⚠️ Aviso de sigilo: Projetos desenvolvidos em ambiente institucional (SES) têm seus dados sensíveis censurados nos prints para preservar o sigilo das informações. As imagens exibidas refletem a estrutura e funcionalidade das soluções, não os dados reais.
Orquestração de pipelines de dados voltados para a área de saúde pública, utilizando Apache Airflow integrado ao ambiente da Secretaria de Estado de Saúde (SES).
O projeto contempla a automação de fluxos de ingestão, transformação e disponibilização de dados epidemiológicos e administrativos, garantindo confiabilidade, rastreabilidade e agendamento dos processos de forma visual e monitorada.
Tecnologias: Apache Airflow 2.11 · Python · DAGs · Saúde Pública
⚠️ Os dados exibidos nos prints foram censurados para preservar o sigilo das informações institucionais da SES.
Pipeline end-to-end para monitoramento de indicadores de tempo de espera em filas de atendimento da SES, com foco em condições como bronquiolite e outros agravos com metas de atendimento reguladas.
O projeto envolve:
Tecnologias: Apache Airflow 2.11 · Python · SQL · dbt Core 1.9 · Power BI · SES · Indicadores de Saúde
| Etapa | Tasks | Paralelismo | Função |
|---|---|---|---|
| Validação | validate_database_connections |
— | Valida conexões com SER Produção e BI Dev |
| Extração |
processar_dados + processar_dados_gar
|
Paralelo | Extrai dados via OPENQUERY da origem |
| Staging |
stg_ser_on_time + stg_ser_on_time_gar
|
Paralelo | Modelos dbt no schema staging |
| Painéis | 16 modelos dbt (UTI, Cardiologia, Infectologia, Especialidades) | Paralelo entre si | Schema paineis |
| KPI |
3 modelos dbt (dashboard_solicitacoes,
qtd_por_painel,
solicitacoes_hoje_por_painel)
|
Paralelo entre si | Schema kpi |
| Relatório | relatorio_final |
— | Consolida contagens de todas as tabelas via XComs |
| SPC | verificar_spc_volume |
Non-blocking | Monitora volume dos painéis; alerta por e-mail em caso de anomalia |
Volumes típicos:
raw.ser_on_time: ~150–200k registros · janela de 4 meses
raw.ser_on_time_gar: ~50–80k registros · janela de 3 meses
Agendamento: a cada 5 minutos (*/5 * * * *)
· max_active_runs=1 · Criticidade ALTA
🔄 Pipeline End-to-End
Abaixo o grafo completo de execução da DAG — da validação de conexões até o monitoramento estatístico via SPC, passando pela extração, transformação em dbt e geração dos 16 painéis de regulação médica.
⚠️ Os dados exibidos nos prints foram censurados para preservar o sigilo das informações institucionais da SES.
Painel de Business Intelligence desenvolvido para o monitoramento do setor de licitações da SES, com visão gerencial dos processos licitatórios em andamento e históricos.
O modelo de dados foi construído com arquitetura estrela (Star Schema), conectando-se a tabelas Excel organizadas em:
Essa modelagem garante performance nas consultas DAX e flexibilidade para cruzamentos analíticos entre as quatro frentes do setor de licitações.
A navegação do painel é feita pelos botões azuis no topo, que dão acesso a 9 páginas de detalhamento, cada uma explorando uma perspectiva específica dos dados de compras, licitações e contratos.
Tecnologias: Power BI · DAX · Star Schema · Excel · Modelagem Dimensional · SES
⚠️ Os dados exibidos nos prints foram censurados para preservar o sigilo das informações institucionais da SES.
DAG de observabilidade que roda diariamente monitorando a saúde estatística de todas as outras DAGs em produção.
Aplicá Controle Estatístico de Processo (SPC) sobre os volumes e métricas das pipelines, gerando um e-mail diário consolidado com o status de cada processo. Em caso de desvio estatístico significativo (anomalia de volume, falha recorrente ou comportamento fora dos limites de controle), o alerta é disparado imediatamente, antes mesmo do envio do relatório diário.
Isso garante visibilidade contínua sobre a confiabilidade do ambiente de dados em produção.
Tecnologias: Apache Airflow 2.11 · Python · SPC · E-mail · Monitoramento de Pipelines
Construção de um Data Warehouse na nuvem AWS, com pipelines de dados orquestrados via Apache Airflow e acesso e modelagem dos dados através do DBeaver conectado diretamente ao ambiente cloud.
O projeto demonstra a capacidade de provisionar e operar uma arquitetura moderna de dados na nuvem, desde a ingestão até a camada analítica, com controle de execução, logs e reprocessamento via DAGs personalizadas.
🚀 Clique aqui para acessar o dashboard
Dashboard disponível em aws.henrique.vip — Airflow 3.x rodando em produção na nuvem.
Tecnologias: AWS · Apache Airflow 3.x · DBeaver · SQL · Cloud Data Warehouse
Data Warehouse na AWS — Banco de dados
relacional provisionado no Amazon RDS, acessado via
DBeaver e modelado via Airflow e
dbt.
Dashboard de RH desenvolvido no Power BI com identidade visual inspirada no universo Nubank, explorando métricas e indicadores de gestão de pessoas.
O painel demonstra habilidades em modelagem dimensional, DAX, design de relatórios e storytelling com dados, com foco em clareza visual e profundidade analítica.
Tecnologias: Power BI · DAX · Modelagem Dimensional · Visualização de Dados
🚀 Clique aqui para acessar o painel interativo publicado
Painel publicado no Power BI Service — sem necessidade de login para visualização.
