Case · Dados & Inteligência
Inteligência de Dados para E-commerce
De relatórios exportados e análises manuais a uma camada de inteligência integrada à própria plataforma.
Uma empresa de tecnologia possuía uma plataforma de e-commerce utilizada por lojistas para gerenciar suas operações, mas ainda oferecia pouca capacidade analítica. O projeto transformou dados já existentes no ecossistema em inteligência acessível diretamente aos usuários da plataforma.
Visão executiva
O projeto em uma leitura rápida.
Cenário
Plataforma de e-commerce com grande volume de dados operacionais, mas pouca capacidade analítica disponível aos lojistas.
Desafio
Transformar dados existentes em informações úteis para operação, gestão e tomada de decisão.
Abordagem
Mapeamento de dados, entendimento do negócio, definição de indicadores, desenvolvimento analítico e integração à experiência da plataforma.
Solução
Ecossistema de dashboards em Power BI integrado à plataforma por meio do Power BI Embedded.
Alcance
+300lojistas passaram a ter acesso às novas capacidades analíticas.
Os dados existiam. A inteligência ainda não estava acessível.
A plataforma concentrava informações relevantes sobre vendas, pedidos, produtos, clientes e operação. Entretanto, a experiência analítica oferecida aos lojistas ainda era limitada a poucos indicadores visuais estáticos.
Para realizar análises mais aprofundadas, os usuários precisavam exportar relatórios em .xlsx e trabalhar os dados posteriormente em ferramentas como Excel. Em determinados cenários, limitações de período ou volume de exportação impediam uma análise completa e levavam o lojista a depender da equipe de suporte para solicitar extrações diretamente do banco de dados.
O problema, portanto, não era ausência de dados. Era a dificuldade de transformar esses dados em informação acessível, contextualizada e utilizável dentro da própria operação.
Uma plataforma robusta operacionalmente, mas ainda limitada em inteligência analítica.
Para uma empresa cujo produto principal era uma plataforma tecnológica de e-commerce, a baixa capacidade analítica também representava uma limitação do próprio produto.
A ausência de visões gerenciais e estratégicas reduzia a percepção de completude da plataforma e fazia com que parte relevante da jornada de análise acontecesse fora dela.
Ao mesmo tempo, a empresa possuía um ativo importante: uma grande quantidade de dados gerados pelas operações dos próprios lojistas.
A oportunidade estava em transformar esse ativo de dados em uma nova camada de valor do produto.
Antes de construir
O projeto não começou pelos dashboards.
Antes de definir visualizações ou ferramentas, foi necessário compreender dados, negócio, usuários, arquitetura e decisões que precisavam ser apoiadas.
Dados
Como os dados estavam estruturados e quais fontes poderiam sustentar as análises?
Indicadores
Quais informações já existiam e o que realmente precisava ser criado?
Negócio
Quais regras deveriam orientar os indicadores?
Usuários
Quem utilizaria as informações e quais decisões precisavam ser apoiadas?
Arquitetura
Como incorporar analytics à plataforma sem criar uma experiência desconectada?
Acesso
Como manter a gestão dos usuários dentro da própria experiência do e-commerce?
Validação
Quem deveria participar da construção e validação das análises?
Níveis de decisão
Quais informações deveriam atender necessidades estratégicas, gerenciais e operacionais?
A estratégia
Levar a inteligência até onde a operação já acontecia.
Em vez de criar uma experiência analítica isolada, a estratégia foi incorporar as novas capacidades de dados ao próprio ecossistema utilizado pelos lojistas.
Os dashboards foram desenvolvidos em Power BI e disponibilizados por meio do Power BI Embedded, permitindo que as análises fossem consumidas dentro da plataforma de e-commerce.
Os dados eram provenientes do ambiente produtivo em SQL Server, enquanto o controle de acesso permanecia integrado à gestão dos usuários das próprias lojas.
SQL Server
Power BI
Power BI Embedded
Plataforma de E-commerce
Lojista
Capacidades analíticas construídas
Da informação operacional à inteligência de negócio.
As análises foram estruturadas para apoiar diferentes necessidades do e-commerce, combinando acompanhamento operacional, visão gerencial e oportunidades de decisão estratégica.
Desempenho comercial
FaturamentoEvolução das vendas
Faturamento ao longo do tempo
Crescimento em relação a períodos anteriores
Distribuição geográfica
Acompanhamento por transportadora
Acompanhamento por centro de distribuição
Operação de vendas
PedidosVolume de vendas
Ticket médio
Sazonalidade
Recorrência
Características do público
Tipos de frete
Distribuição geográfica
Gateways de pagamento
Formas de pagamento
Canais de venda
Cancelamentos
Impacto dos cancelamentos na operação
Performance de produtos
ProdutosQuantidade vendida
Evolução ao longo do tempo
Aumento e queda por produto
Desempenho por categoria
Concentração regional
Apoio à definição de campanhas e destaques comerciais
Inteligência de clientes
ClientesLocalização dos clientes
Frequência de compras
Crescimento da carteira
Perfil etário
Características da base
Apoio à definição de campanhas
Segmentação e relacionamento
Análise RFMRecência
Frequência
Valor Monetário
Score
Segmentação da base
Priorização de grupos de clientes
Apoio a iniciativas de relacionamento e marketing
Geração de oportunidades
Análise de Oportunidades de VendasCarrinhos abandonados
Produtos aguardados
Produtos desejados
Combinação com segmentação RFM
Identificação de oportunidades existentes na operação
Momentos críticos da operação
BlackJetAcompanhamento durante a Black Friday
Análise do desempenho ao longo do evento
Comparação com períodos anteriores
Aprendizado para ciclos futuros
Controle operacional
Torre de Controle de PedidosAcompanhamento de pedidos
Acompanhamento de prazos
Identificação de situações que exigem atenção
Redução de processos manuais de acompanhamento
Evidências reais
Inteligência aplicada a diferentes decisões do e-commerce.
Desempenho comercial
Faturamento
Evolução das vendas e do faturamento ao longo do tempo, com distribuição geográfica e acompanhamento por transportadora e centro de distribuição.
Histórias do projeto
Quando entender o contexto muda a solução.
Uma oportunidade que não estava no briefing
Análise RFM
A análise RFM não surgiu de uma solicitação da empresa nem de um lojista. A oportunidade foi identificada durante pesquisas realizadas para entender como os dados disponíveis poderiam apoiar estratégias de relacionamento e vendas.
Recência
Há quanto tempo o cliente realizou sua última compra.
Frequência
Quantas vezes o cliente já comprou na loja.
Valor monetário
Quanto o cliente já movimentou em compras.
Recência + Frequência + Valor Monetário
Score
Segmentação
A combinação dessas dimensões permitiu estruturar um score e classificar a base em 11 segmentos:
A segmentação passou a oferecer aos lojistas uma forma mais estruturada de identificar grupos prioritários, compreender características dos melhores clientes e direcionar iniciativas comerciais e de relacionamento.
Como ajudar o lojista a identificar oportunidades para vender mais?
Análise de Oportunidades de Vendas
Essa necessidade foi apresentada pela própria empresa de e-commerce. A investigação do fluxo operacional permitiu identificar três situações:
Carrinhos abandonados
Representam uma intenção de compra que não chegou à conversão.
Produtos aguardados
Clientes demonstraram interesse em produtos temporariamente indisponíveis e aguardavam reposição de estoque.
Produtos desejados
Clientes sinalizaram interesse em determinados produtos, mas ainda não realizaram a compra.
Sinais operacionais
Segmentação RFM
Oportunidades priorizadas
Ao reunir essas situações em uma mesma visão e conectá-las à segmentação RFM, a análise passou a oferecer um direcionamento mais estruturado sobre oportunidades existentes na própria base operacional do lojista.
Torre de Controle de Pedidos
Às vezes, o pedido do usuário não é o problema que precisa ser resolvido.
A solicitação inicial de um lojista parecia simples: adicionar a um dashboard existente um filtro relacionado ao prazo de entrega. Antes de implementar a alteração, buscou-se compreender por que aquela informação era necessária.
Durante a conversa com o lojista, foi identificado que semanalmente um relatório de pedidos era exportado da plataforma, transformado manualmente em Excel e utilizado para acompanhar entregas que poderiam ultrapassar o prazo.
O que parecia ser a necessidade de um filtro revelou um processo operacional inteiro que poderia ser redesenhado.
A partir dessa descoberta foi criada a Torre de Controle de Pedidos, uma visão dedicada ao acompanhamento das entregas e posteriormente disponibilizada para os demais lojistas da plataforma.
Resultado para o lojista que originou a necessidade
Economia estimada de até 3 dias de trabalho manual por semana.
Um evento sazonal exigia uma visão construída para aquele momento do negócio
Transformando um período crítico de vendas em uma operação orientada por dados.
Durante o projeto, foi identificado um comportamento recorrente na operação dos lojistas: todos os anos, durante o período de Black Friday, o volume e a criticidade da operação aumentavam significativamente.
Além dos próprios lojistas intensificarem o acompanhamento das vendas, a empresa de e-commerce também mobilizava suas equipes para acompanhar de perto as operações e contribuir para a estabilidade e qualidade da plataforma durante um dos períodos mais importantes do ano.
Esse contexto revelou uma oportunidade: em vez de utilizar diferentes análises isoladas, criar uma visão específica para concentrar os principais indicadores necessários durante a Black Friday.
Análise do dia
Entender o que está acontecendo enquanto a operação acontece.
A primeira perspectiva foi estruturada para oferecer uma leitura rápida do comportamento das vendas durante o próprio dia, permitindo acompanhar indicadores críticos e identificar situações que exigissem atenção.
Venda por Hora
Permite observar a distribuição das vendas ao longo do dia e identificar horários de maior movimentação.
Top 10 Produtos Mais Vendidos
Evidencia quais produtos concentram maior volume de vendas durante o período analisado.
Distribuição das Vendas por Região
Permite compreender geograficamente onde a operação está concentrada.
Distribuição do Faturamento
Análise por Gateway de Pagamento, Forma de Pagamento e Canal de Venda.
A combinação dessas informações permitia ao lojista compreender rapidamente o comportamento da operação durante o dia e investigar variações ou situações fora do esperado com maior contexto.
Histórico de vendas
Entender o evento de hoje olhando também para o que aconteceu nos anos anteriores.
A segunda perspectiva ampliava a análise para além do acompanhamento diário. O objetivo era permitir que o lojista avaliasse a evolução das vendas durante o período de Black Friday e comparasse o desempenho com edições anteriores.
Evolução Diária
Acompanhamento do comportamento das vendas ao longo do período.
Comparação Histórica
Análise do faturamento em relação às Black Fridays de anos anteriores.
Crescimento
Percentual de evolução em comparação com períodos anteriores.
Comportamento Comercial
Comparações por Gateway de Pagamento, Forma de Pagamento, Canal de Venda e Produto.
Os comparativos permitiam observar mudanças no comportamento da operação entre diferentes edições da Black Friday — como a utilização de novos gateways de pagamento, alterações na participação dos meios de pagamento e produtos que ganharam destaque em determinados períodos.
A análise não terminava quando a Black Friday acabava.
Além de apoiar o acompanhamento do evento, o histórico permitia avaliar posteriormente o que havia funcionado, quais comportamentos haviam mudado e como as decisões tomadas em cada edição se refletiam nos resultados observados.
Dessa forma, os dados serviam tanto para acompanhar um período crítico da operação quanto para gerar aprendizado para os ciclos seguintes.
Acompanhamento
Comparação
Aprendizado
Resultados
Inteligência que passou a gerar valor para os dois lados da plataforma.
passaram a ter acesso às capacidades analíticas desenvolvidas.
Para os lojistas
Acesso a análises diretamente na plataforma
Menor dependência de exportações e manipulações externas
Visão mais ampla de vendas, clientes, produtos e operação
Identificação de oportunidades e situações críticas
Apoio a decisões estratégicas, gerenciais e operacionais
Para a empresa de e-commerce
Ampliação da proposta de valor da plataforma
Analytics incorporado ao produto
Novo ativo para demonstrações e negociações comerciais
Maior capacidade das áreas internas de acompanhar e apoiar os lojistas
Fortalecimento da percepção de completude da solução
A evolução também contribuiu para fortalecer a percepção de valor da plataforma e passou a ser percebida como um diferencial por clientes e durante negociações comerciais. As capacidades analíticas passaram a integrar a apresentação comercial da plataforma.
Não era apenas um projeto de dashboards.
O projeto começou com dados já existentes e uma limitação de produto. A partir do entendimento da operação, dos usuários e das oportunidades presentes nas informações, analytics passou a fazer parte da experiência oferecida pela plataforma.
O resultado foi uma capacidade que conecta dados, negócio, produto e decisão — transformando informações operacionais em valor utilizável por lojistas e pela própria empresa.
Seus dados também poderiam gerar mais valor para o negócio?
Antes de pensar na ferramenta, entendemos o contexto, as decisões que precisam ser apoiadas e onde os dados podem criar valor real para a operação.
Falar sobre meu projetoSolicitar Diagnóstico