Contexto
Este relatório apresenta uma análise exploratória (EDA) do desempenho logístico de uma empresa de e-commerce. O conjunto de dados foi retirado do Kaggle, disponível em E-Commerce Shipping Data. O objetivo desta análise foi identificar padrões e tendências relacionadas ao processo de entrega dos produtos, visando otimizar a eficiência logística e melhorar a satisfação do cliente.
Objetivo
O principal objetivo foi entender como fatores como armazém, modos de envio, prioridade do produto e avaliação dos clientes influenciam nos atrasos de entrega e no desempenho logístico. O dashboard desenvolvido no Power BI permite visualizar esses dados e extrair insights para melhorar os processos logísticos da empresa.
Principais Resultados e Insights
-
Produtos por Armazém e Atrasos:
- O armazém F armazenou o maior número de produtos, com 3.666 unidades. Enquanto os blocos A, B, C e D têm quantidades muito similares de produtos (~1833), o que sugere uma distribuição balanceada nesses casos. Essa diferença discrepante, do bloco F com os outros, pode indica que ele é o mais estratégico para a logística ou que existe um desequilíbrio na distribuição de mercadorias pelos blocos, o que pode gerar sobrecarga e ineficiências na logística desse bloco.
- A taxa de produtos com atraso (True) é elevada em todos os blocos, com aproximadamente 60%. Isso indica que a maioria dos produtos enfrentam atraso na entrega independentemente do bloco de armazém, e isso pode ser um problema na logística operacional, com uma combinação de fatores, como processos lentos, excesso de pedidos, ou até mesmo problemas no transporte.
-
Modos de Envio e Atrasos:
- O transporte marítimo (Ship) é responsável por ~68% dos envios, o que é significativamente maior que os outros modos (Flight e Road). A utilização predominante do transporte marítimo pode estar ligada a custos operacionais, visto que o envio por navio é geralmente mais barato para grandes volumes, mas tem um tempo de entrega maior.
- A empresa pode estar priorizando a eficiência de custos em vez da velocidade de entrega, mas, caso os atrasos estejam prejudicando a satisfação dos clientes, pode ser interessante reavaliar essa estratégia.
- As proporções de atraso são bastante semelhantes entre os diferentes modos de envio, com uma variação de ~2%. A diferença não é significativa o suficiente para considerar que um modo de envio é mais propenso a atrasos do que os outros.
-
Prioridade do Produto e Atrasos:
- A logística da empresa, em termos gerais, enfrenta um problema com entregas pontuais, independentemente da prioridade do produto. O maior desafio é com produtos de alta prioridade, que apresentam a maior taxa de atraso em comparação com as outras, e podem causar impacto significativo para os clientes e para o negócio.
- Isso pode indicar um possível gargalo logístico ou uma falha na priorização desses itens. Portanto, uma revisão dos processos logísticos e priorização pode ser necessária, principalmente para produtos de alta prioridade, visando melhorar a eficiência e melhorar às expectativas dos clientes.
-
Avaliação dos Clientes e Atrasos:
- As avaliações dos clientes são equilibradas entre 1 e 5, com apenas pequenas variações no número de avaliações de cada nota. Isso indica que a experiência dos clientes é variada e não está fortemente inclinada para um lado específico. A nota mediana (3) sugere uma experiência neutra para muitos clientes.
- A taxa de atraso é relativamente alta e consistente entre as diferentes notas de avaliação. Isso pode indicar que tanto os clientes que estão extremamente insatisfeitos quanto os que estão extremamente satisfeitos experienciam um número considerável de atrasos. Mesmo os clientes que avaliam com as notas mais altas (5) têm uma taxa de atraso comparável à dos clientes que avaliam com notas mais baixas (1).
- Melhorar a pontualidade das entregas pode ter um impacto positivo geral na satisfação do cliente, ajudando a transformar avaliações medianas em positivas e reduzir a insatisfação associada aos atrasos.
- Gênero dos Clientes: As vendas foram quase igualmente distribuídas entre homens (M) e mulheres (F), com uma leve vantagem para o gênero feminino, que representou 50,41% dos produtos vendidos.
-
Distribuição de Peso dos Produtos:
- A maioria dos produtos está nas faixas de peso mais baixas ou intermediária (entre 1000g e 6000g), representando quase 74% do total. Isso sugere que a empresa lida predominantemente com produtos mais leves ou de peso intermediário.
- As faixas de peso superiores (6001-7000+ g) têm uma presença muito pequena, indicando que esses produtos não representam uma grande parte do estoque da empresa.
- Compras Anteriores por Número de Clientes: Clientes que realizaram 2 e 3 compras anteriores compõem a maior parte do total de compras. Isso sugere uma possível oportunidade para melhorar a fidelização desses clientes.
Mais Informações sobre o Dashboard:
Metodologia
O Power BI foi utilizado para a criação do dashboard e facilitar a análise visual das métricas selecionadas. Foram incluídos gráficos que investiga a distribuição de produtos por armazém, modos de envio, taxa de atrasos, priorização de produtos, avaliações dos clientes e compras anteriores.
Descrição dos Dados:
O conjunto de dados contém os seguintes campos:
- id: Identificação única dos clientes.
- warehouse_block: Bloco do armazém onde o produto está armazenado.
- mode_of_shipment: Modo de envio (navio, avião ou rodoviário).
- customer_care_calls: Número de chamadas feitas ao atendimento ao cliente.
- customer_rating: Classificação do cliente (1 = pior, 5 = melhor).
- cost_of_the_product: Custo do produto em dólares.
- prior_purchases: Número de compras anteriores.
- priority: Prioridade do produto (baixa, média ou alta).
- gender: Gênero do cliente (Masculino ou Feminino).
- discount_offered: Desconto oferecido no produto.
- weight_in_gms: Peso do produto em gramas.
- exceeded_deadline: Informa se o prazo de entrega do produto foi excedido, onde TRUE indica que chegou atrasado, e FALSE indica que chegou no prazo.
Ferramentas Utilizadas:
Para a construção do dashboard, foram utilizadas as seguintes ferramentas:
- Python: Para a Análise Exploratória de Dados (EDA), limpeza e manipulação do dataset.
- Jupyter Notebooks para a análise e visualização dos dados.
- Power BI para a criação do dashboard interativo e medidas calculadas, como OTIF (On-Time In Full).
- GitHub: Para documentação e versionamento do projeto.