Projeto TechStore – Banco de Dados para E-commerce

Visão Geral

Este projeto consiste na criação de um banco de dados relacional para um sistema de e-commerce chamado TechStore. O objetivo foi aplicar conceitos avançados de modelagem lógica e SQL para estruturar, popular e consultar o banco, simulando um cenário realista de vendas online.

---

Estrutura do Projeto

• script_criacao.sql: Script para criação das tabelas, incluindo chaves primárias, estrangeiras, restrições e relacionamentos.
• dados_teste.sql: Comandos SQL para inserir dados realistas e variados, permitindo testes práticos.
• consultas.sql: Consultas SQL complexas que exploram recuperação, filtros, agregações, ordenações e junções.
• README.md: Documento explicativo do projeto.

---

Modelo Lógico do Banco

O banco foi projetado para contemplar os seguintes requisitos:

• Clientes Pessoa Física (PF) e Pessoa Jurídica (PJ): Uma conta pode ser apenas PF ou PJ, com validações para evitar sobreposição.
• Pedidos e Itens: Registro detalhado de pedidos realizados pelos clientes e os produtos associados a cada pedido.
• Formas de Pagamento Múltiplas: Cada pedido pode ter várias formas de pagamento cadastradas.
• Entregas com Status e Código de Rastreamento: Para monitoramento do processo de entrega.
• Fornecedores e Produtos: Relação clara entre produtos e seus fornecedores.
• Vendedores: Identificação dos responsáveis pelas vendas, podendo também serem fornecedores.

---

Instruções para Uso

1. Criar o Banco e as Tabelas:
   Execute o script script_criacao.sql no MySQL Workbench para criar o esquema do banco.

2. Inserir Dados:
   Execute o script dados_teste.sql para popular o banco com dados de clientes, produtos, fornecedores, pedidos, pagamentos e entregas.

3. Executar Consultas:
   Utilize o arquivo consultas.sql para rodar queries que exploram diferentes aspectos do banco, como:

   • Quantidade de pedidos por cliente;
   • Produtos fornecidos e estoque disponível;
   • Relação entre vendedores e fornecedores;
   • Total gasto por cliente e outros indicadores.

---

Exemplos de Consultas Realizadas

• Recuperações Simples: Seleção de clientes, produtos e pedidos.
• Filtros Avançados: Uso de cláusulas WHERE para segmentar dados.
• Atributos Derivados: Cálculo de totais e médias para análises.
• Ordenação: Listagem ordenada por nome, data ou valores.
• Condições em Grupos: Uso de HAVING para filtrar agrupamentos.
• Junções Complexas: Combinação de múltiplas tabelas para análises integradas.

---

Aprendizados e Considerações Finais

Este projeto permitiu aplicar conceitos essenciais de modelagem de dados e SQL em um cenário prático e desafiador. Além de estruturar um banco de dados robusto, foram exploradas consultas complexas que simulam necessidades reais de análise em um e-commerce.

A experiência fortaleceu a compreensão sobre a importância da integridade dos dados, normalização, e o poder das consultas SQL para extrair informações estratégicas.

---

Contato

Projeto desenvolvido por Vanessa Queiroz – Outubro de 2025.

Para dúvidas, sugestões ou colaborações, entre em contato pelo GitHub: https://github.com/nessaqueirooz-png

---