Trilha Analista de Dados: tudo o que estudar, tópico por tópico

Fundamentos de consultas SQL: seleção de colunas com SELECT, filtragem com WHERE, junção de tabelas e agregação de dados com GROUP BY e HAVING

SQL avançado: funções de janela (ROW_NUMBER, RANK, LAG, LEAD, totais acumulados) e Common Table Expressions para consultas legíveis e modulares

Subconsultas correlacionadas e não correlacionadas, EXISTS, IN, UNION, INTERSECT, EXCEPT e escolha entre subconsultas e junções

Leitura de planos EXPLAIN, compreensão de índices, prevenção de armadilhas comuns de desempenho como SELECT *, consultas N+1 e ausência de WHERE em tabelas grandes

Tendência central (média, mediana, moda), dispersão (variância, desvio padrão, IQR), distribuições e estatísticas resumidas para exploração de dados

Hipóteses nula e alternativa, p-valores, intervalos de confiança, teste t, teste qui-quadrado e significância estatística

Correlação de Pearson e Spearman, regressão linear simples e múltipla, R-quadrado e a diferença entre correlação e causalidade

Desenho de experimentos A/B, cálculo de tamanho amostral, interpretação de resultados, armadilhas comuns (espiar resultados, comparações múltiplas) e abordagens bayesiana vs frequentista

Construção de tabelas de retenção por coorte, análise de conversão de funil, análise de churn e estimativa de LTV a partir de dados comportamentais

Aplicação de técnicas avançadas de inferência estatística: inferência bayesiana, bootstrapping, testes de permutação e análise de poder estatístico

Projeto de experimentos estatisticamente rigorosos: cálculos de poder, randomização, métricas de proteção e testes sequenciais

Uso de métodos de inferência causal: diferenças em diferenças, variáveis instrumentais, descontinuidade de regressão e DAGs

Análise de dados temporais: identificação de tendências, detecção de sazonalidade, métodos de decomposição, médias móveis e técnicas básicas de previsão

Design de questionários eficazes, análise de escala Likert, estratégias de amostragem, mitigação de viés de resposta e validade estatística de resultados de pesquisas

Escolha do tipo de gráfico adequado para diferentes tipos de dados e perguntas: barras, linhas, dispersão, pizza, histograma, box plot, mapa de calor

Hierarquia de layout, carga cognitiva, densidade de informação, uso de cores, design de filtros e dashboards responsivos

Estrutura narrativa para apresentações de dados, técnicas de anotação, contextualização e comunicação adequada ao público

Construção de dashboards interativos com ferramentas de BI: campos calculados, parâmetros, ações, expressões LOD, DAX e fundamentos de LookML

Criação de relatórios para a diretoria: scorecards de KPI, resumos de tendências, relatórios baseados em exceções e recomendações estratégicas

Small multiples, sparklines, visualizações animadas, dashboards interativos com drill-through, tipos de gráficos customizados e data art para engajamento

Excel/Sheets avançado: VLOOKUP/XLOOKUP, tabelas dinâmicas, formatação condicional, fórmulas matriciais e validação de dados

Operações com DataFrame, groupby, merge, pivot, operações vetorizadas com NumPy e encadeamento de métodos para fluxos de análise de dados

Tratamento de valores ausentes, duplicatas, conversões de tipo, normalização de strings, análise de datas e validação de qualidade de dados

Consumo de APIs REST, análise de respostas JSON, tratamento de paginação, limitação de taxa e achatamento de JSON aninhado em formato tabular

Agendamento de relatórios com cron/Airflow, relatórios por e-mail com templates, automação de notebooks Jupyter e monitoramento de atualidade dos dados

Construção de modelos financeiros em planilhas, técnicas avançadas de tabela dinâmica, combinações INDEX-MATCH, arrays dinâmicos, fundamentos de macros/VBA e análise de cenários

Compreensão de pipelines de dados upstream, conceitos de atualidade dos dados, rastreamento de linhagem, monitoramento de SLAs e colaboração eficaz com engenheiros de dados

Definição de KPIs significativos, estabelecimento de metas, construção de dashboards de acompanhamento e distinção entre métricas de vaidade e métricas acionáveis

Apresentação de descobertas para públicos não técnicos, gestão de expectativas, tratamento de objeções sobre dados e tradução de perguntas de negócios em tarefas analíticas

Elicitação de requisitos analíticos junto às partes interessadas, definição de escopo de projetos, critérios de sucesso e gestão de ambiguidades

Aplicação de frameworks de métricas como North Star Metric, métricas pirata AARRR, OKRs e balanced scorecards para estruturar o trabalho analítico

Estruturação de decisões com dados: análise custo-benefício, matrizes de decisão, cálculos de valor esperado e comunicação de incertezas

Identificação e mitigação de viés em conjuntos de dados, relatórios éticos de dados, considerações de privacidade, riscos de deturpação e práticas analíticas responsáveis

Análise de funil, curvas de retenção de usuários, métricas de adoção de funcionalidades, mapeamento de jornada do usuário, métricas de ativação e análise de crescimento orientado por produto

Análise de unit economics, cálculos de LTV/CAC, análise de receita, modelagem financeira baseada em coortes e construção de dashboards financeiros

Construção de modelos preditivos simples: regressão logística, árvores de decisão, seleção de variáveis, divisão treino/teste e métricas de avaliação de modelos

Análise RFM, clusterização k-means, segmentação comportamental e tradução de segmentos em ações de negócios

Modelos de atribuição (primeiro toque, último toque, linear, decaimento temporal, baseado em dados), atribuição multitoque e testes de incrementalidade

Projeto de plataformas de análise self-service: camadas semânticas, catálogos de dados, conjuntos de dados governados, programas de treinamento e equilíbrio entre autonomia e governança

Aplicação de técnicas de NLP à análise de negócios: análise de sentimento, modelagem de tópicos, classificação de textos e embeddings

Aplicação de práticas de engenharia de análise: camada semântica, repositório de métricas, contratos de dados e design de análise self-serve

Trabalho com dados de localização: junções espaciais, mapas de calor, cálculos de distância, mapas coropléticos, geocodificação e fundamentos de GIS para análise de negócios

Construção de ferramentas analíticas para usuários não técnicos, boas práticas de documentação, criação de material de treinamento, handoff de dashboards e medição de adoção