Data Analytics | Business Intelligence | Business Analytics
Conecto experiência em gestão de varejo à análise de dados para apoiar decisões de negócio.
Desenvolvo projetos com SQL, Python e Power BI, combinando análise de desempenho, modelagem, qualidade de dados, forecasting e comunicação executiva.
Meu foco está na interseção entre:
NEGÓCIO + DADOS + TOMADA DE DECISÃO
Busco transformar perguntas de negócio em métricas confiáveis, análises reproduzíveis e recomendações que ajudem gestores a decidir onde agir, o que investigar e quais limites precisam ser considerados antes de automatizar uma decisão.
Projeto end-to-end de forecasting aplicado ao varejo, utilizando dados reais para avaliar comportamento da demanda, risco operacional e cenários de reposição.
O trabalho combina validação temporal, baselines, ETS, segmentação ABC/XYZ, análise de incerteza, simulação de políticas de reposição e Power BI orientado à decisão.
Tecnologias: Python, pandas, statsmodels, SQL, DuckDB, Power BI e DAX.
Foco: forecasting, planejamento de demanda, risco operacional e tomada de decisão.
Case end-to-end de Business Intelligence sobre vendas e rentabilidade utilizando o dataset Microsoft Wide World Importers.
O projeto combina SQL, modelagem dimensional, DAX e Power BI para investigar desempenho comercial, concentração de carteira, composição de margem e prioridades de gestão.
Tecnologias: SQL, modelagem dimensional, DAX e Power BI.
Foco: análise comercial, rentabilidade, indicadores e decisão gerencial.
Análise reproduzível de dados públicos de emissões de CTPS, com atenção especial à qualidade, rastreabilidade e limites de interpretação.
O projeto demonstra construção de pipeline analítico com Python, pandas e SQL até a comunicação dos resultados em Power BI.
Tecnologias: Python, pandas, SQL/SQLite e Power BI.
Foco: pipeline de dados, qualidade, análise descritiva e comunicação analítica.
- Business Analytics: tradução de problemas de negócio em perguntas, métricas e decisões.
- SQL e modelagem: consultas analíticas, modelagem dimensional e validação de métricas.
- Python e pandas: preparação, análise, automação, forecasting e qualidade de dados.
- Power BI e DAX: modelos semânticos, medidas, dashboards e comunicação executiva.
- Forecasting: séries temporais, backtesting, baselines, ETS e avaliação fora da amostra.
- Qualidade analítica: rastreabilidade, premissas, limitações e validação dos resultados.