Coleta, Auditoria e Validação de PDVs
A entrega levou o cliente a substituir um fornecedor terceirizado por uma solução própria.
~29 millinhas de código
190+endpoints REST
34entidades modeladas
48scripts de migração
O problema anterior
- Auditoria feita a partir de uma base Excel e uma pasta de fotos no OneDrive, com vínculo manual por data/hora e número da loja — inviável em volume.
- Aplicativo de coleta fornecido por terceiro instável e com baixa qualidade de dados.
- Sem trilha de auditoria: impossível rastrear quem alterou um registro contestado.
Arquitetura da solução
App de ColetaFastAPI · offline
Serviço de Integraçãosincronização
Sistema de ValidaçãoFlask · APScheduler
SQL Server2 bases
RelatóriosExcel · ZIP · SMTP
Primeiro entreguei o sistema de validação (Flask), que vincula automaticamente fotos, dados, data/hora e loja. Na sequência, desenvolvi do zero a nova plataforma de coleta (FastAPI, mobile-first, distribuída como executável Windows offline) e um serviço de comunicação entre os dois — fechando o ciclo coleta → validação → retorno ao campo.
Decisões de engenharia
Chave determinística foto ↔ registroVinculação automática de evidências sem intervenção manual.
Máquina de estados de validaçãoContadores sempre consistentes; revalidação com snapshot auditável.
Unpivot em T-SQLCROSS APPLY (VALUES …) + tabela de números: cada unidade física vira um registro auditável.
Importação em duas passadas + quarentenaDeduplicação idempotente; nenhuma linha da origem é descartada em silêncio.
Upload fatiado e HEIC → JPEG em memóriaFunciona em qualquer celular e com arquivos grandes.
Histórico append-only + JWT/bcryptCorreções, contestações e restaurações preservadas; acesso por perfil.
Tecnologias
PythonFastAPIFlaskSQLAlchemySQL Server / T-SQLPydanticJWTbcryptAPSchedulerPandasPillowJinja2JavaScriptPyInstallerPyArmor
Dados do cliente, volumes operacionais e detalhes proprietários omitidos por confidencialidade.
Quero uma solução assim