Data Science Academy
Data Analyst Certified Professional (DACP)
Emitido ene 2023
¡Hola, bienvenidos!
Soy
Franklin Ferreira
Staff Data Engineer Arquitectura de Datos y Big Data Gobernanza, FinOps e IA
Del data warehouse al lakehouse, del ML clásico a la IA generativa: diseño la arquitectura de datos en la que se apoya toda una empresa.
Sobre mí Descargar CV- >50%menos costo en la plataforma de datos
- ~50fuentes unificadas en una sola plataforma
- 15+personas en el equipo que lidero
Sobre mí
Quién soy
En la práctica, soy arquitecto. Antes de que alguien escriba una línea de código, pienso y decido cómo deben estructurarse los datos, en un warehouse o en un lakehouse, en batch o en streaming. Hoy lidero técnicamente un equipo de 15+ personas (ingenieros de datos, analistas y científicos de datos) repartido entre Brasil y Rumania.
Llegué a Flutter Brazil para construir la base. Creé desde cero el modelo dimensional y el data lake, con Python, dbt y mucho SQL. Después lideré la migración de toda la infraestructura de datos a Databricks: alrededor de 50 fuentes, desde Google Analytics 4 hasta sistemas internos y herramientas de terceros, con pipelines que pasaron de horas a minutos.
Como Tech Lead, el trabajo se amplió. Definí las arquitecturas y las formas de trabajo de casi todo el equipo de datos, reestructuré Unity Catalog por dominio y lideré el trabajo de FinOps que redujo en más de 50% el costo de la plataforma. Como Staff, ese alcance sigue creciendo.
Vengo del lado más clásico del machine learning, desde la universidad. Una vez hice backpropagation a mano, en papel, antes de que cualquier framework lo hiciera por mí. Seguí de cerca el giro hacia la IA generativa desde el momento en que apareció, y hoy me muevo con naturalidad entre los dos mundos. Ayudé a construir los modelos de LTV y de payback de la empresa y uso IA generativa para acelerar la construcción de las herramientas del día a día del equipo.
Antes de Flutter Brazil, fui Data Architect en Clicksign. Construí la estructura de datos desde cero, con Redshift, dbt y Airflow, y ayudé a que el grupo creciera de 4 a unas 20 personas. También pasé algunos años como profesor de Big Data e Ingeniería de Datos, con cientos de estudiantes. Quizás por eso me gusta explicar las cosas de una forma que tenga sentido para quienes no viven de SQL todo el día.
Perfil
Sigo hands-on todos los días, en arquitectura, modelado y decisiones de plataforma. Cuando el equipo lo necesita, intervengo para definir prioridades y destrabar decisiones de negocio.
- Cargo Staff Data Engineer
- Enfoque Arquitectura de datos, plataformas de Big Data, gobernanza, FinOps, ML e IA generativa
- Equipo 15+ personas entre Brasil y Rumania
- Ubicación Brasil · Remoto/Global
Idiomas
- PortuguésNativo o bilingüe
- InglésCompetencia profesional completa
- EspañolCompetencia profesional
Skills y tecnologías
Las herramientas y prácticas con las que trabajo, agrupadas según su finalidad.
Arquitectura y modelado
Plataformas y procesamiento
Transformación, orquestación y cloud
Lenguajes
Apps de datos y analytics
Prácticas
IA
Liderazgo
Impacto
Qué cambió
Números de mi paso por Flutter Brazil y Clicksign.
Experiencia
Dónde he trabajado
Desde 2020 pasé de científico de datos a Staff Data Engineer, construyendo plataformas, equipos y formas de trabajo en el camino.
Experiencia
Trayectoria de un vistazo: elige un cargo para ver el detalle.
- jul 2026 – Actualidad Staff Data Engineer Flutter Brazil Arquitectura y dirección técnica de la plataforma de datos de la empresa, con un equipo de 15+ personas.
- jul 2025 – jun 2026 Data Engineer – Tech Lead Flutter Brazil Costo de la plataforma reducido en más de 50% e incidentes en ~3x; Unity Catalog dividido en 10+ dominios.
- ago 2024 – jul 2025 Data Engineer Flutter Brazil Modelo dimensional y data lake creados desde cero; ~50 fuentes llevadas a Databricks.
- oct 2021 – ago 2024 Data Team Lead Clicksign Grupo de datos ampliado de 4 a ~20 personas.
- jun 2021 – ago 2024 Data Architect Clicksign 100+ pipelines en Airflow, dbt sobre Redshift, 10+ APIs para socios y protección de datos conforme a la LGPD.
- oct 2020 – jun 2021 Data Scientist (Python Developer) Clicksign Integraciones en Python, PostgreSQL y Airflow para el equipo de BI.
- jun 2022 – jul 2024 Profesor docente Let's Code from Ada Big Data e Ingeniería de Datos enseñados a cientos de estudiantes.
Flutter Brazil
jul 2026 – Actualidad
Staff Data Engineer
Plataforma de datos Databricks usada por miles de personas en toda la empresa, con un equipo de 15+ personas (ingeniería, analytics y ciencia de datos) entre Brasil y Rumania.
- Empecé como Staff Data Engineer, ampliando el alcance de arquitectura y liderazgo técnico que venía construyendo como Tech Lead.
- Defino la arquitectura y las formas de trabajo de un equipo de 15+ personas (10 como Tech Lead), con un alcance más amplio en toda la plataforma.
- Sigo hands-on en el día a día (arquitectura, modelado y decisiones de plataforma). Cuando el equipo lo necesita, defino prioridades y destrabo decisiones de negocio.
Tecnologías: Databricks, Unity Catalog, Delta Lake, Apache Spark, PySpark, Databricks Workflows, dbt, SQL, Python, AWS, Terraform, Docker, Kubernetes, GitHub Actions
Flutter Brazil
jul 2025 – jun 2026
Data Engineer – Tech Lead
Lideré un equipo de 10 personas (ingeniería, analytics y ciencia de datos) entre Brasil y Rumania, con liderazgo directo y técnico, en una plataforma Databricks de decenas de TB.
Logros
- Reduje en más de 50% el costo de la plataforma de datos con una iniciativa de FinOps. La factura anual era de seis cifras, en dólares.
- Reduje los incidentes y el retrabajo ~3x al implementar CI/CD con trunk-based development.
- Le di a la empresa visibilidad inmediata de los problemas, con observabilidad de toda la plataforma y monitoreo de métricas de negocio casi en tiempo real (latencia de pocos minutos).
- Reestructuré Unity Catalog por dominio (10+).
Actividades
- Definí las arquitecturas y las formas de trabajo de casi todo el equipo de datos. Eso fue desde la reestructuración de Unity Catalog por dominio hasta la evolución continua del modelado analítico de la empresa con dbt, incluida la implementación de CI/CD con trunk-based development.
- Diseñé la iniciativa de FinOps de la plataforma de datos (clústeres, jobs, almacenamiento, políticas de gobernanza), incluidos modelos de previsión de costos para que el gasto bajara de forma predecible.
- Entregué dashboards de apoyo a la decisión, observabilidad de toda la plataforma y monitoreo de métricas de negocio casi en tiempo real. Lo que el equipo de datos construyó pasó por mi escritorio.
- Ayudé a crear los modelos de LTV y payback de la empresa.
Tecnologías: Databricks, Unity Catalog, Delta Lake, Apache Spark, PySpark, Databricks Workflows, dbt, SQL, Python, AWS, Terraform, GitHub Actions, Streamlit, Metabase
Flutter Brazil
ago 2024 – jul 2025
Data Engineer
Logros
- Construí el modelo dimensional y el data lake de la empresa desde cero. Hasta hoy todas las áreas usan esa arquitectura.
- Lideré la migración de toda la infraestructura de datos de la empresa a Databricks: ~50 fuentes (incluido Google Analytics 4) en una sola plataforma, con pipelines que pasaron de horas a minutos.
Actividades
- Modelado dimensional y data lake con Python, dbt y SQL.
- Integré sistemas internos, herramientas de terceros y Google Analytics 4 en una sola plataforma de decenas de TB.
- También contribuí al proceso regulatorio que permitió a la empresa operar legalmente en Brasil.
Tecnologías: Python, dbt, SQL, Databricks, Google Analytics 4
Data Team Lead
Logros
- Hice crecer el grupo de datos de 4 a ~20 personas, entre ingeniería de datos, análisis de datos y aseguramiento de la calidad de datos.
- Fui directamente responsable de la confiabilidad de los datos usados en las decisiones de la empresa.
Actividades
- Uno de los primeros ingenieros del equipo de datos de Clicksign, ayudando a construir el área desde cero.
- Lideré los equipos de ingeniería de datos, análisis de datos y aseguramiento de la calidad de datos.
- Construí los procesos y amplié el equipo que sostuvo el crecimiento del área.
Tecnologías: Amazon Redshift, dbt, Apache Airflow, dimensional modeling
Data Architect
Logros
- Diseñé la arquitectura de prácticamente todas las estructuras de datos que la empresa tuvo en ese período, incluidos 100+ pipelines de Airflow (modelado e ingesta).
- Lideré la implementación de dbt en Redshift. Trajo control de calidad, gobernanza, modelado más fácil, observabilidad y una orquestación más simple.
- Construí 10+ APIs para enviar datos a partners y terceros.
- Diseñé los procesos de protección de datos (en cumplimiento de la LGPD, la ley brasileña de protección de datos, y alineados con el GDPR) y de continuidad de la entrega de datos.
Tecnologías: Apache Airflow, dbt, Amazon Redshift, dimensional modeling, data governance
Data Scientist (Python Developer)
- Formé parte del equipo de Business Intelligence, transformando datos en bruto en información e insights mediante automatización e integración.
- Desarrollé scripts e integraciones entre bases de datos, APIs y web services REST con Python, PostgreSQL y Apache Airflow.
- Aporté análisis predictivos y modelado al equipo de BI.
Tecnologías: Python, PostgreSQL, Apache Airflow, REST APIs, predictive modeling
Profesor docente
- Enseñé cursos de Big Data e Ingeniería de Datos a cientos de estudiantes: modelado de bases de datos, data warehouses, data lakes y lakehouses, lógica de programación y arquitectura de software, y desarrollo en cloud.
Temas: Big Data, Ingeniería de Datos, modelado de datos, data warehouses, lakehouses, cloud
Formación académica
- jul 2022 – jul 2023 MBA en Ingeniería de DatosXP Educação
- jun 2021 – jul 2022 Especialización (Lato Sensu) en Ciencia de Datos e Inteligencia ArtificialPUCRS · Pontifícia Universidade Católica do Rio Grande do Sul
- 2015 – 2019 Licenciatura en Ciencias de la ComputaciónUEZO · Universidade Estadual da Zona Oeste do Rio de Janeiro
Certificaciones y cursos
Programas, certificaciones y cursos, del más reciente al más antiguo. Cada ítem lleva al certificado original.
Certificaciones y programas
Data Science Academy
Formación Analista de Datos
Completado ene 2023
Data Science Academy
Formación Arquitecto de Datos
Completado dic 2022
Astronomer
Certificación Astronomer: DAG Authoring for Apache Airflow
Emitido dic 2022
Astronomer
Certificación Astronomer: Apache Airflow Fundamentals
Emitido nov 2022
Data Science Academy
Data Scientist Certified Professional (DSCP)
Emitido abr 2022
Data Science Academy
Formación Científico de Datos
Completado oct 2021
Data Science Academy
Formación Analista de Inteligencia de Mercado
Completado jun 2020
Mostrar los 33 cursos
- ene 2023Análisis de datos con Microsoft Power BI y BI ClinicData Science Academy
- ene 2023Ingeniero de Datos en CloudXP Educação
- dic 2022Análisis de datos con PythonData Science Academy
- dic 2022Diseño y automatización de pipelines de datosData Science Academy
- dic 2022Arquitectura e integración de procesos ETL y ELTData Science Academy
- dic 2022Modelado de bases de datos y data stores relacionales y no relacionalesData Science Academy
- dic 2022LGPD, gobernanza de datos y gestión de metadatosData Science Academy
- oct 2022Ingeniería de datosXP Educação
- jul 2022Bootcamp de ingeniería de datosHOW
- mar 2022SQL para Data ScienceData Science Academy
- feb 2022Diseño y administración de AWS Cloud ComputingData Science Academy
- ene 2022Minería de datos con SPSSData Science Academy
- oct 2021Visualización de datos y diseño de dashboardsData Science Academy
- sep 2021Business AnalyticsData Science Academy
- ago 2021Machine LearningData Science Academy
- dic 2020Ingeniería de datos con Hadoop y SparkData Science Academy
- jul 2020Big Data Real-Time Analytics con Python y SparkData Science Academy
- jun 2020Análisis econométrico en RData Science Academy
- jun 2020Análisis estadístico y modelado predictivo de series temporales en PythonData Science Academy
- may 2020Análisis estadístico de datos y Machine Learning en RData Science Academy
- feb 2020Big Data Analytics con R y Microsoft Azure Machine LearningData Science Academy
- ene 2020Fundamentos de Python para análisis de datosData Science Academy
- dic 2019Fundamentos de R para análisis de datosData Science Academy
- oct 2019Fundamentos del sistema operativo LinuxData Science Academy
- sep 2019Mercado financiero y de capitalesData Science Academy
- jul 2019Introducción a la economíaData Science Academy
- oct 2018Reconocimiento facial con Python y OpenCVUdemy
- oct 2018Reconocimiento de rostros y objetos con Python y DlibUdemy
- oct 2018Detección de rostros con Python y OpenCVUdemy
- ene 2018Desarrollador webUdemy
- ene 2018Integración de e-commerce con PHP 7 y PagSeguroUdemy
- ene 2018Dominando bases de datos MySQLUdemy
- ene 2018PHP 7Udemy
Charlas e investigación
Charla: Airflow — ¿quién dijo que no se pueden procesar datos en él?
Airflow es una plataforma para crear, programar y monitorear flujos de trabajo de forma programática. Me pregunté si también podría usarse para procesar datos: cuáles serían los beneficios, cómo crear pipelines consistentes y simples para volúmenes de datos bajos y qué arquitecturas de pipeline son posibles.
Podcast de Data Science Academy
Hablé sobre mi trayectoria profesional, mi mentalidad, mis alegrías y frustraciones, cómo conseguí mi primer empleo como científico de datos y cómo era el día a día.
UEZO
ago 2018 – ago 2019
Investigación de grado
Trabajé en comprender y refinar técnicas de reconocimiento y detección de objetos como líneas, rostros humanos y células. Como derivación de esa investigación, desarrollé un análisis de optimización de detección de bordes en células, con el objetivo de facilitar la construcción de modelos 3D en biología, farmacología y medicina.
Proyectos
Proyectos seleccionados
Casos de estudio de las plataformas y los equipos que lideré, seguidos de proyectos anteriores de machine learning.
Migración a Databricks y base del lakehouse
~50fuentes unificadas en una sola plataforma
Punto de partida~50 fuentes, desde Google Analytics 4 hasta sistemas internos y herramientas de terceros, en una plataforma de decenas de TB. Miles de tablas y miles de jobs por día.
Qué hiceMigré toda la infraestructura de datos a Databricks y construí el data lake y el modelo dimensional de la empresa desde cero, con Python, dbt y mucho SQL.
Qué cambióLos pipelines pasaron de horas a minutos, y el data lake y el modelo dimensional siguen siendo la base de todas las áreas hoy.
- Databricks
- dbt
- Python
- SQL
- Google Analytics 4
FinOps y previsión de costos
>50%menos costo en la plataforma de datos
Punto de partidaUna factura anual de la plataforma de datos de seis cifras, en dólares.
Qué hiceDiseñé la iniciativa de FinOps en clústeres, jobs, almacenamiento y políticas de gobernanza, con modelos de previsión de costos para que el gasto pudiera bajar de forma predecible.
Qué cambióMás de 50% de reducción en el costo de la plataforma de datos.
- Databricks
- FinOps
Infraestructura de datos desde cero en Clicksign
100+pipelines de Airflow
Qué hiceDiseñé la arquitectura de casi todas las estructuras de datos que la empresa tuvo en ese período, con 100+ pipelines de Airflow de modelado e ingesta, y lideré la implementación de dbt en Redshift.
Qué cambióControl de calidad, gobernanza, modelado más fácil, observabilidad y orquestación más simple.
- Apache Airflow
- dbt
- Amazon Redshift
- dimensional modeling
Unity Catalog por dominio
10+dominios de Unity Catalog
Qué hiceReestructuré Unity Catalog por dominio y me ocupé del modelado de datos y de la calidad, para que el aprovisionamiento siga siendo confiable y seguro.
Qué cambió10+ dominios, con arquitecturas y formas de trabajo definidas para casi todo el equipo de datos.
- Databricks
- Unity Catalog
- dbt
Observabilidad y métricas casi en tiempo real
Qué hiceConstruí apps de observabilidad de la plataforma y de monitoreo de métricas de negocio, todas casi en tiempo real, además de dashboards de apoyo a la decisión.
Qué cambióVisibilidad inmediata de los problemas, con latencia de pocos minutos.
- Streamlit
- Metabase
CI/CD con trunk-based development
~3xmenos incidentes y retrabajo
Qué hiceImplementé CI/CD con trunk-based development y ayudé a conducir la evolución del modelado analítico de la empresa con dbt.
Qué cambióLos incidentes y el retrabajo bajaron ~3x.
- dbt
- CI/CD
- trunk-based development
Protección de datos y APIs para partners
10+APIs para partners y terceros
Qué hiceDiseñé los procesos de protección de datos (en cumplimiento de la LGPD y alineados con el GDPR) y de continuidad de la entrega de datos, y construí 10+ APIs para enviar datos a partners y terceros.
- LGPD
- GDPR
- APIs
- data governance
Modelos de LTV y payback
Punto de partidaPreguntas que responden los modelos: gasto de adquisición, retorno por cliente y plazo de payback, los segmentos más valiosos y si las campañas y promociones valieron la pena.
Qué hiceAyudé a construir los modelos de LTV y payback (SQL y dbt, con modelado estadístico y de machine learning, actualizados por pipelines y expuestos en dashboards). Mi parte: datos de entrada y arquitectura, pipelines y plataforma, y validación de los resultados con ciencia de datos y negocio.
Qué cambióMarketing pasó a tener una base numérica para decidir dónde invertir.
- dbt
- SQL
- Machine learning
IA generativa para herramientas del día a día
Dónde la usoCódigo en SQL, dbt y Python, documentación y pruebas de calidad de datos, asistentes y consultas en lenguaje natural, y análisis de datos.
Qué hiceUso IA generativa para acelerar la construcción de las herramientas del día a día, de prototipos en Lovable a dashboards en Streamlit y Metabase. Llevé la práctica al equipo, definí las directrices de uso y construí soluciones de IA para la empresa.
Qué cambióLos prototipos salen más rápido, el equipo dedica menos tiempo al trabajo repetitivo y más gente construye herramientas.
- Cursor
- OpenAI
- Anthropic
- DeepSeek
- GLM
- Lovable
- Streamlit
- Metabase
Decisiones y trade-offs
El razonamiento detrás de tres decisiones de plataforma: qué pesó, los trade-offs que administré y qué cambiaría.
Por qué Databricks, y qué cambiaría
Lo que pesó en la elecciónUna plataforma única para procesamiento por lotes, ML y BI; gobernanza con Unity Catalog; costo y rendimiento; y las habilidades del equipo.
Qué más estaba sobre la mesaSeguir en Redshift y en lo nativo de AWS, Snowflake y BigQuery en Google Cloud.
Mayores riesgos de la migraciónMigrar sin detener el negocio, lograr la paridad de los datos y el costo durante la transición.
Qué haría distintoEmpezar el FinOps antes y definir dominios y dueños antes.
- Databricks
- Unity Catalog
- FinOps
FinOps: prioridades y trade-offs
Qué prioricéVisibilidad del gasto, los mayores generadores de costo, el dimensionamiento de los clusters y la programación de los jobs.
Trade-offs que administréCosto frente a frescura de los datos, costo frente a rendimiento, autonomía frente a reglas y tiempo de ingeniería frente a ahorro.
Qué sostuvo el ahorroModelos de previsión de costo, costo atribuido por dominio o dueño, alertas y dashboards de gasto, y políticas y guardrails.
Qué haría distintoEtiquetar y atribuir el costo por dominio y dueño desde el primer día, crear alertas automáticas de gasto antes e involucrar antes a los dominios.
- Databricks
- FinOps
Unity Catalog por dominio: motivos y trade-offs
Por qué por dominioResponsabilidad clara por área, acceso y seguridad por dominio, costo atribuido por dominio, y descubrimiento y calidad de datos.
Trade-offs que administréControl central frente a autonomía, cuántos dominios (granularidad), retrabajo en tablas y permisos, y estándar frente a flexibilidad.
Qué funcionó en la prácticaDueños por dominio y estándares acordados, y aprovisionamiento como código.
Qué haría distintoAutomatizar antes el aprovisionamiento y los permisos, y tener linaje y documentación de los dominios desde el inicio.
- Databricks
- Unity Catalog
Proyectos anteriores de machine learning
Análisis hechos durante mis estudios de ciencia de datos, que conservo aquí como referencia.
Mostrar los 13 proyectos
National Institute of Diabetes and Digestive and Kidney Diseases
En este proyecto usamos Python para predecir, a partir de mediciones de diagnóstico, si un paciente tiene diabetes.
Big Data Analytics y Machine Learning
Customer Churn in Telecom Operators
En este proyecto usamos Python para construir un modelo de machine learning que predice si un cliente puede cancelar su plan y la probabilidad de que eso ocurra.
Big Data Analytics y Machine Learning
Santander Customer Satisfaction
En este proyecto usamos Python para construir un modelo de machine learning que predice si un cliente está satisfecho con su experiencia bancaria.
Big Data Analytics y Machine Learning
Netflix Investor: Quarterly Earnings
En este proyecto usamos R para preparar un resumen estadístico de los datos de Netflix, que muestra la salud financiera de la empresa y otra información relevante que puede ayudar a posibles inversionistas a decidir si invertir.
Big Data Analytics y Forecasting
Warm Up: Predict Blood Donations
En este proyecto de machine learning usamos R para predecir si un donante de sangre donará dentro de un período determinado. El objetivo es predecir los valores de la última columna (Made Donation in March 2007) para determinar si el donante donó sangre en marzo de 2007.
Big Data Analytics y Machine Learning
Proyecto de Data Science
TalkingData AdTracking Fraud Detection Challenge
Big Data Analytics y Machine Learning
TalkingData AdTracking Fraud Detection Challenge
En este proyecto construimos un modelo de machine learning para determinar si un clic en un anuncio en línea es fraudulento.
Big Data Analytics y Machine Learning
Grupo Bimbo Inventory Demand
En este proyecto de machine learning desarrollamos un modelo para predecir con precisión la demanda de inventario a partir del historial de ventas. Así los compradores no encuentran estantes vacíos en ninguno de los más de 100 productos de panadería y se reduce el gasto en reembolsos a los dueños de tienda por productos sobrantes no aptos para la venta.
Big Data Analytics y Machine Learning
Proyecto de Data Science
Warm Up: Machine Learning with a Heart
Big Data Analytics y Machine Learning
Warm Up: Machine Learning with a Heart
Las enfermedades cardíacas son la principal causa de muerte en el mundo. Para aprender a prevenirlas, primero debemos aprender a detectarlas de forma confiable. En este proyecto construimos modelos predictivos para clasificar si un paciente tiene una enfermedad cardíaca.
Big Data Analytics y Machine Learning
Boston Houses
En este proyecto construimos modelos para predecir los precios de las viviendas en Boston.
Big Data Analytics y Machine Learning
Big Data Analytics on Twitter - Part I
El objetivo de este análisis es explorar diferentes técnicas y herramientas para capturar, manipular y transformar datos de la red social Twitter. El análisis busca entender el sentimiento que transmite cada tuit, lo que permite extraer información, conocimiento y sabiduría. Esta técnica ayuda a quienes toman decisiones a analizar el sentimiento de su público objetivo hacia un tema determinado, por ejemplo, para saber si una campaña de marketing es recibida de forma positiva, negativa o neutra.
Big Data Analytics
Big Data Analytics on Twitter - Part II
El objetivo de este análisis es explorar diferentes técnicas y herramientas para capturar, manipular y transformar datos de Twitter. Presentamos la comparación del sentimiento de los usuarios hacia dos temas (dos palabras clave). Esta técnica ayuda a quienes toman decisiones a entender el sentimiento de su público objetivo hacia varios temas, por ejemplo, para saber si una campaña de marketing fue recibida de forma más positiva o negativa que otra.
Big Data Analytics
Big Data Analytics on Twitter - Part III
El objetivo de este análisis es explorar diferentes técnicas y herramientas para capturar, manipular y transformar datos de Twitter. Clasificamos el sentimiento que transmite cada tuit y determinamos su polaridad. Esta técnica ayuda a quienes toman decisiones a entender el sentimiento de su público objetivo hacia un tema determinado, por ejemplo, para saber si una campaña de marketing causó sorpresa, enojo, miedo, rechazo, alegría, etc.
Big Data Analytics
Big Data Analytics on Twitter - Part IV
El objetivo de este análisis es explorar diferentes técnicas y herramientas para capturar, manipular y transformar datos de Twitter. Evaluamos con qué frecuencia se usa una palabra clave en una región geográfica. Esta técnica ayuda a quienes toman decisiones a entender el sentimiento de su público objetivo hacia un tema determinado, por ejemplo, para saber en qué ciudades se habló más de una campaña de marketing.
Big Data Analytics
Cómo lo veo
Al final, lo que importa es si los datos se convirtieron en una decisión.
Especialidades
Dónde puedo ayudar
Si estás construyendo o arreglando una plataforma de datos, estas son las áreas en las que puedo ayudar.
Arquitectura y modelado de datos
Pensar cómo deben estructurarse los datos antes de que exista cualquier código: modelos dimensionales, data warehouses, data lakes y bases de lakehouse.
Plataformas de datos: diseño y migración
Diseñar plataformas de datos y reunir muchas fuentes en una sola: warehouses con dbt y Airflow, lakehouses y una migración de ~50 fuentes que llevó los pipelines de horas a minutos.
FinOps y previsión de costos
Clústeres, jobs, almacenamiento y políticas de gobernanza, con modelos de previsión para que el ahorro sea predecible.
Gobernanza, calidad y LGPD
Gobernanza y catálogos de datos (AWS Glue Data Catalog, Unity Catalog, Hive Metastore y catálogos open source), calidad de datos y procesos de protección de datos que cumplen con la LGPD y siguen el GDPR.
Observabilidad y métricas
Ver los problemas de la plataforma y las métricas de negocio casi en tiempo real, con latencia de pocos minutos.
Prácticas de ingeniería
Pipelines y orquestación con Airflow y dbt, CI/CD con trunk-based development y aprovisionamiento confiable y seguro.
Liderazgo técnico
Liderar ingenieros de datos, analistas y científicos de datos: definir arquitecturas, formas de trabajo y prioridades.
IA generativa para equipos de datos
Llevar la IA generativa al día a día de un equipo técnico, para que construir herramientas y prototipos sea más rápido.
Contacto
Hablemos
Siempre tengo ganas de conversar sobre arquitectura de datos, IA generativa aplicada al día a día de un equipo técnico o el mercado de datos en Brasil.
Oportunidades
Abierto a cualquier tipo de oportunidad: tiempo completo, contrato o alianza.
Hablar de una oportunidadProyectos
Revisiones de arquitectura, migraciones de plataforma, FinOps, gobernanza de datos o cualquier otro desafío de datos.
Hablar de un proyectoBrasil · Remoto/Global