📊 dbt-analytics

Projeto desenvolvido com dbt e BigQuery simulando um pipeline analítico para uma empresa de e-commerce. O foco é automatizar a geração de métricas de marketing e comportamento de usuários, a partir de dados de eventos exportados do GA4.

---

🎯 Objetivo

Transformar dados brutos de eventos e perfis de usuários em insights acionáveis para as áreas de marketing e produto, calculando indicadores como:

• CPA (Custo por Aquisição)
• ROAS (Retorno sobre Investimento em Mídia)
• Ticket Médio
• Receita Total por Usuário
• Tempo de Relacionamento com o Cliente

---

🧰 Tecnologias utilizadas

• dbt Cloud (Free)
• Google BigQuery
• Looker Studio (opcional para visualização)
• GitHub

---

🗂️ Estrutura do Projeto

models/
├── metricas_por_campanha.sql        # ROAS e CPA por data, campanha e plataforma
├── metricas_por_usuario.sql         # Agregações por usuário (compras, receita, ticket)
├── metricas_usuario_ltv.sql         # LTV e dias de relacionamento por cliente

---

📁 Tabelas criadas no BigQuery

Tabela	Descrição	Particionada?	Clusterizada?
trusted_data.metricas_por_campanha	Métricas por campanha e plataforma	✅ data	✅ campanha, plataforma
trusted_data.metricas_por_usuario	Agregações por usuário	✅ data_primeira_compra	✅ user_id
trusted_data.metricas_usuario_ltv	LTV e tempo de vida do cliente	✅ data_ultima_compra	✅ user_id

---

🛠️ Como executar

Este projeto foi desenvolvido e executado diretamente no dbt Cloud, com agendamento e versionamento via GitHub.

Se quiser rodar localmente com o dbt Core, siga os passos abaixo:

1. Clone o repositório:

git clone https://github.com/sarasantanadev/dbt-analytics.git
cd dbt-analytics

2. Configure o arquivo profiles.yml com as credenciais do seu projeto no BigQuery.

3. Instale as dependências:

dbt deps

4. Execute os modelos:

dbt run

5. Gere a documentação (opcional):

dbt docs generate
dbt docs serve

---

👩🏽‍💻 Desenvolvido por

Sara Santana
Engenheira de Dados | dbt | BigQuery | GCP
🔗 LinkedIn
🐙 GitHub