Geração de Dados Fictícios para Análise de Dados

Este projeto visa gerar dados fictícios para simular um ambiente de análise de dados contendo informações de: leads, clientes e transações.

Estrutura das tabelas

Tabela leads

Esta tabela contém dados de possíveis clientes. São pessoas que, de alguma maneira, entraram em contato conosco ou abordamos de forma ativa. Este processo de lead possui algumas etapas e segue um workflow: prospecção -> qualificação -> proposta -> fechamento, podendo haver o abandono/desistência a qualquer momento. Quando o lead chega em fechamento ele se torna um cliente.

• lead_id: Identificador único do lead.
• data_entrada: Data de entrada do lead no funil.
• data_transicao_prospecao: Data de transição para a etapa de Prospecção.
• data_transicao_qualificacao: Data de transição para a etapa de Qualificação.
• data_transicao_proposta: Data de transição para a etapa de Proposta.
• data_transicao_fechamento: Data de transição para a etapa de Fechamento.
• etapa_atual: Etapa atual do lead no funil.

Tabela clientes

Esta tabela contém dados de clientes. São pessoas que de fato efetuaram uma compra.

• cliente_id: Identificador único do cliente.
• data_aquisicao: Data da primeira compra.
• receita_mensal: Valor da mensalidade paga.
• data_cancelamento: Data de cancelamento do cliente (se aplicável).
• industria: Segmento do cliente.

Tabela transacoes

Esta tabela contém dados de pagamentos dos clientes referente o serviço prestado. O serviço em si, possui recorrência mensal de pagamento (mensalidades).

• transacao_id: Identificador único da transação.
• cliente_id: Identificador do cliente relacionado à transação.
• tipo_transacao: Tipo de transação (nova venda, upsell, downsell, cross-sell, recorrente).
• valor_transacao: Valor da transação.
• data_transacao: Data da transação.

Sobre o atributo tipo_transacao:

Este atributo qualifica a transação, sendo:

• nova venda: primeira compra do cliente.
• upsell: aumento (R$) de plano de um produto contratado.
• downsell: redução (R$) de plano de um produto contratado.
• cross-sell: aquisição de um novo produto.
• recorrente: mensalidade comum (no caso, manteve o mesmo formato de contratação do mês anterior.)

Pré-requisitos

Para executar este projeto, foi utilizado a versão 3.12.3 do Python e você precisará das seguintes bibliotecas:

• pandas
• numpy
• faker

Essas bibliotecas estão listadas no arquivo requirements.txt e podem ser instaladas conforme explicado nas seções seguintes.

Instalação

1. Clone o repositório:

git clone https://github.com/franc-felipe/fakercom.git
cd fakercom

2. Crie e ative um ambiente virtual:

python -m venv .venv
source .venv/bin/activate  # No Windows, use `.venv\Scripts\activate`

3. Instale as dependências:

pip install -r requirements.txt

Estrutura do código

São 4 arquivos python que encontram-se na pasta app.

app
├── clientes.py
├── leads.py
├── ingest.py
└── transacoes.py

Executando o Projeto

Para gerar os dados fictícios e salvá-los em arquivos CSV, siga os passos abaixo:

1. Execute o arquivo leads.py:

python leads.py

2. Execute o arquivo clientes.py:

python clientes.py

3. Execute o arquivo transacoes.py:

python transacoes.py

4. Este passo é opcional. O objetivo do arquivo ingest.py é fazer a carga destes dados em csv, num banco de dados. Para isso, você necessita editar os dados de acesso no arquivo (linhas 6 à 10).

Após a edição, execute:

python ingest.py