 136 contra R$ 151). O valor está na frequência. O Rio de Janeiro é o mercado principal: 25% das vendas, maior base (32 clientes) e maior ticket (R$ 148). Minas Gerais tem base menor e ticket alto (R$ 141), um potencial premium. Bahia e Paraná têm base e ticket abaixo da média. A satisfação é o alerta: média de 3,1 em 5, com 35% das notas em 1 ou 2. O Grão Catuaí Amarelo tem a pior nota (2,8) e o Moedor, campeão de receita, fica em 2,9. A origem mais bem avaliada é o Cerrado Mineiro (3,45). O ritmo recente caiu: os últimos 90 dias faturaram 27,6% menos que os 90 anteriores, com queda em pedidos (-16,9%) e em ticket (-12,8%).
Resultado e impacto
Em uma tela, o gestor vê três decisões que a planilha escondia: Proteger a recorrência, que é praticamente toda a receita. Investigar a qualidade dos produtos que mais vendem, antes que a nota baixa afete a recompra.
Metodologia e abordagem
Auditoria da base antes de qualquer gráfico: tipos, nulos, duplicidades, preço fixo por produto e cobertura do período. Modelo em estrela: uma tabela de vendas e cinco dimensões (calendário, produto, cliente, estado e avaliação), com relacionamentos de direção única. 65 medidas DAX organizadas em pastas: vendas, comparativos, clientes, produtos, avaliação, títulos dinâmicos e HTML. Narrativa em duas páginas: Visão Geral: quanto, tendência, quando, qual categoria, quais produtos, qual o insight. Clientes & Mercado: quem recompra, onde estão os clientes, quais mercados valem mais, quais origens agradam, satisfação.
Desafios e aprendizados
Desafios e aprendizados O estado não é do cliente. 43 dos 50 clientes compraram em mais de um estado; a UF foi modelada como atributo do pedido para não distorcer a análise geográfica. Doze meses não permitem comparação anual. O painel compara com o período anterior de mesma duração e, quando ele não existe, usa os últimos 90 dias contra os 90 anteriores, sempre rotulado. Os meses parciais (fev/25 e fev/26) são sinalizados. Ausência não é zero. 23 pedidos sem avaliação ficaram fora da média em vez de derrubá-la. "Uma compra" não é "cliente novo". A base não tem histórico anterior, então o painel usa o rótulo que os dados sustentam. O que não existe não foi inventado. Lucro, margem, CAC, estoque e ROI ficaram de fora.
Projeto com dados fictícios/demonstrativos.
Quer uma solução semelhante para a sua empresa?
Conte qual decisão precisa de apoio. O formulário já leva a referência deste projeto.
Quero uma solução semelhante