maithe@data:~$ ./dashboards.pbix

Maithê Trindade

Atuo como Data Analyst, desenvolvendo dashboards e relatórios em Power BI que transformam dados em informações estratégicas para apoiar a tomada de decisão.

Disponível para novos projetos

Ver projetos Entrar em contato

Santos · SP

[ 01 ] Sobre

Um pouco
sobre mim

Sou Analista de Dados e transformo dados em informações claras, visuais e úteis para apoiar decisões.

Tenho experiência com análise e tratamento de dados, modelagem, criação de indicadores e desenvolvimento de dashboards, buscando sempre transformar informações complexas em análises que sejam fáceis de entender e realmente façam sentido para o negócio.

Transformo dados confusos em dashboards intuitivos e análises que contam uma história. Para mim, um bom projeto de dados não precisa ser complexo, precisa fazer sentido e facilitar a vida de quem vai utilizá-lo.

Sou graduada em Análise de Dados e Desenvolvimento de Sistemas pela Universidade Católica de Santos e atualmente estou me especializando em Data Science e Machine Learning com IA na XP Education.

Atuação: 📍 Santos, SP | Baixada Santista
💻 Projetos remotos em todo o Brasil
Foco: Data Analyst · Business Intelligence Dashboards e relatórios em Power BI, modelagem e tratamento de dados, KPIs e análises
Disponível para: Freelance e novas oportunidades Projetos pontuais e vagas de Data Analyst / BI

[ 02 ] Stack

Ferramentas e
habilidades

DashboardsRelatóriosModelagem de dadosTratamento de dadosKPIs e métricasAnálise de dadosGeração de insightsStorytelling com dados

Power BIDAXPower QueryPower PivotMicrosoft ExcelFórmulas e funções avançadasMacros

SQLMySQLSQL ServerPostgreSQL

PythonPandasNumPyMatplotlibSeabornJupyter NotebookEstatísticaMachine LearningInteligência Artificial

ETL / ELTLimpeza e transformação de dadosIntegração de diferentes fontes de dadosHTML5CSS3JavaScriptGitGitHub

[ 03 ] Projetos

Projetos que
eu construí

O problema que originou cada projeto, o que eu montei e o que mudou depois.

Python · Streamlit · Ollama (LLM local) · RAG

mytek Chat: assistente de IA local com RAG

Chatbot de atendimento para uma empresa real (mytek), com o modelo de linguagem rodando 100% local via Ollama, sem custo por token e sem dado saindo da máquina. Construí o pipeline de RAG do zero (extração e chunking do PDF da política comercial, embeddings e busca por similaridade) e resolvi problemas reais no caminho: uma tabela de preços cortada entre chunks fazia o agente confundir valores, e o Streamlit interpretava "R$" como fórmula matemática, corrompendo os preços na tela.

RESULTADO: respostas sempre alinhadas à política oficial (preços, cancelamento, regras de atendimento), sem inventar condição que não esteja documentada.

Demonstração do mytek Chat respondendo em tempo real sobre teste grátis e preço do CRM, com base na política da empresa

Power BI · DAX · Power Query · Modelagem dimensional

Dashboard de Performance Comercial

Painel de vendas em quatro páginas que responde às perguntas da gestão comercial: quanto vendemos, quanto lucramos, quem está batendo a meta e onde crescer. Montei o modelo em estrela (vendas e metas + 7 dimensões), escrevi mais de 50 medidas DAX com comparação ao ano e ao mês anteriores e criei uma função DAX que gera ícones SVG dinâmicos de alta e queda. A navegação funciona como aplicativo, com botões, bookmarks e tooltips personalizados, e o projeto é versionado no Git em formato PBIP. Dados fictícios.

RESULTADO: faturamento, margem e meta por vendedor, cidade e período numa única tela, já comparados com o ano e o mês anteriores.

Ver vídeo Ver no GitHub

Python · SQL · dbt · DuckDB · GitHub Actions

Pipeline de dados: Economia do Brasil

Pipeline de ponta a ponta que busca todo dia na API do Banco Central a Selic, a inflação, o dólar e o desemprego desde 2012. A extração em Python contorna os limites reais da API (janelas de consulta, falhas de conexão e datas futuras da meta Selic), os dados vão para um DuckDB e são modelados com dbt em camadas staging, intermediate e marts, onde calculo o juro real e identifico cada decisão do Copom. O GitHub Actions roda tudo sozinho e publica um dashboard web com filtro de período e download dos dados.

RESULTADO: dashboard atualizado todo dia sem intervenção manual, com 25 testes de qualidade que impedem a publicação de dado inconsistente.

Ver dashboard Ver no GitHub

Dashboard Economia do Brasil em Dados com Selic, IPCA, juro real, dólar e desemprego e gráficos de evolução

Machine Learning · LightGBM · SHAP · FastAPI · Docker

Retém: previsão de churn do modelo à produção

Modelo que estima a chance de cada cliente cancelar o serviço e decide em quem vale investir uma oferta de retenção. Comparei três modelos com validação cruzada, escolhi pela PR-AUC por a classe ser minoritária e defini o ponto de corte pelo lucro da campanha, não pelo padrão de 0,5. Cada previsão vem explicada com SHAP em linguagem de negócio. Em produção como API FastAPI com app web: a empresa envia a planilha de clientes e recebe a lista ordenada por risco, com quem abordar e o motivo de cada um. Empacotado em Docker, com testes automatizados no GitHub Actions e deploy automático.

RESULTADO: na simulação com clientes que o modelo nunca viu, a campanha guiada por ele gera US$ 33,3 mil contra US$ 0,6 mil de abordar todos, encontrando 77% de quem ia cancelar.

Testar o app Ver no GitHub

App de previsão de churn analisando uma base de 500 clientes: resumo com clientes a abordar e ganho esperado, e lista ordenada por risco com o motivo de cada cliente

Séries temporais · LightGBM · Python · FastAPI · Docker

Produz Certo: previsão de demanda e plano de produção

Sistema para padarias, restaurantes e varejo que prevê as vendas dos próximos 7 dias de cada produto e recomenda quanto produzir. O modelo é treinado com o histórico de vendas da própria empresa, na hora em que ela envia a planilha, e aprende o padrão de dia da semana, feriados, sazonalidade e tendência. A quantidade recomendada vem do problema do jornaleiro: equilibra o custo da sobra com o da venda perdida conforme a margem de cada produto. O app ainda testa o modelo no histórico da empresa e mostra quanto ela teria ganho. Dados de exemplo fictícios.

RESULTADO: em 12 semanas de teste numa padaria de exemplo, 20% menos vendas perdidas por falta de produto e R$ 9,7 mil a mais de lucro que o método tradicional, cerca de R$ 42 mil por ano.

Testar o app Ver no GitHub

App Produz Certo com indicadores da semana, teste com o histórico mostrando lucro a mais e plano de produção por produto e dia

[ 04 ] Contato

Vamos conversar
sobre dados?

Estou disponível para novos projetos e oportunidades em Data Analytics / BI. Me chama por onde for mais fácil para você.

LinkedIn → maithetrindade21@gmail.com →