Skip to content
BranchesTags

Repository files navigation

Projeto de Engenharia de Dados | Pipeline ELT para a TechStyle Commerce

Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards para análise de negócio.

📌 Visão Geral do Projeto

A TechStyle Commerce, um e-commerce de eletrônicos, enfrentava desafios com dados descentralizados e processos manuais de geração de relatórios. Este projeto soluciona esse problema através da construção de um pipeline de dados ELT (Extract, Load, Transform) que centraliza, processa e modela os dados de vendas, clientes e produtos em um Data Warehouse, servindo como uma fonte única da verdade (Single Source of Truth).

O resultado final é um Data Mart confiável que alimenta um dashboard de BI, permitindo que a equipe de análise tome decisões estratégicas baseadas em dados consistentes e atualizados.

🎯 Objetivos do Projeto

  • Centralizar Dados: Unificar dados de diferentes fontes (pedidos, pagamentos, clientes, produtos) em um único local.
  • Automatizar Processos: Criar um fluxo de trabalho orquestrado que executa as etapas de ingestão e transformação de forma agendada e automática.
  • Modelagem Dimensional: Estruturar os dados em um modelo dimensional (Star Schema) com tabelas Fato e Dimensão para otimizar consultas analíticas.
  • Garantir a Qualidade dos Dados: Implementar testes para validar a integridade, consistência e regras de negócio dos dados.
  • Democratizar o Acesso aos Dados: Disponibilizar os dados tratados para a área de negócio através de uma ferramenta de Business Intelligence.

Diagrama da Arquitetura

A solução foi desenhada para ser modular, escalável e baseada em tecnologias open-source amplamente utilizadas no mercado.

+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+
| Fontes de Dados| -> | Data Lake | -> | Ingestão (Python) | -> | Data Warehouse | -> | Transformação (dbt) | -> | Camada Analítica| -> | Ferramenta de BI |
| (Arquivos CSV) | | (File System) | | (Orquestrado com | | (PostgreSQL) | | (SQL) | | (Marts) | | (Metabase) |
| | | | | Airflow) | | | | | | | | |
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+

📊 Demonstração: Dashboard de Análise de Vendas

O dashboard final permite uma visão clara dos principais KPIs (Key Performance Indicators) do negócio, como receita mensal, distribuição de clientes e performance de produtos.

🚀 Como Executar o Projeto

Pré-requisitos

Passos para Instalação

  1. Clone o repositório:

    git clone [https://github.com/seu-usuario/nome-do-repositorio.git](https://github.com/seu-usuario/nome-do-repositorio.git)
cd nome-do-repositorio

  2. Configure as variáveis de ambiente: Se houver um arquivo .env.example, renomeie-o para .env. Caso contrário, crie um arquivo .env e configure as variáveis necessárias (como senhas para o PostgreSQL).

  3. Suba os contêineres Docker: Este comando irá construir as imagens e iniciar todos os serviços (Airflow, PostgreSQL, Metabase).

    docker-compose up -d --build

  4. Acesse o Airflow:

    • Abra seu navegador e acesse http://localhost:8080.
    • Use o login e senha padrão (airflow/airflow).
    • Ative a DAG dag_pipeline_techstyle no painel principal para iniciar o pipeline.

  5. Acesse o Metabase e configure o Dashboard:

    • Acesse http://localhost:3000.
    • Siga os passos de configuração inicial.
    • Adicione uma nova conexão de banco de dados, apontando para o container do PostgreSQL. Use as credenciais definidas no docker-compose.yml ou no seu arquivo .env. O nome do host do banco de dados será o nome do serviço no Docker Compose (ex: postgres_dw).
    • Comece a criar suas perguntas e seu dashboard!

🛠️ Tecnologias, Arquitetura e Ferramentas Utilizadas

A seguir, uma lista das principais tecnologias e conceitos aplicados neste projeto:

⚙️ Infraestrutura e Orquestração

  • Docker & Docker Compose: Containerização de todos os serviços para garantir um ambiente de desenvolvimento e produção consistente e isolado.
  • Apache Airflow: Ferramenta open-source para orquestrar, agendar e monitorar os workflows de dados (DAGs).
  • PostgreSQL: Utilizado tanto como backend para o Airflow quanto como o Data Warehouse analítico para armazenar os dados tratados.

📊 Processamento e Modelagem de Dados

  • Python: Linguagem principal para os scripts de ingestão de dados, utilizando a biblioteca Pandas para manipulação e leitura dos arquivos.
  • dbt (data build tool): Ferramenta para a etapa de transformação (T) do ELT. Permite construir modelos de dados com SQL de forma modular, testável e documentada.
  • SQL: Linguagem utilizada para todas as transformações, agregações e modelagem de dados dentro do dbt.

📈 Visualização de Dados

  • Metabase: Ferramenta de Business Intelligence open-source, de fácil configuração, utilizada para criar o dashboard final e democratizar o acesso aos dados.

🏛️ Arquitetura e Conceitos

  • ELT (Extract, Load, Transform): Paradigma moderno de data integration onde os dados brutos são primeiro carregados no Data Warehouse e transformados posteriormente.
  • Data Lake (simulado): Utilização do sistema de arquivos local para armazenar os dados brutos (raw data) antes do processamento.
  • Data Warehouse: Banco de dados relacional otimizado para consultas analíticas (OLAP).
  • Modelagem Dimensional (Star Schema): Metodologia para organizar os dados em tabelas Fato (eventos, métricas) e Dimensão (contexto, atributos), facilitando a análise.
  • Qualidade de Dados (Data Quality): Implementação de testes automatizados com dbt test para garantir a confiabilidade dos dados no Data Mart.

🔧 Ferramentas e Boas Práticas

  • Git & GitHub: Sistema de controle de versão para gerenciamento do código-fonte e documentação.
  • Visual Studio Code: Editor de código com extensões para Docker, Python e SQL.

🗺️ Roadmap (próximos passos do andamento do projeto)

  • ✅ Definição do Problema e Arquitetura
  • ✅ Configuração do Controle de Versão
  • ✅ Geração dos Dados de Origem (Fontes)
  • ✅ "Dockerizar" o Projeto
  • ✅ Estruturar o Projeto Airflow
  • ✅ Desenvolver o Script de Ingestão
  • ✅ Criar a DAG de Ingestão no Airflow
  • ✅ Configurar o Projeto dbt
  • ✅ Criar Modelos de Staging (staging)
  • ✅ Criar Modelos Dimensionais e de Fatos (marts)
  • ✅ Implementar Testes de Qualidade
  • Integrar dbt com Airflow
  • Configurar a Ferramenta de BI

About

Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards.

Topics

apache-airflowdatalakedatawarehousedbtdockerdocker-composedockerfileeltmetabasemodelagem-dimensionalpostgresqlpythonqualidade-de-dadossqlvenv

Resources

Readme
License
Activity

Stars

3 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { // Add copy buttons to all 
 blocks
(function() {
function addCopyButtons() {
document.querySelectorAll('pre code').forEach(function(codeBlock) {
if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;
codeBlock.parentElement.setAttribute('data-copy-added', 'true');
var btn = document.createElement('button');
btn.textContent = 'Copy';
btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';
btn.onmouseover = function() { this.style.opacity = '1'; };
btn.onmouseout = function() { this.style.opacity = '0.7'; };
btn.onclick = function() {
navigator.clipboard.writeText(codeBlock.textContent).then(function() {
btn.textContent = 'Copied!';
setTimeout(function() { btn.textContent = 'Copy'; }, 1500);
});
};
codeBlock.parentElement.style.position = 'relative';
codeBlock.parentElement.appendChild(btn);
});
}
addCopyButtons();
// Re-run on dynamic content
var observer = new MutationObserver(addCopyButtons);
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '
GitHub - JoseVF5/Data-Mart---TechStyle-Commerce: Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards. · GitHub
Skip to content
BranchesTags
Repository files navigation
Projeto de Engenharia de Dados | Pipeline ELT para a TechStyle Commerce
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards para análise de negócio.
📌 Visão Geral do Projeto
A TechStyle Commerce, um e-commerce de eletrônicos, enfrentava desafios com dados descentralizados e processos manuais de geração de relatórios. Este projeto soluciona esse problema através da construção de um pipeline de dados ELT (Extract, Load, Transform) que centraliza, processa e modela os dados de vendas, clientes e produtos em um Data Warehouse, servindo como uma fonte única da verdade (Single Source of Truth).
O resultado final é um Data Mart confiável que alimenta um dashboard de BI, permitindo que a equipe de análise tome decisões estratégicas baseadas em dados consistentes e atualizados.
🎯 Objetivos do Projeto
  • Centralizar Dados: Unificar dados de diferentes fontes (pedidos, pagamentos, clientes, produtos) em um único local.
  • Automatizar Processos: Criar um fluxo de trabalho orquestrado que executa as etapas de ingestão e transformação de forma agendada e automática.
  • Modelagem Dimensional: Estruturar os dados em um modelo dimensional (Star Schema) com tabelas Fato e Dimensão para otimizar consultas analíticas.
  • Garantir a Qualidade dos Dados: Implementar testes para validar a integridade, consistência e regras de negócio dos dados.
  • Democratizar o Acesso aos Dados: Disponibilizar os dados tratados para a área de negócio através de uma ferramenta de Business Intelligence.
Diagrama da Arquitetura
A solução foi desenhada para ser modular, escalável e baseada em tecnologias open-source amplamente utilizadas no mercado.
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+
| Fontes de Dados| -> | Data Lake | -> | Ingestão (Python) | -> | Data Warehouse | -> | Transformação (dbt) | -> | Camada Analítica| -> | Ferramenta de BI |
| (Arquivos CSV) | | (File System) | | (Orquestrado com | | (PostgreSQL) | | (SQL) | | (Marts) | | (Metabase) |
| | | | | Airflow) | | | | | | | | |
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+

📊 Demonstração: Dashboard de Análise de Vendas
O dashboard final permite uma visão clara dos principais KPIs (Key Performance Indicators) do negócio, como receita mensal, distribuição de clientes e performance de produtos.
🚀 Como Executar o Projeto
Pré-requisitos
Passos para Instalação
  1. Clone o repositório:
    git clone [https://github.com/seu-usuario/nome-do-repositorio.git](https://github.com/seu-usuario/nome-do-repositorio.git)
cd nome-do-repositorio
  2. Configure as variáveis de ambiente:
Se houver um arquivo .env.example, renomeie-o para .env. Caso contrário, crie um arquivo .env e configure as variáveis necessárias (como senhas para o PostgreSQL).
  3. Suba os contêineres Docker:
Este comando irá construir as imagens e iniciar todos os serviços (Airflow, PostgreSQL, Metabase).
    docker-compose up -d --build
  4. Acesse o Airflow:
    • Abra seu navegador e acesse http://localhost:8080.
    • Use o login e senha padrão (airflow/airflow).
    • Ative a DAG dag_pipeline_techstyle no painel principal para iniciar o pipeline.
  5. Acesse o Metabase e configure o Dashboard:
    • Acesse http://localhost:3000.
    • Siga os passos de configuração inicial.
    • Adicione uma nova conexão de banco de dados, apontando para o container do PostgreSQL. Use as credenciais definidas no docker-compose.yml ou no seu arquivo .env. O nome do host do banco de dados será o nome do serviço no Docker Compose (ex: postgres_dw).
    • Comece a criar suas perguntas e seu dashboard!
🛠️ Tecnologias, Arquitetura e Ferramentas Utilizadas
A seguir, uma lista das principais tecnologias e conceitos aplicados neste projeto:
⚙️ Infraestrutura e Orquestração
  • Docker & Docker Compose: Containerização de todos os serviços para garantir um ambiente de desenvolvimento e produção consistente e isolado.
  • Apache Airflow: Ferramenta open-source para orquestrar, agendar e monitorar os workflows de dados (DAGs).
  • PostgreSQL: Utilizado tanto como backend para o Airflow quanto como o Data Warehouse analítico para armazenar os dados tratados.
📊 Processamento e Modelagem de Dados
  • Python: Linguagem principal para os scripts de ingestão de dados, utilizando a biblioteca Pandas para manipulação e leitura dos arquivos.
  • dbt (data build tool): Ferramenta para a etapa de transformação (T) do ELT. Permite construir modelos de dados com SQL de forma modular, testável e documentada.
  • SQL: Linguagem utilizada para todas as transformações, agregações e modelagem de dados dentro do dbt.
📈 Visualização de Dados
  • Metabase: Ferramenta de Business Intelligence open-source, de fácil configuração, utilizada para criar o dashboard final e democratizar o acesso aos dados.
🏛️ Arquitetura e Conceitos
  • ELT (Extract, Load, Transform): Paradigma moderno de data integration onde os dados brutos são primeiro carregados no Data Warehouse e transformados posteriormente.
  • Data Lake (simulado): Utilização do sistema de arquivos local para armazenar os dados brutos (raw data) antes do processamento.
  • Data Warehouse: Banco de dados relacional otimizado para consultas analíticas (OLAP).
  • Modelagem Dimensional (Star Schema): Metodologia para organizar os dados em tabelas Fato (eventos, métricas) e Dimensão (contexto, atributos), facilitando a análise.
  • Qualidade de Dados (Data Quality): Implementação de testes automatizados com dbt test para garantir a confiabilidade dos dados no Data Mart.
🔧 Ferramentas e Boas Práticas
  • Git & GitHub: Sistema de controle de versão para gerenciamento do código-fonte e documentação.
  • Visual Studio Code: Editor de código com extensões para Docker, Python e SQL.
🗺️ Roadmap (próximos passos do andamento do projeto)
  •  ✅ Definição do Problema e Arquitetura
  •  ✅ Configuração do Controle de Versão
  •  ✅ Geração dos Dados de Origem (Fontes)
  •  ✅ "Dockerizar" o Projeto
  •  ✅ Estruturar o Projeto Airflow
  •  ✅ Desenvolver o Script de Ingestão
  •  ✅ Criar a DAG de Ingestão no Airflow
  •  ✅ Configurar o Projeto dbt
  •  ✅ Criar Modelos de Staging (staging)
  •  ✅ Criar Modelos Dimensionais e de Fatos (marts)
  •  ✅ Implementar Testes de Qualidade
  •  Integrar dbt com Airflow
  •  Configurar a Ferramenta de BI
About
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards.
Topics
apache-airflowdatalakedatawarehousedbtdockerdocker-composedockerfileeltmetabasemodelagem-dimensionalpostgresqlpythonqualidade-de-dadossqlvenv
Resources
Readme
License
Activity
Stars
3 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Force GitHub README to respect dark mode
(function() {
var style = document.createElement('style');
style.textContent = '
.markdown-body {
color-scheme: dark light;
}
.markdown-body pre { background: #161b22 !important; }
.markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }
.markdown-body table th, .markdown-body table td { border-color: #30363d !important; }
.markdown-body img { background: #0d1117; }
.markdown-body blockquote { border-left-color: #8b949e; }
.markdown-body hr { border-color: #30363d; }
';
document.head.appendChild(style);
})();
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
GitHub - JoseVF5/Data-Mart---TechStyle-Commerce: Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards. · GitHub
Skip to content
BranchesTags
Repository files navigation
Projeto de Engenharia de Dados | Pipeline ELT para a TechStyle Commerce
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards para análise de negócio.
📌 Visão Geral do Projeto
A TechStyle Commerce, um e-commerce de eletrônicos, enfrentava desafios com dados descentralizados e processos manuais de geração de relatórios. Este projeto soluciona esse problema através da construção de um pipeline de dados ELT (Extract, Load, Transform) que centraliza, processa e modela os dados de vendas, clientes e produtos em um Data Warehouse, servindo como uma fonte única da verdade (Single Source of Truth).
O resultado final é um Data Mart confiável que alimenta um dashboard de BI, permitindo que a equipe de análise tome decisões estratégicas baseadas em dados consistentes e atualizados.
🎯 Objetivos do Projeto
  • Centralizar Dados: Unificar dados de diferentes fontes (pedidos, pagamentos, clientes, produtos) em um único local.
  • Automatizar Processos: Criar um fluxo de trabalho orquestrado que executa as etapas de ingestão e transformação de forma agendada e automática.
  • Modelagem Dimensional: Estruturar os dados em um modelo dimensional (Star Schema) com tabelas Fato e Dimensão para otimizar consultas analíticas.
  • Garantir a Qualidade dos Dados: Implementar testes para validar a integridade, consistência e regras de negócio dos dados.
  • Democratizar o Acesso aos Dados: Disponibilizar os dados tratados para a área de negócio através de uma ferramenta de Business Intelligence.
Diagrama da Arquitetura
A solução foi desenhada para ser modular, escalável e baseada em tecnologias open-source amplamente utilizadas no mercado.
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+
| Fontes de Dados| -> | Data Lake | -> | Ingestão (Python) | -> | Data Warehouse | -> | Transformação (dbt) | -> | Camada Analítica| -> | Ferramenta de BI |
| (Arquivos CSV) | | (File System) | | (Orquestrado com | | (PostgreSQL) | | (SQL) | | (Marts) | | (Metabase) |
| | | | | Airflow) | | | | | | | | |
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+

📊 Demonstração: Dashboard de Análise de Vendas
O dashboard final permite uma visão clara dos principais KPIs (Key Performance Indicators) do negócio, como receita mensal, distribuição de clientes e performance de produtos.
🚀 Como Executar o Projeto
Pré-requisitos
Passos para Instalação
  1. Clone o repositório:
    git clone [https://github.com/seu-usuario/nome-do-repositorio.git](https://github.com/seu-usuario/nome-do-repositorio.git)
cd nome-do-repositorio
  2. Configure as variáveis de ambiente:
Se houver um arquivo .env.example, renomeie-o para .env. Caso contrário, crie um arquivo .env e configure as variáveis necessárias (como senhas para o PostgreSQL).
  3. Suba os contêineres Docker:
Este comando irá construir as imagens e iniciar todos os serviços (Airflow, PostgreSQL, Metabase).
    docker-compose up -d --build
  4. Acesse o Airflow:
    • Abra seu navegador e acesse http://localhost:8080.
    • Use o login e senha padrão (airflow/airflow).
    • Ative a DAG dag_pipeline_techstyle no painel principal para iniciar o pipeline.
  5. Acesse o Metabase e configure o Dashboard:
    • Acesse http://localhost:3000.
    • Siga os passos de configuração inicial.
    • Adicione uma nova conexão de banco de dados, apontando para o container do PostgreSQL. Use as credenciais definidas no docker-compose.yml ou no seu arquivo .env. O nome do host do banco de dados será o nome do serviço no Docker Compose (ex: postgres_dw).
    • Comece a criar suas perguntas e seu dashboard!
🛠️ Tecnologias, Arquitetura e Ferramentas Utilizadas
A seguir, uma lista das principais tecnologias e conceitos aplicados neste projeto:
⚙️ Infraestrutura e Orquestração
  • Docker & Docker Compose: Containerização de todos os serviços para garantir um ambiente de desenvolvimento e produção consistente e isolado.
  • Apache Airflow: Ferramenta open-source para orquestrar, agendar e monitorar os workflows de dados (DAGs).
  • PostgreSQL: Utilizado tanto como backend para o Airflow quanto como o Data Warehouse analítico para armazenar os dados tratados.
📊 Processamento e Modelagem de Dados
  • Python: Linguagem principal para os scripts de ingestão de dados, utilizando a biblioteca Pandas para manipulação e leitura dos arquivos.
  • dbt (data build tool): Ferramenta para a etapa de transformação (T) do ELT. Permite construir modelos de dados com SQL de forma modular, testável e documentada.
  • SQL: Linguagem utilizada para todas as transformações, agregações e modelagem de dados dentro do dbt.
📈 Visualização de Dados
  • Metabase: Ferramenta de Business Intelligence open-source, de fácil configuração, utilizada para criar o dashboard final e democratizar o acesso aos dados.
🏛️ Arquitetura e Conceitos
  • ELT (Extract, Load, Transform): Paradigma moderno de data integration onde os dados brutos são primeiro carregados no Data Warehouse e transformados posteriormente.
  • Data Lake (simulado): Utilização do sistema de arquivos local para armazenar os dados brutos (raw data) antes do processamento.
  • Data Warehouse: Banco de dados relacional otimizado para consultas analíticas (OLAP).
  • Modelagem Dimensional (Star Schema): Metodologia para organizar os dados em tabelas Fato (eventos, métricas) e Dimensão (contexto, atributos), facilitando a análise.
  • Qualidade de Dados (Data Quality): Implementação de testes automatizados com dbt test para garantir a confiabilidade dos dados no Data Mart.
🔧 Ferramentas e Boas Práticas
  • Git & GitHub: Sistema de controle de versão para gerenciamento do código-fonte e documentação.
  • Visual Studio Code: Editor de código com extensões para Docker, Python e SQL.
🗺️ Roadmap (próximos passos do andamento do projeto)
  •  ✅ Definição do Problema e Arquitetura
  •  ✅ Configuração do Controle de Versão
  •  ✅ Geração dos Dados de Origem (Fontes)
  •  ✅ "Dockerizar" o Projeto
  •  ✅ Estruturar o Projeto Airflow
  •  ✅ Desenvolver o Script de Ingestão
  •  ✅ Criar a DAG de Ingestão no Airflow
  •  ✅ Configurar o Projeto dbt
  •  ✅ Criar Modelos de Staging (staging)
  •  ✅ Criar Modelos Dimensionais e de Fatos (marts)
  •  ✅ Implementar Testes de Qualidade
  •  Integrar dbt com Airflow
  •  Configurar a Ferramenta de BI
About
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards.
Topics
apache-airflowdatalakedatawarehousedbtdockerdocker-composedockerfileeltmetabasemodelagem-dimensionalpostgresqlpythonqualidade-de-dadossqlvenv
Resources
Readme
License
Activity
Stars
3 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Highlight search terms from Google/DuckDuckGo/Bing referrer
(function() {
var ref = document.referrer;
var terms = [];
if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {
var url = new URL(ref);
var q = url.searchParams.get('q') || url.searchParams.get('p');
if (q) {
terms = q.split(/\s+/).filter(function(t) { return t.length > 2; });
}
}
if (terms.length === 0) return;
var style = document.createElement('style');
style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';
document.head.appendChild(style);
function highlight(node) {
if (node.nodeType === 3) { // text node
var text = node.textContent;
var found = false;
terms.forEach(function(term) {
var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\]\\]/g, '\\') + ')', 'gi');
if (regex.test(text)) {
found = true;
var frag = document.createDocumentFragment();
var parts = text.split(regex);
parts.forEach(function(part, i) {
if (i % 2 === 0) {
frag.appendChild(document.createTextNode(part));
} else {
var span = document.createElement('span');
span.className = 'userscript-highlight';
span.textContent = part;
frag.appendChild(span);
}
});
node.parentNode.replaceChild(frag, node);
}
});
} else if (node.nodeType === 1 && node.childNodes) { // element
var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];
if (!skipTags.includes(node.tagName)) {
Array.from(node.childNodes).forEach(highlight);
}
}
}
highlight(document.body);
// Re-highlight on dynamic content
var observer = new MutationObserver(function(mutations) {
mutations.forEach(function(m) {
m.addedNodes.forEach(function(node) {
if (node.nodeType === 1 || node.nodeType === 3) highlight(node);
});
});
});
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
GitHub - JoseVF5/Data-Mart---TechStyle-Commerce: Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards. · GitHub
Skip to content
BranchesTags
Repository files navigation
Projeto de Engenharia de Dados | Pipeline ELT para a TechStyle Commerce
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards para análise de negócio.
📌 Visão Geral do Projeto
A TechStyle Commerce, um e-commerce de eletrônicos, enfrentava desafios com dados descentralizados e processos manuais de geração de relatórios. Este projeto soluciona esse problema através da construção de um pipeline de dados ELT (Extract, Load, Transform) que centraliza, processa e modela os dados de vendas, clientes e produtos em um Data Warehouse, servindo como uma fonte única da verdade (Single Source of Truth).
O resultado final é um Data Mart confiável que alimenta um dashboard de BI, permitindo que a equipe de análise tome decisões estratégicas baseadas em dados consistentes e atualizados.
🎯 Objetivos do Projeto
  • Centralizar Dados: Unificar dados de diferentes fontes (pedidos, pagamentos, clientes, produtos) em um único local.
  • Automatizar Processos: Criar um fluxo de trabalho orquestrado que executa as etapas de ingestão e transformação de forma agendada e automática.
  • Modelagem Dimensional: Estruturar os dados em um modelo dimensional (Star Schema) com tabelas Fato e Dimensão para otimizar consultas analíticas.
  • Garantir a Qualidade dos Dados: Implementar testes para validar a integridade, consistência e regras de negócio dos dados.
  • Democratizar o Acesso aos Dados: Disponibilizar os dados tratados para a área de negócio através de uma ferramenta de Business Intelligence.
Diagrama da Arquitetura
A solução foi desenhada para ser modular, escalável e baseada em tecnologias open-source amplamente utilizadas no mercado.
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+
| Fontes de Dados| -> | Data Lake | -> | Ingestão (Python) | -> | Data Warehouse | -> | Transformação (dbt) | -> | Camada Analítica| -> | Ferramenta de BI |
| (Arquivos CSV) | | (File System) | | (Orquestrado com | | (PostgreSQL) | | (SQL) | | (Marts) | | (Metabase) |
| | | | | Airflow) | | | | | | | | |
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+

📊 Demonstração: Dashboard de Análise de Vendas
O dashboard final permite uma visão clara dos principais KPIs (Key Performance Indicators) do negócio, como receita mensal, distribuição de clientes e performance de produtos.
🚀 Como Executar o Projeto
Pré-requisitos
Passos para Instalação
  1. Clone o repositório:
    git clone [https://github.com/seu-usuario/nome-do-repositorio.git](https://github.com/seu-usuario/nome-do-repositorio.git)
cd nome-do-repositorio
  2. Configure as variáveis de ambiente:
Se houver um arquivo .env.example, renomeie-o para .env. Caso contrário, crie um arquivo .env e configure as variáveis necessárias (como senhas para o PostgreSQL).
  3. Suba os contêineres Docker:
Este comando irá construir as imagens e iniciar todos os serviços (Airflow, PostgreSQL, Metabase).
    docker-compose up -d --build
  4. Acesse o Airflow:
    • Abra seu navegador e acesse http://localhost:8080.
    • Use o login e senha padrão (airflow/airflow).
    • Ative a DAG dag_pipeline_techstyle no painel principal para iniciar o pipeline.
  5. Acesse o Metabase e configure o Dashboard:
    • Acesse http://localhost:3000.
    • Siga os passos de configuração inicial.
    • Adicione uma nova conexão de banco de dados, apontando para o container do PostgreSQL. Use as credenciais definidas no docker-compose.yml ou no seu arquivo .env. O nome do host do banco de dados será o nome do serviço no Docker Compose (ex: postgres_dw).
    • Comece a criar suas perguntas e seu dashboard!
🛠️ Tecnologias, Arquitetura e Ferramentas Utilizadas
A seguir, uma lista das principais tecnologias e conceitos aplicados neste projeto:
⚙️ Infraestrutura e Orquestração
  • Docker & Docker Compose: Containerização de todos os serviços para garantir um ambiente de desenvolvimento e produção consistente e isolado.
  • Apache Airflow: Ferramenta open-source para orquestrar, agendar e monitorar os workflows de dados (DAGs).
  • PostgreSQL: Utilizado tanto como backend para o Airflow quanto como o Data Warehouse analítico para armazenar os dados tratados.
📊 Processamento e Modelagem de Dados
  • Python: Linguagem principal para os scripts de ingestão de dados, utilizando a biblioteca Pandas para manipulação e leitura dos arquivos.
  • dbt (data build tool): Ferramenta para a etapa de transformação (T) do ELT. Permite construir modelos de dados com SQL de forma modular, testável e documentada.
  • SQL: Linguagem utilizada para todas as transformações, agregações e modelagem de dados dentro do dbt.
📈 Visualização de Dados
  • Metabase: Ferramenta de Business Intelligence open-source, de fácil configuração, utilizada para criar o dashboard final e democratizar o acesso aos dados.
🏛️ Arquitetura e Conceitos
  • ELT (Extract, Load, Transform): Paradigma moderno de data integration onde os dados brutos são primeiro carregados no Data Warehouse e transformados posteriormente.
  • Data Lake (simulado): Utilização do sistema de arquivos local para armazenar os dados brutos (raw data) antes do processamento.
  • Data Warehouse: Banco de dados relacional otimizado para consultas analíticas (OLAP).
  • Modelagem Dimensional (Star Schema): Metodologia para organizar os dados em tabelas Fato (eventos, métricas) e Dimensão (contexto, atributos), facilitando a análise.
  • Qualidade de Dados (Data Quality): Implementação de testes automatizados com dbt test para garantir a confiabilidade dos dados no Data Mart.
🔧 Ferramentas e Boas Práticas
  • Git & GitHub: Sistema de controle de versão para gerenciamento do código-fonte e documentação.
  • Visual Studio Code: Editor de código com extensões para Docker, Python e SQL.
🗺️ Roadmap (próximos passos do andamento do projeto)
  •  ✅ Definição do Problema e Arquitetura
  •  ✅ Configuração do Controle de Versão
  •  ✅ Geração dos Dados de Origem (Fontes)
  •  ✅ "Dockerizar" o Projeto
  •  ✅ Estruturar o Projeto Airflow
  •  ✅ Desenvolver o Script de Ingestão
  •  ✅ Criar a DAG de Ingestão no Airflow
  •  ✅ Configurar o Projeto dbt
  •  ✅ Criar Modelos de Staging (staging)
  •  ✅ Criar Modelos Dimensionais e de Fatos (marts)
  •  ✅ Implementar Testes de Qualidade
  •  Integrar dbt com Airflow
  •  Configurar a Ferramenta de BI
About
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards.
Topics
apache-airflowdatalakedatawarehousedbtdockerdocker-composedockerfileeltmetabasemodelagem-dimensionalpostgresqlpythonqualidade-de-dadossqlvenv
Resources
Readme
License
Activity
Stars
3 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Strip utm_, fbclid, gclid, etc. from all links on page
(function() {
var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',
'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',
'ref', 'ref_src', 'source', 'medium', 'campaign'];
function cleanUrl(url) {
try {
var u = new URL(url, window.location.origin);
var changed = false;
trackingParams.forEach(function(p) {
if (u.searchParams.has(p)) {
u.searchParams.delete(p);
changed = true;
}
});
return changed ? u.toString() : url;
} catch (e) {
return url;
}
}
function cleanLinks() {
document.querySelectorAll('a[href]').forEach(function(a) {
var clean = cleanUrl(a.href);
if (clean !== a.href) a.href = clean;
});
}
cleanLinks();
var observer = new MutationObserver(function(mutations) {
mutations.forEach(function(m) {
m.addedNodes.forEach(function(node) {
if (node.nodeType === 1) {
if (node.tagName === 'A') cleanLinks();
node.querySelectorAll('a[href]').forEach(function(a) {
var clean = cleanUrl(a.href);
if (clean !== a.href) a.href = clean;
});
}
});
});
});
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '
GitHub - JoseVF5/Data-Mart---TechStyle-Commerce: Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards. · GitHub
Skip to content
BranchesTags
Repository files navigation
Projeto de Engenharia de Dados | Pipeline ELT para a TechStyle Commerce
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards para análise de negócio.
📌 Visão Geral do Projeto
A TechStyle Commerce, um e-commerce de eletrônicos, enfrentava desafios com dados descentralizados e processos manuais de geração de relatórios. Este projeto soluciona esse problema através da construção de um pipeline de dados ELT (Extract, Load, Transform) que centraliza, processa e modela os dados de vendas, clientes e produtos em um Data Warehouse, servindo como uma fonte única da verdade (Single Source of Truth).
O resultado final é um Data Mart confiável que alimenta um dashboard de BI, permitindo que a equipe de análise tome decisões estratégicas baseadas em dados consistentes e atualizados.
🎯 Objetivos do Projeto
  • Centralizar Dados: Unificar dados de diferentes fontes (pedidos, pagamentos, clientes, produtos) em um único local.
  • Automatizar Processos: Criar um fluxo de trabalho orquestrado que executa as etapas de ingestão e transformação de forma agendada e automática.
  • Modelagem Dimensional: Estruturar os dados em um modelo dimensional (Star Schema) com tabelas Fato e Dimensão para otimizar consultas analíticas.
  • Garantir a Qualidade dos Dados: Implementar testes para validar a integridade, consistência e regras de negócio dos dados.
  • Democratizar o Acesso aos Dados: Disponibilizar os dados tratados para a área de negócio através de uma ferramenta de Business Intelligence.
Diagrama da Arquitetura
A solução foi desenhada para ser modular, escalável e baseada em tecnologias open-source amplamente utilizadas no mercado.
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+
| Fontes de Dados| -> | Data Lake | -> | Ingestão (Python) | -> | Data Warehouse | -> | Transformação (dbt) | -> | Camada Analítica| -> | Ferramenta de BI |
| (Arquivos CSV) | | (File System) | | (Orquestrado com | | (PostgreSQL) | | (SQL) | | (Marts) | | (Metabase) |
| | | | | Airflow) | | | | | | | | |
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+

📊 Demonstração: Dashboard de Análise de Vendas
O dashboard final permite uma visão clara dos principais KPIs (Key Performance Indicators) do negócio, como receita mensal, distribuição de clientes e performance de produtos.
🚀 Como Executar o Projeto
Pré-requisitos
Passos para Instalação
  1. Clone o repositório:
    git clone [https://github.com/seu-usuario/nome-do-repositorio.git](https://github.com/seu-usuario/nome-do-repositorio.git)
cd nome-do-repositorio
  2. Configure as variáveis de ambiente:
Se houver um arquivo .env.example, renomeie-o para .env. Caso contrário, crie um arquivo .env e configure as variáveis necessárias (como senhas para o PostgreSQL).
  3. Suba os contêineres Docker:
Este comando irá construir as imagens e iniciar todos os serviços (Airflow, PostgreSQL, Metabase).
    docker-compose up -d --build
  4. Acesse o Airflow:
    • Abra seu navegador e acesse http://localhost:8080.
    • Use o login e senha padrão (airflow/airflow).
    • Ative a DAG dag_pipeline_techstyle no painel principal para iniciar o pipeline.
  5. Acesse o Metabase e configure o Dashboard:
    • Acesse http://localhost:3000.
    • Siga os passos de configuração inicial.
    • Adicione uma nova conexão de banco de dados, apontando para o container do PostgreSQL. Use as credenciais definidas no docker-compose.yml ou no seu arquivo .env. O nome do host do banco de dados será o nome do serviço no Docker Compose (ex: postgres_dw).
    • Comece a criar suas perguntas e seu dashboard!
🛠️ Tecnologias, Arquitetura e Ferramentas Utilizadas
A seguir, uma lista das principais tecnologias e conceitos aplicados neste projeto:
⚙️ Infraestrutura e Orquestração
  • Docker & Docker Compose: Containerização de todos os serviços para garantir um ambiente de desenvolvimento e produção consistente e isolado.
  • Apache Airflow: Ferramenta open-source para orquestrar, agendar e monitorar os workflows de dados (DAGs).
  • PostgreSQL: Utilizado tanto como backend para o Airflow quanto como o Data Warehouse analítico para armazenar os dados tratados.
📊 Processamento e Modelagem de Dados
  • Python: Linguagem principal para os scripts de ingestão de dados, utilizando a biblioteca Pandas para manipulação e leitura dos arquivos.
  • dbt (data build tool): Ferramenta para a etapa de transformação (T) do ELT. Permite construir modelos de dados com SQL de forma modular, testável e documentada.
  • SQL: Linguagem utilizada para todas as transformações, agregações e modelagem de dados dentro do dbt.
📈 Visualização de Dados
  • Metabase: Ferramenta de Business Intelligence open-source, de fácil configuração, utilizada para criar o dashboard final e democratizar o acesso aos dados.
🏛️ Arquitetura e Conceitos
  • ELT (Extract, Load, Transform): Paradigma moderno de data integration onde os dados brutos são primeiro carregados no Data Warehouse e transformados posteriormente.
  • Data Lake (simulado): Utilização do sistema de arquivos local para armazenar os dados brutos (raw data) antes do processamento.
  • Data Warehouse: Banco de dados relacional otimizado para consultas analíticas (OLAP).
  • Modelagem Dimensional (Star Schema): Metodologia para organizar os dados em tabelas Fato (eventos, métricas) e Dimensão (contexto, atributos), facilitando a análise.
  • Qualidade de Dados (Data Quality): Implementação de testes automatizados com dbt test para garantir a confiabilidade dos dados no Data Mart.
🔧 Ferramentas e Boas Práticas
  • Git & GitHub: Sistema de controle de versão para gerenciamento do código-fonte e documentação.
  • Visual Studio Code: Editor de código com extensões para Docker, Python e SQL.
🗺️ Roadmap (próximos passos do andamento do projeto)
  •  ✅ Definição do Problema e Arquitetura
  •  ✅ Configuração do Controle de Versão
  •  ✅ Geração dos Dados de Origem (Fontes)
  •  ✅ "Dockerizar" o Projeto
  •  ✅ Estruturar o Projeto Airflow
  •  ✅ Desenvolver o Script de Ingestão
  •  ✅ Criar a DAG de Ingestão no Airflow
  •  ✅ Configurar o Projeto dbt
  •  ✅ Criar Modelos de Staging (staging)
  •  ✅ Criar Modelos Dimensionais e de Fatos (marts)
  •  ✅ Implementar Testes de Qualidade
  •  Integrar dbt com Airflow
  •  Configurar a Ferramenta de BI
About
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards.
Topics
apache-airflowdatalakedatawarehousedbtdockerdocker-composedockerfileeltmetabasemodelagem-dimensionalpostgresqlpythonqualidade-de-dadossqlvenv
Resources
Readme
License
Activity
Stars
3 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Auto-enable theater mode on YouTube
(function() {
function tryTheater() {
var btn = document.querySelector('button[aria-label="Theater mode"], ytd-player #player button[title="Theater mode"]');
if (btn && !btn.classList.contains('activated')) {
btn.click();
}
}
// Try immediately
tryTheater();
// Try after navigation (SPA)
var lastUrl = location.href;
setInterval(function() {
if (location.href !== lastUrl) {
lastUrl = location.href;
setTimeout(tryTheater, 500);
}
}, 1000);
// Also try on player load
var observer = new MutationObserver(tryTheater);
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
GitHub - JoseVF5/Data-Mart---TechStyle-Commerce: Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards. · GitHub
Skip to content
BranchesTags
Repository files navigation
Projeto de Engenharia de Dados | Pipeline ELT para a TechStyle Commerce
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards para análise de negócio.
📌 Visão Geral do Projeto
A TechStyle Commerce, um e-commerce de eletrônicos, enfrentava desafios com dados descentralizados e processos manuais de geração de relatórios. Este projeto soluciona esse problema através da construção de um pipeline de dados ELT (Extract, Load, Transform) que centraliza, processa e modela os dados de vendas, clientes e produtos em um Data Warehouse, servindo como uma fonte única da verdade (Single Source of Truth).
O resultado final é um Data Mart confiável que alimenta um dashboard de BI, permitindo que a equipe de análise tome decisões estratégicas baseadas em dados consistentes e atualizados.
🎯 Objetivos do Projeto
  • Centralizar Dados: Unificar dados de diferentes fontes (pedidos, pagamentos, clientes, produtos) em um único local.
  • Automatizar Processos: Criar um fluxo de trabalho orquestrado que executa as etapas de ingestão e transformação de forma agendada e automática.
  • Modelagem Dimensional: Estruturar os dados em um modelo dimensional (Star Schema) com tabelas Fato e Dimensão para otimizar consultas analíticas.
  • Garantir a Qualidade dos Dados: Implementar testes para validar a integridade, consistência e regras de negócio dos dados.
  • Democratizar o Acesso aos Dados: Disponibilizar os dados tratados para a área de negócio através de uma ferramenta de Business Intelligence.
Diagrama da Arquitetura
A solução foi desenhada para ser modular, escalável e baseada em tecnologias open-source amplamente utilizadas no mercado.
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+
| Fontes de Dados| -> | Data Lake | -> | Ingestão (Python) | -> | Data Warehouse | -> | Transformação (dbt) | -> | Camada Analítica| -> | Ferramenta de BI |
| (Arquivos CSV) | | (File System) | | (Orquestrado com | | (PostgreSQL) | | (SQL) | | (Marts) | | (Metabase) |
| | | | | Airflow) | | | | | | | | |
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+

📊 Demonstração: Dashboard de Análise de Vendas
O dashboard final permite uma visão clara dos principais KPIs (Key Performance Indicators) do negócio, como receita mensal, distribuição de clientes e performance de produtos.
🚀 Como Executar o Projeto
Pré-requisitos
Passos para Instalação
  1. Clone o repositório:
    git clone [https://github.com/seu-usuario/nome-do-repositorio.git](https://github.com/seu-usuario/nome-do-repositorio.git)
cd nome-do-repositorio
  2. Configure as variáveis de ambiente:
Se houver um arquivo .env.example, renomeie-o para .env. Caso contrário, crie um arquivo .env e configure as variáveis necessárias (como senhas para o PostgreSQL).
  3. Suba os contêineres Docker:
Este comando irá construir as imagens e iniciar todos os serviços (Airflow, PostgreSQL, Metabase).
    docker-compose up -d --build
  4. Acesse o Airflow:
    • Abra seu navegador e acesse http://localhost:8080.
    • Use o login e senha padrão (airflow/airflow).
    • Ative a DAG dag_pipeline_techstyle no painel principal para iniciar o pipeline.
  5. Acesse o Metabase e configure o Dashboard:
    • Acesse http://localhost:3000.
    • Siga os passos de configuração inicial.
    • Adicione uma nova conexão de banco de dados, apontando para o container do PostgreSQL. Use as credenciais definidas no docker-compose.yml ou no seu arquivo .env. O nome do host do banco de dados será o nome do serviço no Docker Compose (ex: postgres_dw).
    • Comece a criar suas perguntas e seu dashboard!
🛠️ Tecnologias, Arquitetura e Ferramentas Utilizadas
A seguir, uma lista das principais tecnologias e conceitos aplicados neste projeto:
⚙️ Infraestrutura e Orquestração
  • Docker & Docker Compose: Containerização de todos os serviços para garantir um ambiente de desenvolvimento e produção consistente e isolado.
  • Apache Airflow: Ferramenta open-source para orquestrar, agendar e monitorar os workflows de dados (DAGs).
  • PostgreSQL: Utilizado tanto como backend para o Airflow quanto como o Data Warehouse analítico para armazenar os dados tratados.
📊 Processamento e Modelagem de Dados
  • Python: Linguagem principal para os scripts de ingestão de dados, utilizando a biblioteca Pandas para manipulação e leitura dos arquivos.
  • dbt (data build tool): Ferramenta para a etapa de transformação (T) do ELT. Permite construir modelos de dados com SQL de forma modular, testável e documentada.
  • SQL: Linguagem utilizada para todas as transformações, agregações e modelagem de dados dentro do dbt.
📈 Visualização de Dados
  • Metabase: Ferramenta de Business Intelligence open-source, de fácil configuração, utilizada para criar o dashboard final e democratizar o acesso aos dados.
🏛️ Arquitetura e Conceitos
  • ELT (Extract, Load, Transform): Paradigma moderno de data integration onde os dados brutos são primeiro carregados no Data Warehouse e transformados posteriormente.
  • Data Lake (simulado): Utilização do sistema de arquivos local para armazenar os dados brutos (raw data) antes do processamento.
  • Data Warehouse: Banco de dados relacional otimizado para consultas analíticas (OLAP).
  • Modelagem Dimensional (Star Schema): Metodologia para organizar os dados em tabelas Fato (eventos, métricas) e Dimensão (contexto, atributos), facilitando a análise.
  • Qualidade de Dados (Data Quality): Implementação de testes automatizados com dbt test para garantir a confiabilidade dos dados no Data Mart.
🔧 Ferramentas e Boas Práticas
  • Git & GitHub: Sistema de controle de versão para gerenciamento do código-fonte e documentação.
  • Visual Studio Code: Editor de código com extensões para Docker, Python e SQL.
🗺️ Roadmap (próximos passos do andamento do projeto)
  •  ✅ Definição do Problema e Arquitetura
  •  ✅ Configuração do Controle de Versão
  •  ✅ Geração dos Dados de Origem (Fontes)
  •  ✅ "Dockerizar" o Projeto
  •  ✅ Estruturar o Projeto Airflow
  •  ✅ Desenvolver o Script de Ingestão
  •  ✅ Criar a DAG de Ingestão no Airflow
  •  ✅ Configurar o Projeto dbt
  •  ✅ Criar Modelos de Staging (staging)
  •  ✅ Criar Modelos Dimensionais e de Fatos (marts)
  •  ✅ Implementar Testes de Qualidade
  •  Integrar dbt com Airflow
  •  Configurar a Ferramenta de BI
About
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards.
Topics
apache-airflowdatalakedatawarehousedbtdockerdocker-composedockerfileeltmetabasemodelagem-dimensionalpostgresqlpythonqualidade-de-dadossqlvenv
Resources
Readme
License
Activity
Stars
3 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Remove or un-stick sticky/fixed headers that block content
(function() {
function unstick() {
document.querySelectorAll('header, nav, [role="banner"], .header, .navbar, .sticky, .fixed-top, [style*="position: fixed"], [style*="position:sticky"]').forEach(function(el) {
if (el.style.position === 'fixed' || el.style.position === 'sticky' || getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {
el.style.position = 'static';
el.style.top = 'auto';
el.style.zIndex = 'auto';
}
});
}
unstick();
var observer = new MutationObserver(unstick);
observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });
})();
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
GitHub - JoseVF5/Data-Mart---TechStyle-Commerce: Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards. · GitHub
Skip to content
BranchesTags
Repository files navigation
Projeto de Engenharia de Dados | Pipeline ELT para a TechStyle Commerce
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards para análise de negócio.
📌 Visão Geral do Projeto
A TechStyle Commerce, um e-commerce de eletrônicos, enfrentava desafios com dados descentralizados e processos manuais de geração de relatórios. Este projeto soluciona esse problema através da construção de um pipeline de dados ELT (Extract, Load, Transform) que centraliza, processa e modela os dados de vendas, clientes e produtos em um Data Warehouse, servindo como uma fonte única da verdade (Single Source of Truth).
O resultado final é um Data Mart confiável que alimenta um dashboard de BI, permitindo que a equipe de análise tome decisões estratégicas baseadas em dados consistentes e atualizados.
🎯 Objetivos do Projeto
  • Centralizar Dados: Unificar dados de diferentes fontes (pedidos, pagamentos, clientes, produtos) em um único local.
  • Automatizar Processos: Criar um fluxo de trabalho orquestrado que executa as etapas de ingestão e transformação de forma agendada e automática.
  • Modelagem Dimensional: Estruturar os dados em um modelo dimensional (Star Schema) com tabelas Fato e Dimensão para otimizar consultas analíticas.
  • Garantir a Qualidade dos Dados: Implementar testes para validar a integridade, consistência e regras de negócio dos dados.
  • Democratizar o Acesso aos Dados: Disponibilizar os dados tratados para a área de negócio através de uma ferramenta de Business Intelligence.
Diagrama da Arquitetura
A solução foi desenhada para ser modular, escalável e baseada em tecnologias open-source amplamente utilizadas no mercado.
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+
| Fontes de Dados| -> | Data Lake | -> | Ingestão (Python) | -> | Data Warehouse | -> | Transformação (dbt) | -> | Camada Analítica| -> | Ferramenta de BI |
| (Arquivos CSV) | | (File System) | | (Orquestrado com | | (PostgreSQL) | | (SQL) | | (Marts) | | (Metabase) |
| | | | | Airflow) | | | | | | | | |
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+

📊 Demonstração: Dashboard de Análise de Vendas
O dashboard final permite uma visão clara dos principais KPIs (Key Performance Indicators) do negócio, como receita mensal, distribuição de clientes e performance de produtos.
🚀 Como Executar o Projeto
Pré-requisitos
Passos para Instalação
  1. Clone o repositório:
    git clone [https://github.com/seu-usuario/nome-do-repositorio.git](https://github.com/seu-usuario/nome-do-repositorio.git)
cd nome-do-repositorio
  2. Configure as variáveis de ambiente:
Se houver um arquivo .env.example, renomeie-o para .env. Caso contrário, crie um arquivo .env e configure as variáveis necessárias (como senhas para o PostgreSQL).
  3. Suba os contêineres Docker:
Este comando irá construir as imagens e iniciar todos os serviços (Airflow, PostgreSQL, Metabase).
    docker-compose up -d --build
  4. Acesse o Airflow:
    • Abra seu navegador e acesse http://localhost:8080.
    • Use o login e senha padrão (airflow/airflow).
    • Ative a DAG dag_pipeline_techstyle no painel principal para iniciar o pipeline.
  5. Acesse o Metabase e configure o Dashboard:
    • Acesse http://localhost:3000.
    • Siga os passos de configuração inicial.
    • Adicione uma nova conexão de banco de dados, apontando para o container do PostgreSQL. Use as credenciais definidas no docker-compose.yml ou no seu arquivo .env. O nome do host do banco de dados será o nome do serviço no Docker Compose (ex: postgres_dw).
    • Comece a criar suas perguntas e seu dashboard!
🛠️ Tecnologias, Arquitetura e Ferramentas Utilizadas
A seguir, uma lista das principais tecnologias e conceitos aplicados neste projeto:
⚙️ Infraestrutura e Orquestração
  • Docker & Docker Compose: Containerização de todos os serviços para garantir um ambiente de desenvolvimento e produção consistente e isolado.
  • Apache Airflow: Ferramenta open-source para orquestrar, agendar e monitorar os workflows de dados (DAGs).
  • PostgreSQL: Utilizado tanto como backend para o Airflow quanto como o Data Warehouse analítico para armazenar os dados tratados.
📊 Processamento e Modelagem de Dados
  • Python: Linguagem principal para os scripts de ingestão de dados, utilizando a biblioteca Pandas para manipulação e leitura dos arquivos.
  • dbt (data build tool): Ferramenta para a etapa de transformação (T) do ELT. Permite construir modelos de dados com SQL de forma modular, testável e documentada.
  • SQL: Linguagem utilizada para todas as transformações, agregações e modelagem de dados dentro do dbt.
📈 Visualização de Dados
  • Metabase: Ferramenta de Business Intelligence open-source, de fácil configuração, utilizada para criar o dashboard final e democratizar o acesso aos dados.
🏛️ Arquitetura e Conceitos
  • ELT (Extract, Load, Transform): Paradigma moderno de data integration onde os dados brutos são primeiro carregados no Data Warehouse e transformados posteriormente.
  • Data Lake (simulado): Utilização do sistema de arquivos local para armazenar os dados brutos (raw data) antes do processamento.
  • Data Warehouse: Banco de dados relacional otimizado para consultas analíticas (OLAP).
  • Modelagem Dimensional (Star Schema): Metodologia para organizar os dados em tabelas Fato (eventos, métricas) e Dimensão (contexto, atributos), facilitando a análise.
  • Qualidade de Dados (Data Quality): Implementação de testes automatizados com dbt test para garantir a confiabilidade dos dados no Data Mart.
🔧 Ferramentas e Boas Práticas
  • Git & GitHub: Sistema de controle de versão para gerenciamento do código-fonte e documentação.
  • Visual Studio Code: Editor de código com extensões para Docker, Python e SQL.
🗺️ Roadmap (próximos passos do andamento do projeto)
  •  ✅ Definição do Problema e Arquitetura
  •  ✅ Configuração do Controle de Versão
  •  ✅ Geração dos Dados de Origem (Fontes)
  •  ✅ "Dockerizar" o Projeto
  •  ✅ Estruturar o Projeto Airflow
  •  ✅ Desenvolver o Script de Ingestão
  •  ✅ Criar a DAG de Ingestão no Airflow
  •  ✅ Configurar o Projeto dbt
  •  ✅ Criar Modelos de Staging (staging)
  •  ✅ Criar Modelos Dimensionais e de Fatos (marts)
  •  ✅ Implementar Testes de Qualidade
  •  Integrar dbt com Airflow
  •  Configurar a Ferramenta de BI
About
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards.
Topics
apache-airflowdatalakedatawarehousedbtdockerdocker-composedockerfileeltmetabasemodelagem-dimensionalpostgresqlpythonqualidade-de-dadossqlvenv
Resources
Readme
License
Activity
Stars
3 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Universal Dark Mode - works on any site
(function() {
var enabled = true;
function applyDarkMode() {
if (!enabled) return;
// Create style element if it doesn't exist
var style = document.getElementById('universal-dark-mode-style');
if (!style) {
style = document.createElement('style');
style.id = 'universal-dark-mode-style';
document.head.appendChild(style);
}
// Dark mode CSS - inverts colors but preserves images/video
style.textContent = '
/* Invert everything except media */
html {
filter: invert(1) hue-rotate(180deg) !important;
background: #1a1a2e !important;
}
/* Restore images, videos, iframes, canvas */
img, video, iframe, canvas, svg, picture, [style*="background-image"] {
filter: invert(1) hue-rotate(180deg) !important;
}
/* Preserve specific elements that should not be inverted */
.no-dark-mode, .no-dark-mode *,
[data-theme="light"], [data-theme="light"],
.ace_editor, .ace_editor *,
.CodeMirror, .CodeMirror *,
.monaco-editor, .monaco-editor *,
.markdown-body pre, .markdown-body pre *,
.highlight, .highlight *,
pre code, pre code * {
filter: none !important;
}
/* Fix common UI elements */
.modal, .popup, .dropdown-menu, .tooltip, .popover {
filter: invert(1) hue-rotate(180deg) !important;
background: #2d2d44 !important;
border-color: #444 !important;
}
/* Scrollbars */
::-webkit-scrollbar { background: #1a1a2e !important; }
::-webkit-scrollbar-thumb { background: #444 !important; }
::-webkit-scrollbar-thumb:hover { background: #555 !important; }
/* Selection */
::selection { background: #4ecdc4 !important; color: #1a1a2e !important; }
::-moz-selection { background: #4ecdc4 !important; color: #1a1a2e !important; }
';
}
function removeDarkMode() {
var style = document.getElementById('universal-dark-mode-style');
if (style) style.remove();
}
// Toggle with Alt+Shift+D
document.addEventListener('keydown', function(e) {
if (e.altKey && e.shiftKey && e.key === 'D') {
e.preventDefault();
enabled = !enabled;
if (enabled) {
applyDarkMode();
console.log('[Universal Dark Mode] Enabled');
} else {
removeDarkMode();
console.log('[Universal Dark Mode] Disabled');
}
}
});
// Apply on load
applyDarkMode();
// Re-apply on dynamic content
var observer = new MutationObserver(function(mutations) {
if (enabled && !document.getElementById('universal-dark-mode-style')) {
applyDarkMode();
}
});
observer.observe(document.head, { childList: true });
console.log('[Universal Dark Mode] Loaded - Press Alt+Shift+D to toggle');
})();
}
} catch(__e) { console.warn('[Userscript:Universal Dark Mode]', __e); }
})();
})();
GitHub - JoseVF5/Data-Mart---TechStyle-Commerce: Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards. · GitHub
Skip to content
BranchesTags
Repository files navigation
Projeto de Engenharia de Dados | Pipeline ELT para a TechStyle Commerce
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards para análise de negócio.
📌 Visão Geral do Projeto
A TechStyle Commerce, um e-commerce de eletrônicos, enfrentava desafios com dados descentralizados e processos manuais de geração de relatórios. Este projeto soluciona esse problema através da construção de um pipeline de dados ELT (Extract, Load, Transform) que centraliza, processa e modela os dados de vendas, clientes e produtos em um Data Warehouse, servindo como uma fonte única da verdade (Single Source of Truth).
O resultado final é um Data Mart confiável que alimenta um dashboard de BI, permitindo que a equipe de análise tome decisões estratégicas baseadas em dados consistentes e atualizados.
🎯 Objetivos do Projeto
  • Centralizar Dados: Unificar dados de diferentes fontes (pedidos, pagamentos, clientes, produtos) em um único local.
  • Automatizar Processos: Criar um fluxo de trabalho orquestrado que executa as etapas de ingestão e transformação de forma agendada e automática.
  • Modelagem Dimensional: Estruturar os dados em um modelo dimensional (Star Schema) com tabelas Fato e Dimensão para otimizar consultas analíticas.
  • Garantir a Qualidade dos Dados: Implementar testes para validar a integridade, consistência e regras de negócio dos dados.
  • Democratizar o Acesso aos Dados: Disponibilizar os dados tratados para a área de negócio através de uma ferramenta de Business Intelligence.
Diagrama da Arquitetura
A solução foi desenhada para ser modular, escalável e baseada em tecnologias open-source amplamente utilizadas no mercado.
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+
| Fontes de Dados| -> | Data Lake | -> | Ingestão (Python) | -> | Data Warehouse | -> | Transformação (dbt) | -> | Camada Analítica| -> | Ferramenta de BI |
| (Arquivos CSV) | | (File System) | | (Orquestrado com | | (PostgreSQL) | | (SQL) | | (Marts) | | (Metabase) |
| | | | | Airflow) | | | | | | | | |
+----------------+ +----------------+ +-------------------+ +-----------------+ +---------------------+ +-----------------+ +------------------+

📊 Demonstração: Dashboard de Análise de Vendas
O dashboard final permite uma visão clara dos principais KPIs (Key Performance Indicators) do negócio, como receita mensal, distribuição de clientes e performance de produtos.
🚀 Como Executar o Projeto
Pré-requisitos
Passos para Instalação
  1. Clone o repositório:
    git clone [https://github.com/seu-usuario/nome-do-repositorio.git](https://github.com/seu-usuario/nome-do-repositorio.git)
cd nome-do-repositorio
  2. Configure as variáveis de ambiente:
Se houver um arquivo .env.example, renomeie-o para .env. Caso contrário, crie um arquivo .env e configure as variáveis necessárias (como senhas para o PostgreSQL).
  3. Suba os contêineres Docker:
Este comando irá construir as imagens e iniciar todos os serviços (Airflow, PostgreSQL, Metabase).
    docker-compose up -d --build
  4. Acesse o Airflow:
    • Abra seu navegador e acesse http://localhost:8080.
    • Use o login e senha padrão (airflow/airflow).
    • Ative a DAG dag_pipeline_techstyle no painel principal para iniciar o pipeline.
  5. Acesse o Metabase e configure o Dashboard:
    • Acesse http://localhost:3000.
    • Siga os passos de configuração inicial.
    • Adicione uma nova conexão de banco de dados, apontando para o container do PostgreSQL. Use as credenciais definidas no docker-compose.yml ou no seu arquivo .env. O nome do host do banco de dados será o nome do serviço no Docker Compose (ex: postgres_dw).
    • Comece a criar suas perguntas e seu dashboard!
🛠️ Tecnologias, Arquitetura e Ferramentas Utilizadas
A seguir, uma lista das principais tecnologias e conceitos aplicados neste projeto:
⚙️ Infraestrutura e Orquestração
  • Docker & Docker Compose: Containerização de todos os serviços para garantir um ambiente de desenvolvimento e produção consistente e isolado.
  • Apache Airflow: Ferramenta open-source para orquestrar, agendar e monitorar os workflows de dados (DAGs).
  • PostgreSQL: Utilizado tanto como backend para o Airflow quanto como o Data Warehouse analítico para armazenar os dados tratados.
📊 Processamento e Modelagem de Dados
  • Python: Linguagem principal para os scripts de ingestão de dados, utilizando a biblioteca Pandas para manipulação e leitura dos arquivos.
  • dbt (data build tool): Ferramenta para a etapa de transformação (T) do ELT. Permite construir modelos de dados com SQL de forma modular, testável e documentada.
  • SQL: Linguagem utilizada para todas as transformações, agregações e modelagem de dados dentro do dbt.
📈 Visualização de Dados
  • Metabase: Ferramenta de Business Intelligence open-source, de fácil configuração, utilizada para criar o dashboard final e democratizar o acesso aos dados.
🏛️ Arquitetura e Conceitos
  • ELT (Extract, Load, Transform): Paradigma moderno de data integration onde os dados brutos são primeiro carregados no Data Warehouse e transformados posteriormente.
  • Data Lake (simulado): Utilização do sistema de arquivos local para armazenar os dados brutos (raw data) antes do processamento.
  • Data Warehouse: Banco de dados relacional otimizado para consultas analíticas (OLAP).
  • Modelagem Dimensional (Star Schema): Metodologia para organizar os dados em tabelas Fato (eventos, métricas) e Dimensão (contexto, atributos), facilitando a análise.
  • Qualidade de Dados (Data Quality): Implementação de testes automatizados com dbt test para garantir a confiabilidade dos dados no Data Mart.
🔧 Ferramentas e Boas Práticas
  • Git & GitHub: Sistema de controle de versão para gerenciamento do código-fonte e documentação.
  • Visual Studio Code: Editor de código com extensões para Docker, Python e SQL.
🗺️ Roadmap (próximos passos do andamento do projeto)
  •  ✅ Definição do Problema e Arquitetura
  •  ✅ Configuração do Controle de Versão
  •  ✅ Geração dos Dados de Origem (Fontes)
  •  ✅ "Dockerizar" o Projeto
  •  ✅ Estruturar o Projeto Airflow
  •  ✅ Desenvolver o Script de Ingestão
  •  ✅ Criar a DAG de Ingestão no Airflow
  •  ✅ Configurar o Projeto dbt
  •  ✅ Criar Modelos de Staging (staging)
  •  ✅ Criar Modelos Dimensionais e de Fatos (marts)
  •  ✅ Implementar Testes de Qualidade
  •  Integrar dbt com Airflow
  •  Configurar a Ferramenta de BI
About
Este repositório contém o desenvolvimento de um pipeline de dados completo e automatizado, simulando um ambiente corporativo para a empresa fictícia "TechStyle Commerce". O projeto foi criado como um case prático para demonstrar habilidades em engenharia de dados, desde a ingestão de fontes brutas até a disponibilização de dashboards.
Topics
apache-airflowdatalakedatawarehousedbtdockerdocker-composedockerfileeltmetabasemodelagem-dimensionalpostgresqlpythonqualidade-de-dadossqlvenv
Resources
Readme
License
Activity
Stars
3 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages