Curiosidade Analítica
Questiono “por quê?”, “como?” e “e se?”. Dados sem contexto não viram decisão.
Olá, eu sou o Guilherme
Analista de Dados & BI
Soluções de ponta a ponta
Do dado bruto à visualização final.
Com foco em clareza, impacto e tomada de decisão.
Power BI & DAX
Python & SQL
Dashboards interativos
Dados → Decisão
HTML | CSS | JavaScript
4 anos de experiência
Projetos publicados
Código aberto no GitHub
Sobre mim
Quem sou eu, minha trajetória até aqui, meus desafios e realizações, meus hobbies e interesses.
Infância no interior
Cresci em Tambaú, uma cidade pequena do interior paulista, onde a vida acontecia na rua: bicicleta, futebol, trilhas, árvores e muita liberdade.
Foi uma infância bem “raiz”, com família e amigos sempre por perto — e isso moldou muito do meu jeito de viver.
Química (Itajubá → USP)
Depois do ensino médio fui pra Química, porque eu era fascinado pelo mundo microscópico.
Comecei em Itajubá e depois voltei pra Ribeirão Preto, onde finalizei na USP e me formei em Química Forense (2018).
No fim da faculdade eu entendi que amava a Química pela curiosidade — e não necessariamente pra trabalhar com isso.
Primeiro trabalho (cerâmica)
Voltei pra Tambaú e passei aquele período clássico de recém-formado: currículo, entrevistas e ansiedade.
Consegui um trabalho temporário como analista de qualidade numa cerâmica, e foi pesado de verdade: calor absurdo, esforço físico e uma rotina bem puxada.
Foi um período difícil, mas que me ensinou muito sobre resiliência.
Indústria (pó de extintor) + dados
Um mês depois, entrei numa indústria de pó de extintor de incêndio como analista de qualidade.
Aí sim: laboratório completo, equipamentos, análises e responsabilidade real.
Além de executar as análises, eu precisava organizar rotina, estoque, prazos e interpretar resultados.
E foi aí que meu gosto por planilhas, gráficos e organização de dados virou parte do trabalho.
P&D no cacau + cursos
Depois, fui pra uma indústria de processamento de cacau como analista de Pesquisa & Desenvolvimento.
Além do laboratório, eu precisei aflorar o lado criativo pra testar, melhorar e criar métodos.
Nesse ponto eu senti que só o básico de dados não bastava e comecei a estudar mais: Excel, Power BI e ferramentas analíticas pra subir o nível do meu desempenho.
AmorSaúde + primeiro BI
Quase dois anos depois surgiu a oportunidade de entrar no AmorSaúde como consultor de operações internacional, olhando performance das unidades da Colômbia e ajudando na melhoria dos indicadores.
Meu trabalho virou praticamente 100% análise de dados, e ali eu construí meu primeiro BI em Power BI do zero. A entrega foi tão bem recebida que fui chamado pra integrar o time de Inteligência de Negócios.
MBA + próximos passos
Com o tempo eu fui me destacando e percebi que era esse caminho que eu queria pra vida.
Em 2023 comecei meu MBA em Data Science & Analytics (USP/ESALQ), concluído em 2025.
Desde então, fui aplicando coisas mais avançadas no dia a dia: análises preditivas, modelos de machine learning, segmentação/clusterização, estudos de correlação e testes de hipóteses, além de aprofundar o “arroz com feijão” muito bem feito: Python, SQL, Power BI, Tableau, Excel e bancos de dados.
Como penso hoje
Dados só fazem sentido quando geram entendimento e ação.
Como eu penso dados
- Entender o problema vem antes da tecnologia.
- Clareza, contexto e simplicidade acima de complexidade desnecessária.
- Soluções confiáveis, sustentáveis e fáceis de evoluir.
Para onde eu quero ir
- Evoluir em direção à engenharia de dados (pipelines, arquitetura, automação e qualidade).
- Construir produtos de dados sólidos, sem perder a visão analítica e de negócio.
- No médio prazo, assumir responsabilidades de liderança técnica.
Quem eu sou hoje
Curioso, disciplinado e orientado a aprendizado contínuo. Levo a simplicidade do interior junto com uma trajetória construída na base do esforço, adaptação e escolhas conscientes. Meu objetivo é sempre o mesmo: construir algo que faça sentido, gere impacto e evolua com o tempo.
Fora do trabalho
Aprendizado
- ~20 livros por ano
- Estudo diário
- Curiosidade contínua
Esportes
- Futebol (mesmo sendo ruim 😄)
- Vôlei, corrida e patinação
Jogos & puzzles
- Noites de jogos + pizza
- Cubos mágicos (20+)
- Quebra-cabeças pra relaxar
Momentos simples
- Séries de todos os tipos
- Churrasco, cerveja, pagode e piscina
Projetos em Destaque
Showcase dos principais trabalhos que refletem minha abordagem: do problema à solução.
Cada projeto combina análise, tecnologia e impacto mensurável no negócio.
🎯 Como Trabalho
Do dado bruto à decisão estratégica: um panorama do meu processo, ferramentas e mentalidade em Análise de Dados & BI.
Mentalidade e Abordagem
Antes de falar de ferramentas, o que muda o jogo é a forma de pensar: contexto, hipótese, clareza e impacto.
Foco no Problema
Começo pelo problema de negócio. Ferramenta é meio, não fim.
Pensamento Sistêmico
Entendo dependências entre métricas, processos e impactos em cascata.
Simplificar Complexidade
Transformo análises complexas em insights claros e acionáveis.
📊 Pipeline Completo de Dados
1
Origem dos Dados
COLETADados podem vir de bancos, APIs, arquivos, sistemas legados, web scraping e integrações.
SQL
APIs
Excel/CSV
Cloud
🔑 Conceitos-chave
- Estruturados vs. não-estruturados
- OLTP vs. OLAP
- Data Lake / Data Warehouse
- ETL e ELT
🛠️ O que faço aqui
- Mapeio fontes e donos do dado
- Avalio atualização, qualidade e confiabilidade
- Defino estratégia de extração (incremental/full)
- Documento estrutura e regras
2
Tratamento & Modelagem
TRANSFORMAÇÃOLimpeza, padronização e estruturação: transformar dado bruto em informação utilizável.
Python (Pandas)
SQL
Power Query
DAX
🔑 Conceitos-chave
- Star Schema / Snowflake
- Chaves e relacionamentos
- Regras de negócio e métricas
- Nulos, duplicados e outliers
🛠️ O que faço aqui
- Padronizo tipos, formatos e domínios
- Modelo fatos e dimensões
- Crio métricas com DAX quando necessário
- Otimizo performance
3
Análise & Exploração
INSIGHTSExploração para identificar padrões, anomalias, correlações e hipóteses com impacto no negócio.
SQL Avançado
Estatística
Python
Excel
🔑 Conceitos-chave
- Descritiva, diagnóstica, preditiva, prescritiva
- Testes de hipótese e correlação
- Segmentação e comportamento
- Séries temporais
🛠️ O que faço aqui
- EDA e validação de consistência
- Hipóteses orientadas por negócio
- Identificação de drivers e gargalos
- Quando faz sentido, modelos simples e explicáveis
4
Visualização & Dashboard
COMUNICAÇÃOTransformo insights em visualizações claras e acionáveis, com foco em narrativa e usabilidade.
Power BI
Tableau
HTML/CSS/JS
Python
🔑 Conceitos-chave
- Storytelling com dados
- UX de dashboard e hierarquia visual
- Escolha certa de gráfico
- Performance do relatório
🛠️ O que faço aqui
- Defino audiência, objetivo e perguntas
- Desenho layout com foco em leitura rápida
- Crio interações e filtros intuitivos
- Valido com usuários finais
5
Monitoramento & Melhoria
EVOLUÇÃOGarantir qualidade, atualização, governança e evolução contínua das soluções ao longo do tempo.
Git/GitHub
Documentação
Data Quality
Feedback
🔑 Conceitos-chave
- Qualidade (completude, consistência, atualidade)
- Versionamento e mudanças controladas
- Alertas e monitoramento
- Iteração incremental
🛠️ O que faço aqui
- Reviso métricas e regras conforme o negócio muda
- Melhoro performance e custo
- Documentação viva e reaproveitável
- Loop de feedback com stakeholders
🛠️ Caixa de Ferramentas
Banco de Dados & Modelagem
SQL Server / PostgreSQL
Modelagem Star Schema
SQL Avançado (CTEs, Window Functions)
Views, Procedures, Triggers
Python & Análise de Dados
Pandas, NumPy, SciPy
Scikit-learn, TensorFlow
Matplotlib, Seaborn, Plotly
Jupyter Notebooks
BI & Visualização
Power BI & DAX
Tableau
Excel (Power Query, Tabelas Dinâmicas)
HTML/CSS/JavaScript (Dashboards Web)
Conexões & Integrações
APIs REST (JSON, XML)
ODBC/JDBC Drivers
Cloud (Azure, AWS, GCP)
FTP, SFTP, Web Scraping
Versionamento & Documentação
Git / GitHub
Markdown, Confluence
Jira, Trello
Slack, Teams
Estatística & Machine Learning
Análise Descritiva e Inferencial
Modelos Preditivos
Clusterização e Segmentação
Séries Temporais
💡 Conceitos Fundamentais
1
Data Warehouse vs Data Lake
DW: dados estruturados e prontos pra análise. Data Lake: dados brutos em qualquer formato (mais flexível, exige processamento).
2
ETL vs ELT
ETL transforma antes de carregar. ELT carrega e transforma depois (comum em cloud pelo poder de processamento).
3
OLTP vs OLAP
OLTP é transacional (muita escrita). OLAP é analítico (muita leitura e agregação).
4
Modelagem Dimensional
Star Schema: fatos no centro e dimensões ao redor. Snowflake: dimensões mais normalizadas.
5
DAX vs SQL
SQL opera em tabelas (set-based). DAX opera com contexto de filtro no modelo tabular (cálculos dinâmicos em BI).
6
Storytelling com Dados
Conectar números a decisões: narrativa, foco no objetivo e visualização que guia a leitura.
Diplomas & Formação Acadêmica
Trajetória acadêmica que une base científica, visão estratégica e expertise em dados.
Do bacharelado em Química às especializações em Data Science e Gestão de Negócios.
Certificados & Formação
Principais conquistas acadêmicas e profissionais que fundamentam minha trajetória em dados.
Formação contínua em tecnologias, metodologias e ferramentas do ecossistema de Data Science & BI.
Estudos & Projetos de Cursos
Projetos práticos desenvolvidos ao longo de cursos e formações.
Cada estudo representa a aplicação real de conceitos aprendidos em aula.
📚 Livros & Leituras
Jornada literária através de mundos ficcionais, conhecimento técnico e desenvolvimento pessoal.
Cada livro representa uma perspectiva única e aprendizados que moldaram minha forma de pensar.