Fabiano Amaral

Comecei pela análise e fui migrando para o lado da engenharia: hoje construo as plataformas que sustentam a análise. São mais de seis anos em projetos de alta complexidade para clientes como ABInBev, Ambev, Bitfy e Grupo Stoa — sempre no ponto em que arquitetura de dados, confiabilidade e decisão de negócio se encontram.

Atuo de ponta a ponta: arquitetura Medallion (Bronze, Silver, Gold) — no Microsoft Fabric com OneLake ou em bancos de dados relacionais —, pipelines ELT em dbt e Python organizados em staging, intermediate e mart, modelagem dimensional Star Schema e a camada de consumo em Power BI com DAX e RLS. Cada modelo sobe para produção com teste de qualidade embutido — unicidade, integridade relacional, consistência de valores — e versionado em Git, com CI/CD.

Acredito que dado bom é dado em que se pode confiar: rastreável, testado e documentado. Foi essa base que sustentou a conformidade em auditorias financeiras, derrubou 70% do custo anual de infraestrutura em nuvem e transformou uma conciliação bancária de dias de trabalho manual em minutos de processamento. É essa mesma disciplina de engenharia que aplico a modelos de IA: da experimentação à produção, com MLOps — a parte que, na prática, decide se um modelo gera valor.