Análise de Dados (SQL/Power BI) do Zero à Primeira Vaga

O caminho, parada por parada

1. 0✦ você está aqui
   Semana 1

   Setup e mindset de dados

   Preparar o ambiente, entender o que é análise de dados e firmar hábito de perguntas boas.

   concluída

   O que é análise de dados na prática: não é magia, é responder perguntas com dados.Instalar PostgreSQL/MySQL, pgAdmin ou DBeaver, Excel 2024 ou LibreOffice.Mentalidade: antes de rodar query, escreve a pergunta. Dados sem pergunta é ruído.Usar IA como tutor: descrever a pergunta, IA ajuda a desenhar a query, você escreve.

   Recursos, projetos e entregável

   Nível 1 começa aqui: IA como tutor de SQL.

   Recursos (PT-BR)

   • Instalando PostgreSQL, Bóson Treinamentos
   • DBeaver: primeira conexão com banco
   • Documentação PostgreSQL em português

   Marco: PostgreSQL rodando, primeira query SELECT * select * rodando no DBeaver.

2. 1✦ você está aqui
   Mês 1

   SQL fundamentos, com dados reais

   SELECT, WHERE, ORDER BY, agregações. Trabalhar com um banco exemplo e responder perguntas simples.

   concluída

   SELECT e suas cláusulas: WHERE, ORDER BY, LIMIT.Funções de agregação: COUNT, SUM, AVG, MIN, MAX.GROUP BY e HAVING: respondendo perguntas sobre grupos de dados.Comentários em SQL: toda query merece uma linha explicando o 'por quê'.

   Recursos, projetos e entregável

   Nível 1 sólido. Pede à IA pra explicar GROUP BY, não a resposta inteira.

   Entregável: 5 queries no portfólio GitHub (com comentários explicando a pergunta).

   Recursos (PT-BR)

   • SQL para análise de dados, Bóson Treinamentos
   • SQL Murder Mystery, pratique resolvendo um caso
   • W3Schools SQL em PT

   Projetos pra fixar

   • Banco de exemplo (sakila ou similar): qual é o filme mais alugado?
   • Qual cliente gastou mais no mês?
   • Quantos clientes por país?
   • Filme com maior ticket médio?
   • Evolução de vendas mês a mês.

   Marco: Consegue responder uma pergunta de negócio com GROUP BY sem ajuda.

3. 2✦ você está aqui
   Mês 2

   JOINs, subconsultas e primeiras análises

   Combinar dados de múltiplas tabelas. Aqui começa a análise de verdade.

   concluída

   INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN: quando cada um faz sentido.Subqueries: no WHERE, no SELECT, no FROM.CTEs (WITH clause): organizar queries complexas.Começar a pensar em performance: EXPLAIN ANALYZE, índices simples.

   Recursos, projetos e entregável

   Nível 2: Cursor com snippets de SQL, você monta a query inteira e valida.

   Entregável: 3 análises completas em .sql com narrativa (o que encontrou, por quê importa).

   Recursos (PT-BR)

   • JOINs explicados, Bóson Treinamentos
   • SQL para Análise de Dados, Isa Barbosa
   • Mode SQL Tutorial (free, em EN + PT)

   Projetos pra fixar

   • Combinar clientes, pedidos e itens: ticket médio por cliente.
   • Produto mais vendido por região, com margem calculada.
   • Churn de clientes: quem não comprou em 6 meses vs quem comprou?

   Marco: Consegue montar uma query com 2+ JOINs e agregação sozinho.

4. 3✦ você está aqui
   Mês 3

   Excel avançado e primeiros dashboards

   Tabelas dinâmicas, fórmulas complexas, visualizações que comunicam. A cola entre SQL e BI.

   concluída

   Tabelas dinâmicas: pivot tables, slicers, filtros.Fórmulas avançadas: VLOOKUP, INDEX/MATCH, SUMIFS, COUNTIFS.Gráficos e cartogramas que comunicam insight.Intro a Power BI: importar dados do SQL, criar medidas simples.

   Recursos, projetos e entregável

   Nível 2 sólido: IA revisando fórmulas, sugerindo aggregations.

   Entregável: 2 dashboards Excel com dados reais, 1 arquivo Power BI simples.

   Recursos (PT-BR)

   • Excel Avançado, Prime Cursos
   • Power BI do zero, Michelly Amaral
   • Documentação Power BI

   Projetos pra fixar

   • Dashboard de vendas em Excel: faturamento por região, trend e forecast.
   • Dashboard de atendimento: ticket por canal, tempo médio de resolução.
   • Primeiro projeto Power BI: importa dados CSV, cria 3 gráficos, salva.

   Marco: Um dashboard Excel que alguém não técnico consegue entender em 10 segundos.

5. 4✦ você está aqui
   Mês 4

   Power BI a fundo, modelagem de dados

   Modelos relacionais em BI, DAX básico, transformações com Power Query.

   concluída

   Power Query: limpeza, transformação, carga de dados (ETL).Modelo relacional em BI: fact tables, dimension tables, relacionamentos.DAX básico: CALCULATE, FILTER, SUM, SUMX, medidas e colunas calculadas.Hierarquias, drill-down, análise multidimensional.

   Recursos, projetos e entregável

   Nível 3: usar IA pra gerar fórmulas DAX, revisar modelo.

   Entregável: 1 projeto Power BI completo com 5+ páginas, conectado ao banco.

   Recursos (PT-BR)

   • Power BI Completo, Michelly Amaral
   • DAX 101, Tabelas Dinâmicas com IA
   • Documentação DAX em PT-BR

   Projetos pra fixar

   • Dashboard financeiro: receita, custo, margem por período e categoria com drill-down.
   • Dashboard operacional: tempo de ciclo, eficiência por unidade, alertas de SLA.
   • Modelo publicado no Power BI Service com segurança em nível de linha (RLS).

   Marco: Dashboard com modelo relacional completo, sem erros nas medidas.

6. 5✦ você está aqui
   Mês 5

   SQL avançado e pipelines de dados

   Window functions, eventos e processamento de séries temporais. Começar a pensar em automação.

   concluída

   Window functions: ROW_NUMBER, RANK, LAG, LEAD, RUNNING SUM.Análise de coortes, cohort retention, análise temporal.Date functions, intervalos, períodos comparativos (YoY, MoM).Começa a mapear: quais análises viram automáticas? (relatórios recorrentes, alertas)

   Recursos, projetos e entregável

   Nível 3 sólido: IA sugerindo lógica de janelas, feature engineering.

   Entregável: 2 queries avançadas, 1 pipeline manual em SQL.

   Recursos (PT-BR)

   • Window Functions, Bóson Treinamentos
   • Advanced SQL for Data Analysis, DataCamp
   • SQL Window Functions (Mode Analytics)

   Projetos pra fixar

   • Análise de retenção de clientes com coortes e window functions.
   • Simulação de pipeline: extrai dados de API, transforma em SQL, carrega em Postgres, alimenta BI.
   • Teste A/B: compara grupos com LAG, calcula lift e significância estatística em SQL.

   Marco: Consegue desenhar análise temporal e explicar resultado sem buscar.

7. 6✦ você está aqui
   Mês 6

   Tableau ou Power BI avançado, storytelling

   Navegação entre dashboards, contexto, narrativa. Dados que vendem decisão.

   concluída

   Escolher Tableau ou BI avançado: qual ferramenta sua região contrata mais?Navegação e drill-through: contexto dentro do contexto.Cores, layout, acessibilidade, paletas que contam história.Combinar análise exploratória com dashboards de negócio.Princípios de comunicação com dados: clareza > bonito.

   Recursos, projetos e entregável

   Nível 4: usar IA pra ajudar a contar história com dados, extrair insights automáticos.

   Entregável: 1 projeto Tableau/BI com storytelling completo, pronto pra apresentar.

   Recursos (PT-BR)

   • Tableau Public, aprenda explorando
   • Tableau Desktop Specialist Certification (guia)
   • Storytelling com dados, Cole Nussbaumer Knaflic

   Projetos pra fixar

   • Projeto integrado: SQL + modelagem + BI + storytelling. Tema: churn, performance, forecast ou inovação.
   • Apresentação de um dashboard completo para stakeholder fictício (friend/family).

   Marco: Alguém assiste sua apresentação e quer agir com base nos dados.

8. 7✦ você está aqui
   Mês 7

   Portfólio, GitHub e preparação para mercado

   Documentar tudo. Deixar pronto pra entrevista.

   concluída

   Documentação: README, decisões técnicas, lições aprendidas.GitHub com histórico limpo (não precisa ser git expert, mas commits devem contar história).Falar sobre dados: qual foi a pergunta, como respondeu, qual foi o insight, qual a ação esperada?Pensar em soft skills: comunicação, estrutura de pensamento, independência.

   Recursos, projetos e entregável

   Polimento: IA revendo narrativas, sugerindo insights adicionais.

   Entregável: Portfólio público com 3-4 projetos, READMEs em markdown, query comentadas.

   Recursos (PT-BR)

   • Portfólio de Analista de Dados, exemplos no GitHub
   • Como escrever README que vende

   Projetos pra fixar

   • Revisar cada projeto: query comentada, resultado explicado, insight + ação.
   • Criar 1 projeto novo ou refazer um com feedbacks: demonstra iteração.

   Marco: Portfólio que um recrutador consegue avaliar em 10 minutos.

9. 8✦ você está aqui
   Mês 8 (buffer + entrevistas)

   Entrevistas, polimento final e primeiras vagas

   Testar tudo na prática. Aprender com feedback de mercado.

   concluída

   Responder perguntas técnicas: explica uma query, como abordaria um problema, ferramentas que conhece.Responder perguntas comportamentais: exemplo de decisão com dados, como se posiciona.Aprofundar onde tiver gap detectado em entrevistas.Possível: internship, role de trainee, ou pleno júnior conforme experiência prévia.

   Recursos, projetos e entregável

   Nível 4-5: automações, exploração de insights com IA, feedback de entrevistas.

   Recursos (PT-BR)

   • Preparação para entrevista técnica em dados
   • Perguntas frequentes em seleção Analista de Dados

   Marco: Primeira vaga ou estágio assinado. Pronto pro mercado.

10. ✦você, do outro lado

Checklist final

• 3-4 projetos no GitHub com queries SQL comentadas e documentação clara
• 1 dashboard Power BI ou Tableau publicado com modelo relacional
• 1 dashboard Excel com tabelas dinâmicas e fórmulas avançadas
• README em cada projeto explicando pergunta, método, insight e ação esperada
• Histórico de commits regular (sem períodos vagos > 1 mês)
• Pelo menos 1 análise temporal ou window function como demonstração
• Portfólio público: link no LinkedIn com descrição da jornada
• Familiaridade com SQL avançado, modelagem e BI básico

Princípios

• Sempre começa com uma pergunta clara, não com a ferramenta.
• Dados sem contexto é só números: sempre explica o 'por quê' importa.
• Leia o erro: SQL adora reclamar, e a reclamação é a mensagem.
• Valida o resultado: a query rodou, mas faz sentido nos negócios?
• Commit com contexto: qual pergunta a query responde, não só 'atualiza script'.
• Copia query sim, copia query inteira não: entenda o que faz antes de usar.
• Profundidade vale mais que ferramentas: sólido em SQL bate bonito em BI.
• Dados é comunicação: o dashboard mais bonito que ninguém entende falha.