Delivery Analytics

Este repositório contém um projeto de Análise e Ciência de Dados focado na operação logística de entregas de "last-mile" (Cidade 11). O objetivo principal é diagnosticar as causas raízes do aumento de cancelamentos ocorrido e propor soluções baseadas em dados.

Problema

A operação enfrentou um aumento relativo de 4,6% na Taxa de Cancelamento e uma estagnação no On-Time Delivery (OTD). A análise investiga os ofensores operacionais (distância, turnos, modalidades) e financeiros (repasses de dinâmica, margem unitária) para entender o que está quebrando o SLA (Service Level Agreement) das entregas.

Estrutura do Projeto

A análise foi construída em um pipeline modular, separando a Engenharia de Dados, o Diagnóstico Descritivo, a Modelagem Estatística e o Machine Learning Preditivo:

• notebooks/01_etl_auditoria.ipynb: Pipeline de ETL (Extract, Transform, Load). Responsável por limpar inconsistências, remover duplicatas com base em regras de negócio de prioridade, criar dezenas de features calculadas (atraso, custo por km, margem) e exportar a Camada Gold (base_tratada.csv).
• notebooks/02_eda_diagnostico.ipynb: Análise Exploratória de Dados (EDA). Mapeamento de distribuições, detecção de ofensores de tempo (ex: tempo de deslocamento consome 60% da operação) e impacto da suspensão de incentivos financeiros (dinâmica).
• notebooks/03_modelagem_hipoteses.ipynb: Validação estatística e visual de 8 hipóteses de negócio, conectando ineficiência logística à perda de margem financeira.
• notebooks/04_modelagem_estatistica_ols.ipynb: Inferência estatística utilizando Regressão Linear Múltipla (Ordinary Least Squares) para quantificar o peso exato de cada variável no tempo de atraso.
• notebooks/05_machine_learning.ipynb: Modelagem preditiva comparando algoritmos (Regressão Linear, KNN, Random Forest e XGBoost) através de Validação Cruzada Aninhada (Nested CV) e otimização de hiperparâmetros para estimar o tempo exato de atraso.

Principais Descobertas (Diagnóstico)

1. O Ofensor da Distância (SLA vs. Realidade): A distância é o maior detrator da operação. Entregas acima de 12 km derrubam o OTD para 46,6% e o tempo P90 chega a 119 minutos.
2. Modalidade Expressa: O baixo OTD (85%) da modalidade Expressa não é causado por lentidão da frota, mas por um SLA irrealista (40 min) que deixa a operação sem margem de segurança frente a imprevistos.
3. Colapso de Margem Unitária: Entregas longas (12+ km) e operações no Turno da Noite apresentam os maiores Custos Operacionais. Como a receita não acompanha esse custo (economia de escala reversa no custo absoluto), a margem unitária da empresa é severamente esmagada nesses cenários.
4. Resiliência de Canais: Em momentos de crise (suspensão de dinâmicas em Jan/26), o canal de entrada via API mostrou-se o mais resiliente, aumentando seu OTD para 90%, enquanto o App estagnou.

A Equação Matemática do Atraso (Inferência)

Através de um modelo de Regressão Linear Múltipla (statsmodels), isolamos as variáveis e descobrimos a fórmula que rege o atraso da operação (com 95% de confiança):

$Atraso = -49.19 + 4.26(km) + 2.01(evento) + 1.57(Noite)$

Interpretação:

• Cada 1 km adicional na rota adiciona, matematicamente, 4,26 minutos de atraso.
• Operar à noite adiciona 1,57 minutos de atraso em relação à manhã.
• O Turno da Tarde não apresentou significância estatística, provando que seus atrasos derivam do volume e distância, e não do horário em si.

Machine Learning e o "Teto da Informação"

A transição da inferência para a predição revelou o real limite dos dados logísticos atuais:

• O algoritmo XGBoost entregou a melhor performance preditiva, com um Erro Médio Absoluto (MAE) de 10,42 minutos e um $R^2$ de ~34%.
• A paridade de resultados entre modelos simples e complexos (mesmo após intenso tuning de hiperparâmetros) provou estatisticamente que os 66% restantes da variância não conseguem ser captados pelos dados atuais.
• Viabilidade de Negócio: Em vez de fornecer estimativas cravadas, o modelo provou ser viável para a construção de "Janelas de Expectativa" dinâmicas no aplicativo, gerenciando a ansiedade do cliente com margens de SLA personalizadas pela complexidade da rota.

Tecnologias Utilizadas

• Linguagem: Python
• Manipulação de Dados: Pandas, NumPy
• Visualização: Matplotlib, Seaborn
• Estatística Clássica: Statsmodels
• Machine Learning: Scikit-Learn, XGBoost
• Versionamento: Git / GitHub

Próximos Passos

Explorar o conjunto de dados para além da cidade 11 e entender se os padrões encontrados se repetem em outras cidades.