Análise Exploratória de Dados com YData Profiling

Dataset: Vendas e Lucros por Segmento, País e Produto

Esse projeto foi construido com o intuito de demonstrar uma Análise exploratória utilizando uma ferramenta que se bem utilizada pode gerar economia de tempo de até 60% em seu projeto EDA, gerando análises exploratórias confiáveis e eficientes.

Para acessar o projeto em sua plenitude e obter uma experiência surprendente acesse: https://jeffersondesenvolvedormaster.github.io/EDA-com-ydata-profiling/

Objetivo

Gerar um relatório completo e automatizado de EDA que inclui:

• Estatísticas descritivas de todas as variáveis
• Análise de valores ausentes
• Correlações entre variáveis
• Distribuições e histogramas
• Detecção automática de alertas

---

Sobre o Dataset

Métrica	Valor
Observações	700 registros
Variáveis	16 colunas
Valores Ausentes	53 (0.5%)
Linhas Duplicadas	0 (0%)
Memória	252.6 KB

Tipos de Variáveis

Tipo	Quantidade
Numérica (float64)	6
Categórica (object)	5
Numérica (int64)	4
Data/Hora	1

Colunas do Dataset

Variável	Tipo	Descrição
Segment	Categórica	Segmento de mercado (Government, Enterprise, etc.)
Country	Categórica	País da venda
Product	Categórica	Nome do produto
Discount Band	Categórica	Faixa de desconto aplicada
Units Sold	Numérica	Unidades vendidas
Manufacturing Price	Numérica	Preço de fabricação
Sale Price	Numérica	Preço de venda
Gross Sales	Numérica	Vendas brutas
Discounts	Numérica	Valor dos descontos
Sales	Numérica	Vendas líquidas
COGS	Numérica	Custo dos produtos vendidos
Profit	Numérica	Lucro
Date	Data	Data da transação
Month Number	Numérica	Número do mês
nome_mes	Categórica	Nome do mês
Year	Numérica	Ano

---

Resultados

1️⃣ Overview Geral

O YData Profiling identifica automaticamente:

• 16 variáveis analisadas
• 700 observações no dataset
• 0 linhas duplicadas
• 53 valores ausentes concentrados na coluna "Discount Band"

---

2️⃣ Distribuições Numéricas

O relatório gera automaticamente histogramas para todas as variáveis numéricas, incluindo:

• Média (linha vermelha tracejada)
• Mediana (linha verde)
• Distribuição de frequências

Estatísticas Descritivas Principais

Variável	Média	Mediana	Mín	Máx
Units Sold	1,608	1,542	200	4,492
Sale Price	$118	$20	$7	$350
Gross Sales	$182,759	$37,980	$1,799	$1,207,500
Sales	$169,609	$35,540	$1,655	$1,159,200
COGS	$145,475	$22,506	$918	$950,625
Profit	$24,134	$9,242	-$40,617	$262,200

---

3️⃣ Variáveis Categóricas

O YData Profiling analisa automaticamente a distribuição de cada variável categórica:

Distribuição por Segmento

Segmento	Quantidade	%
Government	300	42.9%
Small Business	100	14.3%
Channel Partners	100	14.3%
Midmarket	100	14.3%
Enterprise	100	14.3%

Distribuição por País

País	Quantidade
Canada	140
Germany	140
France	140
Mexico	140
United States	140

Distribuição por Produto

Produto	Quantidade	%
Paseo	202	28.9%
Velo	109	15.6%
VTT	109	15.6%
Amarilla	94	13.4%
Carretera	93	13.3%
Montana	93	13.3%

---

4️⃣ Matriz de Correlação

O YData Profiling calcula automaticamente as correlações de Pearson entre todas as variáveis numéricas.

Top 5 Correlações Mais Fortes

Variável 1	Variável 2	Correlação
Gross Sales	Sales	0.998
Gross Sales	COGS	0.995
Sales	COGS	0.992
Sale Price	Gross Sales	0.808
Sales	Profit	0.806

---

5️⃣ Interações entre Variáveis

Os gráficos de dispersão revelam:

• Sales vs Profit: Correlação positiva forte (0.81)
• Units Sold vs Sales: Relação linear positiva
• Gross Sales vs COGS: Correlação quase perfeita (0.99)
• Manufacturing Price vs Sale Price: Variação nos preços de venda

---

6️⃣ Análise de Valores Ausentes

Variável	Ausentes	%
Discount Band	53	7.6%
Demais variáveis	0	0%

O YData Profiling identifica automaticamente valores ausentes e gera visualizações para facilitar a análise.

---

7️⃣ Resumo de Negócio

Lucro por Segmento

Segmento	Lucro Total
Government	$11,388,173
Small Business	$4,143,168
Channel Partners	$1,316,803
Midmarket	$660,103
Enterprise	-$614,545

Lucro por País

País	Lucro Total
France	$3,781,021
Germany	$3,680,389
Canada	$3,529,229
United States	$2,995,541
Mexico	$2,907,523

---

Alertas Detectados

O YData Profiling detecta automaticamente potenciais problemas nos dados:

Alertas de Correlação

Alerta	Variáveis	Valor
⚠️ Alta correlação	Gross Sales ↔ Sales	1.00
⚠️ Alta correlação	Gross Sales ↔ COGS	0.99
⚠️ Alta correlação	Sales ↔ COGS	0.99
⚠️ Alta correlação	Sale Price ↔ Gross Sales	0.81
⚠️ Alta correlação	Sales ↔ Profit	0.81
⚠️ Alta correlação	Sale Price ↔ COGS	0.80
⚠️ Alta correlação	Gross Sales ↔ Discounts	0.78
⚠️ Alta correlação	Gross Sales ↔ Profit	0.78
⚠️ Alta correlação	Discounts ↔ COGS	0.78
⚠️ Alta correlação	Discounts ↔ Sales	0.74
⚠️ Alta correlação	COGS ↔ Profit	0.73

Outros Alertas

Alerta	Descrição
⚠️ Valores ausentes	Discount Band: 53 valores (7.6%)
⚠️ Muitos zeros	Discounts: 7.6% dos registros

---

Como Executar

Pré-requisitos

pip install ydata-profiling pandas openpyxl

Código para Gerar o Relatório

import pandas as pd
from ydata_profiling import ProfileReport

# Carregar dados
df = pd.read_excel("Treinamento EDA estatistica descritiva .xls")

# Gerar relatório YData Profiling PURO (sem configurações customizadas)
profile = ProfileReport(df, title="Relatório YData Profiling")

# Salvar relatório HTML
profile.to_file("relatorio_ydata_profiling.html")

Executar

python gerar_relatorio.py

O relatório HTML interativo será gerado automaticamente.

---

📁 Estrutura do Projeto

EDA-com-ydata-profiling/
│
├── README.md                              # Este arquivo
├── gerar_relatorio.py                     # Script para gerar o relatório
├── Treinamento EDA estatistica descritiva .xls  # Dataset
├── relatorio_ydata_profiling.html         # Relatório HTML gerado
│
└── imagens_github/                        # Visualizações extraídas
    ├── 01_overview.png
    ├── 02_distribuicoes_numericas.png
    ├── 03_distribuicoes_categoricas.png
    ├── 04_correlacoes.png
    ├── 05_interacoes.png
    ├── 06_valores_ausentes.png
    └── 07_resumo_negocio.png

---

---

Insights Principais

1. Segmento Government domina com 43% dos registros e 67% do lucro total
2. Enterprise é o único segmento com prejuízo (-$614K)
3. Alta correlação entre métricas de vendas indica dados consistentes
4. Discount Band é a única variável com valores ausentes (7.6%)
5. Paseo é o produto mais vendido (29% das transações)
6. França lidera em lucro total ($3.78M)
7. Distribuição equilibrada por país (140 registros cada)

---

👤 Autor

Jefferson Desenvolvedor

---

Licença

Este projeto está sob a licença MIT.

---

⭐ Se este projeto foi útil, deixe uma estrela!

Desenvolvido como demonstração de EDA automatizada com YData Profiling