Meu mapa de estudos em dados
Até aqui, meus estudos foram bastante aleatórios: um pouco de cada coisa, sem uma ordem definida. Tenho contato com várias ferramentas — Excel, Google Sheets, Looker Studio, Power BI, Python, SQL e Apps Script —, mas ainda não domino nenhuma como gostaria. Neste post organizo o caminho que pretendo seguir daqui para frente.
Meu roadmap não é um cronograma rígido. É um mapa para orientar meus estudos, acompanhar minha evolução e registrar o que aprendi ao longo do caminho.
Meu objetivo
Primeiro, crescer e dominar melhor a área como analista de dados. Depois, dar o próximo passo rumo à engenharia de dados, aprendendo ferramentas como o Databricks.
Como vou estudar
Tenho de 1 a 2 horas por dia para estudar. Por isso, a ideia é manter uma frente principal de cada vez, aprofundando em vez de abrir vários assuntos ao mesmo tempo. Não vou estipular prazos: o objetivo é aprender, não cumprir um cronograma.
Visão geral
| Etapa | Foco | Status |
|---|---|---|
| 01. Fundamentos | SQL + Estatística básica | Em andamento |
| 02. Python para Dados | Pandas + análise + gráficos | Próxima |
| 03. BI e Visualização | Power BI + Looker Studio | Próxima |
| 04. Automação e Integração | APIs + Apps Script + ETL + Git | Futuro |
| 05. Projetos | Projetos reais para portfólio | Contínuo |
Detalhando as etapas
01. Fundamentos: SQL + Estatística básica
SQL e fundamentos de dados
- SELECT, WHERE e ORDER BY
- GROUP BY e agregações
- JOIN
- Subqueries
- CTEs
- Window Functions
Estatística básica, estudada em paralelo, principalmente quando eu começar a analisar bases:
- Média, mediana e desvio padrão
- Correlação
02. Python para Dados
- Pandas e limpeza de dados
- NumPy
- Matplotlib e Seaborn
- Análise exploratória de dados (EDA)
03. BI e Visualização
Power BI
- Power Query
- Modelagem e relacionamentos
- DAX
- KPIs
- Dashboards
- Storytelling com dados
Looker Studio
- Dashboards
- Filtros
- Métricas
- Visualização
04. Automação e Integração de dados
- Google Apps Script
- APIs
- Python para automação
- ETL
- Git e GitHub
05. Projetos (contínuo)
Ao longo de todas as etapas, quero aplicar o que aprendo em projetos reais para o meu portfólio. O primeiro será um estudo de caso simples de análise de vendas.
Depois: rumo à engenharia de dados
Com a base de análise mais sólida, o próximo passo é a engenharia de dados:
- Databricks: PySpark, Delta Lake, notebooks e workflows
- Modelagem de dados
- Noções de computação em nuvem
Uma observação
Este mapa vai mudar conforme eu aprender o que funciona melhor para mim, e isso faz parte do processo. Vou atualizá-lo por aqui sempre que precisar.