Data Analyst | SQL • Python • ETL | Backend Developer

🌐 Portfólio

Sou estudante de Engenharia da Computação na Universidade Federal de Sergipe, com foco em análise de dados e desenvolvimento backend. Tenho interesse em transformar dados em insights por meio de análise exploratória, modelagem de dados, pipelines ETL e visualização com Power BI.

Possuo experiência com manipulação de dados, criação de dashboards, definição de métricas, consultas SQL e uso de DAX para análise de indicadores. Também desenvolvo aplicações backend utilizando Node.js e TypeScript, integrando APIs e bancos de dados.

Busco oportunidades de estágio em Análise de Dados, Engenharia de Dados e Desenvolvimento Backend.

• Análise Exploratória de Dados (EDA)
• SQL (consultas, joins, agregações)
• Python para análise de dados (Pandas, NumPy)
• ETL (Extração, Transformação e Carga de dados)
• Consumo de APIs para coleta de dados
• Modelagem de Dados
• PostgreSQL
• Criação de Dashboards
• DAX (Data Analysis Expressions)
• Definição de KPIs

• ETL Pipeline — Olist E-Commerce

  Pipeline ETL completo sobre o dataset público de e-commerce da Olist, processando ~100k pedidos reais do mercado brasileiro. Transforma 9 arquivos CSV brutos em um banco de dados analítico estruturado em camadas Raw → Staging → Mart.

  Destaques do projeto:

  • Arquitetura em camadas com separação clara de responsabilidades (Extract, Transform, Load, Validate)
  • Tabela fato fct_sales com métricas derivadas: tempo de entrega, flag de prazo, faturamento por item
  • Dimensões analíticas: clientes, produtos e vendedores com tradução de categorias PT→EN
  • 11 checks automáticos de qualidade de dados pós-carga (volumetria, nulos, integridade referencial)
  • Logging estruturado com rotação de arquivo para rastreabilidade em produção

  Resultados:
  R$ 13,5 milhões processados · 92,1% de entregas no prazo · 112.650 itens em ~25s

  Técnicas aplicadas:
  Modelagem dimensional (Star Schema), ETL, qualidade de dados, indexação SQL, idempotência de pipeline

  Tecnologias: Python, Pandas, SQLAlchemy, SQLite, Loguru

  📊 Ver análise exploratória completa (EDA)

• Valorant Analytics Pipeline

  Pipeline ETL desenvolvido com dados públicos da API do Valorant, coletando informações de agentes, mapas e armas para estruturar uma base analítica em PostgreSQL e gerar consultas SQL orientadas à análise.

  Destaques do projeto:

  • Consumo de API pública com Python e requests
  • Salvamento dos dados brutos em JSON para rastreabilidade
  • Transformação dos dados com Pandas em tabelas tratadas
  • Modelagem inicial no PostgreSQL com tabelas para agentes, mapas e armas
  • Carga automatizada dos dados via SQLAlchemy
  • Consultas SQL para análise de agentes por função, mapas disponíveis e armas por categoria

  Perguntas respondidas:
  Quantos agentes existem por função · Quais agentes são jogáveis · Quais mapas estão disponíveis · Quantas armas existem por categoria · Quais armas possuem custo no shop

  Técnicas aplicadas:
  Consumo de API, ETL, modelagem relacional, PostgreSQL, SQL Analytics, organização de pipeline

  Tecnologias: Python, Requests, Pandas, SQLAlchemy, PostgreSQL, SQL, pgAdmin

• Dashboard de Marketing (Power BI)

  Análise de campanhas de marketing com foco em conversão, segmentação de clientes e comportamento de consumo. Projeto orientado à geração de insights para tomada de decisão.

  Destaques do projeto:

  • Análise de conversão de campanhas
  • Segmentação por perfil demográfico (renda, estado civil, filhos)
  • Relação entre renda e gasto
  • Análise por canais de compra e países

  Técnicas aplicadas:
  EDA, modelagem de dados, criação de KPIs e dashboards interativos

  Tecnologias: Power BI, DAX

  

• CRUD de usuários

  Aplicação fullstack com integração a banco de dados, explorando operações CRUD e estruturação de APIs.

  Tecnologias:
  Node.js, Express, Prisma ORM, MongoDB, React, Next.js, TypeScript

  

• Capacidade de transformar dados em insights acionáveis
• Experiência prática com pipelines ETL, dashboards e análise de métricas
• Conhecimento em SQL, modelagem de dados e integração com bancos relacionais
• Conhecimento em backend para consumo de APIs e integração com dados
• Perfil analítico com foco em tomada de decisão