Habilidades

Linguagem de Programação e Banco de Dados

  • Python com foco em análise de dados.
  • Web scraping com Python.
  • SQL para extração de dados.
  • Banco de Dados SQLite e MySQL.

Visualização de Dados

  • Power BI, Tableau, Metabase.
  • Matplotlib, Seaborn, Plotly.
  • Streamlit
  • Estatística Descritiva.

Machine Learning e Engenharia de Software

  • Algoritmos de Regressão, Classificação e Clusterização.
  • Métricas de performance dos algoritmos.
  • SKLearn e Scipy.
  • AWS, Git, Github, Heroku, Virtual Environment.

Soft Skills

  • Comunicação assertiva.
  • Flexibilidade e adaptabilidade.
  • Solução de Problemas.
  • Trabalho em equipe.

Experiências Profissionais

Cientista de Dados na Dadosfera (2022 - atual)

A Dadosfera é uma startup brasileira que oferece uma solução completa na gestão de dados através de uma plataforma de dados inteiramente na nuvem. Como Cientista de Dados do time de Professional Service desenvolvo projetos nas áreas de analise, ciência e engenharia de dados.

Proprietário da Metapro Consultoria Comercial (2019 - 2022)

Na Metapro, trabalhei com o desenvolvimento de soluções comerciais aliadas a anáise de dados. Realizando desde o mapeamento de mercado, com a obtenção, tratamento e análise dos dados, passando pela definição de ações e estratégias a serem tomadas, até a condução de negociações e alinhamentos com stakeholder e a gestão de resultados através de indicadores de desempenho.

Um dos principais resultados foi a representação comercial da indústria Mexichem (maior produtora de tubos e conexões do mundo) na região do DF e entorno de Goiás, onde alcancei um aumento de 362% no faturamento 2020 vs. 2019, mantendo o resultado em 2021.

Em paralelo desenvolvi projetos de Ciência de Dados através da Comunidade DS, que é uma instituição de ensino que proporciona um ambiente de desenvolvimento de projetos de dados para problemas de negócios, próximo aos desafios reais das empresas.

Coordenador Comercial na Ciplan Cimentos (2015 -2019)

Liderança do time de vendas, realizando o acompanhamento e o suporte da equipe com base na análise de dados, no contexto de mercado e nos KPI’s da empresa. Realizava também o atendimento de demandas de diferentes stakeholders, como: clientes, equipe de vendas, equipe comercial interna, financeiro e produção.

Dentre os resultados nesse período, destaca-se a reestruturação de 3 regionais em menos de 4 anos, desenvolvendo pessoas, implantando processos e construindo resultados através de soluções criativas, como o desenvolvimento de um novo produto no mercado, que gerou aumento de receita e melhora na rentabilidade da empresa em 2017 e 2018.

Outras Experiências (2008 - 2015)

Na Votorantim Cimentos, trabalhei de 2010 a 2014. Entrei como Analista de Logística, com foco na elaboração e manutenção de relatórios de gestão e suporte às equipes de campo a partir da análise de dados e resultados. Depois fui para a área comercial como Consultor, onde desenvolvia soluções para varejistas, indústrias e construtoras no DF, GO e TO.

Na Ambev, fiquei de 2008 a 2009. Trabalhei como Supervisor de Qualidade Industrial e era responsável pelo controle de Qualidade da fábrica de Brasília, com forte base estatística e uma estrutura composta por 4 laboratórios químicos e uma equipe com cerca de 20 colaboradores.

Projetos de Ciências de Dados

Programa de Fidelidade Insiders

Para implantar um novo programa de fidelidade chamado Insiders, um modelo de Machine Learning não supervisionado de Clusterização foi desenvolvido, agrupando a base de clientes de acordo com suas similaridades.

Ferramentas utilizadas:

  • Python, Pandas, Numpy e Seaborn.
  • Sklearn, Scipy.
  • Métricas de Clusterização: Silhouette Score.
  • AWS Cloud, Metabase.

Campanha de Cross-Sell

Para aumentar a peformance do time de vendas durante uma campanha de Cross Sell, foi desenvolvido um modelo de Machine Learning de Classificação para gerar um score de propensão de compra e classificar uma base de 127 mil clientes. O modelo treinado gerou um faturamento extra de $25.000.000,00.

Ferramentas utilizadas:

  • Python, Pandas, Numpy e Seaborn.
  • Boruta, Sklearn, Scipy.
  • KNN, Random Forest, Extra Trees, XGBoost, LGBM.
  • Métricas de Classificação: Precicion e Recall at K.
  • Pickle, Flask, Heroku Cloud

Previsão de Vendas

Construção de um algoritmo de Machine Learning para prever vendas com 6 semanas de antecedência em uma rede de farmácias da Europa. O algoritmo de Regressão treinado possui 88% de MAPE e foi colocado disponível para consultas através de um bot do Telegram.

Ferramentas utilizadas:

  • Python, Pandas, Numpy e Seaborn.
  • Boruta, Sklearn, Scipy.
  • Linear Regression, Lasso, Random Forest Regressor, XGBoost Regressor.
  • Métricas de Regressão: RMSE, MAE, MAPE.
  • Telegram Bot, Flask, Heroku Cloud.

Projetos de Análise de Dados

Market Research With Web Scraping
(Under Development)

Uma empresa deseja entrar no mercado de roupas masculinas americanas e, para isso, precisa realizar uma pesquisa de mercado com os principais concorrentes do segmento. O projeto será desenvolvido através de web scraping com python.

Ferramentas utilizadas:

  • Python, Pandas, Numpy, Seaborn.
  • VS Code e Jupyter Notebook.

Google Data Analytics Capstone

Neste projeto final da certificação em Data Analytics do Google, foi realizada a análise de dados da empresa Cyclistic a fim de gerar insights para aumentar a taxa de conversão de clientes casuais para assinantes anuais.

Ferramentas utilizadas:

  • R, RStudio, Tidyverse, Geosphere.
  • Tableau.

Oportunidades no setor imobiliário

Com o objetivo de maximizar o retorno do investimento da empresa, este projeto de Analise de Dados foi desenvolvido utilizando Linguagem Python para identificar oportunidades de casas abaixo do preço médio de mercado e definir quando e por qual preço revender esses imóveis.

Ferramentas utilizadas:

  • Python, Pandas, Numpy e Seaborn.
  • VS Code e Jupyter Notebook.
  • Mapas interativos com Plotly e Folium.
  • Streamlit Python framework web.
  • Heroku Cloud.

Dashboard de Vendas

Desenvolvimento de um Dashboard em Power BI para a visualização da evolução de 4 KPI's: Faturamento, Quantidade de Vendas, Ticket Médio e Positivação. Os resultados são detalhados no projeto por período de tempo, por produto e por colaborador.

Ferramentas utilizadas:

  • Power BI, Power Query, Linguagem DAX.
  • Excel, Power Point.
  • Estatística Descritiva.

Entre em contato

Sinta-se a vontade para entrar em contato.