Análise de Dados de Vendas - Lista 1 (Ciência de Dados)

Este repositório contém a resolução da Lista 1 da disciplina de Ciência de Dados da Universidade Federal de Alagoas (UFAL). O projeto abrange etapas do ciclo de vida da ciência de dados, desde a aquisição e pré-processamento até a modelagem e análise estatística.

---

Aluno: Erick Keven da Silva Alves
Curso: Ciência de Dados

Estrutura do Projeto

O projeto está organizado em um único notebook Jupyter (lista.ipynb), que executa as seguintes tarefas:

1. Aquisição de Dados e Leitura: Leitura de um arquivo CSV de dados de vendas.
2. Pré-processamento de Dados: Limpeza e normalização dos dados.
3. Análise Estatística: Cálculo de métricas descritivas.
4. Visualização de Dados: Geração de gráfico de barras.
5. K-Vizinhos Mais Próximos (KNN): Classificação de vendas e avaliação do modelo.
6. Agrupamento K-means: Clusterização de produtos.
7. Análise de Clusters: Descrição das características dos clusters.
8. Visualização de Clusters: Gráfico de dispersão dos clusters.
9. Validação Cruzada: Avaliação da estabilidade do modelo KNN.
10. Tomada de Decisão: Estratégias de marketing baseadas nos clusters e análise de impacto.

---

Como Executar

1. Clone este repositório:

   git clone https://github.com/erickkevenn/Lista-CD.git
   cd Lista-CD

2. Instale as dependências:

   pip install pandas matplotlib seaborn scikit-learn numpy scipy

3. Abra o notebook lista.ipynb com Jupyter Notebook ou JupyterLab.

4. Execute as células em ordem. Certifique-se de ter o arquivo dados.csv na mesma pasta do notebook.

---

Análise e Resultados

1. Aquisição de Dados e Leitura

• Leitura do arquivo dados.csv.
• Exibição das primeiras 5 linhas: colunas Data, Produto, Quantidade e Preço.

2. Pré-processamento de Dados

• Remoção de linhas com valores nulos.
• Conversão da coluna Data para o tipo datetime.
• Normalização da coluna Quantidade (valores entre 0 e 1).

3. Análise Estatística

• Média: 2.676
• Mediana: 2.5
• Desvio Padrão: 1.6269
• Moda: [1.2]

4. Visualização de Dados

• Gráfico de barras mostrando a quantidade total (normalizada) de cada produto vendido.

5. K-Vizinhos Mais Próximos (KNN)

• Criação da coluna binária Alta_Venda (1 se quantidade > média, 0 caso contrário).
• Treinamento do modelo KNN para prever Alta_Venda.
• Resultados: Matriz de confusão e relatório de classificação com 100% de precisão, recall e f1-score.

6. Agrupamento K-means

• Aplicação do método do cotovelo para determinar o número ideal de clusters.
• Número ideal de clusters: 3

7. Análise de Clusters

• Médias de Quantidade e Preço para cada cluster:
  • Cluster 0: Quantidade = 0.6623, Preço = 4.346
  • Cluster 1: Quantidade = 0.6961, Preço = 1.3625
  • Cluster 2: Quantidade = 0.1831, Preço = 2.4539

8. Visualização de Clusters

• Gráfico de dispersão dos produtos por quantidade e preço, coloridos por cluster.

9. Validação Cruzada

• Validação cruzada (5-fold) do modelo KNN.
• Média dos scores: 1.0 (modelo extremamente estável).

10. Tomada de Decisão com Base em Clustering

• Cluster 0 (Alta Quantidade, Alto Preço): Aumentar o preço e lançar promoções.

• Cluster 1 (Alta Quantidade, Baixo Preço): Manter o preço e focar em marketing direcionado.

• Cluster 2 (Baixa Quantidade, Preço Médio): Diminuir o preço e lançar promoções.

• Teste t: Comparação dos preços antes e depois das estratégias sugeridas.

  • p-valor: 0.240 (maior que 0.05) → Mudanças de preço não tiveram impacto estatisticamente significativo nas vendas.

---

Referências

• Documentação do Pandas
• Documentação do Scikit-learn
• Documentação do Matplotlib
• Documentação do Seaborn

---