Como desenvolvi, de ponta a ponta, a camada de dados, as análises e os visuais de indicadores de carteira, MRR, churn e inadimplência — utilizando Python e IA como ferramentas de desenvolvimento para apoiar a leitura gerencial de receita.
A complexidade está nos conceitos: quem é cliente ativo, o que é receita recorrente e quando um valor pode ser considerado recebido?
Em negócios com contratos recorrentes, números aparentemente simples podem representar fenômenos diferentes. Contratos cadastrados não são necessariamente contratos ativos; MRR não é caixa; cancelamentos não são sinônimo de inadimplência. Essas diferenças alteram o significado de um painel e das decisões que dependem dele.
Desenvolvi individualmente a solução analítica, da camada de dados aos elementos visuais. Estruturei o tratamento das informações, as análises e os painéis, utilizando Python e inteligência artificial como apoio ao desenvolvimento. Em maio de 2026, apresentei uma prévia de modelo de controle de cobrança; em junho, compartilhei uma visão gerencial de MRR e participei de discussões sobre clientes, histórico de receita e fluxo financeiro.
Uma discussão sobre uma taxa de inadimplência exibida em painel ainda parcial expôs a importância de considerar vencimentos e compensações que atravessam fins de semana. A leitura de uma fotografia provisória não deveria ser confundida com o fechamento validado do mês.
Meu foco neste case é a qualidade da informação para decisão: desenhar a camada analítica, criar recortes, questionar denominadores, reconhecer defasagens de recebimento e explicitar o que o dado permite — e não permite — concluir.
Marcos sustentados pelo material de trajetória. O status de cada etapa foi preservado.
Desenvolvimento individual das consultas, dos tratamentos de dados e das análises de carteira, incluindo agrupamentos por situação e visões de vendas e cancelamentos. A existência das análises não comprova integração plena entre todas as bases.
Apresentação de prévia de modelo concebido e desenvolvido por mim para acompanhar cobrança, inadimplência e churn. Automações futuras discutidas naquele contexto não são aqui apresentadas como entregas implementadas.
Compartilhamento de painel de MRR desenvolvido por mim (ainda parcial naquele momento) e participação em demandas gerenciais sobre clientes, histórico de receita e fluxo. A discussão apontou necessidade de maior granularidade e consistência.
Projeto conduzido individualmente, com Python e ferramentas de IA como apoio à implementação técnica — não como substitutas da definição do problema e das regras financeiras.
Minha responsabilidade foi integral: estruturação da camada de dados, construção dos tratamentos e análises, definição dos indicadores e desenvolvimento dos elementos visuais. A IA apoiou a elaboração de código Python; as premissas de negócio, a validação e a entrega foram conduzidas por mim.
O projeto evidencia uma competência transversal: compreender as perguntas da gestão financeira, traduzi-las em lógica analítica e entregar uma interface que possibilite interpretar a evolução de receitas e recebimentos.
Estruturação das informações e preparação dos recortes necessários à análise de carteira, receita e cobrança.
RESPONSABILIDADE INDIVIDUALDesenvolvimento assistido por IA dos tratamentos e cálculos em Python, com regras de negócio e validações sob minha responsabilidade.
IA COMO FERRAMENTAConcepção e construção dos indicadores e de sua apresentação gerencial, da prévia de cobrança ao acompanhamento de MRR.
ENTREGA INDIVIDUALVisão conceitual para orientar a leitura, não um mapa de sistema interno.
Quais contratos estão vigentes, cancelados, migrados ou suspensos no período definido?
Qual receita mensal recorrente existe e como ela evolui com novas vendas, expansões e perdas?
O que foi cobrado, venceu ou aguarda pagamento — por canal e competência?
O que efetivamente entrou no caixa, quando e por qual canal?
Simulação educacional criada para este portfólio. Nenhum valor foi extraído do trabalho profissional real.
Seis meses ilustrativos · valores contratuais mensalizados · não equivalem a caixa
MRR final = inicial + novas receitas + expansão − churn − contração
| MRR inicial | — |
| Novas vendas recorrentes | — |
| Expansão da base | — |
| Cancelamentos | — |
| Contração da base | — |
| MRR final | — |
Outro conjunto de valores fictícios: cobranças já vencidas na data do corte. Não é o mesmo indicador do MRR.
Três perguntas que ajudam a evitar leituras gerenciais incompletas.
Contratos, clientes únicos, MRR, títulos vencidos e valores recebidos representam bases distintas. Uma taxa só pode ser comparada quando sua regra de cálculo está estável.
Fins de semana, meios de pagamento e prazos de compensação podem alterar o saldo visto em uma data. Distinguir corte operacional, compensação posterior e fechamento financeiro.
Separar problemas de aquisição, retenção, cobrança e repasse para priorizar ações corretas — sem tratar toda queda de caixa como perda de clientes.
Experiência real: desenvolvimento individual da camada de dados, análises em Python com apoio de IA, visuais de carteira, prévia de acompanhamento de cobrança e compartilhamento de painel MRR em 2026, conforme registros de trajetória e confirmação direta do autor. Sem comprovação nesta base: implantação integral de automações de cobrança, redução percentual de churn, recuperação de receitas ou impacto financeiro mensurado atribuível aos painéis. Laboratório: todos os dados, cálculos e gráficos nesta página foram reconstruídos e são inteiramente fictícios. Este material não publica contratos, identificadores, dados de clientes, consultas de produção ou indicadores corporativos.