🐍 Python - Automação, Web Scraping e Processamento de Dados

Este repositório contém scripts, ferramentas e automações desenvolvidas em Python. O foco aqui é a aplicação da linguagem para tarefas de alta complexidade, como raspagem de dados em larga escala, integração de sistemas via API e manipulação avançada de bases de dados.

🚀 Objetivo

Utilizar o ecossistema Python para criar soluções robustas que automatizam processos manuais repetitivos, realizam a coleta inteligente de dados (Web Scraping) e preparam informações para consumo em ferramentas de Analytics.

---

📂 Estrutura do Repositório

O repositório reflete aplicações práticas voltadas para a engenharia e análise de dados:

🔹 [Automações]

Scripts focados em produtividade e integração:

• Automação de tarefas do sistema operacional via scripts Batch e Python.
• Envio automatizado de notificações e relatórios.
• Manipulação e conversão de arquivos em massa (CSV, JSON, Excel).

🔹 [Web Scraping]

Rotinas para extração de dados de portais web e sistemas proprietários:

• Uso de bibliotecas para navegação e captura de dados estruturados.
• Scripts para contornar desafios de carregamento dinâmico e autenticação.
• Fluxos de exportação automática para bases de dados SQL ou planilhas.

🔹 [Data Analysis]

Scripts de apoio para análise de dados:

• Limpeza e transformação de dados (Data Wrangling).
• Scripts de conexão e consulta em bancos de dados (MySQL, SQL Server, Oracle).
• Prototipagem de lógicas de negócio para posterior implementação em ferramentas de BI.

---

🛠️ Stack Tecnológica

• Bibliotecas de Automação: Selenium, PyAutoGUI, OS.
• Manipulação de Dados: Pandas, NumPy.
• Integração & Web: Requests, BeautifulSoup.
• Banco de Dados: SQLAlchemy, cx_Oracle, PyMySQL.

⚙️ Diferenciais Técnicos

• Eficiência: Scripts desenvolvidos com foco em performance e tratamento de exceções para rodar em ambientes de produção.
• Hibridismo: Soluções que trabalham de forma integrada com ferramentas de Office (VBA) e Power BI, utilizando Python para as etapas de maior carga computacional.
• Modularidade: Funções organizadas de forma clara para fácil manutenção e escalabilidade.

🔗 Como utilizar

1. Certifique-se de ter o Python instalado (versão 3.x recomendada).
2. Clone o repositório e instale as dependências necessárias através do arquivo requirements.txt (se disponível) ou via pip install [biblioteca].
3. Configure as variáveis de ambiente (credenciais, caminhos de pasta) nos scripts antes da execução.

---

Desenvolvido por Tiago Almeida Goulart Analista de People Analytics Sênior | Especialista em Automação e Engenharia de Dados