import { createModuleFactory, createSchedule } from "@davinti/jeff"; const moduleFactory = createModuleFactory(["C5", "C5_big", "C5_mambo"]); export default moduleFactory .createModule({ id: "flash-de-vendas", description: "Flash de Vendas", label: "Flash de Vendas", icon: "bar-chart", ai: { topics: { flash_vendas_big: { descricao: "Consulta e análise do relatório Flash de Vendas. Permite visualizar metas do mês, vendas do mês atual, variações e projeções, além de comparativos com o mês anterior e ano anterior. Útil para projeção de batimento de meta, ranking de lojas e comparativos de performance.", prompt: { prompt_persona: "Você é um Especialista em Dados e Extrator de Filtros de alto nível. Sua única tarefa é analisar a solicitação do usuário sobre desempenho de vendas (Flash de Vendas), identificar quais informações ele deseja buscar (como data de referência ou loja) e como deseja visualizar esses dados (agrupamento), preparando as variáveis exatas para o sistema de relatórios.", prompt_tarefa: "1. Identificação de Filtros: Extraia a data de referência (geralmente hoje) e identifique se o usuário quer ver dados de uma loja específica. A fonte de dados apenas suporta filtro de 'data' e 'loja'.\n2. Identificação de Agrupamento: Verifique se o usuário deseja visualizar o total geral (agrupamento vazio) ou agrupar por loja (ex: 'Qual loja está mais distante da meta?'). A query não suporta agrupamentos por divisão, segmento ou categoria.\n3. Identificação do Propósito Analítico:\n - Se perguntar 'Vou bater a meta do mês?', a IA final deverá calcular a média de venda diária (realizado / dias corridos), projetar o fechamento (média * dias do mês), comparar com a meta e exibir o gap.\n - Se perguntar 'Qual loja está mais distante da meta?', a IA final deverá criar um ranking ordenando as lojas pelo percentual de atingimento.\n - Se perguntar comparativos temporais ('mês passado' ou 'ano passado'), a IA final fará o comparativo direto em valor e percentual.", prompt_regras_gerais: "- Extraia listas de lojas se múltiplas forem solicitadas (ex: 'loja A e loja B').\n- Se não houver solicitação explícita ou implícita de agrupamento por loja, não preencha a chave de agrupamento, mantendo-a vazia.\n- Não invente filtros ou agrupamentos (como divisão, segmento) que não existem na configuração.", prompt_regras_contexto: "- Nunca analise a mensagem de forma isolada se ela for um refinamento (ex: 'E como foi o ano passado?'). Use o histórico para resgatar os filtros anteriores.\n- Não invente valores para os filtros se não forem fornecidos na conversa.", prompt_exemplos: "*Exemplo 1:*\n- Usuário: 'Vou bater a meta do mês?'\n- Raciocínio: Não há filtro de loja explícito (visão global). Nenhum agrupamento solicitado. A IA apenas extrairá os totais para calcular a projeção e gap com a meta.\n\n*Exemplo 2:*\n- Usuário: 'Qual loja está mais distante da meta?'\n- Raciocínio: Há um pedido implícito de agrupamento por 'loja'. O sistema irá consolidar os dados de todas as lojas para montar o ranking das mais distantes (menor atingimento percentual).\n\n*Exemplo 3:*\n- Usuário: 'Como estamos em relação ao mês passado?'\n- Raciocínio: Nenhuma quebra solicitada, exceto se for contexto anterior. O foco é a comparação de mes_atual vs mes_anterior em valor e percentual.", prompt_outras_infos: "Atenção: A query subjacente fornece apenas totalizações gerais ou por loja. Qualquer pedido de quebra por divisão, regional ou segmento não pode ser atendido. A lógica de projeção (diária * total dias), gap de valor e ranking de percentual ficam a cargo do processamento final baseado nas colunas mes_atual, meta_mes, mes_anterior e ano_anterior retornadas.", prompt_saida: "Sua resposta deve ser uma análise detalhada e objetiva dos dados recebidos, apresentando os principais insights de forma clara e concisa.", }, json_params_saida: { agrupamentos: [ { nome_parametro: "loja", coluna_vtr: "x.codigo", }, ], filtros: { data_venda: { descricao_agente: "A data base para a consulta das vendas. Caso não informada explicitamente, usar a data de hoje no formato YYYY-MM-DD.", nome_parametro: "data_venda", }, loja: { descricao_agente: "Lista de nomes ou códigos de lojas mencionados para filtragem.", coluna_vtr: "x.nomeempresaapp", tabela_rag: "tb_flash_nodo", }, }, }, query_base: "flash_vendas_ai", }, }, }, queries: { flash: { name: "Flash de Vendas", display: { type: "flash", settings: { group_column: "canalapp", total_indicator_column: "is_total", null_label_key: "Geral", }, header: { title_column: "canalapp", value_column: "venda_dia", value_format: "currency", }, rows: [ { label: "Meta Mês", column: "meta_mes", format: "currency_short", }, { label: "Mês Atual", column: "mes_atual", format: "currency_short", }, { label: "Dif ($)", column: "dif_mes_atual", format: "currency_short", }, { label: "% Variação", column: "variacao_atual", format: "percentage", }, { label: "Mês Anterior", column: "mes_anterior", format: "currency_short", }, { label: "Dif ($)", column: "dif_mes_anterior", format: "currency_short", }, { label: "% Variação", column: "variacao_mes_anterior", format: "percentage", }, { label: "Ano Anterior", column: "ano_anterior", format: "currency_short", }, { label: "Dif ($)", column: "dif_ano_anterior", format: "currency_short", }, { label: "% Variação", column: "variacao_ano_anterior", format: "percentage", }, ], }, params: ["data_venda"], }, flash_categorias: { name: "Flash de Vendas por Categorias", display: { type: "flash", settings: { group_column: "categoriaapp", total_indicator_column: "is_total", null_label_key: "Geral", }, header: { title_column: "categoriaapp", value_column: "venda_dia", value_format: "currency", }, rows: [ { label: "Meta Mês", column: "meta_mes", format: "currency_short", }, { label: "Mês Atual", column: "mes_atual", format: "currency_short", }, { label: "Dif ($)", column: "dif_mes_atual", format: "currency_short", }, { label: "% Variação", column: "variacao_atual", format: "percentage", }, { label: "Mês Anterior", column: "mes_anterior", format: "currency_short", }, { label: "Dif ($)", column: "dif_mes_anterior", format: "currency_short", }, { label: "% Variação", column: "variacao_mes_anterior", format: "percentage", }, { label: "Ano Anterior", column: "ano_anterior", format: "currency_short", }, { label: "Dif ($)", column: "dif_ano_anterior", format: "currency_short", }, { label: "% Variação", column: "variacao_ano_anterior", format: "percentage", }, ], }, params: ["data_venda", "codigo_categoria_pai", "cod_empresa"], }, flash_vendas_ai: { name: " Flash de vendas AI", display: { type: "none", }, params: ["data_venda", "agrupamento"], }, }, entrypoint: "flash" as "flash" | "flash_categorias", }) .withImplementations({ C5: { flash: (args) => { return { sql: /*sql*/ ` select tes.canalapp, tes.nomeempresaapp, grouping(tes.canalapp) is_total, sum(tvf.vlrvendadia) venda_dia, sum(tvf.vlrmetames) meta_mes, sum(tvf.vlrvendaacumulada) vda, sum(tvf.vlrvendaacumulada - tvf.vlrmetaaculumada) dma, sum(tvf.vlrmetadia) meta_dia, round(avg(tvf.vlrmetamargemdiaperc), 2) meta_margem_dia, sum(tvf.qtdclientes) qtd_clientes, round(sum(tvf.vlrvendadia) / nullif(sum(tvf.qtdclientes), 0), 2) as ticket_medio, round((sum(tvf.vlrlucro) / nullif(sum(tvf.vlrvendadia), 0)) * 100, 2) as margem from mboard.tb_venda_flash tvf inner join mboard.tb_empresa_segmento tes on tes.nroempresa = tvf.nroempresa and tes.nrodivisao = tvf.nrodivisao and tes.nrosegmento = tvf.nrosegmento and tes.codcanal = tvf.codcanal where 1=1 and tvf.vlrvendaacumulada > 0 and tvf.dtavda = TO_DATE(${args.data_venda}, 'YYYY-MM-DD') and (tvf.nroempresa in (${args.ctx_user_companies_for_module})) group by rollup(canalapp, nomeempresaapp) order by grouping(canalapp) desc, grouping(nomeempresaapp) desc`, }; }, flash_categorias: (args) => { return { sql: /*sql*/ ` select 'Categorias' as categoriaapp, 1 as is_total, 0 as venda_dia, 0 as meta_mes, 0 as mes_atual, 0 as dif_mes_atual, 0 as variacao_atual, 0 as mes_anterior, 0 as dif_mes_anterior, 0 as variacao_mes_anterior, 0 as ano_anterior, 0 as dif_ano_anterior, 0 as variacao_ano_anterior from dual where 1 = 0`, }; }, flash_vendas_ai: (args) => { return { sql: /*sql*/ ` `, }; }, }, C5_big: { flash: (args) => { return { sql: /*sql*/ ` SELECT 'Lojas' AS canalapp, x.codigo AS cod_empresa, x.nomeempresaapp AS nomeempresaapp, CASE WHEN GROUPING(x.codigo) = 1 THEN 1 ELSE 0 END AS is_total, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_mes, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) AS mes_atual, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda - x.valor_meta_efetiva ELSE 0 END) AS dif_mes_atual, CASE WHEN SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END) = 0 THEN 0 ELSE ROUND( ((SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) / SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END)) * 100) - 100 , 2) END AS variacao_atual, SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_mes_anterior, SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS mes_anterior, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) - SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS dif_mes_anterior, CASE WHEN SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) = 0 THEN 0 ELSE ROUND( ((SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) / SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END)) * 100) - 100 , 2) END AS variacao_mes_anterior, SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_ano_anterior, SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS ano_anterior, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) - SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS dif_ano_anterior, CASE WHEN SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) = 0 THEN 0 ELSE ROUND( ((SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) / SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END)) * 100) - 100 , 2) END AS variacao_ano_anterior FROM ( SELECT n.codigo, n.nome AS nomeempresaapp, r.valor_meta_efetiva, r.valor_venda, CASE WHEN r.data_referencia BETWEEN TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM') AND TO_DATE(${args.data_venda}, 'YYYY-MM-DD') THEN 'ATUAL' WHEN r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -1) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -1) THEN 'MES_ANTERIOR' WHEN r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -12) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -12) THEN 'ANO_ANTERIOR' END AS periodo FROM tb_flash_nodo_resumo_venda r JOIN tb_flash_nodo n ON n.id_nodo = r.id_nodo WHERE n.tipo_nodo = 'EMPRESA' and (n.cod_empresa in (${args.ctx_user_companies_for_module})) AND ( r.data_referencia BETWEEN TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM') AND TO_DATE(${args.data_venda}, 'YYYY-MM-DD') OR r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -1) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -1) OR r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -12) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -12) ) ) x GROUP BY GROUPING SETS ( (x.codigo, x.nomeempresaapp), () ) `, }; }, flash_categorias: (args) => { return { sql: /*sql*/ ` WITH params AS ( SELECT TO_DATE(${args.data_venda}, 'YYYY-MM-DD') AS data_venda, ${args.codigo_categoria_pai} AS codigo_categoria_pai, ${args.cod_empresa} AS cod_empresa FROM dual ), nodo_pai_param AS ( SELECT n.* FROM tb_flash_nodo n CROSS JOIN params p WHERE p.codigo_categoria_pai IS NOT NULL AND n.tipo_nodo = 'CATEGORIA' AND n.codigo = p.codigo_categoria_pai and (n.cod_empresa in (${args.ctx_user_companies_for_module})) AND ( p.cod_empresa IS NULL OR n.cod_empresa = p.cod_empresa ) ), nodos_filtrados AS ( SELECT filho.* FROM tb_flash_nodo filho JOIN nodo_pai_param pai_param ON pai_param.id_nodo = filho.id_nodo_pai CROSS JOIN params p WHERE filho.tipo_nodo IN ('CATEGORIA', 'PRODUTO') AND filho.ativo = 'S' AND ( p.cod_empresa IS NULL OR filho.cod_empresa = p.cod_empresa ) UNION ALL SELECT n.* FROM tb_flash_nodo n CROSS JOIN params p WHERE p.codigo_categoria_pai IS NULL AND n.tipo_nodo = 'CATEGORIA' AND n.ativo = 'S' and (n.cod_empresa in (${args.ctx_user_companies_for_module})) AND ( p.cod_empresa IS NULL OR n.cod_empresa = p.cod_empresa ) AND n.nivel = ( SELECT MIN(n2.nivel) FROM tb_flash_nodo n2 WHERE n2.tipo_nodo = 'CATEGORIA' AND n2.ativo = 'S' AND ( p.cod_empresa IS NULL OR n2.cod_empresa = p.cod_empresa ) ) ) SELECT x.tipo_nodo AS canalapp, x.codigo AS cod_empresa, x.nomeempresaapp AS nomeempresaapp, CASE WHEN GROUPING(x.codigo) = 1 THEN 1 ELSE 0 END AS is_total, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_mes, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) AS mes_atual, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda - x.valor_meta_efetiva ELSE 0 END) AS dif_mes_atual, CASE WHEN SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END) = 0 THEN 0 ELSE ROUND( ( ( SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) / SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END) ) * 100 ) - 100 , 2) END AS variacao_atual, SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_mes_anterior, SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS mes_anterior, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) - SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS dif_mes_anterior, CASE WHEN SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) = 0 THEN 0 ELSE ROUND( ( ( SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) / SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) ) * 100 ) - 100 , 2) END AS variacao_mes_anterior, SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_ano_anterior, SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS ano_anterior, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) - SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS dif_ano_anterior, CASE WHEN SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) = 0 THEN 0 ELSE ROUND( ( ( SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) / SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) ) * 100 ) - 100 , 2) END AS variacao_ano_anterior FROM ( SELECT cat.codigo AS codigo, cat.nome AS nomeempresaapp, cat.tipo_nodo, r.valor_meta_efetiva, r.valor_venda, CASE WHEN r.data_referencia BETWEEN TRUNC(p.data_venda, 'MM') AND p.data_venda THEN 'ATUAL' WHEN r.data_referencia BETWEEN ADD_MONTHS(TRUNC(p.data_venda, 'MM'), -1) AND ADD_MONTHS(p.data_venda, -1) THEN 'MES_ANTERIOR' WHEN r.data_referencia BETWEEN ADD_MONTHS(TRUNC(p.data_venda, 'MM'), -12) AND ADD_MONTHS(p.data_venda, -12) THEN 'ANO_ANTERIOR' END AS periodo FROM tb_flash_nodo_resumo_venda r JOIN nodos_filtrados cat ON cat.id_nodo = r.id_nodo CROSS JOIN params p WHERE ( r.data_referencia BETWEEN TRUNC(p.data_venda, 'MM') AND p.data_venda OR r.data_referencia BETWEEN ADD_MONTHS(TRUNC(p.data_venda, 'MM'), -1) AND ADD_MONTHS(p.data_venda, -1) OR r.data_referencia BETWEEN ADD_MONTHS(TRUNC(p.data_venda, 'MM'), -12) AND ADD_MONTHS(p.data_venda, -12) ) ) x GROUP BY GROUPING SETS ( (x.codigo, x.nomeempresaapp, x.tipo_nodo), () ) ORDER BY is_total, nomeempresaapp `, }; }, flash_vendas_ai: (args) => { return { sql: /*sql*/ ` SELECT ${args.agrupamento} AS KEY_FIELD, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_mes, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) AS mes_atual, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda - x.valor_meta_efetiva ELSE 0 END) AS dif_mes_atual, CASE WHEN SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END) = 0 THEN 0 ELSE ROUND( ((SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) / SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_meta_efetiva ELSE 0 END)) * 100) - 100 , 2) END AS variacao_atual, SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_mes_anterior, SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS mes_anterior, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) - SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS dif_mes_anterior, CASE WHEN SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END) = 0 THEN 0 ELSE ROUND( ((SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) / SUM(CASE WHEN x.periodo = 'MES_ANTERIOR' THEN x.valor_venda ELSE 0 END)) * 100) - 100 , 2) END AS variacao_mes_anterior, SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_meta_efetiva ELSE 0 END) AS meta_ano_anterior, SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS ano_anterior, SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) - SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) AS dif_ano_anterior, CASE WHEN SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END) = 0 THEN 0 ELSE ROUND( ((SUM(CASE WHEN x.periodo = 'ATUAL' THEN x.valor_venda ELSE 0 END) / SUM(CASE WHEN x.periodo = 'ANO_ANTERIOR' THEN x.valor_venda ELSE 0 END)) * 100) - 100 , 2) END AS variacao_ano_anterior FROM ( SELECT n.codigo, n.nome AS nomeempresaapp, n.codigo || ' - ' || n.nome AS loja_formatada, r.valor_meta_efetiva, r.valor_venda, CASE WHEN r.data_referencia BETWEEN TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM') AND TO_DATE(${args.data_venda}, 'YYYY-MM-DD') THEN 'ATUAL' WHEN r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -1) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -1) THEN 'MES_ANTERIOR' WHEN r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -12) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -12) THEN 'ANO_ANTERIOR' END AS periodo FROM tb_flash_nodo_resumo_venda r JOIN tb_flash_nodo n ON n.id_nodo = r.id_nodo WHERE n.tipo_nodo = 'EMPRESA' AND ( r.data_referencia BETWEEN TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM') AND TO_DATE(${args.data_venda}, 'YYYY-MM-DD') OR r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -1) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -1) OR r.data_referencia BETWEEN ADD_MONTHS(TRUNC(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), 'MM'), -12) AND ADD_MONTHS(TO_DATE(${args.data_venda}, 'YYYY-MM-DD'), -12) ) ) x WHERE 1=1 --FILTROS-- GROUP BY ${args.agrupamento} ORDER BY mes_atual DESC `, }; }, }, C5_mambo: { flash: (args) => { return { sql: /*sql*/ ``, }; }, flash_categorias: (args) => { return { sql: /*sql*/ ``, }; }, flash_vendas_ai: (args) => { return { sql: /*sql*/ ` `, }; }, }, }) .withSchedules({ C5: [ { name: "Procedure que atualiza os dados do flash", command: /*sql*/ `BEGIN END`, cron: "0 * * * *", timeout_seconds: 2400, }, ], C5_big: [ createSchedule({ name: "Procedure que atualiza os dados do flash", params: [], command: (params) => ({ sql: /*sql*/ `BEGIN PRC_FLASH_ATUALIZA_VENDA_DONO( p_data_inicial => TRUNC(SYSDATE) - 30, p_data_final => TRUNC(SYSDATE), p_empresa_ini => 1, p_empresa_fim => 10 ); END;`, }), cron: "0 * * * *", timeout_seconds: 2400, }), ], C5_mambo: [ { name: "Procedure que atualiza os dados do flash", command: /*sql*/ `BEGIN END`, cron: "0 * * * *", timeout_seconds: 2400, }, ], });