tkinaba
654 lines
27 KiB
TypeScript
654 lines
27 KiB
TypeScript
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,
|
|
},
|
|
],
|
|
});
|