ETL - Automação de Processos
Uma empresa de mídia e entretenimento precisava agilizar suas análises de mercado, pois o processo de ETL dos dados do IMDb era manual
e lento, causando atrasos e imprecisão. Para resolver esta situação, automatizamos todo o processo ETL. A solução foi desenvolvida em Python e visou automatizar
todo o processo de ETL com a coleta dos dados do IMDb na fonte, tratativa e carga em um banco de dados. Esta automação permite que os analistas tenham
acesso rápido a informações limpas e atualizadas, promovendo análises mais ágeis e precisas sobre os indicadores do negócio. O resultado final foi um pipeline
ETL totalmente automatizado, que elimina a intervenção manual e permite à equipe focar na geração de valor a partir dos dados. Com isso, a empresa toma decisões
mais rápidas e assertivas, fortalecendo sua posição no mercado.
Ferramentas: ETL, Python, SQL.
Visualização de Dados - Painel Gerencial
Uma empresa de e-commerce em crescimento operava com decisões intuitivas, o que gerou prejuízos pontuais pela falta de análises especializadas.
Para garantir um crescimento sustentável, a diretoria decidiu adotar uma abordagem data-driven, eliminando suposições e focando em dados concretos.
O Power BI foi a ferramenta escolhida, devido ao seu custo-benefício e familiaridade com o ambiente Microsoft. A solução foi implementada em fases,
com análises desenvolvidas no Power BI Desktop, garantindo entregas tangíveis e focadas. Com isso, a empresa desenvolveu Dashboards (Relatórios Gerenciais)
que transformam grandes volumes de dados em insights visuais e acionáveis, facilitando a tomada de decisões estratégicas e permitindo o monitoramento
contínuo da performance do negócio.
Ferramentas: ETL, Power BI, Power Query, Storytelling.
Classificação - Propensão de Compra
Uma grande empresa do segmento de Seguros identificou uma oportunidade de crescimento significativo através
da implementação de estratégias de venda cruzada. Visando aumentar a eficácia dessa estratégia, foi proposta a criação de um modelo
preditivo capaz de identificar os clientes com maior propensão a contratar um seguro automotivo. Ao analisar as características dos clientes, o
modelo é capaz de classificar a base de clientes em grupos com diferentes níveis de propensão à aquisição do serviço. Com a implementação do
modelo proposto, foi validada a classificação de clientes com maior propensão à adesão, otimizando o contato e assertividade da equipe
Comercial, possibilidade de personalização de ofertas com base no perfil de cada cliente, melhora em sua experiência junto à empresa e
consequente aumento de receita.
Ferramentas: Python, Machine Learning.
Machine Learning - Ensaio de Algoritmos
Uma empresa de Consultoria em Dados buscou aprimorar seus produtos e serviços através de testes e validações em algoritmos de
Machine Learning. O objetivo foi entender melhor o funcionamento desses algoritmos, aumentar a experiência na sua aplicação e avaliar seus
desempenhos em diferentes cenários. Foi desenvolvido um estudo com testes, ensaios e avaliações em algoritmos de Classificação, Regressão e
Clusterização, disseminando o conhecimento entre as equipes e validando sua viabilidade para solucionar os problemas de negócio da
organização. Os resultados proporcionaram um entendimento aprofundado do funcionamento dos algoritmos e insights valiosos para a equipe de
negócio e cientistas de dados. A iniciativa contribuiu para o desenvolvimento de produtos e serviços de alta qualidade, com maior valor
agregado para os clientes.
Ferramentas: Python, Machine Learning.
Regressão Linear - Projeção de Preços
Devido ao crescimento de uma empresa de E-Commerce que atua no ramo de Moda, foi identificada a necessidade de implantar um modelo de
precificação mais eficiente do que o utilizado atualmente, já que este não atende mais aos padrões da empresa. Com base nos dados históricos da empresa,
foi desenvolvio um modelo de projeção de preços que considera cada produto de maneira individual, baseado em suas características. Com a implementação
deste modelo foi possível projetar os preços dos produtos com uma margem média de erro de aproximadamente 10%, provendo à Diretoria Financeira um modelo
de precificação mais eficiente.
Ferramentas: Python, Machine Learning, Estrutura Json.
Regressão Linear - Estimativa de Vendas
Considerando que uma Rede de Farmácias precisa iniciar uma série de reformas em suas lojas a fim de melhorar o atendimento
aos seus clientes, foi identificada a necessidade de um correto direcionamento dos recursos a serem disponibilizados a cada loja através de
seu histórico de vendas. Com a implementação do modelo foi possível direcionar de maneira mais assertiva os recursos financeiros com base na
projeção de vendas das próximas semanas, garantindo uma margem de erro de aproximadamente 11%, resultando em uma base de dados confiável para
a definição dos orçamentos a cada loja.
Ferramentas: Python, Machine Learning.
Classificação - Taxa de Satisfação de Clientes
O objetivo deste projeto foi desenvolver um Modelo de Previsão do Nível de Satisfação dos Clientes de uma rede de lojas
para entender rapidamente se clientes possuem propensão em avaliar a loja de maneira negativa, permitindo à equipe responsável
implementar ações para tentar reverter esse quadro. Com a implementação do modelo foi possível prever a taxa de avaliação dos clientes
com uma precisão de 98%, ou seja, dentre 100 avaliações de clientes, é viável que 98 avaliações sejam previstas com exatidão.
Ferramentas: Python, Machine Learning.
Insights - Análise de Restaurantes
O principal objetivo deste projeto foi criar um Relatório que possibilite Análises Estratégicas e forneça
Insights valiosos para tomadas de decisões por parte da gestão de uma empresa do ramo de Marketplace de Restaurantes. Desta
forma, foi possível concluir que com base nos dados dispostos a empresa pode focar em ações específicas de marketing voltadas
a certos países, cidades e tipos de culinária, podendo trazer um incremento considerável na receita, bem como aquisição de mais
clientes e posterior maior adesão à plataforma.
Ferramentas: Python, Streamlit, Data Visualization.
Classificação - Taxa de Cancelamento de Reservas de Hotéis
Considerando o Histórico de Reservas dos hóspedes de uma rede de hotéis, o objetivo deste projeto foi desenvolver um
Modelo de Previsão da Taxa de Cancelamentos das reservas registradas atualmente. Com a implementação do modelo foi possível prever a
taxa de cancelamentos com uma eficácia de 97%, ou seja, entre 100 registros com dados de clientes, o modelo pode prever a possibilidade
de cancelamento de até 97 registros com exatidão.
Ferramentas: Python, Machine Learning, Excel.
Clusterização - Otimização de Logística
Neste projeto foi realizada a tratativa da Base de Dados com informações sobre a distribuição de produtos de uma grande cervejaria
utilizando Técnicas de Clusterização para posterior importação em uma ferramenta de Visualização de Dados no Mapa.
Com base na solução proposta, pode-se observar a real possibilidade de incrementar o lucro operacional da empresa com a
Otimização de Distribuição e Logística de Produtos nas principais regiões do país.
Ferramentas: Python, Machine Learning, Excel, Google My Maps.
