Raphael Victor

A camada analítica do SCR_BACEN só era acessível via SQL. Faltava uma interface para que um time de risco explorasse volume x inadimplência sem escrever consultas.

Separei o produto de consumo do pipeline: o app lê a camada modelada e expõe filtros por UF, modalidade, porte e mês. Priorizei o corte volume x inadimplência porque é a leitura que orienta decisão de concessão, não apenas descrição do dado.

Dashboard interativo que transforma o pipeline em ferramenta de exploração para usuário não técnico.

Testar se uma estratégia sistemática baseada em dividend yield supera o Ibovespa, em vez de aceitar a tese de investimento por intuição.

Backtest com regra de entrada/saída explícita e comparação contra benchmark — o objetivo é medir o excesso de retorno, não celebrar o retorno bruto. Tratamento de séries temporais e reinvestimento controlado no código.

Estratégia backtestada com retorno acumulado documentado e comparado ao Ibovespa.

Avaliar se um sinal técnico simples (cruzamento de médias móveis) protege capital em períodos de queda de um ativo volátil.

Regra de decisão totalmente parametrizada (janelas curtas e longas) para permitir sensibilidade, em vez de fixar um único par de médias e otimizar em cima do resultado.

Backtest replicável com curva de capital da estratégia frente ao buy and hold.

Construir uma leitura visual de preço e tendência de PETR4 a partir de dados de mercado, com gráficos interpretáveis por quem não é da área técnica.

Uso de candlestick com sobreposição de médias móveis e versão interativa em Plotly, priorizando legibilidade do sinal sobre densidade de indicadores.

Notebook de análise técnica reprodutível com visualizações estáticas e interativas.

Entender na prática como integrar um LLM a um fluxo de trabalho — geração de conteúdo e chat — como base para automatizar tarefas analíticas repetitivas.

Integração direta com a API para controlar prompt, parâmetros e histórico de conversa, em vez de depender de wrapper pronto — para enxergar o custo e o comportamento do modelo.

Protótipo funcional de geração de conteúdo e chat com Gemini.

Dados de vendas dispersos sem modelo nem indicadores acordados, impedindo acompanhamento gerencial.

ETL no Power Query e modelo estrela com tabela calendário dedicada, para que as medidas DAX de comparação temporal funcionassem sem gambiarra de coluna calculada.

Painel com KPIs de venda e comparativos temporais para leitura gerencial.

Comparar realizado contra meta de forma consistente entre períodos e responsáveis.

Separação entre fato de vendas e fato de metas com granularidade conciliada, evitando o erro comum de somar metas duplicadas em joins.

Visão de atingimento de meta por período com desvio explícito.

Explorar um dataset histórico complexo (pilotos, equipes, corridas) e transformá-lo em narrativa visual.

Modelagem relacional das múltiplas entidades antes de qualquer visual, para que os filtros cruzados se propagassem corretamente.

Dashboard interativo com desempenho histórico por piloto e equipe.

Priorizar a investigação de golpes entre milhões de transações Pix, reduzindo o tempo médio de análise do time de risco.

Modelo de classificação com features comportamentais derivadas do monitoramento real de Pix (frequência, valor, horário, relação entre contas) — não dataset genérico. Foco em recall/precision no ponto de operação, não só em acurácia.

Em construção. Meta: ranking de risco por transação que alimente a fila de investigação.