Benvenuto nel Mio Portfolio

Panoramica

Sono Emilio Nahuel Pattini, Analista Dati e Sviluppatore Web appassionato di trasformare dati complessi in insight chiari e azionabili e di costruire applicazioni web moderne e responsive.

Il mio lavoro combina solide competenze tecniche in R, SQL, Python, machine learning e clustering con storytelling pratico. Tra i progetti recenti spiccano l'Analisi del Rischio di Diabete & Insight di Sanità Pubblica (analisi end-to-end con uso intensivo di SQL, clustering, modellazione predittiva e un dashboard interattivo in Streamlit) e l'Analisi E-Commerce Brasiliano Olist (segmentazione RFM, analisi di coorti, forecasting e dashboard in Power BI).

Analisi del Rischio di Diabete e Insight di Sanità Pubblica
Progetto end-to-end con uso intensivo di SQL (DuckDB), feature engineering, classificazione binaria, clustering K-Means e un dashboard interattivo completo in Streamlit. Include contesto latinoamericano e proiezioni al 2050.

Analisi E-Commerce Brasiliano Olist: segmentazione RFM, retention cohorts, previsione con Prophet e dashboard interattivo Power BI con insight actionable.

Ecobici 2024: Analisi della Mobilità Urbana focalizzata su pattern di utilizzo del bike-sharing e performance delle stazioni.

Sito Web Portfolio Personale: design responsivo, componenti interattivi e branding curato.

❮ ❯

Competenze e Strumenti

• Tecnologie Principali: Python (pandas, scikit-learn, numpy, seaborn, plotly, prophet), SQL (DuckDB, MySQL, PostgreSQL, DB2), R (tidyverse, lubridate, leaflet)
• Data Engineering: Pulizia avanzata dei dati, feature engineering, workflow riproducibili (Jupyter, RMarkdown)
• Analisi e Modellazione: Exploratory Data Analysis (temporale, spaziale, demografico, coorti RFM), Classificazione Binaria, Clustering K-Means, Risk Scoring, Analisi di Coorti, Forecasting e Serie Temporali (Prophet per previsione dei ricavi, rilevamento stagionalità, scenari di crescita), Metodi Statistici
• Segmentazione Clienti e Business: RFM scoring, visualizzazione dei segmenti, raccomandazioni azionabili (retention, upselling, win-back)
• Visualizzazione e Dashboard: Streamlit, Power BI, Tableau, Plotly, Matplotlib, Seaborn, R Markdown
• Sviluppo Web: HTML5, CSS3, JavaScript (componenti interattivi, design responsivo), WordPress, contenuti multilingue (EN/ES/IT)
• Workflow e Comunicazione: Business storytelling, raccomandazioni azionabili, reportistica riproducibile, presentazione collaborativa
• Conoscenza di Dominio: Sanità Pubblica, Comportamento del Cliente, Mobilità Urbana
• Lingue: Spagnolo (Madrelingua), Inglese (Fluente), Italiano (Intermedio), Portoghese (Base)

Progetti in Evidenza

Analisi del Rischio di Diabete e Insight di Sanità Pubblica

Progetto end-to-end completo utilizzando i dati BRFSS 2023. Forte enfasi su SQL con DuckDB, feature engineering, modellazione di classificazione binaria, segmentazione della popolazione tramite clustering e un dashboard interattivo professionale in Streamlit. Include trend in America Latina e proiezioni al 2050.

Analisi dell'E-Commerce Brasiliano Olist

Analisi end-to-end completa: segmentazione RFM, retention cohorts, previsione ricavi con Prophet, dashboard interattivo in Power BI. Risultato chiave: identificato 97 % clienti one-time e enorme opportunità di retention.

Analisi Mobilità Urbana Ecobici 2024

Analisi approfondita dei dati di bike-sharing urbano per comprendere pattern di utilizzo, orari di picco e performance delle stazioni. Il progetto ha coinvolto pulizia di grandi dataset, analisi esplorativa e visualizzazione di trend chiave per informare decisioni di pianificazione urbana.