Sobre mim

Meu nome é Victor, sou formado em Engenharia de Produção e trabalho com Business Analytics na Porto.

Atuo na Porto desenvolvendo painéis de indicadores da área de Sinistro Auto e realizando estudos analíticos ad-hoc com embasamento estatístico.

Trabalhei na Riachuelo Midway desenvolvendo soluções analíticas e produtos de dados, como modelos de propensão para oferta de produtos financeiros, a fim de melhorar a jornada e experiência do cliente.

Atuei por mais de 3 anos nas empresas do Grupo Itaú em projetos baseados em dados nas áreas do jurídico trabalhista, infraestrutura e manutenção das agências, logística, produtos de meios de pagamento e retenção de clientes. Também fui multiplicador e instrutor de SQL no programa de formação de estagiários no Itaú e Rede.

Além disso, trabalho com projetos pessoais sobre Ciência de Dados para adquirir cada vez mais experiência na solução de problemas de negócio e maior domínio sobre as ferramentas de análise de dados, técnicas de machine learning, estatística e visualização de dados.

Habilidades

Linguagens de Programação e Banco de Dados

  • Python e PySpark com foco em análise de dados
  • SQL e SAS para extração de dados
  • Spark, Banco de Dados SQL Server, PostgreSQL, MySQL e Hadoop

Estatística e Machine Learning

  • Estatística descritiva (localização, dispersão, assimetria, kurtosis, densidade)
  • Algoritmos de classificação, regressão clusterização
  • Técnicas de balanceamento dos dados, seleção de variáveis e otimização de hiperparâmetros
  • Métricas de performance dos algoritmos (Confusion Matrix, Precisão, Recall, Curva ROC, AUC, MAPE, RMSE, Gain e Lift Curve)
  • Pacotes de Machine Learning: Sklearn, XGBoost, Boruta

Visualização de Dados

  • Matplotlib, Seaborn, Plotly, Bokeh e Scikitplot
  • Power BI e Tableau
  • Excel e Google Sheets

Engenharia de Software

  • Databricks, GCP e Azure
  • Git, Github, Gitlab
  • Streamlit
  • Flask e Cloud Heroku

Experiências

3 Projetos completos de Ciência de Dados

Construção de soluções de dados para problemas de negócio, próximos dos desafios reais das empresas, utilizando dados públicos de competições de Ciência de Dados, onde eu abordei o problema desde a concepção do desafio de negócio até a publicação do algoritmo treinado em produção, utilizando ferramentas de Cloud Computing.
Saiba mais ao final desta página.

5+ anos atuando com Analytics

2023 - Business Analytics Porto Seguro

Criação, manutenção e monitoramento de painéis de indicadores gerenciais das áreas envolvidas no Sinistro. Desenvolvimento de um modelo de árvore de decisão para entendimento dos atributos do negócio mais relevantes para a nota de NPS dos clientes. Estudos analíticos ad-hoc para as áreas envolvidas no Sinistro e automatização de processos de ETL.

2022 - Data Science Rchlo Midway

Desenvolvimento de modelos de propensão utilizando técnicas de Machine Learning para oferta de produtos financeiros aos clientes. Estudos analíticos ad-hoc. Execução, manutenção e monitoramento de modelos, processos e indicadores utilizados pela equipe de CRM.

2021 - Team member da squad de Retenção de clientes

Construção de painel indicadores de churn e mensuração dos impactos das iniciativas Rede na retenção de clientes, realização de estudos analíticos ad-hoc.

2020 - Analytics Comercial

Desenvolvimento de um modelo de propensão à contratação de produtos utilizando técnicas de machine learning, realização de segmentação de clientes e outros estudos analíticos ad-hoc.

2019 a 2021 - Instrutor de SQL

Instrutor de SQL do ciclo básico do programa de formação de estagiários e multiplicador da AcademiaOPS do Itaú.

2019 - Projeto de BID para contratação de fornecedores de limpeza e manutenção das agências

Construção de um modelo de clusterização das agências, desenvolvimento de relatórios analíticos, criação de template da RFI e RFQ junto à área de Compras, análise de cenários das precificações dos fornecedores e criação de dashboard dos cenários.

2019 - Projeto estruturante de sinergias logísticas (Sprint 9)

Mapeamento dos processos logísticos, realização de benchmarking e visitas técnicas nos CDs, estudos analíticos para identificação de oportunidades, revisão e padronização dos contratos logísticos. Projeto top 3 do prêmio Pessoas Que Fazem a Diferença (PQFD).

2019 - Projeto de precificação de acordos trabalhistas judiciais

Construção do painel de indicadores, cálculo de benefício do projeto, sustentação e melhorias do pipeline de dados (ETL), acompanhamento da operação assistida do modelo analítico.

2018 - Projeto de nova estratégia de comunicação e precificação de acordos trabalhistas extrajudiciais

Construção e operacionalização da ferramenta de precificação, construção do pipeline de dados (ETL) para cálculo dos indicadores e benefício do projeto, construção do painel de indicadores, acompanhamento da operação assistida do modelo analítico e sustentação do modelo.

Projetos em Ciência de Dados

Rankeamento de clientes para oferta de um seguro de automóvel (cross sell)

Aplicação de algoritmos de Classificação para calcular a propensão de compra de cada cliente de uma seguradora à contratar um segundo seguro. Retornando para o time de negócio uma lista priorizada do cliente mais propenso até o menos propenso para ofertar o produto. O modelo sugerido é 2.66x melhor do que a lista aleatória de oferta.

As ferramentas utilizadas foram:

  • Python, Pandas, Numpy, Matplotlib, Seaborn, Scikitplot
  • Anaconda, VSCode e Jupyter Notebook
  • Sklearn, XGBoost
  • Heroku Cloud, Flask, Google Sheets Apps Script

Previsão de vendas da rede de drogarias Rossmann

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 9,6% de MAPE.

As ferramentas utilizadas foram:

  • Python, Pandas, Numpy, Matplotlib, Seaborn
  • Anaconda, VSCode e Jupyter Notebook
  • Sklearn, Boruta, XGBoost
  • Heroku Cloud, Flask, Bot Telegram

Identificação de imóveis para compra e revenda a fim de maximizar o lucro

Identificação de imóveis abaixo do preço médio de venda e definição do preço ideal de revenda, a partir de uma análise exploratória de dados em Python.

As ferramentas utilizadas foram:

  • Python, Pandas, Numpy e Seaborn
  • Anaconda, VSCode e Jupyter Notebook
  • Mapas interativos com Plotly e Folium
  • Streamlit Python framework web
  • Heroku Cloud

Entre em Contato

Sinta-se à vontade para entrar em contato: