Carreira

Como começar do jeito certo em Análise de Dados?

POR
Vinícius Souza

De todas as perguntas que recebemos, essa talvez seja a que mais deixa as pessoas perdidas. E também neh, convenhamos, a internet é um bombardeio de informações que pode deixar qualquer um maluco… haha.

Neste post eu pretendo te dar uma boa luz e prometo que se ler até o fim você já vai saber o que fazer da vida ainda hoje.

Bora comigo? 

O que aprender em análise de dados?

Antes de responder isso de forma objetiva, precisamos fazer um alinhamento de expectativas inicial: Você tem clareza do porquê precisa analisar dados?

Sei que parece meio óbvio, mas só de responder isso já muda muita coisa.

Veja: Muita gente acha que precisa aprender Power BI, Python e qualquer outra ferramenta da moda para começar a analisar dados. Com isso buscam cursos com essas temáticas. 

Resultado? A pessoa sai com a falsa sensação de que aprendeu análise de dados. 

Aí chega na hora da entrevista (ou mesmo no trabalho) e, BAAAMM! A pessoa não sai do lugar.

Ela não sabe como começar a análise com os dados da empresa. Perguntas como:

  • Devo baixar toda a base de dados e importar no Excel ou Power BI?
  • Será que eu crio um gráfico?
  • Faço umas médias das colunas?
  • Crio várias tabelas dinâmicas no Excel?
  • Tá mas como eu mostro isso?
  • Como conto a história por trás desses dados para meu chefe ou cliente interno?

Já caiu em situações parecidas? Aposto que sim!

O motivo disso é que a maior parte das pessoas foi aprendendo no susto… a medida que foi precisando de algo no trabalho foi vendo um vídeo ali, um Google lá e foi se resolvendo.

Mas o aprendizado ficou superficial e cheio de falhas.

Isso acontece pois aprender análise de dados envolve uma ordem lógica! Desta forma você não cria gargalos e as coisas começam a realmente fazer sentido.

Outro ponto importante é o "motivo da necessidade de seu aprendizado em análise de dados". 

Podemos separar as pessoas em dois grandes grupos:

  1. As que querem aprender para fazer uma transição de carreira para dados e;
  2. As que querem aprender apenas para serem mais produtivas e competitivas na carreira atual, sem ter que fazer uma transição.

Se você é do grupo 1 (Transição), você vai ter que aprender muito mais técnicas e ferramentas que as pessoas do grupo 2 (Aperfeiçoamento).

Isso é importante entender pois um erro comum é que muita gente do grupo 2 (Aperfeiçoamento) acaba desistindo por achar que precisa aprender coisas complexas como Machine Learning e IA.

Se você é do grupo 1 (Transição) e quer ser um analista ou cientista de dados (entenda a diferença entre eles aqui), você vai ter que entender coisas como:

  • Estatística Descritiva
  • Análise de Correlação e Associação
  • Probabilidades
  • Inferência estatística
  • Excel e planilhas eletrônicas
  • SQL
  • Ferramentas de Visualização como Power BI e Tableau
  • Python ou R
  • Machine Learning e IA
  • Metodologia de Projetos de Dados
  • E umas coisinhas mais…

Agora, se seu objetivo é simplesmente criar boas análises e gerar valor na sua empresa, valorizando-se na sua carreira atual como analista de marketing, atendimento, finanças, educação, entre outros, você tem um caminho muito mais suave que vou descrever ao longo do post.

Então o primeiro passo é esse: Defina seu objetivo!

O que falta agora é definir a ordem dos estudos.

Como começar a aprender análise de dados? A ordem ideal !

Show! Agora que você tem uma ideia do seu objetivo atual, vamos falar de algo que pode ser decisivo entre você ter resultados de curto e longo prazo: A ordem dos estudos!

Aqui já saiba que é uma discussão longa na internet e a cada lugar que você consultar, vai ver uma ordem diferente.

Deve aprender Python primeiro? Ou começo no Power BI? E o Excel, ainda é relevante?

Enfim, aqui a treta começa.

O que posso adiantar é que muitos desses lugares não fazem uma análise do que chamo de "Pareto da Geração de Valor em Dados".

Conhece o conceito de Pareto? É aquele que diz que 80% dos efeitos vêm de 20% das causas.

Ex:

  • 80% dos elogios que já recebeu vieram de 20% das pessoas que conhece
  • 80% do resultado que teve no trabalho vieram de 20% dos projetos que entregou
  • E assim por diante.

Em análise de dados é a mesma coisa.

Existem milhares de ferramentas por aí. É de se esperar que 80% do resultado gerado venha apenas de 20% das ferramentas.

O mesmo para as técnicas estatísticas. Se você fez uma faculdade em que teve matérias de estatística, vai entender isso rapidamente.

A gente aprende um monte de coisas inúteis que não usamos no mercado. No entanto, 20% dessas técnicas que aprendemos já geram 80% dos insights e resultados em análise de dados.

Esses 80% e 20% são apenas uma ideia, beleza? Não se apegue nos números. É apenas para você entender o espírito da coisa.

Pois bem! A ordem que vou sugerir abaixo já leva em consideração o pareto que considero ideal.

Essa sugestão é o resultado de mais de 15 anos de prática em Análise de dados em várias áreas. Deu tão certo que na Preditiva, nossas trilhas já estão estruturadas dessa forma.

Sem mais delongas… vamos lá:

Prioridade 1) Aprenda uma ferramenta de dados inicial

As principais ferramentas disponíveis são: Excel, SQL, Power BI e Python.

Recomendamos que todo profissional comece com o Excel como primeira ferramenta.

Por que escolher o Excel como primeira ferramenta?

O Excel é talvez o software mais presente nos computadores pessoais e corporativos. Com uma simples tabela e gráfico no Excel você já resolve muita coisa. 

O Excel é simples e muito poderoso, sendo ótimo para ganho de produtividade e análises em bases de dados pequenas (até 1 milhão de linhas).

Por que não escolher o SQL primeiro?

Pois o SQL é uma linguagem de consulta em bancos de dados. Embora possa ser usado para análise de dados, ele existe muito mais tempo de estudos para dominar do que o simples Excel.

Por que não escolher o Power BI primeiro?

Pois o Power BI exige que os dados já estejam prontos para análise. Você não vai conseguir apagar, inserir, editar dados em células como Power BI. Embora você possa usar o recurso Power Query para transformar os dados, ele é mais complexo que o Excel e, diferentemente do colega, nem toda empresa tem o Power BI instalado e pronto para uso.

Por que não escolher o Python primeiro?

Pois o Python é uma linguagem de programação e aprender linguagens já levam muito mais tempo do que as alternativas anteriores. É possível fazer com muito mais facilidade a maior parte das análises no próprio Excel. O Python só é indicado como segunda ou terceira ferramenta a ser dominada por um analista de dados. Já para um cientista de dados, até pode ser a primeira (embora ainda ache que o Excel seja a escolha).

Prioridade 2) Aprenda estatística fundamental para negócios

Agora que você terminou seu curso de Excel para Análise de Dados (na Preditiva, nosso curso é gratuito - inscreva-se aqui), você vai precisar entender sobre as técnicas estatísticas fundamentais.

Esqueça aquela estatística chata de faculdade. Estou falando de técnicas bem simples, mas muito poderosas.

Você vai precisar aprender, na seguinte ordem:

  1. Tabelas de Frequência: Contagens e Frequências Relativas.
  2. Medidas Resumo: Média, Mediana, Quartis, Desvio Padrão
  3. Gráficos analíticos: Histogramas, Box-Plots e Dispersões
  4. Análise Bivariada: Correlação, Associação e IV (Information Value)
  5. Probabilidades: Premissas gerais e Teoria Frequentista/Lei dos grandes números

E é isso!

Você não tem ideia do mundo de oportunidades que vai abrir na sua frente quando você conhecer suficientemente o Excel e os cinco tópicos acima.

Você vai conseguir:

  • Resumir qualquer tipo de base de dados e entender seus padrões
  • Descobrir tendências e comportamentos dos dados
  • Visualizar grandes bases de dados em gráficos objetivos e funcionais
  • E claro, propor melhorias em qualquer processo e área por causa disso.

Só com esse conhecimento você já garante:

  1. Maior estabilidade na carreira, pois todo gestor quer gente no time que entenda essas técnicas
  2. Condições de pleitear aumentos salariais e promoções (pois o mercado está com déficit de profissionais com essa habilidade)
  3. Maior liberdade e autonomia, não dependendo de áreas de dados internas para gerar análises para você
  4. Analisar criticamente qualquer relatório ou dashboard que te enviaram
  5. Que vai parar de "boiar" em reuniões por não entender a linguagem técnica de outros times mais técnicos que você

Quer mais?

Prioridade 3) Aprenda uma metodologia para análise de dados

Quer sair na frente de todo mundo e realmente se destacar? Aprenda como usar as ferramentas e as técnicas acima em qualquer projeto ou área.

Como fazer isso? Aprendendo uma metodologia.

No mercado, a principal metodologia de projetos de dados é a CRISP-DM (falamos sobre ela aqui).

Com o CRISP-DM, você vai aprender a criar análises que realmente geram valor para as empresas em 6 grandes passos. São eles:

  • Etapa 1: Entendimento do Negócio
  • Etapa 2: Entendimento dos dados
  • Etapa 3: Preparação dos dados
  • Etapa 4: Desenvolvimento do estudo ou análise
  • Etapa 5: Validação
  • Etapa 6: Implantação do projeto e acompanhamento

Como já temos um post sobre isso, não vou me prolongar aqui. Mas te garanto que aprender a ordem em que as coisas acontecem na metodologia já te coloca no "santo graal" da análise de dados de qualquer área.

Pronto! Agora você já começou do melhor jeito possível em análise de dados sem deixar gargalos pelo caminho.

Naturalmente, existem várias outras técnicas e ferramentas que poderia aprender, mas vamos com calma.

Este post teve como objetivo te dar um BOM pontapé inicial e te tirar do ZERO.

Continue acompanhando pois nos próximos posts vou te dar mais trilhas e sugestões de conteúdos no caso de você querer se especializar em dados fazendo uma transição para Analista de Dados e Cientista de Dados.

Em quais lugares e sites posso aprender tudo isso?

Você pode aprender esses tópicos separadamente em sites como:

  • Coursera (o melhor para cursos gratuitos em geral)
  • Udemy (cursos baratos e tem coisas boas se souber procurar)
  • Khan Academy (gratuito e um dos mais didáticos em estatística)

Se você for muito autodidata e tem tempo para se organizar e garimpar cursos para cada um dos tópicos que falamos, as opções acima podem ser muito boas.

Agora, se você não tem muito tempo a perder e prefere um conteúdo já organizado e na ordem certa para seu objetivo profissional em dados, com aulas didáticas e diretas ao ponto, o melhor suporte em português de professores de mercado, recomendo a nossa escola, a Preditiva. Somente aqui você tem acesso a:

  • Mais de 300 aulas em vídeo com foco nas técnicas, não somente em ferramentas
  • Mais de 160h de carga horária, sem enrolações
  • Trilhas de Aprendizado para cada perfil
  • Ferramenta "Monte seus estudos"
  • Acesso a 3 certificados
  • Exercícios práticos com resolução detalhada
  • Módulo de Gestão de Carreira
  • Suporte técnico de professores especialistas
  • Mentoria ao Vivo via Zoom
  • Comunidade de Alunos
  • E muito mais!

Para conhecer nossa formação, basta clicar aqui.

E aí, fez sentido para você?

Espero que com esse conteúdo você se sinta menos perdido nesse mundão dos dados.

Te espero no próximo post.

Abraço, Vini.

Vinícius Souza
Bacharel em Matemática Aplicada pelo IME-USP, possui mais de 17 anos de experiência no mercado financeiro e no de serviços de Atendimento ao Cliente. Criou soluções em Analytics nas mais diversas áreas, entre elas: Auditoria Interna, Compliance, Risco de Crédito e Cobrança. Atuou como Head de Ciência de Dados em uma das maiores Fintechs do Brasil.
Continue lendo...
Como definir Métricas e KPIs para avaliar o sucesso do seu projeto?
LER MAIS
Qual é a diferença entre Análise Descritiva, Análise Preditiva e Análise Prescritiva?
LER MAIS
O que é Análise de Dados e como ela pode ajudar na sua carreira?
LER MAIS
Atuais tendências em Análise de Dados: O que o futuro reserva?
LER MAIS
Newsletter Preditiva
Inscreva-se e fique por dentro de tudo que acontece no mercado de análise de dados
Obrigado! Aguarde nossas notícias no e-mail escolhido.
Ops. Alguma coisa deu errado.