Open to work · RemotoContato
Projeto próprio · Analytics Engineering · End-to-end

E-Commerce Data Platform

Olist Brasil — Dados reais de marketplace

Pipeline de dados end-to-end sobre 100.000+ pedidos reais do e-commerce brasileiro. PostgreSQL + dbt com 4 camadas de modelos, segmentação RFM, retenção por coortes e tendências de receita em SQL puro. CI/CD com GitHub Actions e dashboard publicado em produção.

PostgreSQLdbtPythonDockerGitHub ActionsSQL Window FunctionsRFMCohort Analysis

100k+

pedidos analisados

4

camadas dbt

3

marts analíticos

CI/CD

GitHub Actions

Arquitetura do pipeline

Fluxo completo dos dados brutos do Kaggle até o dashboard em produção.

Raw CSV Files

Kaggle · Olist Brazil Dataset · 9 tabelas relacionais

PostgreSQL

Banco de dados de origem · Docker local

dbt — Staging

stg_orders · stg_customers · stg_products · stg_payments · stg_sellers

dbt — Intermediate

int_orders_enriched · int_seller_performance · lógica de negócio

dbt — Marts

mart_customer_rfm · mart_cohort_retention · mart_revenue_trends

Live Dashboard

Next.js · Vercel · ecommerce-dashboard-puce.vercel.app

Estrutura de modelos dbt

Cada camada tem uma responsabilidade clara. Staging não tem joins; intermediate não é exposto ao dashboard.

staging/

Renomeação, conversão de tipos, deduplicação. Fonte única da verdade.

▸stg_orders
▸stg_customers
▸stg_products
▸stg_sellers
▸stg_payments
▸stg_reviews
intermediate/

Joins e lógica de negócio. Não exposto ao dashboard.

▸int_orders_enriched
▸int_seller_performance
marts/

Tabelas analíticas finais. Consumidas pelo dashboard.

▸mart_customer_rfm
▸mart_cohort_retention
▸mart_revenue_trends

SQL — Modelos principais

Os três marts analíticos do projeto. Clique para expandir o código.