LNData LNData
Serviços

Soluções de dados ponta a ponta.

Cada frente parte do entendimento do problema e termina com a solução implantada, monitorada e adotada pelas áreas de negócio.

01

Coleta automatizada e Web Scraping

  • › Bots para coleta de preços, estoque e dados competitivos.
  • › Scrapers para portais específicos com tratamento de exceções e logs estruturados.
  • › Coleta periódica em tribunais e marketplaces com controle de rate limit e mudança de layout.
Python (Requests/Playwright) · Airflow · ClickHouse/Postgres · Docker
02

APIs e integrações internas

  • › REST APIs para catálogo, CRM e camadas de dados para BI.
  • › Endpoints com autenticação JWT, paginação, filtros e materialized views.
  • › Clientes para ingestão de cotações e indicadores externos com backfill e cron inteligente.
Flask/Django · SQLAlchemy · Postgres/ClickHouse · JWT · Nginx
03

Aplicações web (front + back)

  • › Portais administrativos e operacionais com Blueprints, roles, logs e auditoria.
  • › Front-end React (Vite, React Query, Plotly) e Vue 3 + Vuetify quando aplicável.
  • › Dashboards de DC e Comercial em quase tempo real, com drill-down e exportação PDF/Excel.
Flask · React · Vue · Tailwind · Vuetify · Plotly/Dash · Superset
04

Orquestração e automação

  • › Pipelines de ingestão diários e intraday com SLAs, retries, alertas e partições.
  • › Jobs de limpeza, reconciliação e checagem de qualidade.
  • › Rotas de entrega: e-mail com anexos, APIs, bancos relacionais e ClickHouse.
Airflow 2.x · ClickHouse/Postgres/SQL Server · Redis/MinIO
05

Integrações de dados

  • › Integração entre ERP, WMS, CRM e BI com mapeamento semântico e staging.
  • › Camadas silver/gold, modelagem de vendas, promoções, estoque, mestre e RH.
  • › Catálogo de dados com dicionário e convenções de colunas, chaves e granularidades.
SQL (ClickHouse, Postgres, SQL Server)
06

Machine Learning — previsão de demanda

  • › Séries temporais SKU × Loja em horizontes curto e médio, com regressores externos.
  • › Backtests com múltiplos cortes (MAPE, WAPE, RMSE, P50/P90).
  • › Pipeline de treino histórico + incremental, registry, tracking de erro e fallback robusto.
  • › Publicação dos forecasts em ClickHouse e consumo no Superset/Apps.
Python (Pandas/Prophet/Scikit-learn) · ClickHouse · Airflow · Superset