Fazemos cobrança com IA via WhatsApp. São mais de 1 milhão de conversas por mês, vindas de múltiplas fontes de dados.
Você recebeu cinco conjuntos de dados simulados:
| Arquivo | Origem simulada | Descrição |
|---|---|---|
data/debts.csv |
MySQL | Dívidas em cobrança |
data/dispatches.csv |
MySQL | Disparos enviados por campanha |
data/messages.json |
DynamoDB | Mensagens trocadas nas conversas |
data/agreements.csv |
MySQL | Acordos fechados |
data/payments.csv |
MySQL | Pagamentos realizados |
Um cliente quer entender a performance das campanhas de cobrança — do disparo até o pagamento.
Você define o que faz sentido entregar.
- Pipeline em Python que consolide as fontes e exporte um CSV
- Dashboard a partir do CSV processado (Streamlit, Metabase, ou ferramenta de sua escolha)
- Orquestração do pipeline (Airflow, Prefect, ou script com agendamento — você escolhe)
- Schema documentado do CSV de saída
- Funcionamento do pipeline
- Qualidade das métricas escolhidas e da transformação
- Tratamento de dados inconsistentes
- Clareza da orquestração
- Visualização e storytelling do dashboard
Fork este repositório, implemente, e envie o link para matheus.morett@monest.com.br com o assunto Teste Dados - Monest.
Se o repositório for privado, adicione matheusmorett2 como colaborador.