Olá! Eu sou Felipe Bonatti, um profissional apaixonado por dados, com experiência significativa em automação de processos, análise preditiva e implementação de soluções em Machine Learning. Minha trajetória inclui projetos de grande impacto, como a criação de soluções de análise e automação que geraram economias significativas e otimização de recursos em empresas de grande porte.

Tenho experiência com Python, PySpark, SQL, AWS/GCP e outras ferramentas de dados. Sempre busco aplicar tecnologia para transformar dados em insights valiosos e estratégias de negócios.

• Linguagens: Python, SQL, JavaScript
• Ferramentas & Frameworks: PySpark, Databricks, Pandas, NumPy, Scikit-learn, Flask, Apache Airflow
• Machine Learning & Data Science: Modelos preditivos, análise de churn, segmentação de clientes, detecção de anomalias
• Automação e Integração: Webhooks, APIs, integração com Microsoft Teams
• Banco de Dados: SQLite, MySQL, PostgreSQL
• Cloud: AWS, GCP
• Outras Competências: Análise de dados geoespaciais, otimização de processos, desenvolvimento de dashboards

Desenvolvi e implementei um projeto estratégico que identificou convênios de consignado não rentáveis, resultando em uma economia de R$ 2 milhões em 13 meses.

• Análise Preditiva: Modelagem de dados para prever a rentabilidade de convênios ao longo de 13 meses.
• Automação de Processos: Criação de relatórios automáticos e disparos para comerciais, reduzindo o tempo de tomada de decisão de dias para minutos.
• Impacto Estratégico: Redirecionamento de esforços para convênios de alto valor, otimizando a alocação de recursos comerciais.

Implementação de Data Marts em AWS/GCP para análise ágil de grandes volumes de dados bancários, reduzindo o tempo de processamento em 30%.

• Integração de dados de múltiplas fontes (On-Prem e Cloud) usando PySpark e Apache Airflow.

Desenvolvimento de um modelo preditivo para identificar clientes com risco de evasão, resultando em 15% de redução no churn de clientes de alto valor.

Automação de 100+ relatórios mensais com Python e Excel VBA, liberando 40 horas/mês para análises estratégicas.

Sistema automatizado para análise de risco de crédito, utilizando técnicas avançadas de Machine Learning para prever inadimplência. O projeto abrange desde a preparação dos dados até a geração de predições em tempo real via API, garantindo precisão e interpretabilidade nos resultados.

• Preparação de Dados: Carregamento de múltiplas fontes (CSV, SQL), tratamento de valores ausentes e detecção de outliers.
• Engenharia de Features: Transformação e seleção automática de variáveis para otimizar a performance dos modelos.
• Modelagem Preditiva: Algoritmos implementados incluem Decision Tree, Random Forest, XGBoost e Regressão Logística.
• Explicabilidade: Utilização de SHAP/LIME para tornar as predições interpretáveis.
• API REST: Disponibilização de predições em tempo real com um endpoint de health check.

Automação de processos de validação de dados para atualizações de dashboards. O projeto inclui detecção de anomalias e integração com Microsoft Teams para envio de alertas em tempo real, aumentando a confiabilidade dos dados e reduzindo erros operacionais.

• Validação automatizada de dados em tempo real.
• Integração com Microsoft Teams para alertas instantâneos.
• Implementação em PySpark para garantir escalabilidade.

Estudo de caso sobre previsão de churn em serviços de streaming. Utiliza técnicas de Machine Learning para identificar clientes com risco de evasão e oferecer recomendações de ações preventivas para melhorar a retenção.

• Construção de um modelo preditivo utilizando Scikit-learn.
• Segmentação de clientes baseada em comportamento, para ações personalizadas.
• Análise de churn com foco em melhorar a retenção de clientes.

Sistema de otimização da distribuição de clientes para gerentes bancários, priorizando rentabilidade e proximidade geográfica. O sistema foi desenvolvido com Python e análises geoespaciais para alocação inteligente de clientes.

• Alocação automatizada de clientes com base em critérios estratégicos.
• Priorização de clientes com maior rentabilidade.
• Sistema geoespacial para otimização da distribuição.

• LinkedIn: Felipe Bonatti Serejo de Lima
• Email: felipe.bonatti@outlook.com
• GitHub: @felipesbonatti