Portfólio

Sobre mim

Profissional com experiência em análise de dados. Tenho habilidades em modelagem de dados, construção de pipelines, desenvolvimento de soluções end-to-end e criação de dashboards analíticos.

Minha experiência em análise de dados no estágio durante a graduação, deu origem à minha trajetória na área. Durante esse período, percebi como a análise de dados pode impactar significativamente a melhoria de processos e potencializar a geração de resultados positivos.

Meu objetivo é apoiar empresas na tomada de decisões, oferecendo soluções baseadas em dados para impulsionar o crescimento e a inovação.

Habilidades Técnicas:

Linguagens: Python, SQL e R
Ferramentas: Airflow, Amazon QuickSight, dbt, Git e Power BI.

Projetos End to End

Pipeline para migração de tabela com Airflow e Docker

Contexto: Documentação completa do processo de construção de um pipeline ETL para migrar a tabela customers do source_db para o target_db usando Apache Airflow orquestrado via Astro CLI.

Objetivos: O objetivo do projeto é construir um pipeline ETL que:

Extrai a tabela customers do banco source_db Salva os dados localmente em um arquivo CSV Carrega os dados no banco target_db Valida a integridade da carga comparando contagens

Resultados:

Airflow

Parâmetros como days_ago e schedule_interval foram descontinuados — sempre verifique a versão instalada O Airflow detecta mudanças na pasta dags/ automaticamente em ~30 segundos, sem precisar reiniciar O painel de Erros de Importação é o primeiro lugar a verificar quando uma DAG não aparece

Docker

localhost dentro de um container nunca aponta para outros serviços — use o nome do serviço Serviços em docker-compose diferentes ficam em redes separadas por padrão Volumes precisam ser mapeados no container correto — mapear no source_db não adianta se quem grava é o Airflow

Boas práticas

Nunca colocar credenciais diretamente no código — usar as Connections do Airflow (Admin > Connections) Sempre ler o log completo da task que falhou, não apenas a mensagem resumida Documentar a ordem de inicialização quando há dependências entre serviços

Ferramentas e Tecnologias Utilizadas:

Airflow
Docker
Git
Python
SQL
Visual Studio Code

Para acessar o projeto basta clicar em:

Pipeline de web scraping utilizando Selenium WebDriver para extrair e estruturar dados públicos

Contexto: O projeto simula um cenário real de trabalho em ciência de dados e engenharia de dados: antes de realizar qualquer análise, é necessário coletar, estruturar e tratar os dados brutos.

Objetivos: Cada participante deverá desenvolver um scraper capaz de navegar em um portal de transparência municipal, extrair dados relevantes e organizá-los em uma tabela estruturada pronta para análise.

Os dados coletados serão posteriormente utilizados em uma live técnica, onde serão exploradas técnicas analíticas de ciência de dados sobre a base construída pelos participantes.

Resultados: • Qual portal foi utilizado?

O portal usado foi: IPREM - Folha de Pagamento - 2025 da Prefeitura de São Paulo URL

• Qual município foi analisado?

São Paulo

• Quais dados foram coletados

Folha de pagamento IPREM

Ferramentas e linguagens utilizadas:

Git
Selenium Web Driver
Python
Docker
Visual Studio Code

Para acessar o projeto basta clicar em:

Artigo Análise de Correspondência Simples

Contexto: Um projeto completo de Análise de Correspondência Simples (CA) usando Python, onde exploramos as relações entre as aldeias do mundo Naruto e os estilos de luta dos shinobis.

Objetivos: 1 Importação de bibliotecas Reunir o squad 2 Carregamento dos dados Ler o relatório da missão 3 Tabela de contingência Ver quantos shinobis de cada aldeia preferem cada estilo 4 Perfis de linha e coluna Montar o “perfil de combate” de cada aldeia 5 Teste Qui-Quadrado Confirmar que a associação não é coincidência 6 Resíduos padronizados Encontrar os “Rock Lees” dos dados 7 Decomposição SVD Usar o Sharingan — focar no que importa 8 Mapa de Correspondência Desenhar o mapa final do mundo dos shinobis 9 Interpretação Entender quem se pareça com quem

Resultados: A Análise de Correspondência é um mapa que mostra quais categorias se parecem entre si, sem precisar olhar para uma tabela cheia de números!

Ferramentas e linguagens utilizadas:

Git
Python
Visual Studio Code

Para acessar o projeto basta clicar em:

Análise Estratégica do Setor Vitivinícola Brasileiro

Contexto: Este projeto foi desenvolvido como parte do Tech Challenge da FIAP - Pós-Graduação em Data Analytics, apresentando uma análise estratégica do setor vitivinícola brasileiro com foco em competitividade internacional e oportunidades de crescimento.

Objetivos:

Analisar a evolução dos preços médios de exportação por país de destino
Calcular e interpretar a Taxa de Crescimento Anual Composta (CAGR) das exportações
Determinar a correlação entre produção nacional e volume exportado
Avaliar a taxa de utilização da capacidade produtiva para exportação
Propor recomendações estratégicas baseadas em evidências

Resultados:

Analisar a evolução dos preços médios de exportação por país de destino
Calcular e interpretar a Taxa de Crescimento Anual Composta (CAGR) das exportações
Determinar a correlação entre produção nacional e volume exportado
Avaliar a taxa de utilização da capacidade produtiva para exportação
Propor recomendações estratégicas baseadas em evidências

Ferramentas e linguagens utilizadas:

Git
Python
Visual Studio Code

Para acessar o projeto basta clicar em:

Entre em contato comigo por meio de: