Post

Análise de dados Itaú Unibanco

Estruturação de bases e dashboards com acompanhamentos de KPIs de grandes players do mercado

Análise de dados Itaú Unibanco

Introdução técnica

Fui responsável pelo desenvolvimento de querys, dashboards, análises e gestão de processos para diversas áreas do banco Itaú, utilizando S3, Glue e Athena para armazenamento e processamento de dados, e o QuickSight para visualização.

Franquias & Associação (F&A)

Apoiei a área de F&A principalmente com análises pontuais envolvendo clientes com alto potencial, automatização de processos, manutenção de dados e visualização de informações.

Utilizando SQL e SAS para manutenção de bases e extração de dados

Python para pré-processamento e análise de dados, identificando correlações, outliers e insights. Automatizando diversos processos manuais que demandavam horas para conclusão, criando scripts que reduziram o tempo de execução para minutos

Realizamos projetos em parceria com a área de Soluções Financeiras para mensurar e acompanhar o desempenho de grupos específicos de clientes em ações direcionadas, utilizando SQL, Python e Power BI

Responsável também por processos de análise e PLD (Prevenção à Lavagem de Dinheiro) de novos clientes indicados (CNPJ)

Planj. Atacado

Atualmente na gerência de clientes de grande porte, auxilio diretamente diversas áreas parceiras, principalmente os clientes de E-commerce

Stacks: AWS, SQL, Power Apps, Python

Realizo criação de dashboards no QuickSight para visualização de dados de diversos squads, modernização de querys SQL para Athena, migração de bases de dados do SAS para AWS (S3) e criação de jobs simples no GLUE

Com foco principal no setor de E-commerce, desenvolvi o principal dashboard de acompanhamento

Também fui responsável pelo desenvolvimento do dashboard de tokenização para visualização do percentual de transações tokenizadas de todos os clientes e acompanhamento D-1

🔧 Principais insights

  • 📊 Maiores e menores crescimentos MoM
    Identificação de clientes com maior aumento de faturamento e clientes com maior queda de receita, possibilitando ações rápidas para evitar perdas maiores

  • 📈 Acompanhamento de faturamento real vs. orçado (diariamente)
    Monitoramento diário do faturamento em comparação com o valor previsto para o mês

  • 🧠 Variação de faturamento por segmentos
    Diferença de faturamento Atacado vs. Varejo
    Diferença de faturamento por segmentos (Middle, Large, etc…)

Resultados

Resultados F&A

  • Estruturamos todas as bases de dados e automatizamos processos extremamente manuais e demorados

  • Em análises pontuais conseguimos identificar as melhores ações em termos financeiros como antecipação, faturamento, PB e RGO, expandindo iniciativas com ótimo impacto financeiro (MM) e encerrando as que apresentavam baixa rentabilidade

  • Apoiamos todo o time comercial para trabalharem melhor, segmentando os clientes e tornando as negociações muito mais assertivas, adicionando dados relevantes dos clientes para melhorar as abordagens

Resultados Planj. Atacado

  • Acompanhamento da tokenização para manter um percentual ideal de tokenização geral, visando evitar prejuízos

  • Avanço significativo na visualização de dados de três diferentes squads com a modernização das bases, criação de dashboards e acompanhamento ágil de KPIs

  • Projeções de clientes para ações específicas com o objetivo de aumentar deltas críticos na área

AWS python SQL PBI
Esta postagem está licenciada sob CC BY 4.0 pelo autor.