Desenvolvimento de um Painel Gerencial para Negócio com o Streamlit.
Nesse projeto, os conceitos de Programação em Python, manipulação de dados, pensamento estratégico e lógica de negócio, junto com ferramentas de desenvolvimetno web como o Streamlit e Github, foram usados para desenvolver um painel gerencial com as principais métricas de uma empresa marketplace de delivery de comida na India.
O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.
Para acessá-lo basta Clicar
As ferrramentas Utilizadas foram:
- Python.
- Github.
- Terminal.
- Streamlit.
- Jupyter Lab.
- Google Colabs.
- Streamlit Cloud.
- Visual Studio Code - VsCode.
Desenvolvimento de um Painel Gerencial para Marketplace com o Streamlit.
Nesse projeto, os conceitos de sistema de versionamento em Git, pensamento estratégico e lógica de negócio, junto com ferramentas de desenvolvimetno web como o Streamlit e Github, foi usado um dashbord iterativo para auxiliar o CEO da empresa na tomada de decisões, de maneira simples e rápida. O novo CEO terá uma maior gama de informações e métricas relevantes sobre o negócio para elaborar uma reestruturação do planejamento de negócio que poderá levar a um outro patamar, tornando a Xtreme Groovy Bikes Sales uma das melhores empresa de motocicletas no segmento de revenda..
O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.
Para acessá-lo basta Clicar
As ferrramentas Utilizadas foram:
- Git.
- Github.
- Terminal.
- Streamlit.
- Streamlit Cloud.
- Visual Studio Code - VsCode.
Desenvolvimento de um Painel Gerencial para Marketplace de Entrega com o Streamlit.
Nesse projeto, O objetivo principal e traçar perfis individuais para cada clientes com base em seus programas de fidelidade de voos: Star, Nova e Aurora.
A partir desses perfis, foi desenvolvido um modelo capaz de recomendar o programa de fidelidade mais adequado para novos clientes, estimando suas probabilidades de adesão a cada opção.
.
O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.
Para acessá-lo basta Clicar
As ferrramentas Utilizadas foram:
- SQL
- Github.
- Python.
- Terminal.
- Streamlit.
- Streamlit Cloud.
- Machine Learning.
- Visual Studio Code - VsCode.
Projeto de Análise de Cancelamento de Clientes.
O CEO recém contratado de uma renomada empresa com mais de 800 mil clientes. Recentemente a empresa percebeu que da sua base total de clientes,
a maioria são clientes inativos, ou seja, que já cancelaram o serviço.
Nesse projeto o objetivo vai ser fazer análises para verificar onde temos os maiores cancelamentos e os motivos desses cancelamentos.
Com isso vamos poder propor uma solução para diminuir essas quantidades de cancelamentos. .
O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.
Para acessá-lo basta Clicar
As ferrramentas Utilizadas foram:
- Git.
- Github.
- Python.
- Terminal.
- Streamlit.
- Streamlit Cloud.
- Visual Studio Code - VsCode.
Projeto Score de Crédito de Clientes.
Nesse Projeto Vamos verificar as informações em uma base de dados de 100.000 clientes, verificando através do score (pontuação) se é um bom cliente ou não.
Com isso vamos poder propor uma solução para o banco se deve emprestar dinheiro, se ele vai ter crédito entre outros benefícios dentro do banco.
O objetivo é fazer um tratamento na base de dados e criar alguns algoritmos de classificação e verificar qual deles é o melhor.
O resultado final do projeto foi um painel hospedado em um ambiente Cloud e disponibilizado através de um link web. O painel pode ser acessado por qualquer dispositivo conectado na internet.
Para acessá-lo basta Clicar
As ferrramentas Utilizadas foram:
- Python.
- Github.
- Terminal.
- Streamlit.
- Streamlit Cloud.
- Machine Learning.
- Visual Studio Code - VsCode.