Sou Analista de Dados & BI com foco em transformar dados complexos em insights acionáveis para decisões estratégicas.

Atuo no ciclo completo de dados, desde extração, tratamento e modelagem até visualização estratégica e automação de análises, utilizando Python, SQL, Power BI e pipelines de dados.

Tenho experiência em contextos hospitalares, operacionais e de negócio, apoiando decisões por meio de indicadores confiáveis e análises orientadas a resultado, com base em Engenharia de Sistemas e especialização contínua em Ciência de Dados Comportamentais.

📊 Analytics Engineering	📈 BI & Analytics	⚙️ Data Engineering (Support)	🧠 Data Science

Dashboards executivos com indicadores operacionais e financeiros.

• Stack: SQL, Python, Power BI
• Insight: 65% dos atrasos concentrados em janelas críticas de operação
• Resultado: +40% satisfação operacional
• 🔗 Documentação: Notion

Identificação de padrões de consumo para estratégias de upsell e cross sell.

• Stack: SQL, Python, Power BI
• Resultado: +22% retenção de clientes | +10% vendas recorrentes
  -🔗 Documentação: Notion

Automação da coleta e análise de preços em tempo real.

• Stack: Python, APIs REST, SQLAlchemy, SQLite, Streamlit
• Insight: Correlação entre manchetes positivas e picos de compra
• Destaque: Redução de esforço manual e maior confiabilidade analítica
• 🔗 Projeto: GitHub

Controle e otimização de custos em pipelines de dados.

• Stack: Azure Data Factory, Azure Cost Management, PowerShell
• Resultado: 30% de redução de custos não previstos
• 🔗 Projeto: GitHub

Modelo para prever readmissão hospitalar em até 30 dias, incluindo criação da variável alvo, tratamento de desbalanceamento, comparação de algoritmos (LogReg, RF, GBoost, XGBoost) e avaliação completa.

• Stack: Python, Pandas, NumPy, Scikit-Learn, MatPlotlib, XGBoost, Imbalanced-Learn
• 🔗 Projeto: GitHub

Pipeline completo de previsão temporal: desde dados brutos até uma aplicação em produção. Inclui engenharia de variáveis temporais, lags, análise de Black Friday e treinamento de HistGradientBoostingRegressor.

• Stack: Python, Pandas, NumPy, Scikit-Learn, Seaborn, Streamlit, Holidays
• 🔗 Projeto: GitHub
• 🖥️ App: Streamlit

• Especialização: Ciência de Dados e Análise de Comportamento (UniCesumar)
• Foco Atual:

• 🎯 Filosofia: "Dados orientam decisões, contexto operacional transforma insight em ação"
• 🔄 Workflow Preferido: ETL → EDA → Modelagem → Visualização
• 🧠 Curiosidade: Ex-competidor de eSports (Top 5% CS:GO) aplicando análise de padrões a dados

• 📧 Contato Preferencial: LinkedIn ou marcanogc@gmail.com
• 🔗 Portfólio Completo: Ver Portfólio
• 🔗 Notion: Notion