Análise completa da Demonstração do Resultado do Exercício (DRE) de uma empresa fictícia do varejo (TechStore Brasil), com foco em análise vertical, horizontal, margens financeiras e sazonalidade.
A DRE é um dos relatórios financeiros mais importantes de uma empresa, ela mostra se a operação gera lucro ou prejuízo. Este projeto simula 6 anos de dados trimestrais de uma empresa de varejo de tecnologia e aplica as principais técnicas de análise financeira utilizadas por analistas de dados, controllers e equipes de FP&A.
| Período | Contexto | Impacto |
|---|---|---|
| 2019 | Operação estável | Crescimento moderado de 8% |
| 2020 | Pandemia COVID-19 | Queda de 12% na receita |
| 2021 | Recuperação via e-commerce | Crescimento acelerado de 33% |
| 2022 | Expansão agressiva | Aumento de despesas comerciais |
| 2023 | Consolidação | Foco em eficiência operacional |
| 2024 | Maturidade | Margens mais saudáveis da série |
| Indicador | Valor |
|---|---|
| Receita Líquida | R$ 19.3M |
| Lucro Líquido | R$ 3.0M |
| Margem Bruta | 45.5% |
| Margem EBITDA | 26.8% |
| Margem Líquida | 15.7% |
| CAGR Receita (5 anos) | 13.4% |
-
Recuperação pós-COVID surpreendente: a receita caiu 12% em 2020, mas o CAGR de 5 anos fechou em 13.4%, puxado pela migração para e-commerce.
-
Melhoria contínua nas margens: a margem bruta saiu de 38.5% (2019) para 45.5% (2024), reflexo de melhor negociação com fornecedores e mix de produtos.
-
2022 foi crescimento sem eficiência: apesar do aumento de 33% na receita, as despesas com vendas subiram proporcionalmente e a margem líquida ficou em 9.7%.
-
2023-2024 mostram maturidade operacional: o foco em eficiência elevou a margem líquida para 15.7%, o maior nível da série histórica.
-
Forte sazonalidade no Q4: o último trimestre (Black Friday + Natal) concentra ~30% da receita anual — essencial considerar isso no planejamento de caixa.
- Python 3.12 — Linguagem principal
- Pandas — Manipulação de dados financeiros
- NumPy — Cálculos estatísticos e financeiros
- Matplotlib — Visualizações profissionais (waterfall, stacked bars, multi-axis)
- SQL — Consultas analíticas: Window Functions, CTEs, YTD acumulado, análise vertical/horizontal
- Análise Vertical (AV) e Horizontal (AH)
- Cálculo de margens (Bruta, EBITDA, Operacional, Líquida)
- CAGR (taxa de crescimento composta)
- Waterfall chart / Bridge chart
- Análise de sazonalidade
- Eficiência operacional (custos como % da receita)
analise-dre-empresarial/
│
├── data/
│ ├── dre_techstore_2019_2024.csv # DRE trimestral completa
│ ├── dre_anual_techstore.csv # DRE consolidada anual
│ └── dre_analise_vertical.csv # Análise vertical (%)
│
├── src/
│ ├── gerar_dados_dre.py # Geração do dataset
│ └── analise_dre.py # Análise + 6 visualizações
│
├── sql/
│ └── consultas_dre.sql # 8 queries analíticas
│
├── visualizacoes/
│ ├── 01_evolucao_receita_lucro.png
│ ├── 02_margens_financeiras.png
│ ├── 03_waterfall_dre.png
│ ├── 04_analise_vertical.png
│ ├── 05_analise_horizontal.png
│ └── 06_sazonalidade.png
│
├── requirements.txt
├── .gitignore
└── README.md
# Clone o repositório
git clone https://github.com/analuizamarumm/analise-dre-empresarial.git
cd analise-dre-empresarial
# Instale as dependências
pip install -r requirements.txt
# Gere os dados
python src/gerar_dados_dre.py
# Execute a análise
python src/analise_dre.py[Ana Luiza Marum] — Analista de Dados
Projeto desenvolvido para portfólio. Os dados são sintéticos, simulando a operação de uma empresa fictícia do varejo de tecnologia.