Analisando 100 mil pedidos do Olist com Python, Pandas e Machine Learning

O projeto

O Olist Dashboard é uma análise interativa de ~100 mil pedidos reais do marketplace Olist, cobrindo o período de 2016 a 2018 no Brasil. O objetivo: transformar dados brutos em insights acionáveis usando Python, Pandas e Machine Learning.

Acesse em: olist.catiteo.com

O dataset é público no Kaggle (licença CC BY-NC-SA 4.0) e contém 9 tabelas relacionais com pedidos, clientes, produtos, vendedores e avaliações — um dos datasets mais ricos de e-commerce brasileiro disponíveis.

As 5 análises do dashboard

1. KPIs Gerais

Painel executivo com os números que mais importam: receita total, quantidade de pedidos, ticket médio, nota média de avaliação, prazo médio de entrega e métodos de pagamento preferidos.

2. Mapa Geográfico

Um choropleth interativo do Brasil mostrando a distribuição de receita por estado. Imediatamente visível: SP, RJ e MG concentram a maior parte do volume, mas estados do Sul têm ticket médio mais alto.

import plotly.express as px

fig = px.choropleth(
    df_states,
    geojson=brazil_geojson,
    locations="state_code",
    color="revenue",
    color_continuous_scale="Viridis",
    title="Receita por Estado"
)

3. Segmentação RFM com K-Means

Essa é a parte mais interessante do projeto. A análise RFM (Recência, Frequência, Valor Monetário) classifica cada cliente em um dos 4 perfis usando K-Means com k=4:

Segmento	Característica
Champions	Compraram recentemente, com frequência e gastam muito
Loyal	Compram com frequência e bom valor
At Risk	Eram bons clientes mas sumiram
Lost	Compraram uma vez, há muito tempo, pouco valor

from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler

rfm = df.groupby("customer_id").agg({
    "order_purchase_timestamp": lambda x: (reference_date - x.max()).days,
    "order_id": "count",
    "payment_value": "sum"
})

scaler = StandardScaler()
rfm_scaled = scaler.fit_transform(rfm)

kmeans = KMeans(n_clusters=4, random_state=42)
rfm["cluster"] = kmeans.fit_predict(rfm_scaled)

O resultado revelou que apenas 8% dos clientes são Champions, enquanto 47% são Lost — compraram uma vez e nunca mais voltaram. Isso explica por que o Olist investiu pesado em retenção pós-2018.

4. Análise de Cohort

Heatmap de retenção mensal mostrando qual porcentagem de clientes de cada mês volta a comprar nos meses seguintes. A conclusão: taxa de retenção média de apenas 3% — típico de marketplace generalista no Brasil.

5. Categorias e Entrega

Top 15 categorias por receita e um scatter plot mostrando a relação entre prazo de entrega e nota de avaliação. Resultado: cada dia a mais na entrega reduz a nota em ~0,15 ponto.

Arquitetura: Python gerando HTML estático

O projeto usa uma abordagem inusitada — não há servidor web nem Streamlit rodando. Um script Python processa os dados e usa Jinja2 para gerar um único index.html com todos os gráficos Plotly embutidos.

python download_dataset.py   # Baixa os CSVs do Kaggle
python build.py              # Processa e gera output/index.html

O arquivo final é hospedado no Cloudflare Pages como HTML estático. Sem backend, sem custo.

Stack técnica

Linguagem:      Python 3.12
Dados:          Pandas 2.x + NumPy
Visualização:   Plotly (gráficos interativos embutidos no HTML)
ML:             scikit-learn (K-Means para segmentação RFM)
Templating:     Jinja2
Dataset:        Olist / Kaggle (~100k pedidos, 9 tabelas)
Deploy:         Cloudflare Pages (HTML estático)

O que aprendi

Segmentação RFM é simples e poderosa. Três métricas, um algoritmo de clustering, e você tem uma visão clara de quem são seus melhores e piores clientes. É uma das análises mais práticas do arsenal de data science.

Dados reais são bagunçados. O dataset do Olist tem pedidos cancelados no meio, endereços inconsistentes e timestamps fora de ordem. Boa parte do trabalho foi limpeza e validação antes de qualquer análise.

Gerar HTML estático é subestimado. Para dashboards que não precisam de dados em tempo real, gerar um index.html com Plotly embutido é a solução mais simples, performática e barata possível.

Código e demo

Código no GitHub e demo ao vivo em olist.catiteo.com.