12 semanas · intensivo
Para quem tem prazo
Cerca de 8 horas por semana, em 1 ciclo focados nas lacunas que mais pesam.
Carreira em 2026 e 2027
Analytics Engineer
O Analytics Engineer transforma dados brutos do warehouse em modelos testados e documentados em que analistas e áreas de negócio podem confiar. O papel fica entre engenharia de dados e análise, aplicando práticas de software como versionamento, testes e CI às transformações em SQL.
Conteúdo revisado em 20 de outubro de 2026
- Níveis
- 3
- Habilidades mapeadas em Sênior
- 10
O que cada nível precisa provar
Sênior
Define os padrões de modelagem, testes e entrega do código de analytics e responde pela confiabilidade dele entre os times.
Você gasta menos tempo em modelos individuais e mais na estrutura que permite aos outros construir com segurança: convenções do projeto, CI, revisão de mudanças arriscadas e decisões sobre o que streamar ou sincronizar. A diferença do pleno é que suas escolhas são herdadas por todo analista que mexe no projeto.
Score médio exigido: 74%
Staging/Intermediate/Marts Layers
Por quê: Permite reestruturar um projeto que cresceu de forma orgânica, definir regras de nomenclatura e materialização e impedir que marts referenciem fontes brutas diretamente.
Dimensional Modeling in Practice
Por quê: Permite desenhar dimensões conformadas compartilhadas por várias áreas, de modo que vendas e marketing reportem o mesmo número de clientes e não dois números concorrentes.
Data Testing (Generic & Custom)
Por quê: Permite decidir quais testes customizados protegem modelos críticos para o negócio e quais são ruído, mantendo a suíte rápida o bastante para que ninguém a ignore.
Data Quality Assertions
Por quê: Permite definir checagens de anomalia e distribuição com limites razoáveis e um responsável por cada alerta, para que um incidente de qualidade seja tratado e não silenciado.
Snowflake/BigQuery/Redshift
Por quê: Permite pesar uma migração de warehouse ou um setup multiplataforma contra preço, concorrência e lock-in, e defender a recomendação perante engenharia e finanças.
Cloud Cost Optimization for Analytics
Por quê: Permite configurar resource monitors e atribuição de custo por time, de forma que uma query descontrolada seja limitada automaticamente e a fatura mensal seja explicável.
CI/CD for Data Models
Por quê: Permite montar um CI enxuto com estado diferido, de modo que um pull request teste só os modelos alterados, dando feedback rápido e barrando uma mudança que quebra antes do merge.
Data Lineage & Impact Analysis
Por quê: Permite rastrear um número errado de dashboard até o modelo de origem e listar todos os ativos a jusante afetados antes de renomear uma coluna.
Reverse ETL Patterns
Por quê: Permite sincronizar com segurança um segmento de clientes modelado para o CRM, tratando duplicatas, falhas de sincronização e mapeamento de campos, para que vendas atue sobre dados do warehouse.
Real-Time Analytics Modeling
Por quê: Permite decidir quais métricas realmente precisam de atualização quase em tempo real e modelá-las com micro-batch ou streaming, deixando o resto no batch diário, mais barato.
Estude para Analytics Engineer: trilhas e simulados
Cada nível desta carreira corresponde a uma trilha de estudo. Leia o mapa completo de tópicos de graça e depois meça seu nível.
Dois caminhos para subir um nível
40 semanas · regular
Junto com o trabalho
Cerca de 4 horas por semana, em 3 ciclos. Cada ciclo leva o que ficou pendente do anterior.
Perguntas frequentes
O que é Analytics Engineer?
O Analytics Engineer transforma dados brutos do warehouse em modelos testados e documentados em que analistas e áreas de negócio podem confiar. O papel fica entre engenharia de dados e análise, aplicando práticas de software como versionamento, testes e CI às transformações em SQL.
O que cada nível de Analytics Engineer precisa comprovar?
Analytics Engineer está mapeado em 3 níveis: Pleno, Sênior e Especialista. Abra cada nível acima para ver as habilidades que ele precisa comprovar.
Quanto tempo leva o plano de Analytics Engineer?
O plano tem 2 ritmos: 12 semanas por nível, com cerca de 8 horas por semana (intensivo) e 40 semanas por nível, com cerca de 4 horas por semana (regular).
Como o plano funciona
Tutor IA
Uma sessão de estudo para cada tema novo, no seu nível.
Escola de IA
Aulas práticas de uso de IA no dia a dia da sua carreira.
Assessments
Cada requisito é provado por medição, não por um checkbox.
Revisão de etapa
No fim de cada ciclo você vê o que avançou e o que segue para o próximo.
Descubra em que nível você está
Um diagnóstico curto mede as habilidades que você já tem. A jornada começa daí.