source transform insight
Engenharia de Dados & IA

De dado bruto a decisão: pipelines e sistemas de IA que resolvem problemas reais

Engenheira de Dados vinda do QA. Gosto de testar, validar e documentar o que construo — não porque acerto sempre, mas porque isso ajuda o time inteiro a confiar no que chega até eles. Veja abaixo os problemas que já ajudei a resolver.

Trilha técnica
Stack por domínio

Engenharia de Dados

SQL Server
ETL / SSIS
Stored Procedures
Python / Pandas / NumPy

IA & Automação

Claude AI
Gemini
.NET
Prompt engineering aplicado

BI & Análise

Power BI
Matplotlib / Seaborn
Jupyter
Storytelling de dados
Portfólio
Problemas reais, soluções entregues
01ETL/ELT
Engenharia de Dados

Pipelines de ingestão sob medida: ETL e ELT conforme o cenário do cliente

Problema: cada ambiente de cliente impõe restrições diferentes de acesso, volume e infraestrutura — nem sempre é possível, ou eficiente, usar a mesma abordagem de ingestão em todos os projetos.
Solução: pipelines de ETL e ELT com a técnica mais adequada a cada contexto — pacotes SSIS para orquestração em SQL Server, scripts Python para ingestões customizadas, Bulk Insert para cargas de alto volume, leitura direta de views na base do cliente, leitura direta de volumes na AWS e DAGs no Airflow para orquestração e agendamento de pipelines mais complexos.
Ver etapa completa →
6
formas de implementação
2
abordagens: ETL e ELT
02REG
Engenharia de Dados

Motor de regras de detecção de transações suspeitas

Problema: verificar manualmente cada movimentação contra o limiar de Compliance não escala com o volume diário de operações.
Solução: regra automatizada que sinaliza transações acima do parâmetro definido e segrega os resultados em tabela própria, criando fila de trabalho para o time de Compliance.
Ver etapa completa →
95
alertas gerados no dia
5
produtos monitorados
03SQL
Análise & IA

Priorização de alertas com SQL + Python

Problema: com dezenas de alertas gerados por dia, o Compliance precisa saber por onde começar a investigação.
Solução: conexão Python↔SQL Server (pymssql) para consultar alertas, ranquear os clientes com maior incidência e cruzar volume de movimentação com risco por produto.
Ver etapa completa →
15
clientes priorizados
Corretora
produto de maior risco relativo

Sobre

Minha jornada começou em 2005, no suporte técnico, onde aprendi a ouvir o usuário e resolver problemas na raiz (e que "reiniciar a máquina" nem sempre é a solução).

A passagem por QA moldou minha visão analítica e crítica. Desde 2020, aplico essa bagagem como Especialista em Dados: trago a mentalidade de testes, validação e documentação para garantir que os dados não sejam apenas visuais, mas confiáveis para a tomada de decisão.

6+
projetos
3+
domínios técnicos
∞
curiosidade

Vamos conversar?

Colaborações e novas conexões em Engenharia de Dados e IA.