SQL para análise de dados · Guias · 30 de outubro de 2026 · 10 min de leitura

Como ser analista de dados: o que estudar, em que ordem e quanto tempo leva

O trabalho de um analista de dados é responder perguntas de negócio com dados: quantos, com que frequência, comparado com o quê e por que mudou. As habilidades decorrem disso. Aprenda SQL primeiro, porque quase toda vaga de analista envolve puxar dados de um banco de dados. Depois, planilhas para trabalhar com os resultados, estatística básica para não tirar conclusões erradas e uma ferramenta de BI ou de gráficos para mostrar o que você encontrou. Python é útil, mas pode vir depois. No caminho, monte um pequeno portfólio e se prepare para as entrevistas, que testam principalmente SQL e o seu raciocínio diante de um problema de negócio.

Quanto tempo isso leva depende do seu ponto de partida e das suas horas de estudo, não do marketing de um curso. Como referência aproximada, para quem estuda cerca de uma hora por dia começando do zero, chegar ao nível de se candidatar a uma vaga júnior costuma levar algo entre seis meses e um ano. Quem já trabalha com números no Excel tende a ir mais rápido; quem só consegue estudar nos fins de semana, mais devagar. Trate os prazos abaixo como faixas aproximadas, não como promessas.

O roadmap num relance

As etapas se sobrepõem. Você não precisa terminar estatística antes de abrir uma ferramenta de BI; precisa continuar avançando e continuar escrevendo consultas.

Etapa 1: SQL básico (comece por aqui)

O SQL vem primeiro por três motivos práticos. Ele está em quase toda descrição de vaga de analista. É a habilidade que as entrevistas testam de forma mais direta, muitas vezes com um exercício ao vivo. E dá para aprender rápido: o núcleo do que um analista escreve no dia a dia é um punhado de cláusulas.

O que aprender, nesta ordem:

1. SELECT e FROM: escolher colunas.
2. WHERE: filtrar, incluindo IN, LIKE, BETWEEN e IS NULL.
3. ORDER BY e LIMIT.
4. Agregações: COUNT, SUM, AVG, MIN, MAX.
5. GROUP BY e HAVING.
6. JOIN, principalmente a diferença entre INNER e LEFT, e o que acontece quando uma linha encontra várias correspondências.
7. CASE para lógica se-então.

No fim desta etapa, você deve conseguir responder uma pergunta como “quantos voos havia em cada status?” sem consultar nada:

SELECT status, COUNT(*) AS flights
FROM flights
GROUP BY status
ORDER BY flights DESC;

(Este e os outros exemplos daqui rodam no banco de dados da companhia aérea do curso de SQL da Nomto: 33.121 voos entre 104 aeroportos no verão de 2026 do hemisfério norte.)

O hábito que importa mais que a sintaxe: antes de escrever uma consulta, saiba o que uma linha de cada tabela representa. A maioria dos números errados vem de contar linhas que não são o que você pensa. O guia de comandos SQL básicos cobre esta etapa passo a passo.

Etapa 2: planilhas

Você vai continuar usando Excel ou Google Planilhas o tempo todo: para olhar o resultado de uma consulta, ajustá-lo, fazer um gráfico rápido ou mandar para alguém que não escreve SQL. Aprenda tabelas dinâmicas, funções de busca (PROCX ou PROCV), fórmulas condicionais (SE, SOMASES, CONT.SES), gráficos básicos e limpeza simples (tirar espaços, separar colunas, corrigir datas).

Se você já usa Excel no trabalho, esta etapa pode levar dias em vez de semanas. Ela também facilita o SQL: uma tabela dinâmica é um GROUP BY, e um PROCV é um JOIN. O guia SQL ou Excel mostra a correspondência entre os dois.

Etapa 3: estatística básica

Você não precisa de uma graduação em estatística. Precisa do suficiente para evitar as conclusões erradas mais comuns:

• Média x mediana. Uma reserva muito grande puxa a média para cima; a mediana não se mexe. Saiba quando reportar cada uma.
• Distribuições. Olhe a dispersão, não só um número. Um histograma muitas vezes diz mais que uma média.
• Porcentagens e taxas. Qual é o denominador? “Os cancelamentos subiram” diz pouco se o número de voos também subiu.
• Correlação não é causalidade. Dois números que se movem juntos são o ponto de partida de uma pergunta, não uma resposta.
• Lógica de teste A/B. O que é um grupo de controle, por que o tamanho da amostra importa e o que um intervalo de confiança diz (e o que não diz).

Uma taxa sempre precisa de um denominador claro. Aqui está a fatia de todos os voos programados que foi cancelada:

SELECT ROUND(100.0 * COUNT(*) FILTER (WHERE status = 'Cancelled') / NULLIF(COUNT(*), 0), 2) AS cancelled_pct
FROM flights;

Se 1,25% é bom ou ruim depende de com o que você compara: o mês anterior, outra rota, a meta. Essa comparação é o trabalho do analista.

Etapa 4: SQL intermediário

Quando o básico virar rotina, acrescente as ferramentas que transformam uma consulta numa análise:

• Subconsultas e CTE (WITH), para lógica em várias etapas, como tirar a média de contagens diárias.
• Funções de janela: ROW_NUMBER para top N por grupo, LAG para comparar com o período anterior, totais acumulados e médias móveis.
• Funções de data: truncar para semana ou mês, diferenças entre datas, preencher dias sem dados.

Uma consulta típica desta etapa, voos por dia com média móvel de sete dias:

SELECT CAST(scheduled_departure AS DATE) AS day,
       COUNT(*) AS flights,
       ROUND(AVG(COUNT(*)) OVER (ORDER BY CAST(scheduled_departure AS DATE)
                                 ROWS BETWEEN 6 PRECEDING AND CURRENT ROW), 1) AS avg_7d
FROM flights
WHERE scheduled_departure >= '2026-08-01'
GROUP BY day
ORDER BY day
LIMIT 3;

Funções de janela aparecem na maioria das entrevistas para analista, então não pule esta parte. Comece por funções de janela SQL e deixe a cola de SQL aberta enquanto pratica.

Etapa 5: BI e visualização

Escolha uma ferramenta de BI e aprenda direito, em vez de três pela metade. Power BI, Tableau e Looker Studio são comuns; veja quais aparecem nas vagas do lugar onde você quer trabalhar. Os conceitos se transferem: conectar aos dados, montar alguns gráficos, acrescentar filtros, publicar um dashboard.

Mais importante que a ferramenta é escolher o gráfico certo: linhas para mudança ao longo do tempo, barras para comparar categorias e quase nunca um gráfico de pizza com mais de três fatias. Um dashboard deve responder uma pergunta específica para uma pessoa específica, não mostrar tudo o que dá para medir.

Etapa 6: métricas de negócio

É isso que separa um analista de alguém que sabe SQL. Aprenda como as métricas mais comuns são definidas e calculadas, e pratique calculá-las você mesmo:

• Funis: que fatia dos usuários passa de uma etapa para a seguinte.
• Retenção e coortes: das pessoas que começaram numa determinada semana, quantas voltaram. Veja cohort retention in SQL (em inglês).
• Métricas de receita: ticket médio, receita por usuário, taxa de recompra.
• Crescimento: semana contra semana, mês contra mês, e por que períodos incompletos distorcem essas comparações.

Aprenda isso junto com as etapas 4 e 5, não depois: são as perguntas para as quais você vai escrever SQL e montar dashboards.

Etapa 7: Python, mais tarde

Python com pandas é útil para o que o SQL faz mal: limpeza de dados complexa, testes estatísticos, automatizar um relatório, trabalhar com arquivos e APIs. Muitas vagas de analista pedem. Mas muitas vagas júnior são principalmente SQL, planilhas e BI, e aprender Python antes de conseguir escrever um bom GROUP BY e um bom JOIN costuma atrasar as pessoas.

Quando chegar a hora, foque em pandas (carregar, filtrar, agrupar, juntar), notebooks Jupyter e gráficos básicos. Você vai perceber que a maioria das operações do pandas tem um equivalente direto em SQL que você já conhece.

Etapa 8: portfólio e preparação para entrevistas

Portfólio

Dois a quatro projetos pequenos e terminados valem mais que dez pela metade. Um bom projeto:

• parte de uma pergunta (“quais rotas têm mais atrasos, e o problema é a rota ou o horário?”),
• mostra as consultas que você escreveu,
• dá uma resposta curta com um ou dois gráficos,
• diz o que você verificaria em seguida e o que os dados não conseguem dizer.

Bases de dados públicas, ou os bancos de prática de um curso, servem. O que quem avalia procura é raciocínio claro, não um conjunto de dados incomum.

Entrevistas

As entrevistas para analista costumam combinar:

• Exercícios de SQL, muitas vezes ao vivo: JOIN, agrupamento, uma função de janela, um caso de borda com NULL ou duplicatas. As perguntas de entrevista SQL cobrem as mais típicas.
• Perguntas de caso: “As reservas caíram 10% na semana passada. Como você investigaria?” Elas testam se você confere os dados primeiro, quebra o número por segmento e pensa nas causas.
• Estatística básica: interpretar o resultado de um teste A/B, média x mediana.
• Falar dos seus projetos: o que você encontrou e o que faria diferente.

Pratique resolver exercícios de SQL com cronômetro e em voz alta. Os exercícios de SQL com respostas são um bom conjunto para começar.

O que você pode pular no começo

• Administração de banco de dados: índices, backups, permissões. Útil depois, não é necessário para começar.
• Machine learning: é outra função. Estatística básica basta para a maioria das vagas de analista.
• Várias ferramentas de BI ao mesmo tempo: uma basta até uma vaga exigir outra.
• Python avançado (classes, frameworks web): não faz parte do dia a dia de um analista.
• Todos os dialetos de SQL: aprenda um (PostgreSQL é uma boa escolha); os outros diferem em detalhes que você consulta quando precisar.

Erros comuns no caminho

• Assistir em vez de escrever. Vídeos dão a sensação de produtividade; escrever consultas que falham e corrigi-las é o que constrói a habilidade.
• Colecionar certificados em vez de projetos. O empregador quer ver o que você consegue fazer com dados.
• Aprender ferramentas sem perguntas. Cada consulta, gráfico e notebook deve responder algo específico.
• Pular a verificação dos dados. Conte as linhas, procure duplicatas e NULL, e confira se os totais fazem sentido antes de reportar um número.
• Esperar se sentir pronto. Comece a se candidatar quando conseguir fazer as etapas 1 a 4 e tiver alguns projetos; as próprias entrevistas são prática.

Como começar esta semana

Abra a sala de SQL da Nomto e execute sua primeira consulta no banco da companhia aérea: não há nada para instalar. O curso começa com uma apresentação dos dados e passa pelo básico em aulas curtas, cada uma terminando com exercícios verificados automaticamente. Uma hora por dia, na maioria dos dias, leva você mais longe que uma sessão longa uma vez por semana.

Perguntas frequentes

Dá para ser analista de dados sem faculdade?

Muita gente consegue. Os empregadores variam, mas para vagas de analista o que você consegue mostrar (domínio de SQL, um portfólio, raciocínio claro nas entrevistas) costuma pesar bastante. Uma graduação numa área quantitativa ajuda, mas não é o único caminho.

Devo aprender SQL ou Python primeiro?

SQL. Ele é usado em quase toda vaga de analista, as entrevistas o testam diretamente, e você se torna útil com ele mais rápido. Acrescente Python quando estiver confortável com JOIN, agrupamentos e funções de janela.

Quanto tempo leva para virar analista de dados?

Depende da sua bagagem e de quanto tempo você dedica. Para quem começa do zero com cerca de uma hora por dia, de seis meses a um ano até estar pronto para vagas júnior é uma faixa realista. Experiência anterior com Excel ou com trabalho cheio de números encurta esse prazo.

Preciso ser bom em matemática?

Você precisa estar à vontade com porcentagens, médias, proporções e estatística básica, não com matemática avançada. Pensar com cuidado no que um número significa importa mais que fazer contas.

Qual ferramenta de BI devo aprender?

Veja as vagas do mercado onde você quer trabalhar e escolha a ferramenta que mais aparece. Power BI, Tableau e Looker Studio são comuns, e os conceitos se transferem de uma para outra.

Outros idiomas: English, Español, Tiếng Việt, 简体中文