Tive a oportunidade de conduzir o time (5 pessoas ) nessa jornada de execução do trabalho passando pela conexão no blob storage, upload das bases necessárias, chegando até as camadas de refinamento, RAW, TRUSTED, REFINED e criação da camada de DATAQUALIT além do desenvolvimento de três algoritmos, recomendação de compras, churn e inadimplência.
1 - Todas as bases utilizadas atualmente pelos BI’s disponíveis na camada Refined;
2 - Parâmentos de conexão com o ambiente databricks e power bi;
3 - Dimensionamento e otimização do cluster;
4 - Conexão no blob storage, upload das bases necesárias, passando pelas camadas de refinamento, RAW, TRUSTED, REFINED e criação da camada de DATAQUALIT)
5 - Dimensionar o melhor custo benefício para os CLUSTERs utilizados pelo framework.
1 - Definição do problema: Delimitar qual(is) problemas serão analisados. Por Evasão, inadimplência, etc.;
2 - Entendimento de Negócio do problema: Bate-papo com as pessoas especialistas no negócio para melhor compreensão do problema.
3 - Entendimento dos dados: Análise exploratória preliminar da base de dados e criação de hipóteses. com base dos dados do data lake.
4 - Definição da modelagem do problema e da métrica de performance.
5 - Limpeza dos dados e Engenharia de variáveis: Criação das variáveis de forma a deixá-las preparadas a serem alimentadas no modelo.
6 - Treinamento, avaliação e tunagem do modelo.
7 - Inferência: Criação do processo que irá inferir a predição.
8 - Migração para ambiente de produção.
Acompanhameno pelo Azure Devops Fizemos toda estrutura de acompanhamento do projeto por sprints semanais dentro do DevOp, com o Issue, Epic, Task.
Posteriormente conectamos no Power BI, para dar publicidade ao trabalho que estava sendo desenvolvido. Projeto realizado para a Federação das Indústrias do Estado de Mato Grosso do Sul — FIEMS, englobando as empresas, SESI, SENAI e IEL