Allan Azuma

Background

About Allan Azuma

Com uma sólida formação em Administração de Empresas, trago uma rica experiência profissional de mais de 6 anos na área de dados, adquirida em posições de destaque em empresas de performance digital como Driven.cx, Cadastra e Data Soul. Minha trajetória é marcada pela aplicação de análises de dados avançadas e estratégias digitais para impulsionar a tomada de decisão e a inovação.Competências Técnicas- GA4- Looker Studio- Power BI- Python para análise de dados (NumPy, Pandas, Seaborn, Scikit-learn, mlxtend e entre outros )- BigQuery (incluindo BigQuery Studio, Cloud Functions, Cloud Scheduler, Cloud Pub/Sub e gestão de credenciais)- SQL- Google Sheets em nível avançado- Microsoft Clarity- GTM- VtexProjetos:* Composição de carrinho: Em 2022, um dos desafios da Lacta era tracionar a venda de produtos parados em estoque com seu então novo e-commerce. Com a utilização do Python com Apriori e dados históricos das vendas de Páscoa da Lacta, realizei a automatização de sugestão de Kit de Ovos de Páscoa que foi o produto mais vendido da Páscoa daquele ano. A análise permitiu ainda desenvolver uma estratégia de descontos progressivos, ajustada pela probabilidade de compra conjunta de produtos, otimizando significativamente a liquidação de estoques estagnados. Além disso, foi a estratégia base para reforço das ações de mídia, CRM, CRO e SEO, alavancando performance;* Análise de Comportamento de Compra do Cliente: Em 2021, enfrentamos um desafio significativo com um cliente do setor alimentício, a compreensão do comportamento de compra de seus consumidores. Ao mergulhar em dados históricos e relatórios de resultados, percebi a importância e a necessidade de segmentar os clientes, considerando que, como se tratava de produtos de consumo recorrente, havia padrões de compra distintos. Identifiquei grupos de clientes com frequências de compra variadas, incluindo aqueles que compravam semanalmente, quinzenalmente, mensalmente e de um a dois meses. Essa diferenciação tornou-se evidente ao analisar o ticket médio, o que nos permitiu prever quando os consumidores estariam inclinados a retornar à loja para novas aquisições. Além disso conseguimos determinar a qual segmento os novos clientes provavelmente pertenceriam com base no ticket médio e na quantidade de itens adquiridos.