🌊 Apaixonado por tecnologia, análise de dados e, nas horas vagas, por surfe e bons momentos com amigos e família.
💻 Atualmente me desenvolvendo como profissional na área de programação e análise de dados, com foco em Inteligência Artificial e Analise de dados .
📚 Estou sempre em busca de novos aprendizados e desafios que me ajudem a crescer e contribuir.
🤝 Aberto a colaborações em projetos, especialmente aqueles com impacto positivo ou foco em dados.
📫 Como me encontrar:
    📧 edu.naoki@gmail.com
    📱 Fale comigo no WhatsApp

⚡ Curiosidade: Já tive um restaurante e hoje troquei o yakisoba pelo código 🍜👨‍💻

🔹 Construir Data Warehouses para estruturar dados de forma eficiente
🔹 Criar dashboards interativos para apoiar a tomada de decisões
🔹 Desenvolver pipelines de dados para automação e processamento eficiente
🔹 Usar SQL, Python para resolver problemas complexos


Principais ferramentas:

Este repositório contém uma análise exploratória de dados dos atendimentos realizados por profissionais de saúde , com foco específico no período entre 17h e 21h .

Ferramentas Utilizadas: -Python 3 -Pandas para manipulação de dados -Matplotlib para criação dos gráficos -Jupyter Notebook (ambiente de análise)

3. Anonimização dos Dados Por questões éticas e legais, os nomes dos profissionais foram substituídos por identificadores fictícios.

Exemplo de código:

python import random

nomes_reais = df['profissional'].unique() nomes_ficticios = [f"Dr(a). Nome {i}" for i in range(len(nomes_reais))] df['profissional'] = df['profissional'].map(dict(zip(nomes_reais, nomes_ficticios)))

Clique arqui para acessar o repositório no Github

Este projeto foi desenvolvido com o objetivo de analisar o comportamento de alunos em uma academia de Crossfit, utilizando ferramentas de BI (Business Intelligence) para extrair insights relevantes sobre frequência, cancelamentos, planos contratados, perda de peso e o impacto financeiro geral.

Insights Gerados:

• Alunos com planos mensais representam a maior parte dos contratos ativos.
• A perda de peso tende a ser maior entre alunos com frequência mais alta.
• O número de cancelamentos aumentou em 2025, sugerindo a necessidade de estratégias de retenção.
• Planos anuais demonstraram maior queda de adesão, o que pode indicar uma preferência por opções mais flexíveis.

Considerações e Ações Sugeridas:

• Investir em programas de fidelização para reter alunos com planos anuais.
• Oferecer benefícios progressivos para alunos com maior frequência.
• Criar planos personalizados baseados na evolução de peso e metas dos alunos.
• Realizar entrevistas com alunos cancelados para entender motivos e reduzir churn.

Clique arqui para acessar o repositório no Github
Clique arqui para acessar o repositório no Notion

Impacto do cancelamento planos com serviços adicionais Vamos analisar o dashboard "Lojas Pets" com foco em análise de dados e potenciais insights:

Contexto:Conforme os planos que a Petlove oferece, foram analisados os padrões de comportamento de 29 clientes para identificar os riscos de cancelamento e possíveis vendas de planos adicionais.

Objetivo:O objetivo deste case é analisar os dados de clientes e fornecer insights para melhorar a retenção e aumentar a adesão a novos planos de saúde pet.

Clique arqui para acessar o repositório no Github
Clique arqui para acessar o repositório no Notion

Dashboard interativo desenvolvido para analisar como as políticas de desconto impactam as vendas e lucros da empresa ao longo do tempo. Vamos analisar o dashboard com foco em análise de dados e potenciais insights:

💡Meses com maior desconto não necessariamente refletem maior lucratividade, o que sugere a necessidade de reavaliar as estratégias de precificação.
💡 Descontos altos ≠ lucro alto
💡 Segmentos como “Enterprise” responderam melhor aos descontos
💡 Há uma tendência de crescimento geral nas vendas
💡O crescimento das vendas ao longo dos anos reforça a importância de um planejamento estratégico contínuo.

Objetivo: Analisar o impacto dos descontos no volume de vendas e no lucro.

Clique arqui para acessar o repositório no Github
Clique arqui para acessar o repositório no Notion

Essa pesquisa foi criado para analisar os resultados de uma pesquisa de satisfação realizada com os clientes do Aikisoba. Ele oferece insights valiosos sobre o atendimento, preferências e comportamento dos consumidores, ajudando na tomada de decisões estratégicas para aprimorar os serviços e produtos oferecidos.

Objetivo:Documentar o processo de coleta, tratamento e análise de dados da pesquisa de satisfação com os clientes do Aikisoba, com o intuito de obter insights estratégicos sobre o atendimento, canais de comunicação e comportamento do consumidor.

Clique arqui para acessar o repositório no Github
Clique arqui para acessar o repositório no Notion