Benvenuto nel Mio Portfolio

Panoramica

Sono Emilio Nahuel Pattini, Analista di Dati e Sviluppatore Web appassionato di trasformare dataset complessi in insight actionable di business e costruire siti web responsivi e accessibili.

Questo portfolio mostra la mia doppia expertise attraverso progetti come l’Analisi dell'E-Commerce Brasiliano – Olist (segmentazione RFM, retention dei cohorts, previsione ricavi con Prophet, dashboard interattivo in Power BI) e l’Analisi della Mobilità Urbana Ecobici 2024, nonché questo stesso sito web.

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 Evidenziate

• Analisi Dati: Python (pandas, numpy, seaborn, plotly, prophet), R (tidyverse, lubridate, leaflet), SQL (DuckDB, MySQL, PostgreSQL, DB2), segmentazione RFM, analisi cohorts, forecasting (Prophet), metodi statistici
• Sviluppo Web: HTML5, CSS3, JavaScript (componenti interattivi, design responsivo), WordPress, contenuti multilingue (EN/ES/IT)
• Visualizzazione e Dashboarding: Power BI (KPI, Gauges, scatter, heatmap, bubble maps), Plotly (grafici interattivi), Tableau, Matplotlib, Seaborn, R Markdown
• Workflow e Comunicazione: pulizia e feature engineering dati, reporting riproducibile (Jupyter, RMarkdown), storytelling business, raccomandazioni actionable
• Lingue: Spagnolo (Nativo), Inglese (Fluente), Italiano (Intermedio), Portoghese (Base)

Progetti in Evidenza

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.