Para ser Analista de Dados, é fundamental gostar de estudar, pois é uma área extremamente dinâmica em que não existe um “ponto final” na aquisição de conhecimento (o tal do life long learning). Também é essencial ter curiosidade e autodidatismo - o dia a dia envolve muito erro e acerto. A maior parte das vezes você vai precisar pesquisar na internet como resolver seu problema. Nesse ponto vale reforçar que o inglês é essencial para achar o conteúdo que precisa.
Antes de entrar nas ferramentas técnicas, estude a base teórica.
- O que são dados? Quais são suas fontes? O que define análise de dados?
- O que é business intelligence?
- Quais são os diferentes escopos na área de Dados?
- O que é o negócio e como se relaciona com a área de Dados? Quais são os principais modelos de negócio?
- O que é LGPD?
Conecte-se com o ecossistema: faça parte de comunidades, escute podcasts, veja vídeos, leia livros da área, assine newsletters e siga pessoas da área no Linkedin.
Veja mais podcasts aqui
Aprenda a calcular as principais métricas de negócio. Como ROI, Payback, % Crescimento, Market Share...
- Youtube: DataB
- Youtube: Leila Gharani
- Youtube: Ninja do Excel
- Udacity: SQL for Data Analysis
- FreeCodeCamp: Relational Database
- Youtube: Programação Dinâmica
- Livro: Introdução à Linguagem SQL: Abordagem Prática Para Iniciantes
- Livro: SQL Para Análise de Dados: Técnicas Avançadas Para Transformar Dados em Insights
- Pratique: HackerRank
- Pratique: Mode
- Pratique: DataLemur
Média, Mediana, Moda, Quartil, Teste de Hipótese, Distribuição e Normal.
- Udacity: Statistics
- Curso EBA: Estatística do Básico ao Avançado - Renata Biaggi
- Livro: Estatística: O que é, para que serve, como funciona
- Livro: Como mentir com estatística
PowerBI, Tableau, Metabase e/ou Google Looker.
- Data Science Academy: Microsoft Power BI Para Business Intelligence e Data Science
- Youtube: Leonardo - Power BI Experience
- Youtube: MeD - Desafio PowerBI: Introdução a Análise de Dados
- Livro: Storytelling com dados: Um guia sobre visualização de dados para profissionais de negócios
- FreeCodeCamp: Data Analysis with Python
- FreeCodeCamp: Scientific Computing with Python
- Data Science Academy: Fundamentos de Linguagem Python Para Análise de Dados e Data Science
- Kaggle: Pandas
- Kaggle: Python
- Artigo Certificação DA-100/PL-300 Microsoft: Exame DA-100/PL-300: Analyzing Data with Microsoft Power BI
Em resumo, você precisa aprender as habilidades de:
- Determinar a pergunta principal: Reconhecer o objetivo geral da análise de dados ajuda a definir o palco para os dados de que você precisa e o que o resultado da análise deve revelar.
- Coleta de dados: Nem sempre os dados vão chegar prontos por um Engenheiro de Dados. É importante entender a pipeline dos dados.
- Limpeza de dados: Transformar os dados brutos em algo que você possa analisar através do processo de limpeza de dados. Isso envolve corrigir ou remover dados incorretos ou irrelevantes, verificar a completude de dados, remover duplicatas ou produzir valores importantes, como médias.
- Análise de dados: Analisar os dados que você limpou envolve procurar insights dentro dos dados, incluindo padrões, relacionamentos e a possibilidade de previsões.
- Interpretação: Produzir visualizações dos resultados da sua análise de dados. Essas visualizações contarão a história dos seus dados e responderão à pergunta de uma forma fácil de compreender e direta ao ponto.
A melhor forma de praticar é através da criação de portfólios
- Aprenda a editar seu GitHub com Rafaella Ballerini
- Compartilhe seu aprendizado no GitHub, Linkedin ou Medium