vitor paes.

Engenheiro de dados

VitorPaes

Dados com contexto.

Foto de Vitor Paes

Hoje no Mercado Livre

Data
Engineer

Integração, transformação e modelagem para conectar tecnologia e negócio.

  • SQL
  • Python
  • PySpark
  • dbt
  • Airflow
  • GCP

Do dado bruto à decisão.

Cada camada tem um papel. Separadas, ficam fáceis de testar, de manter e de explicar.

RawOs dados como chegam das fontes, guardados sem mexer.
TrustedLimpos, padronizados e testados.
AnalyticsModelados para responder às perguntas do negócio.

E-commerce, finanças e saúde.

0anos

trabalhando com dados, desde o estágio na Optum em 2018

0empresas

de consultoria a banco, varejo, meios de pagamento e marketplace

MBA

em Engenharia de Dados pela Universidade Presbiteriana Mackenzie

Concluído em 2026

Projetos

O problema

Como combinar capacidade econômica, adoção digital e presença bancária para comparar oportunidades entre municípios?

A entrega

Pipeline em camadas raw, trusted e analytics, análise exploratória e três versões do Índice de Potencial Bancário (IPB).

  1. 01Fontes públicasIBGE · BCB · Anatel
  2. 02Ingestão e tratamentoPython · raw / trusted
  3. 03Índice e análiseBigQuery · analytics

Desenvolvido em equipe com Hermes Augusto, Lúcio Franchi Cruz e Nathalia Miranda.

O problema

Como transformar arquivos de pedidos e itens em uma base consistente para analisar vendas e logística?

A entrega

Modelos dimensionais no DuckDB, verificações com dbt, reconciliação de registros e dashboard em Streamlit.

  1. 01IngestãoCSV · MinIO
  2. 02Modelagem e testesdbt · DuckDB
  3. 03ConsumoStreamlit

Armazenamento e processamento no ambiente local, com documentação de requisitos e planos de teste.

O problema

Como organizar pedidos, produtos e parceiros para calcular comissões e comparar o desempenho mensal?

A entrega

Notebook PySpark com modelo dimensional, agregações mensais, regras de comissão e rankings por parceiro.

  1. 01OrigemTabelas CSV
  2. 02TransformaçãoJoins · dimensões · fato
  3. 03AnáliseComissões · rankings

Solução para um desafio de Analytics Engineering, com as transformações e regras documentadas no notebook.

O problema

Como reorganizar dados no formato SCR para facilitar análises e a construção de variáveis de crédito?

A entrega

Base analítica book_scr, com agregações por modalidade, faixas acumuladas e exportação em CSV.

  1. 01Base de entradaSCR · modalidades
  2. 02PreparaçãoSQL · faixas de crédito
  3. 03SaídaBook analítico · CSV

Foco na preparação de dados e variáveis para análise de crédito, com consultas exploratórias.

Também por aqui: Pipeline CI/CD ↗

Trajetória

2018
2019
2020
2022
2024
2024
Optum
NTT Data
Itaú
Magalu
Cielo
Mercado Livre
Data Analytics Intern · saúde
Junior Data Engineer · consultoria
Data Engineer · banco
Analytics Engineer · varejo
Data Engineer · meios de pagamento
Data Engineer · marketplace, hoje

Vamos
conversar.

Mercado Livre, desde 2024Data Engineer

Vamos conversar