Andrea Sousa - Projetos

Meus Projetos

Vitrine das soluções de dados, análises estatísticas e automações que desenvolvi.

Estudo: Bootcamp Engenheiro de Dados (EIA) Ver case

Junho de 2026 Voltar ao painel

Estudo: Bootcamp Engenheiro de Dados (EIA)

Situação

Necessidade de estruturar uma arquitetura moderna de dados (Modern Data Stack) para a concessionária NovaDrive, integrando dados transacionais de um banco PostgreSQL em nuvem a um Data Warehouse analítico, sob regras rígidas de segurança corporativa (MFA).

Ação

Configurei um ambiente robusto na AWS EC2 via Docker para rodar o Apache Airflow, expandi o armazenamento de disco logicamente via terminal Linux e implementei autenticação criptográfica por par de chaves RSA (.pub/.p8) para contornar o MFA do Snowflake. Realizei as transformações via dbt e conectei ao Looker Studio.

Resultado

Pipeline 100% automatizado, seguro e orquestrado, resultando na criação de uma camada de dados analítica auditável e na entrega de um dashboard executivo de vendas para tomada de decisões comerciais.

Case Técnico: Análise de Promoções (JAAR CONSULT) Ver case

Março de 2026 Voltar ao painel

Case Técnico: Análise de Promoções (JAAR CONSULT)

Situação

Uma grande corporação global de varejo investia agressivamente em campanhas de marketing e descontos, mas carecia de rastreabilidade para medir se as promoções impulsionavam o lucro operacional de forma saudável ou se estavam apenas canibalizando a margem líquida dos SKUs líderes.

Ação

Reestruturei um modelo Snowflake ineficiente para Star Schema, implementei mais de 10 métricas analíticas e temporais em DAX para isolar variações de preço/custo sob diferentes contextos de filtro, desenhei um layout fluido de duas páginas (Executivo e Tático) e apliquei governança corporativa via Row-Level Security (RLS) dinâmico por país.

Resultado

Entrega de uma solução robusta que mapeou com exatidão a canibalização orgânica da margem em campanhas com descontos agressivos e revelou forte concentração de receita (efeito Curva ABC), munindo os gestores de dados para tomada de decisões comerciais preventivas.

Case Técnico: Plataforma de Dados com IA (DADOSFERA) Ver case

Fevereiro de 2026 Voltar ao painel

Case Técnico: Plataforma de Dados com IA (DADOSFERA)

Situação

Necessidade de estruturar uma Prova de Conceito (PoC) para um e-commerce com volumetria expressiva de 1,4 milhão de registros (Amazon Products Dataset), cujo catálogo sofria com falta de padronização, ausência de taxonomia comercial definida e incapacidade de segmentação para sistemas de recomendação.

Ação

Implementei uma arquitetura moderna de dados em camadas (RAW, Standardized, Enriched e Curated) utilizando a plataforma Dadosfera SaaS. Desenvolvi pipelines de processamento em Python integrados à API da OpenAI para realizar a classificação semântica e o tagueamento inteligente em lote dos SKUs, além de construir um Data App interativo.

Resultado

Validação com sucesso da PoC, provando a viabilidade técnica e financeira de substituição da arquitetura tradicional por IA em escala, culminando na entrega de um catálogo 100% enriquecido consumível via Metabase e uma aplicação funcional em Streamlit.

Case Técnico: Otimização ETL e Análise Financeira (VENA) Ver case

Dezembro de 2024 Voltar ao painel

Case Técnico: Otimização ETL e Análise Financeira (VENA)

Situação

Desafio técnico para auditar e corrigir uma quebra de pipeline financeiro onde o Resultado Gerencial final de uma Demonstração do Resultado do Exercício (DRE) não batia com os arquivos fontes originais devido a erros ocultos em um fluxo legado no Pentaho PDI e corrupção de formatos de data no banco SQLite.

Ação

Realizei uma análise de causa raiz (Root Cause Analysis) para tratar o campo nulo de data (MesRef), corrigi as inconsistências de integridade do pipeline de staging do Pentaho e refatorei de ponta a ponta as transformações lógicas em scripts Python (Pandas) conectados ao SQLite. Por fim, montei a DRE com análises verticais e horizontais estruturadas.

Resultado

Saneamento completo e validação das regras de negócio contábeis, garantindo a exatidão matemática do Resultado Gerencial e gerando um relatório financeiro confiável e auditável para tomada de decisão executiva.

Projeto: ETL com Acidentes de Trabalho (CATWEB) Ver case

Julho de 2024 Voltar ao painel

Projeto: ETL com Acidentes de Trabalho (CATWEB)

Situação

Iniciativa própria para analisar o histórico nacional de Comunicação de Acidentes de Trabalho (CAT) a partir de bases públicas instáveis, que sofrem alterações frequentes de formato/tipagem ao longo do tempo e possuem campos de texto truncados (cortados por limite de caracteres), impossibilitando análises diretas.

Ação

Desenvolvi um pipeline de higienização e Data Quality em Python (Pandas) para tratar strings corrompidas e normalizar os textos truncados através de dicionários mapeados com as tabelas oficiais do eSocial. Apliquei Feature Engineering para derivar a idade exata do trabalhador na data do evento e estruturei um modelo dimensional de dados.

Resultado

Saneamento completo da base histórica e criação de um dashboard estratégico e dinâmico no Power BI dividido por temas (Visão Geral, Perfil do Acidentado e Causas das Lesões), permitindo o cruzamento ágil de insights para engenharia de segurança e auditoria de riscos.

Workshop: Coleta e Análise de Dados Públicos (COMEX) Ver case

# instala as bibliotecas de web scraping - https://pypi.org/
!pip install requests
!pip install beautifulsoup4

# importa as bibliotecas para fazer requisição http e para extrair dados de arquivos html
import requests
from bs4 import BeautifulSoup

# faz a requisição do conteúdo html através da url da página
url = 'https://www.gov.br/produtividade-e-comercio-exterior/pt-br/assuntos/comercio-exterior/estatisticas/base-de-dados-bruta'
r = requests.get(url)
soup = BeautifulSoup(r.content, "html.parser")

# procura o link no html da página, extraindo e armazenando ele
link_exportacao = soup.select_one('a[href$="EXP_2022.csv"]')
exportacao = str(link_exportacao['href']) if link_exportacao else ""

# cria e salva o arquivo na pasta do google drive
r = requests.get(exportacao, verify=False)
with open("/content/drive/MyDrive/Comex/exportacao.csv", "wb") as file:
    file.write(r.content)

Outubro de 2023 Voltar ao código

Workshop: Coleta e Análise de Dados Públicos (COMEX)

Situação

Necessidade de extrair inteligência de mercado sobre o comércio exterior brasileiro de 2022, respondendo a perguntas críticas (como o balanço de importação vs. exportação, principais estados líderes, países parceiros, sazonalidade mensal de cargas e custos logísticos de frete/seguro) utilizando bases públicas volumosas.

Ação

Planejamento e condução de um workshop prático no PrograMaria Summit 2023, demonstrando os três níveis de captura de dados (download manual, requisição via link direto e automação via Web Scraping com Requests e BeautifulSoup), seguido pelo pipeline de tratamento e consolidação em Pandas e a criação de múltiplos gráficos analíticos (Plotly e Matplotlib).

Resultado

Capacitação de profissionais na autonomia de coleta e na manipulação de microdados brutos em Python, validando visualmente a resposta às 6 perguntas de negócio propostas através de gráficos dinâmicos e estruturados diretamente no Google Colab.

Case Técnico: Análise de Profissionais STEAM (FIESC) Ver case

Março de 2023 Voltar ao painel

Case Técnico: Análise de Profissionais STEAM (FIESC)

Situação

O Observatório da FIESC recebeu relatos de empresários industriais indicando extrema dificuldade para contratar e reter profissionais das áreas de STEAM (Ciência, Tecnologia, Engenharia e Matemática) em Santa Catarina, demandando uma validação técnica baseada em dados reais do Novo CAGED.

Ação

Desenvolvi um estudo consultivo isolando os CBOs das famílias 20, 21 e 22 (STEAM) usando Python (Pandas) para criar um pipeline de ETL e análise exploratória sobre o saldo de movimentações, mapeamento de cargos dominantes e motivos de desligamento. Em seguida, construí um dashboard interativo no Power BI segmentado por municípios, competências temporais (2021-2022) e setores do CNAE.

Resultado

Validação analítica de que o ecossistema mantinha saldo positivo de contratações (55% de admissões reais), revelando que o real gargalo do mercado era a retenção (turnover voluntário), liderado por mais de 20 mil pedidos de demissão por iniciativa dos próprios profissionais. O projeto validou minhas competências e garantiu minha contratação na instituição.