Skip to content

Latest commit

 

History

History
59 lines (49 loc) · 3.85 KB

README.md

File metadata and controls

59 lines (49 loc) · 3.85 KB

Descrição do caso

Um grupo empresarial de vendas de eletrodomésticos com extensão nacional possui milhares de Parceiros Comerciais filiados que compram os produtos da sede e realizam a venda destes. Durante uma campanha de marketing de fim de ano, a sede definiu metas de vendas com premiações para todos os Parceiros Comerciais(PCs) com base no volume de vendas durante o mês de março de 2024.

No fechamento da campanha foi observado que vários desses PCs fizeram vendas de eletrodomésticos com valores muito abaixo dos definidos pela matriz. O preço mínimo de um eletrodoméstico no catálogo seria de R$100,00 e mesmo assim tiveram vendas de R$10,00 e até R$5,00.

Para realizar a análise temos como base uma base de dados SQLite (historico_diario.db) que possui duas tabelas. Uma tabela em SQL contendo os lançamentos de vendas de todas os PCs chamada fechamento_campanha. Esta tabela possui somente as colunas de:

  • id_nome: nome-único do PC;
  • n_vendas: número total de vendas do PC;

Existe também uma tabela contendo o histórico de fechamentos de caixa de todas as PCs, com o valor total vendido no dia em cada PC. As colunas dessa tabela são:

  • fechamento_id: chave primária com o id do fechamento (auto_increment);
  • valor_diario: o valor total diário de vendas do PC em reais;
  • nome_pc: nome-único do PC;
  • data_fechamento: data e hora do fechamento de caixa no formato (YYYY-MM-DD HH:mm:ss);

Exemplo das tabelas

Tabela de resultado da campanha de Março/2024 (fechamento_campanha)

id_nome n_vendas
$PC_1$ 5000
$PC_2$ 10000
$PC_3$ 40000

Tabela histórica de fechamentos de caixa diários (historico_diario)

fechamento_id nome_pc valor_diario data_fechamento
... ... ... ...
101 $PC_1$ 100 2022-03-01 23:59:02
102 $PC_2$ 100 2022-03-01 23:59:05
... ... ... ...
466 $PC_1$ 100 2024-03-01 23:59:00
467 $PC_2$ 200 2024-03-01 23:59:01
468 $PC_3$ 400 2024-03-01 23:59:10
469 $PC_1$ 300 2024-03-02 23:59:10
470 $PC_2$ 299 2024-03-02 23:59:19
471 $PC_3$ 599 2024-03-02 23:59:18

Objetivo

Nesse caso não houve nenhum dano financeiro à matriz pois o fechamento de caixa ficou igual o valor transacionado, no entanto a campanha foi prejudicada. O intuito desta investigação post-mortem é:

  • Analisar o volume de vendas: Desenvolver um código SQL que traria os possíveis casos de vendas falsificadas;
  • Comparar as vendas desse ano (2024) com as do ano passado (2023): Desenvolver código SQL que faria essa comparação;
  • Entender o objetivo dessas vendas;
  • Sugerir mudanças do processo, tanto para impedir fraudes quanto para fazer novas campanhas de marketing;
  • Sugerir monitoramentos possíveis para evitar estes casos no futuro.

Perguntas

No que serei avaliado?

  • Olhar crítico da situação;
  • Compreensão de casos de fraude;
  • Desenvolvimento de queries SQL;
  • Sugestões de melhoria de processo e de monitoramento;
  • Criatividade: caso tenha alguma solução ou sugestão que não foi abordada no case, sinta-se a vontade para desenvolver.

O código precisa rodar no arquivo de banco de dados disponibilizado?

Não, o arquivo disponibilizado é para que você teste o que fez. Não vamos rodar seus códigos, a explicação do seu processo para construção da solução é o que estamos interessados.

Terei a chance de explicar minhas decisões?

Sinta-se à vontade para comentar seu processo. Discutiremos as escolhas que você fez na entrevista.