Anúncios, pedidos, CRM e ERP em um único data warehouse,
e um analista para quem você pode mandar mensagem
Para duas marcas de suplementos esportivos (Tailândia e Ucrânia) construímos um data warehouse que une Meta, TikTok Shop, Shopify, LINE, GA4, CRM e um ERP de fábrica para o custo real da mercadoria, com dashboards, monitoramento de concorrentes e distribuidores, e um analista de IA no Telegram que responde com SQL. 1.025 testes. 184 de 218 eventos de preço abaixo do distribuidor pegos, com zero falsos alarmes.
A tarefa
Duas marcas, dois países, dados em uma dezena de lugares: plataformas de anúncios, uma loja Shopify, TikTok Shop, LINE, um CRM, GA4, um canal de pedidos no Telegram e um ERP de fábrica. O proprietário queria uma única visão e a capacidade de fazer uma pergunta e receber um número.
O que construímos
Conectores com backfill. Meta Ads, TikTok Shop (3.638 pedidos de um backfill de 30 dias), Shopify, LINE OA, GA4, KeyCRM, PostHog, um canal de pedidos no Telegram lido por um user-bot (571 de 571 pedidos recuperados), e o ERP de fábrica como fonte somente leitura do custo real da mercadoria, via receitas e preços de matéria-prima. Catálogo reconciliado entre três fontes: revelou 13 produtos sendo fabricados mas ausentes da loja.
Marts e dashboards. Pedidos, investimento, coortes, produtos, combos, margens com COGS real (margem de matéria-prima por linha, usada para desenhar kits). A análise de cesta de 568 pedidos mudou a estratégia de combos.
Módulos. Inteligência de concorrência com dez coletores (bibliotecas de anúncios, redes sociais, marketplaces, sites, tráfego, busca, tendências, avaliações) e um monitor de distribuidores que pegou 184 de 218 eventos de preço abaixo do combinado, com zero falsos alarmes. Segmentação de clientes em dez personas com afinidade de SKU, calculada deterministicamente em SQL. Um construtor de ofertas com um portão financeiro sobre a margem e uma trava de claims. Um arquiteto de funil com quatro portões determinísticos e exportação em Mermaid.
O analista de IA. Um papel somente leitura no banco de dados, uma camada de SQL protegida (um único SELECT, apenas o schema da mart, limites e timeouts forçados), e um bot no Telegram que responde “as três principais cidades por receita” com a própria query que executou. Auditamos nossa própria trava e encontramos oito brechas, de truques com aspas a acesso ao catálogo do sistema, e fechamos todas antes de confiar nela com dados reais.
Implantação. Serviços separados por marca em um VPS, systemd, Caddy para TLS, backups diários, 1.025 testes automatizados na rodada completa.
O resultado
O proprietário recebe números no Telegram em segundos, o time recebe alertas quando um distribuidor baixa o preço, e as duas marcas finalmente compartilham uma única definição de pedido.