← todos os projetos

BigData Analytics

Unisul

Dashboard para acompanhar engajamento e desempenho de alunos, com métricas consolidadas, gráficos interativos e relatórios que abrem sem recarregar a página.

O que é

O BigData Analytics é um sistema de gestão do conhecimento e análise de dados feito na graduação em Engenharia da Computação na Unisul. É um painel web que centraliza os dados de alunos de vários cursos e mostra, numa tela só, o engajamento (tempo de uso, acessos e dispositivos) e o desempenho de cada grupo.

O objetivo é centralizar a análise: em vez de percorrer a base linha a linha, o painel já mostra as métricas consolidadas, os gráficos e os relatórios detalhados.

Os dados

O sistema lê uma base tratada em CSV com três tipos de informação: o perfil do aluno (idade, região e curso), as métricas acadêmicas (nota média, classificação de desempenho e de engajamento) e o comportamento de acesso (dispositivo, tempo de uso em minutos, acessos por semana e data).

O tratamento e as agregações são feitos com Pandas e NumPy, no backend em Python. É ali que saem os números dos cards e as séries que alimentam cada gráfico.

Como funciona

A visão geral abre com quatro cards: total de alunos, nota média geral, tempo médio de uso e total de acessos. Abaixo vêm quatro gráficos interativos gerados pelo Plotly Express: distribuição por curso (rosca), uso de dispositivos (barras), tempo médio de uso por curso (área) e níveis de engajamento (pizza).

Os relatórios detalhados de alunos, cursos e tempo de uso não recarregam a página. O Django expõe uma API interna em JSON; o navegador busca os dados com a Fetch API, em JavaScript puro, e mostra o resultado numa janela modal sobre o painel. O efeito é o de uma SPA, sem framework de frontend.

Tecnologias e decisões

Backend em Python com Django; análise com Pandas e NumPy; gráficos com Plotly Express, que gera o HTML interativo direto do Python; frontend em HTML, CSS e JavaScript sem bibliotecas.

O ambiente de desenvolvimento roda em Docker, com o código montado como volume: quem clona o repositório sobe o painel com dois comandos, e as alterações aparecem na hora, sem novo build.

O que o projeto exercitou

O trabalho passou por todas as etapas de um projeto de dados pequeno: tratar a base, resumir os números que importam, escolher o gráfico certo para cada pergunta e servir tudo numa interface rápida. Também mostrou que dá para ter navegação fluida com uma API JSON simples e um pouco de JavaScript, sem trazer um framework inteiro para o frontend.

Destaques

Stack

Python, Django, Pandas, Plotly, Docker

Código no GitHub

Projeto de Victor de Melo da Rosa.