A presença feminina no ambiente acadêmico e no mercado de trabalho relacionado à Tecnologia da Informação é visivelmente pequena quando comparada à participação masculina na área. Este cenário é desencadeado por uma série de fatores, como a falta de representatividade, desigualdade salarial, irrelevância dada às referências femininas, machismo, preconceitos, entre outros. Muitas mulheres têm utilizado a internet e as redes sociais para se aproximarem e se incentivarem em suas carreiras na área de tecnologia, através de comunidades online nas quais elas participam de discussões, organizam eventos, compartilham conhecimento e atuam em ações de mentoria e capacitação para o mercado de trabalho. As ações de mentoria realizadas por tais comunidades podem ser mais benéficas quando as pessoas envolvidas compartilham dos mesmos interesses, e a computação, por sua vez, pode contribuir com a obtenção deste êxito, processando e distribuindo dados que trafegam pela internet, aproximando as mulheres de acordo com seus interesses. O presente projeto tem por objetivo desenvolver um algoritmo de análise de dados provenientes de uma base de dados da comunidade de tecnologia, a partir da utilização de bibliotecas já existentes na linguagem de programação Python, para localização de mulheres através de dados geográficos, tempo de experiência profissional, conhecimentos e interesses das mesmas para que atuem na mentoria de outras mulheres na área de tecnologia. Para atingir tal objetivo, foram utilizados conceitos de Big Data e mineração de dados em conjunto com a linguagem de programação Python e bibliotecas presentes na linguagem. Este trabalho permitiu realizar a localização de possíveis mentoras para mulheres na área de tecnologia, bem como prover comparações entre a comunidade feminina e masculina, as quais possibilitaram concluir que, de fato, a discrepância entre a quantidade de homens e mulheres na área de tecnologia ainda é muito grande e que a análise de dados pode contribuir com a aproximação de mulheres e aumento da sua participação na área. Além disso, o trabalho também permitiu despertar novas abordagens e melhorias convenientes para estudo em trabalhos futuros.