Rerisson Moura | Dashboard Comercial Power BI

01 — Resumo

O que foi construído

Cenário anterior

As empresas (distribuidor e atacadista) operavam com um mix de planilhas Excel e relatórios brutos do ERP. Preparar um relatório para reunião consumia horas — e mesmo assim chegava incompleto, sem cruzamento entre vendas, estoque e investimento trade.

Solução

Plataforma Power BI com 6 módulos integrados e atualização diária automática — conectando vendas, equipe comercial, clientes, estoque, trade e bases operacionais em um único ambiente navegável por todos os níveis da empresa.

Depois da implementação

Da equipe comercial operacional ao nível de diretoria executiva, todos passaram a acessar os mesmos dados em tempo real. Decisões estratégicas que antes levavam horas ou até dias para serem discutidas baseadas em dados esparsos passaram a ser tomadas e estruturadas em minutos — com drill-down instantâneo até o nível de cliente, produto e dia.

+R$2B+ acumulados

analisados

+300 mil

/ano em rentabilidade gerada

100+

usuários ativos

50+

indicadores estratégicos

600+

Métricas Analíticas

Complexidade do modelo em produção

O modelo analítico em produção foi estruturado para suportar alta complexidade de análises comerciais, com mais de 600 métricas, dezenas de tabelas integradas e regras específicas para diferentes áreas do negócio.

Essa estrutura permite análises detalhadas por cliente, produto, região e equipe, garantindo maior precisão na tomada de decisão e identificação de oportunidades comerciais.

Recursos avançados aplicados

Inteligência temporal

Análises YTD, MTD e YOY para acompanhamento contínuo de performance
Comparações históricas automatizadas para identificação de tendências
Uso de funções temporais para projeções e análises evolutivas

Modelagem e cálculos avançados

Construção de métricas complexas em DAX para suportar regras de negócio e decisões comerciais
Agregações dinâmicas e análises cruzadas entre múltiplas dimensões
Estruturação de mais de 100 indicadores para diferentes áreas do negócio

Automação e distribuição

Geração automatizada de relatórios (PDF e Excel) com distribuição via e-mail para diferentes níveis da operação
Atualização incremental de dados, garantindo performance e escalabilidade
Navegação interativa com botões e experiências guiadas dentro do dashboard

Visão geográfica de clientes

Tooltips customizadas

Experiência interativa p/ perfis

Esses recursos permitem transformar dados complexos em análises acessíveis, mantendo alta performance e suportando decisões em tempo real.

02 — Impacto

Operações de grande escala

Projeto iniciado em 2019, evoluído ao longo de múltiplas versões até se tornar a principal plataforma analítica das operações
Escala atual alcançada:
- +R$800 milhões/ano mapeados
- +30.000 clientes monitorados
- +600 vendedores ativos na ponta
- Integração entre 14 estados + DF

+R$300 mil/ano

Rentabilidade adicional via programas de excelência

(Unilever, Reckitt, Colgate, Nivea, Mondelez)

+30%

Retorno financeiro acelerado em PDVs que absorveram ou acompanharam de perto os programas

+50%

Aumento de até 50% na performance de clientes acompanhados

* Valores estimados com base em resultados observados operacionalmente. Não constituem garantia de retorno.

Cenário Anterior

Relatórios preparados manualmente, consumindo algumas horas antes de cada reunião
Mix de planilhas Excel + extrações brutas do ERP — sem cruzamento automático entre as fontes
Clientes perdidos e oportunidades de recuperação identificados com dias de atraso — quando eram identificados
Saldo de conta corrente trade e gestão de estoque tratados em silos separados, sem visão integrada
Dados de performance de vendedores acessíveis apenas para a gestão — equipe comercial operava sem visibilidade própria

Depois da Implementação

Reuniões com dados já disponíveis e atualizados — sem preparação prévia, sem planilha intermediária
Todos os níveis — vendedor, supervisor, gerente e diretor — acessando os mesmos dados em tempo real
Clientes sem compra, em queda ou recuperados identificados instantaneamente, com drill-down por vendedor e cidade
Estoque, trade e vendas integrados — uma plataforma, uma visão, atualização diária automática
Equipe comercial usando ativamente — dados viraram ferramenta de trabalho, não só relatório de cobrança

Transformação completa do modelo de análise: de relatórios manuais para decisões em tempo real.

Horas → Segundos

Preparação de relatório de reunião deixou de consumir horas de trabalho manual

Decisões mais rápidas

Ciclo de análise encurtado — perguntas respondidas na reunião, não depois dela

Adoção em todos os níveis

Do vendedor ao diretor — a plataforma substituiu e-mails, planilhas e relatórios impressos

Clientes perdidos visíveis

Identificação imediata de clientes sem compra, em queda ou recuperados — com filtro por vendedor e cidade

Trade sob controle

Saldo de conta corrente por fornecedor, extrato de débitos e promoções — antes dispersos em e-mails e planilhas

+50h/mês economizadas

Automação radical de horas em análises operacionais que anteriormente eram feitas repetitivamente à mão por analistas

Linha do Tempo

Evolução do projeto

2019

Primeiros relatórios manuais em Excel, modelos de acompanhamento de vendas e positivações por vendedor

2020

Criação do banco analítico PostgreSQL com TI — estruturação das primeiras tabelas fato e dimensões (vendas, mercadorias, clientes, vendedores, estoque_dia)

Primeiro dashboard Power BI com YTD, YoY, metas e positivações em tempo real (D-1)

2021

Primeiro dashboard Power BI para equipe da atacadista (diretores, marketing, compradores, gestores regionais)

Expansão para equipe comercial com RLS

2022

Implementação de acompanhamentos individualizados por vendedor — MSL, metas vs resultado, clientes sem compra, histórico

2023

Implementação dos programas de excelência com envio diário para gestão e executivos das indústrias

2024

Implementação do report building com envio automatizado de PDFs e Excel

Atual

Plataforma consolidada com 6 módulos, 30+ visões e atualização diária — implementada em um distribuidor e um atacadista, monitorando R$800M/ano

03 — Arquitetura

Fluxo de dados

┌─────────────────────────────────────────────────────────────────────────────────────┐
│                                   FONTES DE DADOS                                   │
│                                                                                     │
│   ┌──────────────┐     ┌──────────────┐     ┌──────────────┐                       │
│   │  PostgreSQL  │     │  Excel / CSV │     │  Outras      │                       │
│   │  (ERP/Banco) │     │  (Manuais)   │     │  Fontes      │                       │
│   └──────┬───────┘     └──────┬───────┘     └──────┬───────┘                       │
│          └────────────────────┴────────────────────┘                                │
│                                     │                                               │
└─────────────────────────────────────┼───────────────────────────────────────────────┘
                                      │
                         ┌────────────▼────────────┐
                         │    TRATAMENTO DE DADOS   │
                         │                          │
                         │  Python  │  Power Query  │
                         │  (ETL)   │  (M Language) │
                         └────────────┬─────────────┘
                                      │
                         ┌────────────▼────────────┐
                         │      MODELAGEM           │
                         │   Star Schema / DAX      │
                         │   Tabelas Fato + Dim     │
                         └────────────┬─────────────┘
                                      │
                         ┌────────────▼────────────┐
                         │       POWER BI           │
                         │    6 Módulos / 30+       │
                         │    Visões interativas    │
                         └─────────────────────────┘

Diferencial Técnico

O maior desafio da modelagem foi a integração de pedidos faturados e não faturados. Como o banco de dados original (PostgreSQL) possuía limitações estruturais que impediam a união nativa das duas bases, criamos uma solução inteligente e manual (merge de fontes) garantida pela etapa iterativa entre Python e Power Query, entregando 100% de visão sobre o pipeline da empresa, permitindo uma visão completa da operação — algo que não era possível no sistema original.

Fontes de dados múltiplas

Ingestão a partir de PostgreSQL (ERP), arquivos Excel e CSV — cada fonte com tratamento específico de schema, encoding e tipagem antes de entrar no pipeline.

Tratamento em Python + Power Query

Limpeza, anonimização e transformações pesadas feitas em Python (pandas). Power Query (linguagem M) cuida das transformações incrementais e combinações de fontes dentro do Power BI.

Modelagem Star Schema

Estruturação dimensional com tabelas fato (Vendas) e dimensões (Clientes, Vendedores, Mercadorias, Calendário) — garantindo performance de cálculo e flexibilidade nos filtros cruzados.

Visualização interativa no Power BI

6 módulos com 30+ visões, filtros dinâmicos cruzados, drill-down até nível de produto e cliente — pensados para autonomia do gestor sem dependência de TI ou analista.

04 — Análise

Como funciona na prática

Três pilares fundamentais da inteligência de mercado aplicada através da linguagem estruturada DAX.

Cálculo YTD (Year to Date)

Medida inteligente que acumula faturamento base desde o dia 1 inicial do ano de operação até a exata data limite filtrada pelo usuário de mercado.

Faturamento_YTD = 
CALCULATE(
    [Faturamento_Total],
    DATESYTD('dCalendario'[Data])
)

Comparação YoY (Ano vs Ano)

Métrica temporal base elaborada para checar imediatamente se a performance final analisada cresceu comparada ao mesmo equivalente passado.

Faturamento_YoY_% = 
VAR FaturamentoAnoAnterior = CALCULATE([Faturamento_Total], SAMEPERIODLASTYEAR('dCalendario'[Data]))
RETURN
DIVIDE([Faturamento_Total] - FaturamentoAnoAnterior, FaturamentoAnoAnterior, 0)

Análise por dimensões (Star Schema)

Relacionamentos construídos perfeitamente e alinhados num ecossistema bidirecional que permitem filtros cruzados e cruzamento de granularidade (Market filtering).

// Lógica de modelagem de entidades associativas cruzadas
Fato_Vendas
  ├─ dCliente     → (Região, Segmento, Cadastro)
  ├─ dFornecedor  → (Marca, Linha de Produto)
  └─ dVendedor    → (Unidade, Lojas Físicas)

// Fluxo comportamental imediato no painel:
// Ao clicar [Fornecedor X], filtra YTD dinâmico ranqueado pros seus Vendedores.

05 — Stack

Tecnologias utilizadas

Core

Power BI

Desenvolvimento front
PostgreSQL

Motor de banco de dados

Bibliotecas / Motores

DAX (Data Analysis)

Linguagem de medidas
Power Query (M)

Transformação de dados (ETL)

Infraestrutura

Pipeline Gateway

Atualização agendada
Conexão Direct/Import

Leitura sincronizada origem

Explore agora

Quer ver o dashboard em ação?

Acesse o relatório completo ou entre em contato para entender como aplicar essa solução avançada no seu negócio.

Acessar dashboard

Ver outros projetos

Plataforma de Decisão Comercial em Power BI