Autor: Edson Soares
O projeto Sales Automation é uma solução para automatizar relatórios de vendas utilizando integração com Google Sheets e AWS SageMaker para realizar previsões e análises de dados. A aplicação foi desenvolvida com foco em automação de processos de negócios, extraindo dados de planilhas do Google Drive e realizando análises preditivas com AWS SageMaker.
Este projeto pode ser utilizado para gerar relatórios, consolidar dados de vendas, prever comportamentos e gerar insights que agregam valor às operações comerciais.
sales_automation/
│
├── config/
│ └── credentials_google_api.json # Credenciais de serviços para autenticação com Google API
│
├── data/
│ └── (Aqui estarão os arquivos de dados de entrada, se necessário)
│
├── logs/
│ └── execution.log # Log da execução do projeto
│
├── src/
│ ├── auth_google.py # Autenticação com Google API
│ ├── google_sheets_interaction.py # Integração com Google Sheets
│ ├── sagemaker_integration.py # Integração com AWS SageMaker
│ ├── database.py # Conexão com banco de dados SQLite
│ ├── setup.py # Criação das tabelas no banco de dados
│ ├── utils.py # Funções auxiliares (carregar planilhas, processar dados, etc.)
│ └── main.py # Execução principal do projeto
│
└── README.md
Antes de executar o projeto, certifique-se de que você tem os seguintes itens instalados:
git clone https://github.com/edsondearaujo/sales_automation.git
cd sales_automation
Execute o comando para instalar todas as bibliotecas Python necessárias:
pip install -r requirements.txt
Obtenha as credenciais do Google API seguindo este guia.
Salve o arquivo credentials_google_api.json no diretório config/. Configuração do AWS SageMaker:
Certifique-se de que sua AWS CLI está configurada corretamente com suas credenciais.
Configure um endpoint no SageMaker que o código possa usar para inferências.
Inicialize o Banco de Dados:
Execute o script de configuração do banco de dados para criar as tabelas:
python3 src/setup.py
Depois que o banco de dados estiver configurado e as credenciais estiverem corretas, execute o arquivo principal para iniciar o processamento:
python3 src/main.py
ou
python3 -m src.main #executar como módulo
Isso irá:
Se preferir testar o projeto com dados locais, você pode colocar um arquivo Excel na pasta data/ e modificar o código para carregar os dados a partir desse arquivo.
Os logs da execução são gravados no arquivo logs/execution.log, onde você pode verificar eventuais erros ou sucessos na execução das tarefas.
Sinta-se à vontade para enviar pull requests ou abrir issues no GitHub para contribuir com melhorias no projeto.
Se você tiver qualquer dúvida ou encontrar problemas, por favor, entre em contato!