Analista de Dados e BI | SQL, Power BI, Python | Qualidade de Dados e Analytics Engineering
Transformo dados dispersos em métricas confiáveis, análises orientadas a decisões e produtos de dados que deixam premissas, limitações e qualidade visíveis. Minha experiência combina contexto de negócio, SQL, Power BI, Python, modelagem, ETL e documentação.
Tenho formação em Ciências Contábeis, experiência profissional em BI e operações e disponibilidade para trabalho remoto em português ou inglês.
Abrir demonstração online · Repositório · Documentação da análise
Decisão de negócio: localizar perdas no funil, avaliar a qualidade da aquisição, entender o desempenho de produtos e identificar oportunidades de retenção.
- Preserva corretamente as granularidades de evento, sessão, usuário, item e transação para evitar receita duplicada e conversões enganosas.
- Usa dados públicos do GA4, SQL, DuckDB, dbt, Parquet, React, ECharts e DuckDB-WASM.
- Inclui comparação entre períodos equivalentes, filtros coordenados, reconciliação de métricas, testes automatizados e uma área dedicada à confiança dos dados.
Abrir demonstração online · Repositório · Documentação da análise
Decisão de negócio: priorizar riscos de ruptura e excesso, comparar previsões e transformar demanda e estoque em cenários transparentes de reposição.
- Analisa 40 lojas e mais de 2.300 produtos com granularidade separada para vendas e estoque.
- Usa Python, SQL, DuckDB, dbt, Parquet, React e ECharts, com validações de qualidade e testes de interação.
- Diferencia fatos observados, previsões e cenários configuráveis para não apresentar recomendações como certeza operacional.
Abrir demonstração online · Repositório · Documentação da análise
Decisão de negócio: transformar reclamações em uma fila de investigação para operações, risco e atendimento sem criar rankings enganosos de empresas.
- Trabalha com dados oficiais do CFPB, métricas de resposta, detecção de temas emergentes e agrupamentos textuais explicáveis.
- Restringe comparações a produto, período e tamanho mínimo de amostra compatíveis.
- Combina SQL, DuckDB, dbt, Parquet, React e ECharts com linhagem, limitações e governança de evidências documentadas.
| Projeto | Foco | Tecnologias e evidências |
|---|---|---|
| LuminaFlow Operational Analytics | Desempenho comercial, pressão de descontos, estoque e reposição | Power BI, PBIP/PBIR, TMDL, Power Query, DAX governado, modelo dimensional e validação visual |
| NextGen Analytics Platform | Saúde de contas, receita, retenção e qualidade de dados | PostgreSQL, dbt, FastAPI, métricas semânticas, testes, monitoramento e modelagem dimensional · Demonstração |
| Mercora Commerce Intelligence | Receita, retenção, entregas e confiança dos dados | Python, SQL, DuckDB, Dash, Plotly, coortes, RFM e verificações automatizadas · Demonstração |
- Dados e BI: SQL, Power BI, Power Query, DAX, Excel, Python e Plotly
- Engenharia analítica: PostgreSQL, DuckDB, dbt, ETL, modelagem dimensional e métricas semânticas
- Qualidade e entrega: reconciliação, testes automatizados, documentação, CI e governança de métricas
- Negócio e operações: indicadores operacionais e financeiros, análise de processos e comunicação de resultados
Uso IA para acelerar implementação, testes, refatoração e documentação, mantendo responsabilidade sobre o problema de negócio, definição das métricas, validação dos dados, privacidade, critérios de aceite e decisões finais.
- Sprint de decisão analítica: uma pergunta de negócio transformada em métricas governadas, dashboard e backlog de ações.
- Reconstrução de dashboards e reporting: substituição de planilhas manuais ou relatórios confusos por um fluxo reproduzível.
- Revisão de confiança dos dados: diagnóstico de joins incorretos, duplicidades, KPIs inconsistentes e controles ausentes.
Email · LinkedIn · Todos os repositórios
Data & BI Analyst | SQL, Power BI, Python | Data Quality and Analytics Engineering
I turn fragmented data into trusted metrics, decision-focused analysis, and data products that make assumptions, limitations, and quality visible. My background combines business context, SQL, Power BI, Python, modeling, ETL, and documentation.
I hold a degree in Accounting, have professional experience in BI and operations, and am available for remote work in Portuguese or English.
| Project | Business decision | What it demonstrates |
|---|---|---|
| SignalPath Growth Intelligence · Live demo | Find funnel leakage, acquisition quality, product performance, and retention opportunities | Correct GA4 grains, SQL, DuckDB, dbt, React, ECharts, browser-side analytics, metric reconciliation, and automated tests |
| AisleFlow Retail Planning · Live demo | Prioritize stockout and excess risk, evaluate forecasts, and explore replenishment scenarios | Retail planning, time-series evaluation, Python, DuckDB, dbt, React, data-quality controls, and transparent assumptions |
| Clearline Service Intelligence · Live demo | Turn complaint evidence into an operational investigation queue without misleading rankings | Official CFPB data, service analytics, explainable text signals, comparable cohorts, SQL, and evidence governance |
| Project | Focus | Evidence |
|---|---|---|
| LuminaFlow Operational Analytics | Commercial performance and inventory action | Power BI, PBIP/PBIR, TMDL, Power Query, governed DAX, dimensional modeling, and visual QA |
| NextGen Analytics Platform · Live demo | Account health, revenue, retention, and data quality | PostgreSQL, dbt, FastAPI, semantic metrics, tests, monitoring, and dimensional modeling |
| Mercora Commerce Intelligence · Live demo | Revenue, retention, delivery, and data trust | Python, SQL, DuckDB, Dash, Plotly, cohorts, RFM, and automated quality checks |
- Data and BI: SQL, Power BI, Power Query, DAX, Excel, Python, and Plotly
- Analytics engineering: PostgreSQL, DuckDB, dbt, ETL, dimensional modeling, and semantic metrics
- Quality and delivery: reconciliation, automated tests, documentation, CI, and metric governance
- Business and operations: operational and financial indicators, process analysis, and result communication
I use AI to accelerate implementation, testing, refactoring, and documentation while retaining responsibility for business framing, metric definitions, data validation, privacy, acceptance criteria, and final decisions.
- Analytics decision sprint: turn one business question and its source data into governed metrics, a decision-focused dashboard, and an action backlog.
- Dashboard and reporting rebuild: replace manual spreadsheets or unclear reports with a reproducible SQL, Python, and BI workflow.
- Data trust review: identify broken joins, duplicated values, inconsistent KPI definitions, missing controls, and reporting risks.