BI de Vendas Omnichannel

O problema

Gestores de marcas omnichannel tomam decisão com dado defasado, incompleto e fragmentado:

• Vendas físicas vêm do ERP (TOTVS, Linx) com lag de 24-48h
• Vendas online estão no Shopify/VTEX em outro silo
• Marketplaces (ML, Amazon) só consolidam no fim do mês
• Cada canal tem nomenclatura própria de SKU, frete, categoria

Resultado: planilhas Excel manuais, números que não batem entre relatórios, decisões de compras e estoque feitas no escuro.

A solução

Um modelo semântico unificado em Power BI alimentado por pipeline em Azure Data Factory + Snowflake. Atualização a cada 15 minutos, com drill-down por loja, SKU, categoria, marca, vendedor.

O que entrega

Dashboards prontos

• Vendas consolidadas (canais empilhados, GMV vs receita líquida, lift de campanhas)
• Ranking de SKU (top-100 e bottom-100 por categoria/canal)
• Performance por loja física (com geo-mapa de Brasil)
• Funil omnichannel (online → retira na loja, troca em loja, etc.)
• Cohort de clientes (LTV por origem, recompra, churn)

Modelagem

• Star schema otimizado para DAX (medidas reutilizáveis)
• Row-level security por loja (gerente regional só vê suas lojas)
• Histórico completo (sem perda de 90 dias do Shopify)

Stack

• Ingestão: Azure Data Factory (pipelines no-code) + Python adapters para casos custom
• Warehouse: Snowflake (tier mínimo XS já dá conta) ou BigQuery
• Visualização: Power BI com modelo semântico publicado
• Refresh: a cada 15 min via DirectQuery + cache local

Integrações

• E-commerce: Shopify, VTEX, Magento 2, WooCommerce
• ERP: TOTVS (Protheus, RM), Linx (POS, ERP), Bling, Tiny
• Marketplaces: Mercado Livre, Amazon, B2W, Magalu
• CRM: Salesforce, HubSpot, RD Station

Métrica de impacto

Cliente fashion premium (4 marcas, 38 lojas + 3 e-commerces):

• Redução de 70% no tempo gasto compilando relatórios mensais
• Identificação de R$ 1.4M em estoque "morto" no 1º trimestre
• Decisão de compras que antes levava 2 semanas agora vira em 2 dias

Tempo de implementação

4-6 semanas dividido em:

• Sprint 1: pipeline de ingestão + modelagem base
• Sprint 2: dashboards principais + row-level security
• Sprint 3: training do time + ajustes finos