BanVic — Painel de Dados
Um dashboard no estilo Power BI, porem nativo da web: 5 paginas (Informacoes, Desempenho, Propostas, IPCA e Tempo/dim_dates), com filtros de Ano, Agencia e Cliente que cruzam o relatorio — tudo sobre os dados reais do banco.
Versao revisada do Desafio Lighthouse: os 6 CSV do ERP do BanVic mais o IPCA passam por um ETL em PostgreSQL (schema stg_banvic) e uma camada de staging antes de virarem este painel.
Troque de pagina nas abas, use os filtros de Ano, Agencia e Cliente no topo e passe o mouse nos graficos. Os filtros recalculam o painel inteiro — igual a um relatorio de BI.
Clientes por agencia
Onde esta a base
Clientes por faixa etaria
Perfil demografico
Mapa de clientes
Clientes por estado (mapa coropletico)
Clientes por estado
Distribuicao geografica
Colaboradores por agencia
Alocacao de equipe
Saldo por agencia
R$ mil em carteira
Evolucao da base de clientes
Clientes acumulados por ano
Volume movimentado por mes · todos os anos
R$ mil por mes (exclui dez/22, outlier)
Mix de transacoes
Participacao por tipo
Ticket medio por tipo
Valor medio por transacao (R$)
Volume por agencia
R$ mil movimentados
Inflacao x movimentacao
Volume (barras) vs IPCA mensal (linha) · r = -0,16
Status das propostas
Funil de credito
Propostas por agencia
Volume de pedidos
Distribuicao da taxa de juros
% ao mes
Distribuicao de parcelas
Quantidade de parcelas
Propostas por faixa
Perfil do solicitante
Financiamento vs entrada
Valor medio por faixa etaria (R$ mil)
Inflacao x movimentacao financeira
Volume movimentado (barras) vs IPCA mensal (linha)
Inflacao acumulada no periodo
IPCA composto, % (base 0 no inicio)
Inflacao x saques
Volume de saques (barras) vs IPCA (linha)
Inflacao acumulada em 12 meses
IPCA 12 meses (% ao ano)
O que o IPCA revelou
O enunciado sugeria correlacionar a inflacao com o comportamento dos clientes. Ao cruzar o IPCA mensal com o volume movimentado, a correlacao deu fraca — a inflacao, sozinha, nao explicou a movimentacao no BanVic. O dado externo segue valioso como contexto macro (leitura de saldos, juros e propostas), mas nao sustenta, sozinho, uma previsao de volume. Transparencia > numero bonito.
Tratamento (dim_dates): construi uma dimensao de datas (trimestre, mes, dia-da-semana, mes com/sem "R", par/impar) sobre as transacoes. — Os dias de dump artificial de registros no fim de 2022 foram excluidos para nao distorcer os padroes temporais. Esta pagina responde ao filtro de Ano.
1 · Trimestre
Qual trimestre tem, em media, mais transacoes e maior volume movimentado?
2 · Meses com "R" no nome
Meses com R (janeiRo, abRil...) tem padrao diferente dos sem R (maio, junho, julho, agosto)?
3 · Dia da semana
Qual dia da semana tem, em media, mais transacoes e maior volume?
4 · Meses pares vs impares
Meses pares (Fev, Abr...) tem volume medio maior que os impares?
Outras analises propostas com a dim_dates: (3) dia da semana e (4) par/impar acima; (5) sazonalidade mensal e efeito de feriados; (6) comportamento de inicio vs fim de mes (salarios/contas). Os filtros de Agencia e Cliente nao se aplicam a esta pagina macro.
Painel em Chart.js sobre os dados reais do desafio. Saldo = carteira de contas; volume mensal exclui dez/2022 (registro atipico).
Aprofunde em cada frente
Cada frente de analise tem sua propria pagina com graficos, metricas e insights especificos.