# pipeline de análise — receita, funil, aquisição e previsão import pandas as pd import numpy as np from pathlib import Path from sklearn.ensemble import GradientBoostingRegressor RAIZ = Path("/dados/producao") JANELA = 90 def carregar(nome, colunas=None): caminho = RAIZ / f"{nome}.parquet" df = pd.read_parquet(caminho, columns=colunas) df.columns = [c.strip().lower() for c in df.columns] return df vendas = carregar("vendas") midia = carregar("investimento") sessoes = carregar("sessoes") clientes = carregar("clientes") vendas["data"] = pd.to_datetime(vendas.data, errors="coerce") vendas = vendas.dropna(subset=["data", "pedido_id"]) vendas = vendas.drop_duplicates(subset="pedido_id", keep="last") recorte = vendas.data.max() - pd.Timedelta(days=JANELA) vendas = vendas.loc[vendas.data >= recorte] base = (vendas .merge(midia, on=["data", "canal"], how="left") .merge(clientes, on="cliente_id", how="left") .assign( margem = lambda d: d.receita - d.custo, semana = lambda d: d.data.dt.to_period("W"), primeira = lambda d: d.groupby("cliente_id").data.transform("min"),

)) base["novo"] = base.data.eq(base.primeira) kpi = base.groupby(["canal", "semana"]).agg( receita = ("receita", "sum"), margem = ("margem", "sum"), pedidos = ("pedido_id", "nunique"), clientes = ("cliente_id", "nunique"), investido = ("investimento", "sum"), ) kpi["ticket_medio"] = kpi.receita / kpi.pedidos kpi["cac"] = kpi.investido / kpi.clientes.replace(0, np.nan) kpi["roas"] = kpi.receita / kpi.investido.replace(0, np.nan) kpi["margem_pct"] = kpi.margem / kpi.receita funil = (sessoes .groupby("etapa", observed=True) .sessao_id.nunique() .rename("sessoes") .to_frame()) funil["conversao"] = funil.sessoes / funil.sessoes.max() funil["queda"] = funil.conversao.diff().fillna(0) ltv = (base.groupby("cliente_id") .agg(receita=("receita", "sum"), pedidos=("pedido_id", "nunique")) .assign(ltv = lambda d: d.receita) .ltv.describe(percentiles=[.5, .75, .9])) # desvios acima de dois sigmas merecem atenção desvio = (kpi.roas - kpi.roas.mean()).abs() alertas = kpi.loc[desvio > 2 * kpi.roas.std()]

coorte = (base.pivot_table( index="primeira", columns="semana", values="receita", aggfunc="sum") .fillna(0) .cumsum(axis=1)) X = kpi.drop(columns=["receita"]).fillna(0) y = kpi.receita modelo = GradientBoostingRegressor( n_estimators=400, learning_rate=0.05, max_depth=3) modelo.fit(X.iloc[:-4], y.iloc[:-4]) previsao = modelo.predict(X.iloc[-4:]) erro = np.abs(previsao - y.iloc[-4:]).mean() peso = pd.Series(modelo.feature_importances_, index=X.columns) peso = peso.sort_values(ascending=False).head(8) for canal, grupo in kpi.groupby(level="canal"): tendencia = grupo.receita.pct_change().rolling(3).mean() if tendencia.iloc[-1] < 0: registrar_alerta(canal, tendencia.iloc[-1]) painel = (kpi .join(peso.rename("peso"), how="left") .round(2) .reset_index()) painel.to_sql("indicadores", engine, if_exists="replace", index=False) publicar(painel, funil, alertas, previsao) # decisões orientadas por evidências

Serviços

Análise de dados

Inteligência aplicada ao marketing

Dados ganham valor quando conectam diferentes momentos da operação e oferecem uma visão clara sobre desempenho, comportamento e oportunidades.

Nossa atuação compreende a captação, integração e análise de informações produzidas nos ambientes digitais, comerciais e operacionais. Estruturamos esses dados para apoiar decisões, orientar investimentos e identificar movimentos relevantes para o negócio.

Combinamos análise, automação, inteligência artificial e agentes de IA para transformar informações dispersas em conhecimento aplicável.

Captação e estruturação

Definimos o que deve ser mensurado e organizamos a captação dos dados produzidos ao longo das interações comerciais, digitais e operacionais.

Estruturamos eventos, parâmetros, identificadores e critérios de mensuração para preservar a origem e o contexto das informações. Também tratamos inconsistências, duplicidades e lacunas que possam comprometer a análise.

Integração de dados

Conectamos informações distribuídas entre diferentes sistemas, plataformas e processos da empresa.

A integração permite relacionar investimentos, interações, negociações, vendas e resultados. Padronizamos indicadores e regras de cálculo para construir uma base consistente, atualizada e adequada às necessidades de cada área.

Indicadores e análises

Desenvolvemos painéis e análises para acompanhar desempenho, comportamento e rentabilidade.

Receita, margem e rentabilidade.
Conversão e evolução do funil.
Ticket médio e recorrência.
Custo de aquisição de clientes.
Retorno sobre investimentos.
Valor do cliente ao longo do relacionamento.
Desempenho por público, campanha, produto ou canal.
Tendências, desvios e oportunidades.

Mais do que apresentar métricas, relacionamos os indicadores para revelar causas, impactos e prioridades.

Marketing e inteligência comercial

Utilizamos dados para avaliar investimentos, compreender o comportamento do público e identificar os fatores que influenciam a conversão.

As análises apoiam a segmentação, a distribuição de recursos, o planejamento de campanhas e a evolução das jornadas de relacionamento. Na área comercial, contribuem para identificar oportunidades, acompanhar negociações, avaliar perdas, projetar resultados e priorizar ações.

Inteligência artificial e análise preditiva

Aplicamos inteligência artificial na identificação de padrões, tendências, anomalias e relações entre diferentes variáveis.

Os modelos podem apoiar previsões, segmentações, classificações e análises de propensão. Também utilizamos IA para interpretar informações presentes em conversas, avaliações, solicitações e documentos, ampliando a análise para além dos dados numéricos.

Agentes de IA

Desenvolvemos agentes de IA para acompanhar indicadores, consultar fontes autorizadas, cruzar informações e preparar análises de forma contínua.

Esses agentes podem detectar alterações relevantes, produzir resumos, responder perguntas sobre a operação e apresentar alertas ou recomendações às equipes responsáveis. Sua atuação segue permissões, critérios e responsabilidades definidos para cada aplicação.

Governança e gestão contínua

Organizamos regras de acesso, padronização, rastreabilidade e validação para preservar a qualidade e a segurança das informações.

Acompanhamos a evolução dos indicadores e aprimoramos continuamente as estruturas de análise. Unimos dados, tecnologia, inteligência artificial e conhecimento de negócio para tornar as decisões mais rápidas, consistentes e orientadas por evidências.