Sou estudante de Matemática na UNESP e profissional em desenvolvimento na área de Dados, com experiência em planejamento, análise de dados e desenvolvimento de soluções orientadas a processos e resultados de negócio.
Minha trajetória combina raciocínio matemático, visão analítica e experiência prática em ambiente corporativo. Tenho desenvolvido projetos de Engenharia de Dados utilizando Python, SQL, Pandas e Apache Airflow, trabalhando com ingestão, transformação, validação, qualidade de dados e orquestração de pipelines, além de ferramentas como Snowflake, Azure Data Factory e Power BI.
Stack principal
-
📊 Otimização de processos — desenvolvimento e aprimoramento de um simulador utilizado em processos de formação de custos, contribuindo para uma redução de aproximadamente 70% no tempo de execução.
-
📦 Otimização de cálculos e consumo de materiais — aprimoramento da lógica de um simulador utilizado na formação de custos de revestimento de tubos, com revisão dos parâmetros de entrada e da metodologia de cálculo, resultando em uma redução de aproximadamente 15% no consumo estimado.
-
⚙️ Automação e análise de dados — desenvolvimento de soluções utilizando Excel, Python e Power BI para estruturar processos, automatizar análises e apoiar decisões de negócio.
-
🔄 Construção de pipelines — desenvolvimento de projetos de Engenharia de Dados utilizando Python, Pandas e Apache Airflow, estruturados em etapas de ingestão, transformação e validação.
-
🔍 Qualidade de dados — aplicação de validações para identificar dados ausentes, registros duplicados, valores inválidos e inconsistências durante o processamento.
-
🎓 Base quantitativa — formação em Matemática na UNESP, desenvolvendo forte capacidade de raciocínio lógico, análise quantitativa e resolução estruturada de problemas.
Mais do que dominar ferramentas, meu diferencial é transformar problemas de negócio em soluções de engenharia de dados estruturadas, automatizadas e confiáveis, combinando raciocínio matemático, visão analítica e conhecimento técnico.
-
airflow-pipeline-project — Pipeline de dados de vendas desenvolvido com Python, Pandas e Apache Airflow, estruturado nas etapas de ingestão, transformação e validação.
-
marianepintoribeiro — Profile README e portfólio central dos projetos e estudos desenvolvidos na área de dados.
Estou construindo meu portfólio com foco em Engenharia de Dados e Análise de Dados, buscando transformar minha formação em Matemática e minha experiência profissional em soluções cada vez mais estruturadas, automatizadas e orientadas por dados.
Meu objetivo é atuar em ambientes onde eu possa combinar tecnologia, dados, raciocínio quantitativo e visão de negócio para resolver problemas reais e gerar impacto mensurável.
I am a Mathematics student at UNESP and an aspiring Data professional, with experience in planning, data analysis, and the development of process- and business-oriented solutions.
My background combines mathematical reasoning, analytical thinking, and practical experience in a corporate environment. I have been developing Data Engineering projects using Python, SQL, Pandas, and Apache Airflow, working with data ingestion, transformation, validation, data quality, and pipeline orchestration, as well as tools such as Snowflake, Azure Data Factory, and Power BI.
Core stack
-
📊 Process optimization — developed and improved a simulator used in cost-formation processes, contributing to an approximately 70% reduction in execution time.
-
📦 Calculation and material consumption optimization — improved the logic of a simulator used for pipe coating cost estimation by reviewing input parameters and calculation methodology, resulting in an approximately 15% reduction in estimated consumption.
-
⚙️ Automation and data analytics — developed solutions using Excel, Python, and Power BI to structure processes, automate analyses, and support business decisions.
-
🔄 Data pipeline development — developed Data Engineering projects using Python, Pandas, and Apache Airflow, structured around ingestion, transformation, and validation stages.
-
🔍 Data quality — implemented validations to identify missing data, duplicate records, invalid values, and inconsistencies during data processing.
-
🎓 Quantitative foundation — Mathematics student at UNESP, developing strong skills in logical reasoning, quantitative analysis, and structured problem solving.
More than mastering tools, my strength is transforming business problems into structured, automated, and reliable data engineering solutions, combining mathematical reasoning, analytical thinking, and technical expertise.
-
airflow-pipeline-project — Sales data pipeline developed with Python, Pandas, and Apache Airflow, structured into ingestion, transformation, and validation stages.
-
marianepintoribeiro — Profile README and central portfolio for my data projects and studies.
I am building my portfolio with a focus on Data Engineering and Data Analytics, combining my Mathematics background and professional experience to develop increasingly structured, automated, and data-driven solutions.
My goal is to work in environments where I can combine technology, data, quantitative reasoning, and business understanding to solve real-world problems and generate measurable impact.