Matheus Dias

Sobre

Cientista de Dados | Analista de Negócios

Atuo há 4 anos transformando dados em insights estratégicos com foco na geração de valor para o negócio. Tenho perfil analítico e senso crítico para resolver problemas complexos.

E-mail: diassmatheus@outlook.com
LinkedIn: in/diassmatheus

Celular: +55 (11) 99668 5749
Cidade: São Paulo, SP - Brasil

Portfolio

Tudo
Análise e Estatística
Visualização de Dados e B.I.
Machine Learning

Clique aqui

Currículo

Formação acadêmica

Engenharia de Produção - Graduação

Universidade Tecnológica Federal do Paraná - UTFPR

Concluído em 2024

Iniciação científica, publicações em periódicos e congressos sobre técnicas de clusterização de dados

Design Gráfico - Graduação

Centro Universitário Belas Artes de São Paulo

Interrompido em 2014

Conhecimentos aplicáveis em visualização de dados e UX

Experiência profissional

Telefonica Tech

Principais ferramentas: Excel, Power BI, Python, SQL, Salesforce

Analista de Dados Pleno - Qualidade e Estratégia de Negócios

jun/2024 - presente

+R$ 4,1 milhões de receita através de análise de pricing
Desenvolvimento e gestão do plano de incentivo comercial
Análise estatística para definição de metas
Apuração de metas e campanhas internas de marketing
Dashboards executivos para monitoramento de KPIs e OKRs
Seleção, manipulação e análise de grandes volumes de dados

Analista de Dados Júnior - Qualidade e Estratégia de Negócios

jan/2022 - mai/2024

Estagiário - Planejamento Estratégico

jul/2021 - dez/2021

Habilidades

Linguagens

Python (Pandas, NumPy, Scikit-learn)
SQL (consultas avançadas, modelagem relacional)
R (nível iniciante, análises estatísticas específicas)

Análise Estatística

Análise exploratória (tendências, anomalias)
Inferência estatística (testes de hipóteses, intervalos de confiança)
Estatísticas descritivas e distribuições

Visualização e Business Intelligence

Power BI (DAX, modelagem, dashboards)
Tableau (LoD, parâmetros, histórias)
Python (Matplotlib, Seaborn, Plotly)

Soft skills

Orientação a resultados (foco na geração de impacto)
Comunicação (adaptação para stakeholders técnicos e de negócios)
Aprendizado contínuo (busca ativa por conhecimentos emergentes)

Machine Learning

Modelos supervisionados (Classificação, Regressão)
Modelos não supervisionados (Clusterização, PCA)
Pipeline (Pré-processamento, cross-validation, métricas de avaliação)

Processamento de Dados

ETL (limpeza, pipelines em Python)
SQLAlchemy (integração com bancos SQL)
Noções de Cloud (AWS nível iniciante)

Ferramentas Auxiliares

Excel / Google Sheets (VBA, fórmulas avançadas)
Automação e Web Scrapping (PyAutoGUI, Selenium, BeautifulSoup)
Git / GitHub (controle de versão)