No setor varejista, o planejamento de estoque e a gestão de fluxo de caixa são pilares críticos para a saúde financeira de qualquer rede de lojas. Decisões baseadas puramente na intuição geram prejuízos severos: o excesso de mercadorias imobiliza capital de giro, enquanto a falta de produtos (stockout) resulta em perda direta de faturamento e insatisfação do cliente.

Neste projeto de portfólio de nível sênior, desenvolvemos um pipeline analítico completo para Previsão de Vendas e Séries Temporais, utilizando dados reais do varejo para estruturar um banco de dados relacional, realizar engenharia de atributos temporais e treinar um modelo preditivo de Machine Learning.

Stack Tecnológica e Arquitetura

• Linguagem: Python (Pandas, Scikit-Learn).
• Banco de Dados: SQLite (persistência e modelagem de dados relacionais locais).
• Linguagem de Consulta: SQL Avançado (agregações temporais e extração de métricas históricas).
• Machine Learning: Random Forest Regressor (sklearn.ensemble).
• Ambiente: Kaggle Notebooks.

Etapas de Desenvolvimento do Projeto

Ingestão e Estruturação no Banco Relacional (ETL)

A partir da base transacional de vendas diárias por loja, criamos um script automatizado de ETL que varre a fonte de dados, extrai as informações brutas e as consolida em uma tabela estruturada dentro de um banco de dados SQLite local (banco_vendas_varejo.db).

Análise Exploratória e Histórico Anual via SQL

Utilizando consultas SQL avançadas, realizamos a extração e o cruzamento dos dados temporais para mapear o comportamento da rede ao longo dos anos:

• Expansão da Rede: Acompanhamento do crescimento do número de lojas ativas de 47 em 2013 para 54 em 2017.
• Volume de Transações: Identificação dos picos de movimentação da rede (ultrapassando 31 milhões de transações anuais entre 2015 e 2016) e análise da média diária estável por unidade (faixa de 1.600 a 1.750 transações/dia).

Engenharia de Atributos Temporais (Feature Engineering)

Em séries temporais, o modelo precisa aprender com o comportamento passado para antecipar o futuro. Consolidamos o total de transações diárias de toda a rede e criamos variáveis explicativas fundamentais:

• (Defasagem de 1 dia): Captura o comportamento e o volume de transações imediatamente anterior.
• (Defasagem de 7 dias): Captura a sazonalidade semanal (o volume de vendas no mesmo dia da semana anterior).
• (Média Móvel de 7 dias): Suaviza flutuações diárias e destaca a tendência de curto prazo da operação.

Divisão Cronológica e Treinamento do Modelo (Machine Learning)

Diferente de problemas tradicionais de classificação, em séries temporais nunca realizamos divisões aleatórias, preservando rigorosamente a ordem cronológica do tempo para evitar vazamento de dados futuros.

• Conjunto de Treino: 80% iniciais da série temporal (passado).
• Conjunto de Teste: 20% finais da série temporal (futuro).
• Algoritmo: Utilizou-se o Random Forest Regressor para capturar relações não lineares complexas entre as defasagens temporais e o volume real de transações.

Resultados e Impacto de Negócio

• Alta Precisão Operacional: O modelo alcançou um Erro Absoluto Médio (MAE) de 5.116,83 transações por dia no conjunto de teste. Considerando o volume massivo de dezenas de milhares de transações diárias da rede, o erro percentual mostra-se altamente controlado e confiável.
• Previsibilidade Logística: A capacidade de antecipar a demanda diária permite que os gestores planejem com antecedência a reposição de estoques, otimizem a escala de colaboradores por loja e evitem rupturas operacionais que prejudicam a receita da empresa.

Gostou do projeto? Veja o código completo e estruturado no meu GitHub