feat: Implementa job de ranking para 300k consultores

Backend:
- Adiciona Scroll API no cliente Elasticsearch para processar todos os 300k+ consultores
- Cria tabela TB_RANKING_CONSULTOR no Oracle para ranking pré-calculado
- Implementa job de processamento com APScheduler (diário às 3h)
- Adiciona endpoints: /ranking/paginado, /ranking/status, /ranking/processar, /ranking/estatisticas
- Repository Oracle com paginação eficiente via ROW_NUMBER
- Status do job com progresso em tempo real (polling)
- Leitura automática de LOBs no OracleClient

Frontend:
- Componente RankingPaginado com paginação completa
- Barra de progresso do job em tempo real
- Botão para reprocessar ranking
- Alternância entre Top N (rápido) e Ranking Completo (300k)

Infraestrutura:
- Docker compose com depends_on para garantir Oracle disponível
- Schema SQL com procedure SP_ATUALIZAR_POSICOES
- Índices otimizados para paginação

backend/src/interface/schemas/ranking_schema.py

@@ -0,0 +1,61 @@
+from pydantic import BaseModel, Field
+from typing import Optional, List
+from datetime import datetime
+
+
+class ConsultorRankingResumoSchema(BaseModel):
+    id_pessoa: int
+    nome: str
+    posicao: Optional[int]
+    pontuacao_total: float
+    componente_a: float
+    componente_b: float
+    componente_c: float
+    componente_d: float
+    ativo: bool
+    anos_atuacao: float
+
+
+class RankingPaginadoResponseSchema(BaseModel):
+    total: int
+    page: int
+    size: int
+    total_pages: int
+    consultores: List[ConsultorRankingResumoSchema]
+
+
+class EstatisticasRankingSchema(BaseModel):
+    total_consultores: int
+    total_ativos: int
+    total_inativos: int
+    ultima_atualizacao: Optional[str]
+    pontuacao_media: float
+    pontuacao_maxima: float
+    pontuacao_minima: float
+    media_componentes: dict
+    distribuicao: List[dict]
+
+
+class JobStatusSchema(BaseModel):
+    running: bool
+    progress: int
+    processados: int
+    total: int
+    mensagem: str
+    batch_atual: int
+    total_batches: int
+    tempo_decorrido: Optional[str]
+    tempo_estimado: Optional[str]
+    inicio: Optional[str]
+    fim: Optional[str]
+    erro: Optional[str]
+
+
+class ProcessarRankingRequestSchema(BaseModel):
+    limpar_antes: bool = Field(default=True, description="Se deve limpar a tabela antes de processar")
+
+
+class ProcessarRankingResponseSchema(BaseModel):
+    sucesso: bool
+    mensagem: str
+    job_id: Optional[str] = None