Data Analyst O Que Faz

O que realmente é um analista de dados no dia a dia

A maioria das pessoas acha que analista de dados passa o tempo todo montando dashboards bonitos no Power BI ou Tableau. Na prática, cerca de 60% a 70% do tempo é gasto limpando dados sujos, conversando com gente que não sabe explicar o que precisa, e tentando descobrir por que o número na planilha não bate com o sistema oficial da empresa. O resto é construir modelos, testar hipóteses e explicar para o gerente que sim, os dados estão certos, ele que está usando a métrica errada. O trabalho básico envolve quatro etapas que se repetem em praticamente qualquer projeto. A primeira é entender o que está sendo perguntado. Parece óbvio, mas a pergunta "por que as vendas caíram?" raramente tem uma resposta simples. Às vezes foi falta de estoque, às vezes foi um bug na integração do pagamento, às vezes foi apenas sazonalidade. O analista precisa mapear as variáveis, identificar as fontes de dados, e criar um dicionário mínimo do que cada coluna significa. A segunda etapa é a coleta e limpeza. Aqui é onde a maioria dos projetos travam. Dados vêm de CRM, ERPO, planilhas feitas por pessoas diferentes, logs de servidor com timestamps em fusos horários distintos. Uma vez, precisei cruzar notas fiscais eletrônicas de três estados diferentes, onde cada um usava uma convenção de data distinta: alguns com DD/MM/AAAA, outros com timestamp ISO, e ainda outros com data numérica pura sem separador. Passei uma tarde inteira escrevendo um script de normalização que converte tudo para datetime padronizado, tratando erros de parsing com fallbacks progressivos. O resultado final reduziu o tempo de extração de quatro horas para doze minutos em rodadas subsequentes.

A terceira etapa é a análise propriamente dita. Análise exploratória, agregações, segmentação, teste de hipóteses. Ferramentas comuns são SQL para query, Python com pandas e numpy para manipulação, R em alguns casos específicos, e ferramentas de visualização para apresentação. O importante aqui é saber qual técnica aplicar: uma média simples pode esconder uma distribuição bimodal que revela dois públicos completamente diferentes comportamentos. A quarta etapa é a comunicação dos resultados. Um gráfico mal legendado ou uma métrica mal definida pode levar decisões erradas. O analista precisa traduzir números em ações, explicar incerteza e margem de erro, e ser honesto quando os dados não sustentam a conclusão que alguém queria ouvir.

Skills técnicos exigidos

SQL é obrigatório. Não existe análise de dados séria sem SQL. Se você não consegue escrever um query com joins, subqueries, window functions e CTEs, vai depender de outra pessoa para acessar dados, e isso limita drasticamente sua velocidade e autonomia. Na prática, domino queries que mesclam tabelas de facturas, dimensões temporais, e dados de geolocalização, com agregações em múltiplos níveis hierárquicos. Python é o segundo pilar. Bibliotecas como pandas para manipulação tabular, numpy para computação numérica, matplotlib e seaborn para visualização básica, e scikit-learn para modelos preditivos simples. Em projetos maiores, uso polars em vez de pandas quando o dataset ultrapassa a memória disponível, porque polars processa dados em lazy mode e usa paralelização automática, cortando o tempo de execução pela metade em datasets de dezenas de gigabytes. estatística é o que separa quem faz gráficos bonitos de quem faz análises válidas. Testes A/B mal desenhados, p-hacking, confusão entre correlação e causalidade, ignorar viés de seleção — são armadilhas reais que vejo acontecendo todo dia. Um insight contra-intuitivo que aprendi na prática: a maioria dos testes A/B que vejo rodando em empresas não têm poder estatístico suficiente para detectar efeitos reais, porque o tamanho de amostra foi calculado sem considerar a variância histórica da métrica.

Ferramentas do cotidiano

Dependendo do setor, as ferramentas mudam bastante. Em e-commerce, uso muito BigQuery ou Redshift, com pipelines no Airflow para orquestração. Em fintech, a governança é mais rigorosa, com controle de acesso por linha e coluna, e auditoria de quem acessou o quê e quando. Em saúde, os dados são sensíveis e precisam de anonimização prévia, o que adiciona complexidade às queries. Visualização: Power BI domina o mercado corporativo brasileiro, mas tableau e Metabase são alternativas sólidas quando a licença é proibitiva ou quando se precisa de mais flexibilidade para embedar gráficos em aplicações próprias. Para dashboards operacionais em tempo real, uso Streamlit ou Grafana, dependendo se o foco é exploração livre ou monitoramento de métricas específicas. Versionamento de dados e código: Git é padrão, mas versionamento de datasets inteiros exige ferramentas como DVC ou MLflow. Uma vez perdi duas semanas de trabalho porque atualizei um parâmetro de feature engineering sem registrar a versão do dataset de treinamento, e o modelo produzido não era reproduzível. Desde então, documento tudo em um registro imutável.

Pegadinhas que ninguém conta

O maior erro de iniciantes é tratar dados como se fossem objetivos e neutros. Dados são produzidos por sistemas construídos por pessoas com objetivos específicos. Um formulário de cadastro pode sub-representar certa faixa etária se a interface não funcionar bem em celulares antigos. Um sistema de recomendação pode criar viés de confirmação ao mostrar apenas o que o usuário já demonstra gosto. O analista precisa entender o contexto de produção dos dados, não apenas manipulá-los. Outro erro comum é achar que mais dados resolve tudo. Em projetos reais, ter 50 variáveis com ruído é pior do que ter cinco variáveis limpas e relevantes. Feature selection, validação cruzada, e testes de significância existem exatamente para evitar overfitting — o modelo parecer perfeito nos dados de treino e falhar catastroficamente na produção. Distribuição de salários varia muito por setor e senioridade. No Brasil, um analista júnior pode começar em torno de R$ 4.000 a R$ 6.000 mensais. Pleno fica entre R$ 7.000 e R$ 12.000. Sênior e lead podem ultrapassar R$ 15.000, especialmente em fintechs e grandes varejistas. Remoto com empresa dos EUA paga em dólar, o que transforma a conta completamente, mas exige inglês fluente e disponibilidade de horário sobreposta.

Como entrar na área

O caminho mais direto é construir um portfólio com projetos reais. Não adianta seguir tutoriais genéricos do Titanic ou Iris. Pegue um dataset aberto do governo, do IBGE, do BCB, ou faça scraping ético de dados públicos, e resolva um problema que tenha impacto real. "Quantos municípios perderam receita tributária após a pandemia?" é uma pergunta muito mais interessante do que "prever o preço de casas em Boston". Projetos de portfólio devem incluir: descrição clara do problema, documentação do processo de limpeza, queries SQL explicadas, código Python versionado no GitHub, e visualizações que contam uma história. Recrutadores passam em média 30 segundos olhando um portfólio antes de decidir se aprofunda. Se não estiver claro o que você fez e por que, perde a oportunidade.

Limitações da profissão

Analista de dados não é bumerangue mágico. Existe muita frustração em projetos onde a pergunta inicial é mal definida, os dados não existem, ou a liderança quer uma resposta pronta antes mesmo de saber o que está buscando. Nesses casos, o trabalho vira gestão de expectativas, não análise. É preciso saber dizer não, propor escopo realista, e documentar limitações. Também há o risco de automação crescente. Tarefas repetitivas de extração e limpeza estão sendo cada vez mais automatizadas por ferramentas no-code e IA generativa. O valor do analista está migrando para interpretação contextual, comunicação de resultados, e tomada de decisão baseada em evidência — coisas que máquinas ainda fazem mal. Se você gosta de resolver problemas reais com dados, tem paciência para detalhes chatos, e consegue explicar números complexos para pessoas não técnicas, essa carreira pode ser muito gratificante. Se espera apenas montar gráficos bonitos e ser elogiado por isso, vai se decepcionar rápido. A parte chata é 80% do trabalho. A parte interessante é os 20% que restam, e vale a pena.