Cases

Estudos de caso

CONTEXTO → PROBLEMA → ABORDAGEM → SOLUÇÃO → VISUALIZAÇÕES → RESULTADOS → TECNOLOGIAS

CONTEXTO

PROBLEMA

ABORDAGEM

SOLUÇÃO

VISUALIZAÇÕES

RESULTADOS

TECNOLOGIAS

Dashboards de KPI para Tier Boards (Filling & Inspection)

CONTEXTO: Novo Nordisk (Hillerød, Dinamarca), ambiente de manufatura farmacêutica GMP/GxP — atuação como Assistente Estudantil de BI e Operations Analytics (Fev 2023 – Fev 2026).
PROBLEMA: Preparação manual de relatórios de KPI para os tier boards de Filling e Inspection, consumindo tempo da equipe e atrasando a visibilidade entre turnos.
ABORDAGEM: Levantamento dos KPIs já usados manualmente nos tier boards, mapeamento das fontes de dados de produção, validação do modelo de dados com os times de Filling e Inspection, e construção iterativa dos dashboards com checkpoints de revisão antes da adoção em produção.
SOLUÇÃO: Dashboards de KPI em Power BI e Tableau conectados a um semantic model compartilhado.
VISUALIZAÇÕES: Mockup ilustrativo — não é screenshot real do sistema da Novo Nordisk.
RESULTADOS: Redução de 8–12 horas/semana na preparação manual de relatórios; atendimento a 25–40 usuários entre turnos.
TECNOLOGIAS: Power BI, Tableau, DAX, SQL, Amazon Timestream

Dados, nomes de produtos e imagens reais da Novo Nordisk não são publicados sem autorização. Conteúdo acima é ilustrativo/mascarado.

CONTEXTO: Novo Nordisk, mesmo período/função acima.
PROBLEMA: Falta de consistência no reporting de KPIs de produção entre diferentes fontes.
ABORDAGEM: Mapeamento das fontes de dados dispersas, definição de um modelo de dados único, construção do pipeline SQL/Amazon Timestream com testes de consistência, e validação cruzada dos KPIs resultantes contra os relatórios manuais existentes antes do go-live.
SOLUÇÃO: Estruturação de fluxo de dados governado a partir de SQL e Amazon Timestream, alimentando um semantic model compartilhado com atualização programada.
VISUALIZAÇÕES: Mockup ilustrativo — não é screenshot real do sistema da Novo Nordisk.
RESULTADOS: Aumento da consistência do reporting de KPIs de produção.
TECNOLOGIAS: SQL, Amazon Timestream

Nota de confidencialidade: detalhes de schema e volumetria reais não são divulgados.

CONTEXTO: Novo Nordisk, mesmo período/função acima.
PROBLEMA: Detecção tardia de problemas de desempenho nas linhas de produção.
ABORDAGEM: Identificação dos eventos críticos de máquina a monitorar junto às equipes de linha, definição de limites e regras de alerta, construção incremental dos dashboards em tempo real, e ajuste dos limiares com base nos falsos positivos observados nas primeiras semanas.
SOLUÇÃO: Dashboards em tempo real e regras de alerta no Grafana para eventos críticos de máquinas.
VISUALIZAÇÕES: Mockup ilustrativo — não é screenshot real do sistema da Novo Nordisk.
RESULTADOS: Detecção antecipada e resposta mais rápida a problemas de desempenho das linhas.
TECNOLOGIAS: Grafana

Dados de máquinas/linhas reais não são divulgados por confidencialidade.

CONTEXTO: Novo Nordisk, mesmo período/função acima.
PROBLEMA: Workflows baseados em planilhas dificultavam o rastreamento de ações corretivas e prazos.
ABORDAGEM: Mapeamento do fluxo de trabalho existente em planilhas, desenho do modelo de dados no Dataverse, construção do app em Power Apps com automações no Power Automate, e piloto com um grupo reduzido de usuários antes do rollout completo.
SOLUÇÃO: Aplicação em Power Apps com Dataverse e Power Automate para reliability tracking e acompanhamento de ações.
VISUALIZAÇÕES: Mockup ilustrativo — não é screenshot real do sistema da Novo Nordisk.
RESULTADOS: 88–95% de encerramento de ações dentro do SLA.
TECNOLOGIAS: Power Apps, Dataverse, Power Automate

Dados de ações/reliability reais não são divulgados por confidencialidade.

CONTEXTO: CC Analytics, negócio próprio (Jul 2026 – presente).
PROBLEMA: Processos comerciais e de atendimento sem integração entre sistemas.
ABORDAGEM: Mapeamento dos pontos de contato entre CRM, WhatsApp e atendimento, desenho dos workflows no n8n com pontos de decisão para intervenção humana, integração com a API da OpenAI para geração de respostas, e revisão humana obrigatória antes do envio de qualquer mensagem automatizada.
SOLUÇÃO: Workflows via n8n integrando CRM, WhatsApp e IA (OpenAI/Copilot), com validação humana dos outputs.
VISUALIZAÇÕES
RESULTADOS: [informação necessária — projeto em andamento, métricas não divulgadas no CV]
TECNOLOGIAS: n8n, OpenAI, Copilot, prompt engineering

Projeto próprio da CC Analytics — sem restrição de confidencialidade de terceiros; métricas ainda não divulgadas por estarem em consolidação.

CONTEXTO: LT Publishing Ltda, Curitiba (Nov 2017 – Nov 2019), Consultor de Vendas e Logística.
PROBLEMA: Rupturas de estoque e lead time elevado por falta de acompanhamento estruturado de pontos de reposição.
ABORDAGEM: Mapeamento dos processos de compra e consignação existentes, identificação dos pontos de ruptura de estoque mais recorrentes, ajuste de prazos com transportadoras, e implementação de um acompanhamento estruturado de pontos de reposição.
SOLUÇÃO: Coordenação de processos de compras B2G e logística: pedidos de compra, consolidação, contratação de transportadoras e consignações de livros; melhoria do acompanhamento de pontos de reposição e workflows de reporting.
VISUALIZAÇÕES: Mockup ilustrativo — LT Publishing não usava uma ferramenta de BI específica; painel representa os indicadores citados no CV.
RESULTADOS: 95–98% de entregas no prazo; redução de rupturas de estoque e lead time.
TECNOLOGIAS: [informação necessária — ferramenta não especificada no CV]

LT Publishing Ltda — dados operacionais reais (fornecedores, volumes) não são divulgados por confidencialidade.