Portfólio de Projetos

Todos os projetos

Explore minhas construções divididas por área de atuação. Do desenvolvimento de produtos analíticos de ponta a ponta a automações operacionais no mundo real.

Projeto Âncora

PROJETO ÂNCORA · DATA QUALITY · RESPONSIBLE ANALYTICS

DataFlow

Do CSV imperfeito ao diagnóstico executivo confiável.

Toda análise começa antes do notebook. O DataFlow transforma dados tabulares em diagnóstico executivo: Health Score explicável, Issues Register, evidência estatística com limites declarados, masking LGPD-aware e PDF para decisão — antes de qualquer modelo ou dashboard.

0Bom

Registros demo

Colunas mapeadas

Registros válidos

0.4%

Taxa de aprovação

Ver case study completo Abrir demo GitHub

DataFlow executive briefing dashboard with Health Score and LGPD-aware analytics

LGPD-awareHealth Score 82Executive PDF

Antes vs Depois

Antes

→ CSV baixado, ninguém sabe o que cada coluna significa
→ Campos vazios, tipos misturados, duplicatas invisíveis
→ Dados sensíveis expostos sem masking
→ Decisão tomada sem saber se a base é confiável

Depois (DataFlow)

→ Health Score explica exatamente o nível de confiança
→ Issues Register com severidade e ação sugerida
→ LGPD-aware masking automático
→ PDF executivo pronto para apresentação

Pipeline Analítico

CSV bruto

Entrada tabular inicial.

Profiling

Detecta nulos, tipos, duplicatas e padrões.

Limpeza

Aplica regras auditáveis, sem transformação silenciosa.

Health Score

Resume a confiabilidade da base em uma métrica explicável.

Evidence Center

Executa evidências estatísticas com cuidado contra falso positivo.

LGPD Masking

Protege dados sensíveis antes de exportar.

PDF Executivo

Entrega síntese legível para decisão.

Diferenciais

Health Score explicável (82/100)

Quality Issues Register com severidade e ação

Evidence Center com correção de Bonferroni

LGPD-aware masking + PDF executivo

Stack

Next.jsReactTypeScriptTailwind CSSPythonFastAPIPandasSciPyRechartsTanStack Table

Produtos e Aplicações Principais

Data product · Record linkage · FinOps

Deployed

ReconcileIQ

Motor de matching exact/fuzzy com confidence score e exception inbox — complementar ao OpsLedger.

Enquanto o OpsLedger fecha a operação (pedidos × pagamentos × estoque), o ReconcileIQ aprofunda a camada de matching: cruza pedidos, pagamentos e taxas com join exato, candidatos fuzzy, score de confiança, anomalias de taxa e uma fila de exceções priorizada por impacto financeiro.

Exact join + fuzzy candidates (nome/ref/valor)
Confidence score explicável com penalidades
Exception inbox priorizada por severidade/impacto
Diff viewer lado a lado + audit trail
Complementar ao OpsLedger (não clone)

Next.jsReactTypeScriptPythonFastAPIPandasRapidFuzz

Abrir demo GitHub

Produto em produção · gestão pedagógica

Em produção • 5+ meses

Maestro

120+ alunos, cadernos manuais e zero visão centralizada. O app que organizou a escola.

No GEM, matrículas, aulas e presenças viviam em papel e planilhas. O Maestro centraliza tudo em Supabase com app mobile: múltiplos professores usam há 5+ meses, e os relatórios pedagógicos saem sem consolidação manual. Há demo web para testar o fluxo.

120+ alunos · múltiplos professores · 5+ meses em uso
Substituiu cadernos por app sincronizado
Relatórios pedagógicos automatizados
Demo web disponível no navegador

JavaScriptReact NativeExpoSupabasePostgreSQL

Abrir demo GitHub

Automação operacional · dados padronizados

Em produção

LançaEnsaio

Fichas de papel que se perdiam. App que padroniza e envia ensaio em tempo real.

Escalas, presenças e observações chegavam tarde — ou não chegavam. O LançaEnsaio guia o lançamento no mobile, valida campos obrigatórios e grava no Google Sheets via Edge Functions. Rastreável, sem papel. Demo web testável no navegador.

Substituiu fichas físicas que atrasavam a operação
Fluxo guiado com conferência antes do envio
Google Sheets em tempo real via Edge Functions
Demo web sem backend obrigatório

TypeScriptReact NativeExpoSupabaseGoogle Sheets

Abrir demo GitHub

Estatística aplicada · experimentação

Deployed

StatLab Experiments

Testar hipóteses — e saber quando não confiar no resultado.

Ambiente de estudo para inferência na prática: tamanho amostral, Z-test com Bonferroni e classificação Winner / Inconclusive / Weak Effect. Não é plataforma de produção — é para aprender risco estatístico e comunicar limites.

Tamanho amostral e poder estatístico
Z-test com correção de Bonferroni
Motor: Winner, Inconclusive, Weak Effect
Simulação, não produção

TypeScriptNext.jsPythonFastAPISciPystatsmodels

Abrir demo GitHub

Inferência causal e analytics responsável

Deployed

CausalForge

A intervenção gerou impacto — ou só pareceu? Inferência causal com hipóteses, incerteza e limites explícitos.

Laboratório mínimo de inferência causal aplicada: dois casos sintéticos (campanha promocional e coaching de SLA), Diff-in-Diff ou matching básico, checklist de hipóteses e decision memo com caveats. Não promete causalidade automática — rotula evidência como suggestive ou inconclusive sob pressupostos declarados.

Dois casos sintéticos controlados (DiD claro vs matching muitas vezes inconclusivo)
Checklist de hipóteses antes e depois da estimativa
Decision memo com caveats e rótulo SUGGESTIVE / INCONCLUSIVE
Responsible analytics: sem overclaim de causalidade automática

TypeScriptNext.jsPythonFastAPIPandasSciPy

Abrir demo GitHub

Lab SaaS · QA de agentes · Billing mock

Deployed · demo pública

FlowSentinel AI

Laboratório de QA, simulação e score de risco para agentes de atendimento por WhatsApp/IA.

MVP SaaS de laboratório: fluxos, personas simuladas, testes, falhas, ranking por risco e regressão entre versões — com billing mock e gating por plano. Demo pública sem cobrança real.

Demo seed Pizzaria Flow (WhatsApp) com risk score e replay
Billing adapter mock (Stripe/Mercado Pago preparados)
Login demo: demo@pizzariaflow.com.br / senha 6+ chars

Next.jsReactTypeScriptTailwind CSSSupabaseZodVitest

Abrir demo GitHub

Reconciliação operacional · e-commerce

Deployed · demo pública

OpsLedger

Pedidos, pagamentos e estoque que não batem. Reconciliação com impacto financeiro e próxima ação.

Pequeno e-commerce fecha a semana com três CSVs. O OpsLedger valida schema, cruza 7 regras, estima valor em divergência e prioriza issues — do batch ao relatório executivo. Demo sintética com ~30 divergências intencionais.

152 pedidos · 148 pagamentos · 257 movimentos na demo
7 regras testáveis com impacto financeiro
Issues com severidade e ação recomendada
FastAPI + Next.js + SQLite em monorepo

Next.jsTypeScriptPythonFastAPIPandasSQLite

Abrir demo GitHub

Responsible analytics · saúde pública (sintético)

Deployed · demo pública

SentinelaSUS

Vigilância epidemiológica sintética com sinais interpretáveis — e limites explícitos.

Painel 100% sintético: z-score, MAD robusto, reliability score e alertas sem alarmismo. Mostra incerteza e qualidade do dado em domínio sensível — sem dados reais, sem diagnóstico, sem previsão. FastAPI + Next.js com demo ao vivo.

Sinais estatísticos interpretáveis com caveats
Reliability score e central de qualidade
Dados sintéticos — responsible analytics notice
Demo + API health públicas

Next.jsTypeScriptPythonFastAPIPandas

Abrir demo GitHub

Analytics engineering · governança de métricas

MVP portfolio-ready

Metric Contract Studio

KPI sem definição vira discussão. Contratos de métrica com score de maturidade e export.

Receita, churn e conversão mudam de significado entre times. O Studio transforma KPIs em contratos revisáveis: fórmula, fonte, grain, owner, validações, limitações e exemplos — com score 0–100, SQL template e export Markdown. Não executa warehouse; documenta a definição.

5 contratos demo (receita, conversão, churn, ticket, ativação)
Score de maturidade explicável com alertas
SQL template + export Markdown para wiki/PR
Governança antes do dashboard

Next.jsTypeScriptTailwind CSSZustandVitest

GitHub

Product analytics · experimentação responsável

Deployed

Experiment Decision Log

p-value não é decisão. Hipótese → evidência → decisão → aprendizado, com caveats.

Muitos demos param no cálculo. Este produto registra o ciclo completo: métrica primária, guardrails, evidência aproximada, recomendação, decisão humana e follow-up. Quatro experimentos demo; linguagem cautelosa — não substitui julgamento de negócio.

Ciclo hipótese → evidência → decisão → aprendizado
Guardrails e caveats obrigatórios
4 experimentos demo + export Markdown
Par natural do StatLab (cálculo → decisão)

Next.jsTypeScriptZodRechartsVitest

Abrir demo GitHub

Outros Projetos & Experimentos

Experimentos, automações e aplicações menores que complementam minha prática em dados, tecnologia e produto.

Public Data Quality Auditor BR

CSV público brasileiro sujo. Auditoria com score por dimensão e relatório executivo.

Next.jsTypeScriptPython+2

Form2Dashboard

Formulário e planilha brutos → campos normalizados → dashboard pronto.

TypeScriptNext.jsTailwind CSS+1

Aurea Finance

Sistema local-first de finanças pessoais com conferência diária, rastreabilidade e dados corrigíveis.

TypeScriptNext.js

DataHealth Profiler

Ferramenta web para abrir um CSV e entender rapidamente riscos de qualidade, missingness, cardinalidade, tipos e flags.

Python

SignalHub APIs

Plataforma de observabilidade para APIs e pipelines, com histórico de runs, freshness, checks de qualidade e dashboard operacional.

TypeScript

Soniva

Aplicativo desktop local-first para ingestão autorizada de mídia, preservação de metadados e biblioteca pesquisável.

TypeScript

Verbo & Hino

Quizzes da Bíblia e do Hinário — clássico, sobrevivência e relógio.

JavaScriptReact NativeExpo

Morning Digest // MEGA FEED

Agregador RSS com filtros e prompts para curadoria.

PythonCustomTkinter

PromoRadar

Monitorar sinais comerciais, deduplicar e auditar decisões.

JavaScript

CopaBot

Bot Discord para Copa 2026: calendário, palpites e ranking.

JavaScriptNode.jsdiscord.js

Bolão da Cabine do Glória

Bolão da Copa com OCR, conferência e ranking automático.

PythonStreamlitTesseract+1

JobScope Tech BR

Vagas tech BR: coleta, normalização e taxonomia de skills.

Python

NewsWeave

Excesso de feeds → briefing diário curado, sem ruído.

TypeScriptNext.jsFastAPI+1

ForecastOps

Previsão operacional com incerteza: baseline, backtest temporal, fan chart e what-if de estoque.

Next.jsTypeScriptPython+4

MarginDesk

Desk de margem de proposta: preço mínimo, risco de escopo, horas e lucro planejado.

Next.jsTypeScriptPython+2

BehaviorGraph

Quais caminhos levam à ativação, abandono ou hábito? Product analytics com taxonomia, funil, cohorts e journey graph.

Next.jsTypeScriptPython+3

PublicData Atlas BR

Atlas cívico: mapa, indicadores e qualidade de fontes — não só auditoria de CSV.

Next.jsTypeScriptPython+1

DataOps Control Tower

Observabilidade de dados em lab: freshness, schema drift, quality e incidentes.

Next.jsTypeScriptTailwind CSS+3

Process mining · operações · Lab demo

ProcessLens

Como o trabalho realmente acontece — e onde ele quebra? Process mining em event log sintético.

Next.jsTypeScriptPython+3

Simulação operacional · Lab demo

FilaViva

Simulador de filas: capacidade, risco e comparação de cenários.

Next.jsTypeScriptTailwind CSS+4

Decisão · simulação de políticas

DecisionLab

Simular políticas de decisão antes da produção — custo, sensibilidade e auditoria.

Next.jsTypeScriptPython+1

Suporte · analytics operacional · Lab demo

SupportSignal

Lab de inteligência de suporte: classificação, SLA, risco de reembolso e causa raiz.

Next.jsTypeScriptPython+2

SMB ops · lead analytics · Lab demo

LeadPulse

Radar de follow-up WhatsApp-first: tempo de resposta, leads esquecidos e score de oportunidade.

Next.jsTypeScriptPython+2

SaaS lab · proposta · aceite digital · Lab demo

ProposalRoom

Sala de proposta comercial com aceite digital — do brief ao OK do cliente, com billing mock.

Next.jsReactTypeScript+3

Produto · side project · Lab demo

Cadence

Rotina serena de estudo de idiomas — timers por bloco, histórico e foco.

Next.jsTypeScriptReact+3

Ficou interessado em algum projeto?

Eu posso explicar as decisões técnicas, código-fonte e limitações de cada um deles em uma entrevista rápida.

Sobre mim