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