📌 Financial Data Analysis with Python

End-to-end financial data pipeline designed to automate data collection, analysis, and decision support for personal investment management.

---

❗ Problem

Managing financial data manually can lead to inconsistencies, lack of visibility, and inefficient decision-making.

This project was created to automate financial data processing and generate structured insights for better investment decisions.

---

🚀 Solution

This project implements an automated pipeline that:

• Collects financial data from structured sources (Google Sheets)
• Cleans and standardizes the data
• Enriches data with external indicators (Status Invest / Yahoo Finance)
• Calculates financial metrics, risk indicators, and opportunity scores
• Generates structured reports
• Sends automated notifications via Telegram

---

🏗️ Architecture

Google Sheets → Data Processing (Pandas) → External Data (Scraping + APIs) → Analysis → Report Generation → Telegram Notification

---

🎯 Objective

Consolidate financial data into a structured data flow Automate data processing and analysis tasks Reduce manual effort and risk of inconsistencies Support financial decisions based on reliable data

---

⚙️ Technologies

Python Pandas Process automation Data pipeline structuring (ETL) Web scraping (Selenium) API integration (Telegram, Yahoo Finance)

---

🔄 Data Pipeline

The project follows a structured data processing workflow:

Data Collection Importing financial data from structured sources (e.g., Google Sheets)

Data Cleaning and Standardization Cleaning, organizing, and normalizing data using Python (Pandas)

Transformation Structuring data for analysis (categorization, aggregation, adjustments)

Analysis Generating indicators, risk metrics, and financial insights

Output Producing reports and structured data for consumption and notification

---

📊 Example Output

Below is an example of the generated report:

---

⚙️ How to Run

1. Clone the repository

2. Install dependencies: pip install -r requirements.txt

3. Configure credentials:

   • Google Sheets API (credenciais.json)
   • Telegram Bot (TOKEN and CHAT_ID)

4. Run the pipeline: python main.py

---

🔒 Note

This project represents a portfolio-adapted version, focused on demonstrating technical structure, data pipeline design, and data analysis practices.

Sensitive information (credentials, tokens, and personal financial data) has been removed for security reasons.

pt-BR | # 📌 Análise de Dados Financeiros com Python

Pipeline completo de dados financeiros desenvolvido para automatizar a coleta, análise e apoio à tomada de decisão em investimentos pessoais.

---

❗ Problema

Gerenciar dados financeiros manualmente pode gerar inconsistências, falta de visibilidade e decisões ineficientes.

Este projeto foi criado para automatizar o processamento de dados financeiros e gerar insights estruturados para uma melhor tomada de decisão.

---

🚀 Solução

Este projeto implementa um pipeline automatizado que:

• Coleta dados financeiros a partir de fontes estruturadas (Google Sheets)
• Realiza limpeza e padronização dos dados
• Enriquece os dados com informações externas (Status Invest / Yahoo Finance)
• Calcula métricas financeiras, indicadores de risco e oportunidades
• Gera relatórios estruturados
• Envia notificações automatizadas via Telegram

---

🏗️ Arquitetura

Google Sheets → Processamento de Dados (Pandas) → Dados Externos (Scraping + APIs) → Análise → Geração de Relatório → Notificação via Telegram

---

🎯 Objetivo

Consolidar dados financeiros em um fluxo estruturado Automatizar processos de tratamento e análise de dados Reduzir esforço manual e risco de inconsistências Apoiar decisões financeiras com base em dados confiáveis

---

⚙️ Tecnologias

Python Pandas Automação de processos Estruturação de pipeline de dados (ETL) Web scraping (Selenium) Integração com APIs (Telegram, Yahoo Finance)

---

🔄 Pipeline de Dados

O projeto segue uma estrutura de processamento em etapas:

Coleta de Dados Importação de dados financeiros a partir de fontes estruturadas (ex: Google Sheets)

Tratamento e Padronização Limpeza, organização e normalização dos dados utilizando Python (Pandas)

Transformação Estruturação das informações para análise (categorias, agregações, ajustes)

Análise Geração de indicadores, métricas de risco e insights financeiros

Saída de Dados Produção de relatórios e dados prontos para consumo e envio automatizado

---

📊 Exemplo de Saída

Abaixo está um exemplo do relatório gerado:

---

⚙️ Como Executar

1. Clone o repositório

2. Instale as dependências: pip install -r requirements.txt

3. Configure as credenciais:

   • Google Sheets API (credenciais.json)
   • Bot do Telegram (TOKEN e CHAT_ID)

4. Execute o pipeline: python main.py

---

🔒 Observação

Este projeto representa uma versão adaptada para portfólio, com foco na demonstração da estrutura técnica, construção de pipelines de dados e práticas de análise de dados.

Informações sensíveis (credenciais, tokens e dados financeiros pessoais) foram removidas por motivos de segurança.