Curso de Data Analyst

Aula 1 • O Fluxo de Trabalho da Análise de Dados

Apresenta o ciclo de vida completo da análise, desde a formulação da pergunta até a entrega do insight. Fornece uma estrutura repetível que os alunos aplicam em todos os capítulos seguintes.

Aula 2 • Fundamentos de Ética e Governança de Dados

Apresenta princípios de privacidade, propriedade de dados e padrões de uso responsável. Define os limites éticos que os alunos devem aplicar ao lidar com conjuntos de dados reais.

Aula 3 • O Papel do Analista de Dados

Define as responsabilidades do analista e diferencia dos papéis de ciência de dados e engenharia. Fundamenta o capítulo estabelecendo o contexto profissional antes do conteúdo técnico.

Aula 4 • Tipos e Fontes de Dados

Classifica dados estruturados, semiestruturados e não estruturados e mapeia tipos de fontes comuns. Possibilita decisões informadas sobre estratégias de coleta de dados ao longo do curso.

Aula 1 • Automação com Macros e Scripts

Apresenta macros gravadas e scripts básicos para automatizar tarefas repetitivas de analistas. Faz a ponte entre o trabalho manual em planilhas e o manuseio programático de dados apresentado posteriormente.

Aula 2 • Navegação e Configuração de Planilhas

Abrange estrutura de pasta de trabalho, referência de células e práticas recomendadas de formatação. Estabelece hábitos eficientes que previnem erros em trabalhos mais complexos com planilhas.

Aula 3 • Fórmulas e Funções Essenciais

Ensina funções de procura, lógicas, de texto e de data usadas diariamente por analistas. Habilita diretamente as tarefas de transformação de dados abordadas nas seções posteriores de limpeza e análise.

Aula 4 • Gráficos e Dashboards em Planilhas

Abrange seleção de gráficos, formatação e vinculação de gráficos a intervalos de dados dinâmicos. Apresenta princípios de comunicação visual aplicados mais profundamente no capítulo de visualização.

Aula 1 • Sintaxe de Consulta SQL Principal

Ensina as cláusulas SELECT, WHERE, ORDER BY e LIMIT para recuperação precisa de dados. Forma a base sintática sobre a qual todas as seções subsequentes de SQL se apoiam.

Aula 2 • Subconsultas e Funções de Janela

Apresenta subconsultas, CTEs e funções de janela para consultas analíticas avançadas. Desbloqueia classificação, totais acumulados e comparações período a período em SQL.

Aula 3 • Agregação e Agrupamento

Abrange GROUP BY, HAVING e funções de agregação para resumir conjuntos de dados. Conecta os conceitos de agregação estatística do Capítulo 1 à aplicação em escala de banco de dados.

Aula 4 • Otimização de Consultas SQL

Abrange indexação, planos de execução e reescrita de consultas para desempenho. Prepara analistas para trabalhar responsavelmente com grandes bancos de dados de produção.

Aula 5 • Fundamentos de Bancos de Dados Relacionais

Explica conceitos de tabelas, chaves, relacionamentos e design de esquemas. Fornece a compreensão estrutural necessária para escrever consultas precisas e eficientes.

Aula 1 • Limpeza de Dados em Python

Aborda valores ausentes, duplicatas, erros de tipo e detecção de outliers de forma programática. Baseia-se nos conceitos de qualidade de dados do Capítulo 1 com soluções de código escaláveis e repetíveis.

Aula 2 • Manipulação de Dados com pandas

Ensina criação, indexação, filtragem e transformação de DataFrames usando pandas. Espelha diretamente operações de SQL e planilhas em um ambiente programático.

Aula 3 • Análise Exploratória de Dados em Python

Aplica pandas e plotagem básica para traçar o perfil de conjuntos de dados e identificar padrões. Conecta os fundamentos estatísticos do Capítulo 1 à prática investigativa de codificação.

Aula 4 • Análise Numérica com NumPy

Apresenta operações com arrays, funções matemáticas e computação vetorizada. Fornece a base numérica para análise estatística e preparação futura para machine learning.

Aula 1 • Remodelagem e Reestruturação de Dados

Abrange pivotagem, derretimento, empilhamento e agregação para remodelar dados conforme as necessidades de análise. Aplica diretamente habilidades de pandas e SQL em um contexto de engenharia de dados.

Aula 2 • Padronização e Transformação de Dados

Ensina normalização, codificação e harmonização de formatos entre conjuntos de dados. Prepara os dados para análise consistente e visualização ou modelagem subsequente.

Aula 3 • Construindo um Pipeline de Dados Repetível

Apresenta princípios de design de pipeline, documentação e controle de versão para preparação de dados. Garante que o trabalho de limpeza seja auditável, reproduzível e transferível entre projetos.

Aula 4 • Tratamento de Dados Ausentes

Abrange estratégias de exclusão, imputação e sinalização com critérios de decisão para cada uma. Baseia-se nas habilidades de Python e SQL para implementar soluções em escala.

Aula 1 • Princípios da Visualização Eficaz

Abrange princípios perceptivos, lógica de seleção de gráficos e erros comuns de visualização. Estabelece a estrutura de pensamento de design aplicada em todas as seções subsequentes.

Aula 2 • Visualização com Bibliotecas Python

Ensina Matplotlib e Seaborn para criar gráficos estáticos de qualidade para publicação em Python. Estende as habilidades de Python do Capítulo 4 para a saída visual em relatórios de análise.

Aula 3 • Data storytelling e Design Narrativo

Ensina a estruturar insights em um arco narrativo lógico para audiências executivas. Integra habilidades de visualização com estratégia de comunicação para o máximo impacto nos negócios.

Aula 4 • Dashboards Interativos com Ferramentas de BI

Apresenta plataformas de BI de arrastar e soltar para construir dashboards interativos e compartilháveis. Conecta fontes de dados de planilhas e SQL a camadas visuais de relatórios de negócios.

Aula 1 • Distribuições de Probabilidade e Amostragem

Aprofunda os conceitos de probabilidade do Capítulo 1 com distribuições amostrais e o teorema central do limite. Fornece a base teórica para todas as técnicas inferenciais subsequentes.

Aula 2 • Análise de Correlação e Regressão

Ensina correlação de Pearson e Spearman e modelagem de regressão linear simples. Conecta a teoria estatística a perguntas de negócio preditivas e explicativas.

Aula 3 • Comparando Grupos com Testes Estatísticos

Abrange testes t, ANOVA e testes qui-quadrado para comparar médias e distribuições. Permite que analistas validem diferenças observadas com rigor estatístico.

Aula 4 • Testes A/B e Experimentação

Aplica testes de hipóteses a experimentos controlados e ao design de testes A/B. Prepara analistas para avaliar experimentos de produto, marketing e operações com rigor.

Aula 1 • Análise de Coorte e Funil

Ensina análise de coorte de retenção e métricas de funil de conversão para comportamento do usuário. Aplica habilidades de SQL e Python a casos de uso de análise de produto e marketing.

Aula 2 • Análise de Séries Temporais

Abrange tendência, sazonalidade e métodos de previsão para dados de negócios temporais. Aplica habilidades de Python e estatística a séries temporais de receita, demanda e operações.

Aula 3 • Design de KPI e Estruturas de Métricas

Abrange design de KPIs significativos, árvores de métricas e estruturas de north star. Conecta a saída analítica aos objetivos estratégicos de negócio e à tomada de decisões.

Aula 4 • Projeto Final: Projeto de Análise Completo

Integra todas as habilidades do curso em um projeto completo, desde dados brutos até a apresentação executiva. Demonstra prontidão do analista por meio de uma entrega com qualidade de portfólio.