point-leads-system/point_leads_platform.py at master · KaikeWesleyReis/point-leads-system · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
#!/usr/bin/env python
# -*- coding: utf-8 -*-

import pandas as pd
import streamlit as st
import platform_functions as platFunc

st.set_option('deprecation.showfileUploaderEncoding', False)

# Pages
def main_page():
    st.title("Point Leads")
    st.image("images/icon.PNG", width=None)
    st.write(
        """
        ## Sistema de recomendação de Leads para empresas

        Por: *Kaike Wesley Reis*

        ## **Sobre**
        O sistema de recomendação desenvolvido aqui busca encontrar novos leads para a sua empresa a partir do portfólio disponibilizado!

        ***Point Leads*** alcança seus objetivos utilizando um algoritmo de aprendizagem de máquina chamado *Nearest Neighbours* em sua versão não supervisionada.

        Porém você pode estar se perguntando: **Como realmente funciona este sistema?**

        Seu funcionamento se baseia na análise de distâncias em um espaço N-dimensional. A figura abaixo apresenta um exemplo do que realmente ocorre por
        trás da cortina em ***Point Leads***:
        """
        )
    st.image("images/nearestExample.png", width=None)
    st.write(
        """
        Para cada cliente presente em seu portfólio, nosso algoritmo irá buscar encontrar **N** novos possíveis *leads* em nossa base de dados com mais de 400 mil
        empresas no mercado, onde quanto menor for a distância, maior serão as chances de encontrarmos um *lead* para complementar seu portfólio!

        Essa abordagem apesar de simples, traz inúmeras vantagens:
        - **Customização na quantidade de leads**: Nosso algoritmo é flexível o suficiente para encontrar grandes grupos de leads por cliente, alterando o valor de **N**.
        - Funcionamento **rápido**, **eficaz** e **intuitivo**.
        - **Leads personalizados**: Caso sua empresa trabalhe com um portfólio bem diversificado com empresas de diferentes ramos e setores de atuação nosso algoritmo será sua
        melhor opção, pois ele é capaz de identificar essa demanda recomendando leads personalizados para cada cliente disponível em seu portfólio.

        Ao final de cada recomendação, nosso sistema retorna uma série de *reports* para você conhecer o novo mercado que lhe espera!

        Acesse a página **Como utilizar** para entender como utilizar esta plataforma de recomendação!
        """
        )
    st.write(
        """
        ## **Outras informações**
        Caso queira conhecer o passo a passo para a construção deste sistema e o **tutorial de uso** acesse o [repositório explicativo no github](https://github.com/KaikeWesleyReis/point-leads-system).
        Este repositório contém além do tutorial todo o código desde o pré-processamento até as etapas finais com a criação do modelo e *reports*.

        Caso queira entrar em contato com criador deste sistema:
        - [LinkedIn](https://www.linkedin.com/in/kaike-wesley-reis/)
        - [Github](https://github.com/KaikeWesleyReis)


        """
        )

def report_page():
    st.title("Point Leads")
    st.image("images/icon.PNG", width=None)
    st.write(
        """
        ## Sistema de recomendação de Leads para empresas
        Por: *Kaike Wesley Reis*

        **Importante**: Acesse o [tutorial de uso hospedado no github](https://github.com/KaikeWesleyReis/point-leads-system). Além do tutorial, lá você encontra
        o link de download para os portfólios de teste.

        # **Primeira etapa**
        """
        )
    # 1 - Insira seu portfolio
    test_file = st.file_uploader("Insira aqui seu portfólio (suporta apenas formato csv):", type=['csv'])
    if test_file:
        test = pd.read_csv(test_file)

    # 2 - Pedir quantos leads por cliente
    st.write("""
             # **Segunda etapa**
             Insira a quantidade **N** de *leads* que deseja por cliente em seu portfólio:
             """
             )
    n_leads = st.slider("", 2, 3)

    # 3 - Aguardar o modelo retornar os leads
    st.write("""# **Terceira etapa**""")
    button_leads = st.button('Conseguir Leads!')
    process_complete = False
    if button_leads:
        st.write("""Aguarde nosso sistema retornar os possíveis leads para sua empresa ...""")
        # (*) - Carregar bases de dados e modelos & transformar dataset
        recommender_model = platFunc.load_recommender_model()
        market_info, training = platFunc.load_datasets()
        # Transformar portfolio
        test = platFunc.pipeline_for_test_with_imputation(test, training.columns)
        # Pegar leads
        leads_idx = platFunc.get_leads(test,recommender_model,n_leads)
        # Get predictions info
        leads_market = platFunc.get_leads_info_in_market(market_info, leads_idx.reshape(-1))
        leads_training = platFunc.get_leads_info_in_training(training, leads_idx.reshape(-1))
        process_complete = True
        if process_complete:
            # Mostrar report
            st.write("""
            # **Reports**
            Analise os resultados alcançados pelo nosso sistema:

            ## Veja a similaridade dos *leads* com o portfólio ...
            """
             )
            similaridade = platFunc.plot_portfolio_market_pie_similarity(test, leads_training,threshold=0.80)
            if similaridade > 50.0:
                st.write("""**O sistema conseguiu encontrar uma alta similaridade (acima de 50%) entre os *leads* e o seu portfólio.
                         Isso indica que o seu mercado é bem homogêneo, ou seja, seu portfólio apresenta empresas de ramos/faturamento/regiões semelhantes!**""")
            else:
                st.write("""**O sistema conseguiu encontrar uma alta similaridade (abaixo de 50%) entre os *leads* e o seu portfólio.
                         Isso indica que o seu mercado é bem heterogêneo, ou seja, seu portfólio apresenta empresas de ramos/faturamento/regiões distintas!**""")
            st.write("""## A concentração dos principais escritórios dos *leads* estão nos estados ...""")
            platFunc.plot_bars(leads_market['sg_uf_matriz'], fig_title='')
            st.write("""## O faturamento esperado dos *leads* encontrados ...""")
            platFunc.plot_bars(leads_market['de_faixa_faturamento_estimado'], fig_title='')
            st.write("""## Os setores de atuação das empresas encontradas ...""")
            platFunc.plot_bars(leads_market['nm_divisao'], fig_title='')
            st.write("""## Veja abaixo alguns dos *leads* encontrados no link abaixo:""")
            st.dataframe(leads_market)


# Parte principal
nome_paginas = ("Sobre a plataforma","Conseguir leads!")
pagina = st.sidebar.selectbox('Selecione sua página', nome_paginas)

if pagina == nome_paginas[0]:
    main_page()
else:
    report_page()