Caio Leão | Analista de Dados

01 / Projetos selecionados

O que tenho construído.

Nestes projetos, exploro como entender uma base de dados, montar um pipeline e apresentar os resultados.

ANÁLISE & ENGENHARIA DE DADOS

Estrato

Ver dashboard → Ver linhagem dbt → Ver repositório →

Panorama mineral brasileiro com dados reais e públicos da ANM. O Estrato vai dos CSVs declaratórios ao dashboard, passando por ingestão, transformação, testes e documentação.

Explorar detalhes técnicos

Reúne 10.295 registros públicos de 2010 a 2025: 6.313 de produção bruta e 3.982 de produção beneficiada
Polars transforma os CSVs cp1252 em Parquet; dbt e DuckDB modelam as camadas e o cruzamento entre as bases
São 18 modelos dbt, 57 testes de dados e 11 testes Python
O dashboard tem três áreas: Extração, Processamento e Comparativo, com filtros acessíveis e tema persistido localmente
O comparativo deixa claros os limites da análise: as bases não pareiam operações ou volumes, então diferenças de valor não provam valor agregado pelo processamento

Python · Polars
dbt · DuckDB
57 testes de dados
GitHub Actions

Dashboard Estrato na área de processamento, com dados da produção mineral beneficiada — 02 · Processamento

Dashboard Estrato na área comparativa, com gráfico de diferença de valor declarado por substância — 03 · Comparativo

ORQUESTRAÇÃO & QUALIDADE

Estrato Data Platform

Ver repositório →

Uma segunda leitura do mesmo domínio do Estrato: aqui, o foco é fazer o pipeline rodar, acompanhar cada etapa e impedir a entrega quando a qualidade não permite uma comparação responsável.

Explorar detalhes técnicos

Dagster organiza 8 assets, com dependências explícitas, até duas retentativas por etapa e histórico persistente das execuções
Um check de qualidade bloqueia a geração do dashboard quando o cruzamento não encontra substâncias comparáveis
Docker Compose padroniza o ambiente; a CI executa testes, materializa o grafo e constrói a imagem
O dashboard é um HTML com dados incorporados, gerado somente depois que a execução passa pelos critérios definidos

Python · Dagster
Docker Compose
Quality gate
GitHub Actions

Tela inicial do Recon com seis modos de análise disponíveis

Conhecer o Recon ↗

QUALIDADE & DESCOBERTA

Recon

Ver repositório →

Ferramenta local para entender uma base antes de analisá-la. A nova interface reúne seis modos, de perfilamento e relações entre tabelas a comparação de versões, histórico de qualidade e contratos de dados.

Explorar detalhes técnicos

A interface separa objetivos: analisar arquivos, comparar qualidade em lote, entender relações, conferir versões, acompanhar histórico e criar contratos
Os relatórios explicam qualidade, nulos, dados pessoais, estrutura, relações e recomendações de ETL
A comparação de versões mostra mudanças de schema, volume, registros e comportamento das colunas
O contrato YAML registra a estrutura esperada de uma base para validar as próximas cargas
Os dados são processados localmente. O Recon não envia arquivos para a internet
Quando a leitura completa ultrapassa o limite seguro de memória, usa amostragem e registra a cobertura e as limitações no relatório

Python
Qualidade de dados
Contratos de dados
Execução local

Interface do Recon para analisar arquivos e escolher formatos de relatório — Analisar arquivos

Interface do Recon para entender relações entre tabelas — Relações entre tabelas

Interface do Recon para comparar duas versões da mesma base — Conferir versões

Relatório HTML do Recon com nota de qualidade e leitura rápida da base — Relatório HTML

Contrato de dados em YAML gerado pelo Recon — Contrato em YAML

O QUE ESSA COLUNA REPRESENTA?cd_dpto_lot

Chave identificadora
Estrutura organizacional

Nome + conteúdo + contexto da tabela

BIBLIOTECA PYTHON

colsemantics

Ver no PyPI → Ver repositório →

Biblioteca Python publicada no PyPI que infere o papel e o domínio de uma coluna a partir do nome, abreviação e conteúdo, sem dicionário fechado nem modelo de IA.

Explorar detalhes técnicos

Cascata de 6 detectores independentes (padrão de conteúdo, dicionário com abreviação expandida, fuzzy Jaro-Winkler, gazetteer de conteúdo, assinatura estrutural, contexto da tabela), combinados por noisy-OR
Reconstrói abreviação corporativa (cd_dpto_lot vira "código" + "departamento" + "lotação") mesmo sem estar em nenhum dicionário
Desambigua nome opaco pelo conteúdo da coluna e pelas colunas vizinhas já resolvidas na mesma tabela
Devolve confiança, a evidência que decidiu, e hipóteses alternativas ranqueadas quando não é conclusivo
Marca review_required abaixo de 0,80 de confiança calibrada e sugere como tratar campos sensíveis
A CLI cria relatório JSON a partir de uma amostra de CSV; vocabulários YAML podem ser aplicados em um contexto de análise
Extraída do motor de inferência semântica do Recon, agora um pacote standalone: pip install colsemantics

Python
PyPI
Inferência semântica
Tipagem

Também mantenho o dev-setup ↗, um ponto de partida portátil e seguro para projetos de dados em Linux e Windows.

02 / Um pouco sobre mim

Quem sou

Trabalho com dados de RH na Vale Base Metals, na Planta Salobo. Uma parte do meu trabalho é entender o que a pessoa precisa e preparar os dados para a análise. A outra é construir dashboards em Power BI e automatizar tarefas que tomavam tempo da equipe. Também estudo ferramentas de engenharia de dados e uso meus projetos para aprender na prática.

2 anos estruturando dados em produção

14+ dashboards sustentados em Power BI

300+ usuários adicionados e ativos no aplicativo que reúne os dashboards

~1 min para gerar em Python os dados de um processo antes manual de 3 dias

Algumas tarefas que automatizei

Automatizei com ETL um processo manual que levava 3 dias. Também fiz uma versão em Python que gera os dados em aproximadamente 1 minuto.
Em outra rotina, substituí 2 a 3 horas de trabalho manual por um dashboard que atualiza os dados todos os dias.

Conto mais sobre meu trabalho e o que venho aprendendo no LinkedIn ↗. Aqui, reuni meus projetos.

03 / Minha caixa de ferramentas

Ferramentas

Uso Power BI e automação no trabalho. Nos projetos pessoais, experimento outras ferramentas e aprendo como elas funcionam.

Análise & visualização

Power BI
DAX
Power Query
SQL
Figma

Automação & dados

Python
Power Automate
SharePoint
Dataverse
Power BI Dataflow

Explorando nos projetos

Polars
DuckDB
dbt
Dagster
Docker
GitHub Actions

Organizo dados
para ajudar
nas decisões.

Reunir os dados.

Conferir e organizar.

Mostrar o resultado.

O que tenho construído.

Estrato

Estrato Data Platform

Recon

colsemantics

Quem sou

Ferramentas

Análise & visualização

Automação & dados

Explorando nos projetos