Resumo profissional

Engenheiro Eletricista com 14+ anos em infraestrutura crítica no Rádio Observatório Espacial do Nordeste (Mackenzie/NASA), garantindo a confiabilidade e a disponibilidade de sistemas de missão crítica vinculados à rede global IVS-NASA.

Em transição ativa para Engenharia de Dados, apliquei no observatório os mesmos princípios que hoje guiam trabalhos com dados: monitoramento contínuo de telemetria, dashboards de performance (Grafana, MTTR, SLA) e automação de coleta e processamento de dados com Python. Construí um pipeline ETL em PySpark com arquitetura Medallion (Bronze/Silver/Gold), modelo estrela e quality gate que bloqueia a publicação do Gold, com 11 testes automatizados e 10 queries SQL analíticas validadas no Databricks, unindo a mentalidade de confiabilidade da engenharia à qualidade de dados.

Também rodei um case de tratamento de dados em Databricks SQL: 13 regras de negócio em uma única consulta, com auditoria coluna a coluna (case-tratamento-input).

Busco oportunidade de entrada na área de Engenharia de Dados.

// -------------------------------------------------------

Experiência profissional

Instituto Presbiteriano Mackenzie — Rádio Observatório Espacial do NE

Técnico de Operações e Manutenção // Julho 2012 – Presente (14+ anos) · Eusébio, CE · Rede global IVS-NASA

Dados e Performance:

• Implementação de dashboards para acompanhamento de SLAs, com redução de MTTR em 35% via sistemas supervisórios remotos;
• Monitoramento contínuo de telemetria, sensores de ângulo (encoder) e indicadores de disponibilidade.

Automação e Processamento de Dados com Python:

• Desenvolvimento de scripts para coleta e processamento de dados de telemetria, reduzindo em 40% o tempo manual de processamento;
• Automação da atualização de dados VLBI (Very Long Baseline Interferometry).

Confiabilidade e Gestão de Ativos:

• Responsável pela confiabilidade e disponibilidade de sistemas de radioastronomia, mantendo 99.7% de disponibilidade operacional;
• Gestão de estoque de 200+ itens críticos com otimização de lead time.

Interface Internacional:

• Redação de relatórios técnicos de performance e incidentes em inglês;
• Comunicação com stakeholders internacionais da rede IVS-NASA.

Liderança e Operações:

• Supervisão de equipes de campo e prestadores terceirizados;
• Supervisão de sistemas eletromecânicos, telemetria, motores de alta precisão e infraestrutura de rede.

Haco Etiquetas do Nordeste

Técnico Eletrotécnico // Janeiro 2011 – Maio 2012 · Eusébio, CE

• Manutenção corretiva e preventiva em maquinário têxtil de alta performance e automação industrial;
• Gestão de sistemas de energia e quadros de comando, focando na redução de downtime em 20%.

// -------------------------------------------------------

Projetos relevantes

pipeline-etl-vendas — Pipeline ETL em PySpark

Stack: Python, PySpark, SQL, Parquet, Databricks, pytest

• Pipeline ETL de vendas com arquitetura Medallion (Bronze/Silver/Gold): 27 → 23 registros válidos;
• Modelo estrela (dim_cliente, dim_produto, fato_vendas) e quality gate que bloqueia a publicação do Gold;
• 10 queries SQL (window functions, CTEs, subqueries) validadas no Databricks Community Edition, com reconciliação Gold × Silver;
• Inclui 11 testes automatizados e documentação completa de arquitetura. github.com/renatoapdl/pipeline-etl-vendas

case-tratamento-input — Case Databricks SQL

Stack: Databricks SQL, Data Quality

• Case de qualidade de dados com 13 regras de negócio em uma única consulta (bronze ao ouro);
• Sentinelas, normalização de CPF/telefone e coluna de estado com nome completo (27 UFs);
• Auditoria coluna a coluna via derived table (19 InvalidState e 18 InvalidCountry). github.com/renatoapdl/case-tratamento-input

clima-eusebio — Dados em Tempo Real

Stack: Python, API wttr.in

• Aplicação que consome API REST (wttr.in), processa dados JSON e atualiza informações em tempo real a cada 5 minutos — github.com/renatoapdl/clima-eusebio.

// -------------------------------------------------------

Competências e qualificações

Engenharia de Dados

• ETL e Data Pipelines;
• PySpark (Spark DataFrames, colunas, agregações, leitura/escrita Parquet);
• Data Quality, Data Validation, Data Cleansing e quality gate com bloqueio de publicação;
• Arquitetura Medallion (bronze/prata/ouro), modelagem dimensional (Data Modeling) e modelo estrela;
• Pandas, Jupyter Notebook.

SQL

• Consultas, JOINs, agregações;
• Window functions (ROW_NUMBER, RANK, LAG, SUM OVER), CTEs e subqueries;
• Modelagem estrela (dimensões + fato).

Ferramentas de Dados

• Databricks e Databricks SQL;
• Spark SQL, Parquet, pytest;
• Grafana (dashboards de performance operacional);
• Git/GitHub, APIs REST.

Programação

• Python (intermediário), Git/GitHub.

Engenharia & Manutenção (base)

• Gestão de Ativos;
• Confiabilidade, KPIs/SLAs/OEE;
• Manutenção Preditiva (PCM) e Planejamento (PCP).

Infraestrutura & IoT

• Telemetria, IoT;
• Automação Industrial 4.0;
• Redes (CAT 5/6, Cabeamento Estruturado).

Idiomas

• Português: Nativo;
• Inglês: Avançado — C1 (reading/writing); Intermediário — B2 (speaking/listening).

// -------------------------------------------------------

Formação acadêmica

Bacharelado em Engenharia Elétrica e Eletrônica — UNINTER // Março 2017 – Dezembro 2022

Técnico em Eletrotécnica — CEPEP // 2010 – 2011

// -------------------------------------------------------

Certificações

• Técnico em Eletrotécnica — CEPEP (2010-2011);
• Cybersecurity and Privacy Awareness Training — NASA (2026).

// -------------------------------------------------------

Formação complementar

• Airflow 101 Learning Path (Airflow 3) — Astronomer Academy (2026);
• Santander Open Academy — Dados com Python e IA (DIO) — em andamento (2026).

// -------------------------------------------------------

Última atualização: Outubro 2026 — v4 (Medallion, modelo estrela e quality gate)