Com seus diversos hubs operacionais espalhados pelo Brasil, o Delivery Center é uma plataforma que integra lojistas e marketplaces, criando um ecossistema saudável para vendas de good (produtos) e food (comidas) no varejo brasileiro.
Atualmente temos um cadastro (catálogo + cardápio) com mais de 900 mil itens. Milhares de pedidos e entregas são operacionalizados diariamente com uma rede de milhares de lojistas e entregadores parceiros espalhados por todas as regiões do país.
Tudo isso gera dados e mais dados a todo momento!
Diante disso, nosso negócio está cada vez data driven, ou seja, utilizando dados para tomar decisões e numa visão de futuro sabemos que utilizar os dados de forma inteligente pode ser o nosso grande diferencial no mercado.
Este é o nosso contexto e com ele lhe propomos um desafio em que você possa aplicar seus conhecimentos técnicos objetivando resolver problemas cotidianos de uma equipe de dados.
Observe na figura abaixo um modelo de dados no padrão floco de neve (snow flake).
Este modelo representa, de forma fictícia, dados de pedidos e entregas que foram processados pelo Delivery Center entre os meses de janeiro a abril de 2021.
Note que este é um modelo lógico e está fisicamente disponível em datasets no formato csv, ou seja, cada dataset fisicamente disponível representa uma tabela neste esquema abaixo. Aqui estão os datasets.
Os dados não possuem a completude de toda operação do Delivery Center e algumas informações foram anonimizadas devido ao nosso tratamento com a Lei Geral de Proteção de Dados (LGPD).
- channels: Este dataset possui informações sobre os canais de venda (marketplaces) onde são vendidos os good e food de nossos lojistas.
- deliveries: Este dataset possui informações sobre as entregas realizadas por nossos entregadores parceiros.
- drivers: Este dataset possui informações sobre os entregadores parceiros. Eles ficam em nossos hubs e toda vez que um pedido é processado, são eles quem fazem as entregas na casa dos consumidores.
- hubs: Este dataset possui informações sobre os hubs do Delivery Center. Entenda que os Hubs são os centros de distribuição dos pedidos e é dali que saem as entregas.
- orders: Este dataset possui informações sobre as vendas processadas através da plataforma do Delivery Center.
- payments: Este dataset possui informações sobre os pagamentos realizados ao Delivery Center.
- stores: Este dataset possui informações sobre os lojistas. Eles utilizam a Plataforma do Delivery Center para vender seus itens (good e/ou food) nos marketplaces.
- Desenhe e implemente uma arquitetura de dados que garanta escalabilidade do trabalho realizado, pois a cada dia que passa nosso volume de dados aumenta.
- Imagine que temos interesses distintos na camada de consumo de dados. Business intelligence, cientistas de dados, aplicações real time e usuários de negócio explorando dados para gerar insigths.
- Será muito importante ter uma boa documentação técnica do projeto e também dos dados que serão disponibilizados aos usuários.
- Lembre-se que os datasets disponibilizados já são limitantes para o negócio e um enriquecimento com outros dados será de grande valor para nós.
- Fique livre para criar sua própria abordagem, as dicas acima foram apenas sugestões.
- Desenhe e implemente um conjunto de indicadores (kpi) que melhor expliquem os dados disponibilizados.
- Qual a importância e o impacto desses indicadores para o negócio?
- O que eles representam na prática, como a empresa pode utilizá-los no dia a dia e quais impactos positivos/negativos eles podem gerar?
- Existem outliers, tendências ou comportamentos nesses dados que te chamam a atenção? Quais?
- Você consegue fazer uma classificação técnica desses indicadores? Pense na estrutura da empresa (organograma). Pense se eles são estratégicos, táticos ou operacionais. Eles representam eficiência, eficácia, efetividade ou qualidade?
- Explique suas escolhas técnicas. Porque resolveu adotar a ferramenta A ou B para analisar os dados? Quais as vantagens das ferramentas que você escolheu versus outras que existem no mercado?
- Você consegue aplicar alguma técnica estatística, matemática ou de pesquisa operacional para extrair mais algum valor nesses dados?
- Fique livre para criar sua própria abordagem, as dicas acima foram apenas sugestões.
- Faça um estudo exploratório dos dados. O que você descobriu sobre eles? Qual a relevância das suas decobertas para o negócio?
- Que tal aplicar técnicas de estatística ou pesquisa operacional para extrair algum valor desses dados?
- Desenvolva e implemente pelo menos 2 (duas) diferentes abordagens de modelagem de dados para resolver dois diferentes problemas. Seja criativo(a).
- Estamos interessados na sua forma científica de trabalhar. Pense nisso.
- Fique livre para criar sua própria abordagem, as dicas acima foram apenas sugestões.
- Candidatos que demonstrem um bom storytelling orientado a resolver problemas de negócio.
- Candidatos que demonstrem criatividade, organização, praticidade e objetividade na solução de problemas.
- Que um leigo seja capaz de entender suas decisões e abordagens técnicas/metodológicas.
- Que suas decisões e abordagens sejam explicáveis e tenham algum embasamento teórico.
- Candidatos com excelente "poder de síntese". O tempo está cada vez mais escasso e é importante saber resumir, sem perda de contexto dos dados.
- Inserir link do formulário
- Clonar no github