Dashboard Elite — como usar as tabelas do benchmark

Data: 2026-08-08 Para: time que vai montar a tela do Dashboard Elite (apps/web/.../belite/home/[account]/dashboard/). O que mudou: os dados existem no Supabase e o front já está plugado (o mock foi removido). Este doc descreve as tabelas e as regras de derivação.

TL;DR

Duas tabelas no Supabase, schema dw_concessionarias_mart (mesmo schema das fandi_kpi_*, RLS off por design — leia com a service role/conexão do backend, igual os outros dashboards de mart):

Tabela	Grão	Pra quê
`belite_totais`	`mes × fabricante × loja × grupo × tipo`	Totais crus. O front faz as contas e agrega conforme o filtro.
`belite_benchmark`	`mes × marca_benchmark × metrica`	A régua: percentis entre grupos da marca (Brasil, Elite, P10–P90).

Regra de ouro: o mart não entrega nada calculado (nem RPUF, nem taxa, nem %). Ele entrega totais (belite_totais) e a distribuição de mercado (belite_benchmark). Todo KPI, taxa, posição e "money lost" o front deriva. Isso é de propósito: só assim o número do grupo bate quando o usuário filtra 1 loja, 3 lojas ou tudo.

Cobertura atual: jan–jul/2026, eixo marca (região ainda não — ver Pendências).

1. `belite_totais` — os totais crus

Uma linha por mês × fabricante × loja × grupo × tipo (tipo = N novos / S seminovos).

Coluna	Tipo	O que é
`mes`	date	1º dia do mês
`fabricante`	text	marca real do PDV (pode ser null = sem marca)
`loja`	text	ponto de venda
`grupo`	text	grupo econômico
`tipo`	text	`N` (novos) ou `S` (seminovos)
`marca_benchmark`	text	chave pra cruzar com a régua: = `fabricante` se `N`; = `'Multimarca Seminovos'` se `S`
`sum_vr`	float	Σ rentabilidade (numerador do RPUF)
`sum_qtd`	int	Σ contratos financiados faturados
`sum_fin`	float	Σ valor financiado
`sum_retorno`	float	Σ retorno (RetornoFinanceira)
`qtd_com_produto`	int	contratos com produto agregado (seguro/garantia)
`entraram`	int	clientes que entraram (id_inicial_agrupamento)
`aprovados`	int	clientes com pelo menos 1 aprovação
`faturados`	int	clientes com pelo menos 1 faturamento
`perdidos`	int	aprovados que não faturaram

Como derivar cada número do dashboard

Sempre soma os totais do recorte filtrado e só depois divide (nunca faça média de médias):

RPUF                = Σ sum_vr        / Σ sum_qtd
Ticket médio        = Σ sum_fin       / Σ sum_qtd
Retorno médio %     = Σ sum_retorno   / Σ sum_fin            × 100
Penetração produto %= Σ qtd_com_produto / Σ sum_qtd          × 100
Taxa de conversão % = Σ faturados     / Σ entraram           × 100
Taxa de perdidas %  = Σ perdidos      / Σ aprovados          × 100
Taxa de aprovação % = Σ aprovados     / Σ entraram           × 100
Money Lost (R$)     = Σ perdidos      × RPUF(do mesmo recorte)

Contratos (tabela de benchmark, funil "Contratos" e "fechamento") = Σ sum_qtd (fichas faturadas) — bate com o Monitor F&I. faturados conta clientes (agrupamentos), não é a mesma coisa. No funil, "Clientes"/"Aprovados" usam entraram/aprovados; a "conversão" = Σ sum_qtd / Σ entraram.

2. `belite_benchmark` — a régua (Brasil / Elite / percentis)

Uma linha por mês × marca_benchmark × metrica. É a distribuição do valor da métrica entre os grupos que operam aquela marca no mês (cada grupo pesa 1).

Coluna	O que é
`mes`, `marca_benchmark`	chave (cruza com `belite_totais.marca_benchmark`)
`metrica`	um de: `rpuf`, `ticket`, `retorno_pct`, `penetracao_pct`, `conversao_pct`, `taxa_perdidas_pct`
`p10 … p99`	percentis da distribuição nacional de grupos
`p50`	mediana = referência "Brasil"
`p90`	referência "Elite"
`media`	média simples entre grupos
`maximo`	maior valor de grupo
`qtd_grupos`	quantos grupos entraram (leia junto: percentil sobre 4-5 grupos é frágil)

Brasil = p50, Elite = p90. As unidades batem com as fórmulas da seção 1 (rpuf/ticket em R$, _pct em %).

Posição / percentil do grupo (o gauge do Hero e a coluna "Posição")

Calcule no front: pega o valor da métrica do grupo (seção 1) e interpola na curva p10…p90 da marca_benchmark correspondente. A função pronta (percentileForValue em _lib/dashboard-data.ts) faz a interpolação linear.

3. Lógica de filtro (o drill que a tela precisa)

O filtro global (mês, grupo, fabricante, loja, tipo) vira um WHERE na belite_totais. Some as linhas que sobram e aplique as fórmulas da seção 1.

Default (1 mês, 1 grupo, todos fabricantes/lojas): WHERE mes=? AND grupo=? → soma tudo → números do grupo pra preencher os KPIs/funil.
Filtra 1 loja: WHERE mes=? AND grupo=? AND loja=? → números daquela loja → e posiciona essa loja na régua da marca (belite_benchmark onde marca_benchmark = a marca da loja).

A régua (belite_benchmark) não muda com o filtro de loja — ela é sempre a distribuição nacional entre grupos da marca. O que muda é a entidade que você posiciona nela (grupo inteiro ou 1 loja).

Seminovos: para linhas tipo='S', cruze pela marca_benchmark = 'Multimarca Seminovos' (todo seminovo do país disputa uma régua única, independente da marca real).

Fabricante = Todas (IMPORTANTE): quando o filtro de fabricante é "Todas", o RPUF do grupo é o pooled (todas as marcas juntas). Nesse caso cruze com a régua marca_benchmark = '(Todas)' — a distribuição do RPUF pooled entre os grupos. Nunca posicione o pooled contra a régua de uma marca específica (ex.: a dominante) — isso infla a posição (bug jul/2026: Caminho aparecia P75 quando o correto é ~P27). A régua '(Todas)' existe para as 6 métricas.

4. Mapa: componente da tela → dado

Componente	De onde vem	Observação
Hero — RPUF do grupo	`belite_totais` (Σvr/Σqtd)	ok
Hero — posição (percentil) + P10-P90	`belite_benchmark` (rpuf)	régua por `marca_benchmark`; Fabricante=Todas usa `'(Todas)'` (ver §3)
KPI Ticket Médio	totais + benchmark `ticket` (Brasil/Elite)	ok
KPI Money Lost	totais: `perdidos × RPUF`; benchmark = `taxa_perdidas_pct` (Brasil/Elite)	valor do card é R$; a referência de mercado é a taxa de perdidas %
KPI "Rentab. Total" → Retorno médio %	totais (Σretorno/Σfin) + benchmark `retorno_pct`	a métrica virou retorno médio % (não R$ absoluto)
KPI "Rentab. Produto" → Penetração %	totais (Σcom_produto/Σqtd) + benchmark `penetracao_pct`	virou penetração produto %
Funil — Clientes/Aprovados/Contratos	totais: `entraram / aprovados / sum_qtd`	Clientes/Aprovados = clientes (agrupamentos); Contratos = `sum_qtd` (fichas), pra bater com o Monitor F&I — ver Pendência #2
Funil — taxas	derivadas (aprovação, conversão, fechamento)	conversão = `Σ sum_qtd / Σ entraram`
Funil — Elite das taxas	benchmark `conversao_pct` / `taxa_perdidas_pct` (p90)	aprovação/fechamento não têm régua própria ainda
Tabela Benchmark (Grupo→…)	totais somados por nível + benchmark p10-p90	"Posição" = percentil na régua da marca
Visão Temporal — RPUF / Ticket / Posição	série dos 7 meses (totais por mês) + benchmark por mês	só Grupo × Brasil × Elite; região não (Pendência #2)

5. Queries de exemplo

KPIs do grupo (default, todos fabricantes/lojas):

SELECT
  sum(sum_vr)/nullif(sum(sum_qtd),0)                 AS rpuf,
  sum(sum_fin)/nullif(sum(sum_qtd),0)                AS ticket_medio,
  100*sum(sum_retorno)/nullif(sum(sum_fin),0)        AS retorno_pct,
  100*sum(qtd_com_produto)/nullif(sum(sum_qtd),0)    AS penetracao_pct,
  100*sum(faturados)/nullif(sum(entraram),0)         AS conversao_pct,
  100*sum(perdidos)/nullif(sum(aprovados),0)         AS taxa_perdidas_pct,
  sum(perdidos) * (sum(sum_vr)/nullif(sum(sum_qtd),0)) AS money_lost
FROM dw_concessionarias_mart.belite_totais
WHERE mes = '2026-05-01' AND grupo = 'GRUPO CAMINHO';

Régua (Brasil/Elite) de uma marca no mês:

SELECT metrica, p10, p25, p50 AS brasil, p75, p90 AS elite, media, qtd_grupos
FROM dw_concessionarias_mart.belite_benchmark
WHERE mes = '2026-05-01' AND marca_benchmark = 'GWM';

Tabela de benchmark — RPUF por loja de um grupo, com a régua da marca:

SELECT t.loja, t.marca_benchmark,
       sum(t.sum_vr)/nullif(sum(t.sum_qtd),0) AS rpuf,
       sum(t.sum_qtd) AS contratos,
       b.p10, b.p50, b.p90
FROM dw_concessionarias_mart.belite_totais t
JOIN dw_concessionarias_mart.belite_benchmark b
  ON b.mes = t.mes AND b.marca_benchmark = t.marca_benchmark AND b.metrica = 'rpuf'
WHERE t.mes = '2026-05-01' AND t.grupo = 'GRUPO CAMINHO'
GROUP BY t.loja, t.marca_benchmark, b.p10, b.p50, b.p90
ORDER BY rpuf DESC;

6. Definições que o front precisa conhecer

Cliente = id_inicial_agrupamento (dedup por banco). 10 fichas aprovadas no mesmo agrupamento = 1 aprovado.
Aprovado = agrupamento com ≥1 ficha em situação grupo 60 ou 80. Faturado = ≥1 ficha 80. Perdido = tem 60 e nenhuma 80. Sempre bate: aprovados = faturados + perdidos.
RPUF usa valor_rentabilidade (rentabilidade com produto), universo faturado (situação 80, financiadas, novos+seminovos, grupo/loja ativos). Reproduz o benchmark_todos_grupos.xlsx cell-for-cell.
Base de data: métricas de faturamento (RPUF/ticket/retorno/penetração) são por mês de faturamento; funil (entraram/aprovados/faturados/perdidos) é por mês de entrada. No mesmo mes convivem as duas — o money_lost é uma aproximação (perdidos do mês de entrada × RPUF do mês de faturamento).

7. Pendências (o que ainda NÃO dá pra fazer)

Região: não existe no Fandi ainda. Hero "% vs Região", e as séries mediaRegiao/eliteRegiao da Visão Temporal não têm dado — usar só Brasil/Elite por enquanto.
Funil — "Clientes" não bate com o Monitor F&I. O funil usa entraram (id_inicial_agrupamento, dedup por banco), mas o Monitor F&I usa count(DISTINCT cliente_sk) na fandi_fat_envio (quem teve envio). Jul/2026 Caminho: 730 vs 846. São universos diferentes — ou o time de dados repopula o entraram com a definição do Monitor, ou o funil passa a ler a fandi_fat_envio.
Funil — "Contratos" diverge em 1 contrato FORD. sum_qtd (349) vs Monitor F&I (350). Todas as marcas batem exato, exceto FORD: belite_totais 87 (74 N + 13 S) vs FANDI 88 (57 NOVOS + 13 SEMINOVOS + 18 VENDAS DIRETA). Um contrato FORD caiu em classificação/tipo diferente entre as marts — reconciliação de ETL.
Taxa de perdidas — denominador: hoje = perdidos/aprovados. Se o negócio quiser perdidos/entraram, é trivial recomputar a régua.
Aprovação/Fechamento do funil não têm régua Elite própria — só conversão e taxa de perdidas têm benchmark. Se precisar, dá pra adicionar.
Histórico só jan–jul/2026. A Visão Temporal tinha 17 meses no mock (removido); hoje temos 7. Backfill de 2025 é possível quando pedirem.

8. Conexão

Schema dw_concessionarias_mart (RLS off, padrão dos marts). Ler com a mesma conexão de backend que já lê fandi_kpi_*/kpi_onepage_dia. As tabelas são recarregadas por mês (idempotente) — não cachear valores de meses fechados por muito tempo se o pipeline reprocessar.

Nota de arquitetura: esta é a carga direta (Postgres→Supabase) pra destravar a tela. A carga definitiva (medallion: Silver/Gold → mart → sync) vai repopular as mesmas tabelas/colunas — o front não muda nada quando isso acontecer.

TL;DR​

1. belite_totais — os totais crus​

Como derivar cada número do dashboard​

2. belite_benchmark — a régua (Brasil / Elite / percentis)​

Posição / percentil do grupo (o gauge do Hero e a coluna "Posição")​

3. Lógica de filtro (o drill que a tela precisa)​

4. Mapa: componente da tela → dado​

5. Queries de exemplo​

6. Definições que o front precisa conhecer​

7. Pendências (o que ainda NÃO dá pra fazer)​

8. Conexão​