Data Science:

Uma Perspectiva
na Carreira de
Finanças

Equilíbrio | Data Science Guild

Rodrigo Bercini & Solano Campos
 Solano Pertile Campos

Formação:
Engenharia de Produção – UFRGS
Histórico Profissional:
Avaliador de Empresas - PGQP
Analista de Dados RH – Dell
Cientista de Dados – Dell
Engenheiro de Dados – HP
Certificações:
Data Scientist Professional Specialization – IBM
Splunk Fundamentals & Adv. Dashboards
DSAcademy – Advanced PowerBi Analytics

Contato:
solanocampos01@gmail.com
(51) 99966-9674
LinkedIn
 Sumário

Oportunidad
es
Ferrament
as
Networkin Desenvolvimento
g técnico conectado
Segmento Conhecer as a prática é a
diferentes melhor forma de
s
ferramentas mais gerar resultado.
Contextualiza Ninguém está se
reconhecidas pelo
ção desenvolvendo
sozinho na área, Mercado e como se
Entender os desenvolver nelas.
diferentes tipos de Sistema de Ensino
profissionais da ainda está se
Conhecer bem a consolidando.
área, suas área e planejar
capacidades e as seus estudos
diferentes formas voltado para um
de impactar o modelo de carreira
Mercado. em específico.
Contextualização
O que é Ciência de Dados?
Contextualização
 Contextualização
Vagas abertas na Austrália
Média Salarial Anual US$

Salário Mensal Brasil

Segmentação
Diferentes carreiras na área
 Linha de Produção

Cientista de Dados

Analista de Dados
Engenheiro de Dados
Engenharia de Dados

Arquitetura
Criação dos modelos de fluxo dos dados,
que definirão suas estruturas.

Captura
Coleta e realiza primeira transformação nos
Dados.

Qualidade e Sustentabilidade
Manter os dados com alto padrão de
qualidade e entrega periódica.

Velocidade
Criar modelos de fácil, rápido e
diversificado acesso para os dados
 Cientista de Dados
Capacidade de
solucionar
Entender
problemas
necessidades do
complexos
cliente

Conhecimento Conhecimento
Estatistico para computacional de
criação de diferentes tipos de
algoritmos algoritmos e
otimizados transformações
 Cientista de Dados

Regressão Clusterização Classificação

Deep Learning Inteligência Artificial

 Analista de Dados

Forte capacidade Habilidade para criação Conhecimento Capacidade de fazer

analítica e root- de visualizações computacional para fazer apresentações concisas
cause para poderosas investigações em bancos e com alta relevância
geração de de dados para os stakeholders
Insights
Networking
Estamos juntos nessa
 Grupos de Estudo
Grupo de Data Science Guild PyData Poa
Usuários de
Data Science

?
Data Science & Mercado
Financeiro
Rodrigo Bercini Martins
 Exemplo Prático No Mercado
Financeiro

BOVA11F

Extraindo dados da Ganhos de

Contexto de Data Science
Bovespa com Python Eficiência e
Aplicações
 Extraindo dados da Bovespa
API: Yahooquery

FONTE DOS DADOS PYTHON

CÓDIGO ABERTO
 Cotação diária de PETR4 desde os anos
2000

from yahooquery import Ticker

petr = Ticker("PETR4.SA")

petr.history(period='max')

3 linhas de código

0.7 segundos de execução

 Dados Intraday (1 minuto) ABEV3 últimos 7
dias úteis

from yahooquery import Ticker

abev = Ticker("ABEV3.SA")

abev.history(period="7d", interval="1m")

3 linhas de código

0.5 segundos de execução

Por que usar Python/APIs para extrair esses
dados?
Por que usar Python/APIs para extrair esses
dados?

AUTOMAÇÃO DISPONIBILIDADE

Menor tempo de execução

Viabilização de aplicações

Redução de erro humano

 Ganhos de Eficiência
Ações
Extração Manual API yahooquery
consultadas

1 30s 0.7s

10 300s (5 minutos) 6s

30 900s (15 minutos) 19s

100 3.000s (50 minutos) 65s

3.000s x 5 dias por semana = 15.000s 65s x 5 dias por semana = 325s
4 horas 30 min / semana 5 min 25 s / semana
 Aplicações

Visualização de Dados e Modelos Econométricos Monitoramento de Tendências

Dashboards customizados Machine Learning em Tempo Real
 Como esse exemplo se encaixa na Ciência de
Dados
Cientista de Dados

Engenheiro de Dados
API: Yahooquery
Modelos Econométricos
Machine Learning
Indicadores Análise Técnica
Analista de
Dados
Visualização de Dados
Criação de Dashboards
Storytelling e Tomada de Decisão
Informações adicionais

Documentação Oficial Análise Técnica (34 indicadores)

Artigo no Medium Notebook Google Colab

MUITO
OBRIGADO!

linkedin.com/in/rodrigo-bercini/
rodrigobercinimartins@gmail.com
OBRIGAD
O
Ferramentas
Melhores meios de se desenvolver nas
ferramentas mais requisitadas do
mercado
Ética na Ciência de Dados

?
Ética na Ciência de Dados

?
Entrega-Same-Day não disponível
para bairros majoritariamente
negros, apesar de pagarem
Premium
Ética na Ciência de Dados

?
Ética na Ciência de Dados

?
Ética na Ciência de Dados

? Entrega-Same-Day não disponível

para bairros majoritariamente
negros, apesar de pagarem
Premium

The time is always right to do

what is right
Rev. Martin Luther King Jr.
 Learning Path
Statistics/Hadoop/Tableau
Para aperfeiçoar o conhecimento na
sua área preferida. ?
Pick your
Choice Python/R
Principal ferramenta, fica mais fácil de
aprender ja obtendo bagagem das
ferramentas anteriores e conhecendo o
SQL “cliente”
Primeiro contato com bancos de
dados, queries, criação de cubos e
SQL
views.
PowerBI
Diferentes visualizações, rápido,
consegue analisar grandes volumes
de dados.
Excel
Primeiros trabalhos com modelos de
dados, visual, excelente começo
 Excel
Fórmulas: Gráficos: Funções do programa:
VBA
Se
Procv
Histograma
Proch Análise de dados
Linhas
Esquerda Texto para colunas
Área
Direita Validação de Dados
Bolhas
Índice+corresp Power Query
Pizza
Média Tabela dinâmica
Dispersão
Soma Gráfico dinâmico
Boxplot
Maximo Formatação Condicional
Linha de tendênci
Minimo a
Concatenar (&)
Desloc+Cont.Valor
es
 PowerBi
Dashboards - Obvience Visual Vocabulary - SqlJason

Aprendizagem Orienta
da-Microsoft
(~9h)

Explorar o Power BI
Analisar dados no Power B
I
Começar a criar com o Po
wer BI
Obter dados
Modelar dados
Usar visuais
Explorar dados Tooltip
Publique e compartilhe
Introdução ao DAX
Bo
ok ons
ma t t
rk Bu
Structured Query Language
freeCodeCamp - Basic

(0:00) Introduction (2:14:05) Creating

(2:36) What is a Company Database
Database? (2:30:27 ) More
(23:10) Tables & Basic Queries
Keys (2:26:24) Functions
(43:31) SQL Basics (2:45:13) Wildcards
(52:26) MySQL (2:53:53) Union
Windows Installation (3:01:36) Joins
(1:01:59) MySQL (3:11:49) Nested
Mac Installation Queries
(1:15:49) Creating (3:21:52) On Delete
Tables (3:30:05) Triggers
(1:31:05) Inserting (3:42:12) ER
Data Diagrams Intro
(1:38:17) (3:55:53) Designing
Constraints an ER Diagram
(1:48:11) Update & (4:08:34) Converting
Delete ER Diagrams to
(1:56:11) Basic Schemas
Queries
(2:08:37) Company
Database Intro

SQL
Structured Query Language
freeCodeCamp - Basic W3Schools

(0:00) Introduction (2:14:05) Creating

(2:36) What is a Company Database
Database? (2:30:27 ) More
Select Distinct Join Tutoriais
(23:10) Tables & Basic Queries
Keys (2:26:24) Functions View OrderBy
(43:31) SQL Basics (2:45:13) Wildcards Wildcards Count, Avg & Sum
Partitions
(52:26) MySQL (2:53:53) Union
Windows Installation (3:01:36) Joins
Case MapReduce
(1:01:59) MySQL (3:11:49) Nested GroupBy Impala&Hive
Mac Installation Queries
(1:15:49) Creating (3:21:52) On Delete Parquet&Kudo
Tables (3:30:05) Triggers
(1:31:05) Inserting (3:42:12) ER
Data Diagrams Intro
(1:38:17) (3:55:53) Designing
Constraints an ER Diagram Prática
(1:48:11) Update & (4:08:34) Converting
Delete ER Diagrams to
(1:56:11) Basic Schemas
Queries
(2:08:37) Company
Database Intro

SQL
 Python
freeCodeCamp - Basic

(0:00) Introduction (2:07:17) Dictionaries

(1:45) Installing Python & (2:14:13) While Loop
PyCharm (2:20:21) Building a
(6:40) Setup & Hello Guessing Game
World (2:32:44) For Loops
(10:23) Drawing a Shape (2:41:20) Exponent
(15:06) Variables & Data Function
Types (2:47:13) 2D Lists &
(27:03) Working With Nested Loops
Strings (2:52:41) Building a
(38:18) Working With Translator
Numbers (3:00:18) Comments
(48:26) Getting Input (3:04:17) Try / Except
From Users (3:12:41) Reading Files
(52:37) Building a Basic (3:21:26) Writing to Files
Calculator (3:28:13) Modules & Pip
(58:27) Mad Libs Game (3:43:56) Classes &
(1:03:10) Lists Objects
(1:10:44) List Functions (3:57:37) Building a
(1:18:57) Tuples Multiple Choice Quiz
(1:24:15) Functions (4:08:28) Object
(1:34:11) Return Functions
Statement (4:12:37) Inheritance
(1:40:06) If Statements (4:20:43) Python
(1:54:07) If Statements & Interpreter
Comparisons
(2:00:37) Building a
better Calculator
 Python R
freeCodeCamp - Basic JohnsHopkins - Basic

(0:00) Introduction (2:07:17) Dictionaries

(1:45) Installing Python & (2:14:13) While Loop
PyCharm (2:20:21) Building a
(6:40) Setup & Hello Guessing Game
World (2:32:44) For Loops
(10:23) Drawing a Shape (2:41:20) Exponent
(15:06) Variables & Data Function
Types (2:47:13) 2D Lists &
(27:03) Working With Nested Loops
Strings (2:52:41) Building a
(38:18) Working With Translator
Numbers (3:00:18) Comments
(48:26) Getting Input (3:04:17) Try / Except
From Users (3:12:41) Reading Files SWIRL Package
(52:37) Building a Basic (3:21:26) Writing to Files Install.packages(“swirl”) | library(“swirl”) |
Calculator (3:28:13) Modules & Pip
(58:27) Mad Libs Game (3:43:56) Classes & swirl()
(1:03:10) Lists Objects
(1:10:44) List Functions (3:57:37) Building a
(1:18:57) Tuples Multiple Choice Quiz
(1:24:15) Functions (4:08:28) Object
(1:34:11) Return Functions
Statement (4:12:37) Inheritance
(1:40:06) If Statements (4:20:43) Python
(1:54:07) If Statements & Interpreter
Comparisons
(2:00:37) Building a
better Calculator
 Python R
freeCodeCamp - Basic JohnsHopkins - Basic

(0:00) Introduction (2:07:17) Dictionaries

(1:45) Installing Python & (2:14:13) While Loop
PyCharm (2:20:21) Building a
(6:40) Setup & Hello Guessing Game
World (2:32:44) For Loops
(10:23) Drawing a Shape (2:41:20) Exponent
(15:06) Variables & Data Function
Types (2:47:13) 2D Lists &
(27:03) Working With Nested Loops
Strings (2:52:41) Building a
(38:18) Working With Translator
Numbers (3:00:18) Comments
(48:26) Getting Input (3:04:17) Try / Except
From Users (3:12:41) Reading Files SWIRL Package
(52:37) Building a Basic (3:21:26) Writing to Files Install.packages(“swirl”) | library(“swirl”) |
Calculator (3:28:13) Modules & Pip
(58:27) Mad Libs Game (3:43:56) Classes & swirl()
(1:03:10) Lists Objects
(1:10:44) List Functions (3:57:37) Building a
(1:18:57) Tuples Multiple Choice Quiz
(1:24:15) Functions (4:08:28) Object

Microsoft & MIT

(1:34:11) Return Functions
Statement (4:12:37) Inheritance
(1:40:06) If Statements (4:20:43) Python
(1:54:07) If Statements & Interpreter
Comparisons
(2:00:37) Building a
better Calculator
 Linha de Produção

Cientista de Dados

Analista de Dados
Engenheiro de Dados
Linha de Produção

Cientista de Dados

Analista de Dados
Linha de Produção

Analista de Dados
Linha de Produção
 Extra Knowlewdge
Data
Data Driven
Driven for
for Finance
Finance
O
O desafio
desafio da
da cultura
cultura analítica
analítica no
no mundo
mundo financeiro
financeiro
Ronaldo
Ronaldo Bernardi
Bernardi || Head
Head of
of Data
Data && Analytics
Analytics
 Extra Knowlewdge
Data
Data Driven
Driven for
for Finance
Finance
O
O desafio
desafio da
da cultura
cultura analítica
analítica no
no mundo
mundo financeiro
financeiro
Ronaldo
Ronaldo Bernardi
Bernardi || Head
Head of
of Data
Data && Analytics
Analytics
 Extra Knowlewdge
Data Driven for Finance
O desafio da cultura analítica no mundo financeiro
Ronaldo Bernardi | Head of Data & Analytics
 Extra Knowlewdge
Data Driven for Finance
O desafio da cultura analítica no mundo financeiro
Ronaldo Bernardi | Head of Data & Analytics

Series 1 - Episode 3
Data Modelling, Digital transformation and
data as a profit driver

Series 3 - Episode 10
How Business Intelligence and AI Are
Powering Today’s Data-Driven Organizations
 Ferramentas Extras

ML Projects Checklist
Oportunidade
s
 Oportunidades
<YourCompany>
GitHub
 Oportunidades
<YourCompany>
GitHub
 THANK YOU
SOLANO CAMPOS & RODRIGO BERCINI | DATA SCIENCE GUILD