JobStera

Data Analytics no Brasil (2025): Salários R$3.5K-R$54K, SQL Obrigatório, Cursos Gratuitos Google, Como Começar sem Faculdade

Por JobStera Editorial Team • Atualizado em 22 de janeiro de 2025

Guia completo carreira Data Analytics Brasil 2025: salários reais por nível (Analista Dados júnior R$3.500-R$5.500, pleno R$5.500-R$9.000, sênior R$9.000-R$15.000, Data Scientist júnior R$5.000-R$8.000 até sênior R$15.000-R$30.000 podendo chegar R$54.000 big techs, Data Engineer júnior R$5.500-R$9.000 até sênior R$16.000-R$28.000, freelance R$50-R$350/hora ou R$2.000-R$30.000/projeto), SQL OBRIGATÓRIO 98% vagas prioridade #1, Power BI 75% vagas Brasil, Python 70%, Excel avançado 95%, cursos 100% gratuitos certificado (Google Data Analytics Certificate Coursera MAIS reconhecido Brasil, DIO bootcamps gratuitos Data Science, Data Science Academy cursos gratuitos, Hashtag Treinamentos YouTube), 40-50% vagas NÃO exigem diploma (startups fintechs tech), 50-60% preferem mas avaliam portfolio, empresas contratando (Nubank R$10K-R$28K, iFood R$7.8K-R$20K, Mercado Livre R$7.2K-R$18K, Magazine Luiza R$6.8K-R$14.5K aceita júnior SEM experiência programa Magalu Academy, Itaú R$6.8K-R$14.5K benefícios excelentes), Data Analyst vs Data Scientist vs Data Engineer diferenças completas foco ferramentas salários barreira entrada, primeiro emprego sem experiência roadmap 12-18 meses detalhado, 100-200 aplicações necessárias, portfolio GitHub 5-8 projetos ESSENCIAL, networking LinkedIn, déficit 530.000 profissionais Brasil crescimento 20-25% demanda ao ano, certificações Google Analytics Microsoft Power BI. Janeiro 2025.

O Mercado de Data Analytics no Brasil em 2025

O mercado de Data Analytics (Análise de Dados) no Brasil está em crescimento explosivo. Com o déficit estimado de 530.000 profissionais qualificados e crescimento de demanda de 20-25% ao ano enquanto a oferta cresce apenas 8-12%, os salários estão subindo consistentemente (aumento real de 15-25% em 2024-2025 acima da inflação). Empresas de todos os setores - fintechs, e-commerce, bancos, consultorias, varejo, indústria - estão desesperadas por profissionais que saibam transformar dados em insights acionáveis.

Uma característica importante desta área: 40-50% das vagas NÃO exigem diploma universitário. Startups, fintechs e empresas tech avaliam primariamente portfolio (projetos GitHub bem documentados), domínio de SQL (teste técnico na entrevista), e certificações relevantes. Empresas tradicionais (bancos, consultorias grandes) preferem diploma mas ainda avaliam candidatos fortes sem formação superior se o portfolio for excepcional.

Data Analyst vs Data Scientist vs Data Engineer

Data Analyst (Analista de Dados) transforma dados em insights de negócio. Dia a dia: extrai dados com SQL, limpa datasets, cria dashboards Power BI/Tableau, apresenta descobertas para stakeholders não-técnicos. Ferramentas principais: SQL (obrigatório 98% vagas), Excel avançado, Power BI, Python básico (Pandas). Matemática necessária: básica/intermediária. Barreira entrada: MAIS FÁCIL das três. Salários: R$3.500-R$15.000 júnior-sênior.

Data Scientist (Cientista de Dados) cria modelos preditivos e algoritmos machine learning. Dia a dia: modelagem estatística, feature engineering, treina modelos ML (árvores decisão, redes neurais), deploy APIs. Ferramentas principais: Python (obrigatório - scikit-learn, pandas), R (alternativa), SQL, Jupyter Notebooks. Matemática necessária: AVANÇADA (regressão, álgebra linear, cálculo). Barreira entrada: MÉDIA-ALTA. Salários: R$5.000-R$30.000 júnior-sênior, até R$54.000 big techs.

Data Engineer (Engenheiro de Dados) constrói infraestrutura de dados (pipelines ETL, data lakes, data warehouses). Dia a dia: automação coleta dados, otimização queries, cloud infrastructure (AWS/GCP/Azure), big data tools (Spark, Kafka, Airflow). Ferramentas principais: SQL, Python/Scala/Java, cloud (AWS/GCP), Docker, Kubernetes. Matemática necessária: BAIXA (foco programação). Barreira entrada: ALTA (programação forte). Salários: R$5.500-R$28.000 júnior-sênior.

Salários do Mercado

Data Analyst: Júnior R$3.500-R$5.500 (SP capital R$4.200-R$6.500), Pleno R$5.500-R$9.000 (SP R$6.500-R$11.000), Sênior R$9.000-R$15.000 (SP R$11.000-R$18.000), podendo chegar R$25.000 em casos excepcionais.

Data Scientist: Júnior R$5.000-R$8.000, Pleno R$8.000-R$15.000 (SP tech R$10.000-R$18.000), Sênior R$15.000-R$30.000, Big techs (Google, Meta, Amazon Brasil) até R$54.000/mês.

Data Engineer: Júnior R$5.500-R$9.000, Pleno R$9.000-R$16.000 (SP tech R$11.000-R$20.000), Sênior R$16.000-R$28.000, Big data expertise até R$35.000/mês.

Freelance/PJ: R$50-R$350/hora dependendo experiência. Projetos fixos: R$2.000-R$30.000+. Mensalidade retainer: R$5.000-R$30.000/mês. Freelancers com 2-4 clientes podem faturar R$20.000-R$80.000+/mês.

Remoto Internacional: Júnior USD $3.000-$5.500/mês (R$15.000-R$27.500), Sênior USD $9.000-$15.000/mês (R$45.000-R$75.000).

Formação e Cursos

Faculdade É Necessária?

NÃO é obrigatório, mas ajuda. 40-50% das vagas (principalmente startups, fintechs, tech companies) NÃO exigem diploma e avaliam primariamente portfolio + teste técnico SQL. 50-60% preferem diploma mas ainda consideram candidatos sem formação se portfolio for forte. Magazine Luiza, Nubank, iFood contratam júnior sem diploma se portfolio/certificações/SQL forem sólidos.

Recrutadores avaliam nesta ordem: (1) SQL teste prático (40% decisão - resolve query na entrevista?), (2) Portfolio GitHub (30% - 5-8 projetos bem documentados?), (3) Experiência prévia (20%), (4) Diploma (10% - só desempate ou filtro inicial).

Dito isso, diploma facilita: menos rejeições em filtros automáticos RH, salário inicial +15-25% maior, credibilidade em empresas tradicionais (bancos, consultorias), networking acadêmico. Cursos aceitos: Estatística (melhor), Ciência da Computação, Engenharias, Matemática, Economia, Administração.

Cursos Gratuitos com Certificado

Google Data Analytics Professional Certificate (Coursera): O MAIS reconhecido no Brasil. 7 cursos completos, portfólio com 3 projetos end-to-end incluído. Pode ser auditado gratuitamente (sem certificado mas aprende tudo) ou pago R$200-R$250/mês para certificação. Acelere fazendo em 2-3 meses intenso.

DIO (Digital Innovation One) - Bootcamps Data Science: 100% gratuitos, em português, com certificado. Parcerias com empresas tech brasileiras. Bootcamps de 60-120 horas incluindo SQL, Python, Power BI.

Data Science Academy: Cursos gratuitos Python, R, Machine Learning (básico). Opções pagas mais avançadas mas básico suficiente começar.

Hashtag Treinamentos (YouTube): Cursos completos gratuitos SQL, Excel, Power BI, Python em português brasileiro. Muito bem avaliados comunidade Brasil.

Kaggle Learn: Módulos gratuitos Python, Pandas, SQL, Data Visualization, Machine Learning Intro. Interativo, excelente para prática.

Bootcamps Pagos

  • Ironhack: R$25.000-R$35.000 (9-12 semanas intensivo)
  • Let's Code (Ada Tech): R$15.000-R$25.000 (6 meses)
  • TERA: R$18.000-R$28.000 (6-9 meses)

Bootcamps oferecem aprendizado acelerado (6-12 meses até mercado), mentoria com profissionais ativos, networking turma, e suporte empregabilidade. Desvantagens: custo alto e não substituem diploma para empresas que exigem superior completo.

Ferramentas Essenciais

Tier 1 - OBRIGATÓRIO (95-100% vagas):

  • SQL: 98% vagas exigem, PRIORIDADE #1. Domine SELECT, JOIN, GROUP BY, window functions. Pratique 100+ problemas LeetCode/HackerRank.
  • Excel Avançado: 95% vagas. Tabelas dinâmicas, PROCV, ÍNDICE+CORRESP, SOMASES, gráficos profissionais, Power Query.
  • Power BI: 75% vagas Brasil. DAX (CALCULATE, SUMX), relacionamentos, dashboards interativos, publicação Power BI Service.

Tier 2 - IMPORTANTE (50-70% vagas):

  • Python Pandas: 70% vagas pedem. Limpeza dados, análise exploratória. NÃO precisa machine learning avançado (isso é Data Scientist).
  • Estatística Básica/Intermediária: Média, desvio padrão, correlação, regressão linear simples, p-value conceito.
  • Google Analytics: 50% vagas e-commerce/marketing. GA4, funis, conversões.

Tier 3 - OPCIONAL (20-40% vagas):

  • Tableau: 30% vagas (alternativa Power BI, mais comum USA/consultorias)
  • R: 20% vagas (academia, farmacêutica, finanças - alternativa Python)
  • Git/GitHub: 40% vagas tech (versionamento, portfolio público)
  • Cloud básico (AWS/GCP/Azure): 30% vagas, crescendo

Principais Empresas Contratando

Fintechs (Tier 1)

Nubank (São Paulo): Data Analyst R$10.000-R$18.000, Data Scientist R$15.000-R$28.000, Analytics Manager R$20.000-R$32.000. Exige inglês fluente, portfolio forte, teste SQL rigoroso.

Inter (Belo Horizonte): Data Analyst R$8.000-R$15.000, Data Scientist R$12.000-R$22.000. Custo vida BH -30% SP = salário rende mais.

PicPay, Stone, PagSeguro, C6 Bank: Data Analyst R$8.000-R$17.000.

E-commerces / Marketplaces

iFood: Data Analyst R$7.800-R$15.000, Data Scientist R$12.000-R$20.000. Logística complexa, otimização rotas, preços dinâmicos.

Mercado Livre: Data Analyst R$7.200-R$14.000, Data Scientist R$11.000-R$18.000. Maior marketplace LATAM.

Magazine Luiza (ACEITA JÚNIOR SEM EXPERIÊNCIA): Data Analyst júnior R$6.800-R$10.000, pleno/sênior R$10.000-R$14.500. Programa "Magalu Academy" aceita sem diploma, sem experiência, com treinamento interno 3-6 meses e salário desde dia 1. Benefícios: VR R$1.200, PLR 2-3 salários/ano, plano saúde família.

Bancos Tradicionais (Estabilidade+++)

Itaú Unibanco: Data Analyst R$6.800-R$12.000, Data Scientist R$10.000-R$18.000. Benefícios excelentes: PLR 3-4 salários/ano, plano saúde família top sem coparticipação, previdência privada, estabilidade alta.

Bradesco, Santander, Banco do Brasil: Salários similares R$6.000-R$15.000, benefícios robustos, burocracia maior, ritmo mais lento.

Consultorias

McKinsey, BCG, Bain: Junior Analyst R$12.000-R$18.000, Consultant R$18.000-R$28.000, Senior R$28.000-R$45.000+. Exigências brutais: diploma universidade top, inglês fluente, case interviews 5-7 rodadas. Vantagens: aprende muito, network incrível. Desvantagens: 60-80h/semana, pressão alta.

Deloitte, PwC, EY, KPMG (Big 4): Data Analyst R$7.000-R$14.000, Senior Consultant R$14.000-R$22.000.

Accenture: Data Analytics Consultant R$8.000-R$18.000.

Startups / Scale-ups

VTEX: Data Analyst R$7.500-R$14.000, Data Engineer R$10.000-R$18.000.

Loft/QuintoAndar, Hotmart, RD Station, Loggi, Creditas: Data Analyst R$6.500-R$15.000.

Como Conseguir o Primeiro Emprego

Roadmap Completo (12-18 meses)

Mês 1-2: SQL Básico → Intermediário (PRIORIDADE #1)

  • Cursos gratuitos: Mode Analytics, W3Schools, Hashtag Treinamentos YouTube
  • Pratique 100+ problemas LeetCode SQL, HackerRank SQL
  • Domine: SELECT, JOIN, GROUP BY, HAVING, subqueries, window functions
  • 2h/dia = 120 horas total

Mês 3: Excel Avançado

  • Hashtag Treinamentos Excel (YouTube)
  • Tabelas dinâmicas, PROCV, ÍNDICE+CORRESP, SOMASES, gráficos

Mês 4: Estatística Básica

  • Khan Academy Estatística (português)
  • Média, desvio padrão, correlação, regressão linear simples

Mês 5-6: Power BI Completo

  • Hashtag Treinamentos Power BI, Microsoft Learn
  • DAX (CALCULATE, SUMX), relacionamentos, dashboards, publicação
  • Projeto prático: dashboard dataset Kaggle

Mês 7-8: Python Pandas Básico

  • Kaggle Learn Python + Pandas
  • Leitura dados, limpeza, agregações, merge
  • NÃO precisa machine learning (isso é Data Scientist)

Mês 9-14: Portfolio GitHub (CRÍTICO - 5-8 projetos)

  • Cada projeto: Análise completa + código + README bem escrito
  • Tipos: Análise vendas e-commerce, RH turnover, financeiro, A/B test simulação, dashboard COVID
  • Jupyter Notebooks bem documentados
  • GitHub repositório público para cada projeto

Mês 10-12: Certificações

  • Google Data Analytics Certificate (Coursera - MAIS reconhecido)
  • Microsoft Power BI Data Analyst (PL-300) - $165
  • HackerRank SQL Certificate (grátis)

Mês 12-18: Aplicações Massivas

  • Meta: 100-200 aplicações
  • Foque startups 10-50 funcionários, Magazine Luiza (aceita sem experiência), consultorias trainee, varejo/indústria
  • NÃO easy-apply cego (taxa 0,5%)
  • FAÇA networking LinkedIn: encontre recrutador, mensagem personalizada + portfolio GitHub

Expectativas Realistas

Primeiro emprego: R$3.500-R$5.500 CLT ou estágio R$1.800-R$3.000. Aceite para ganhar experiência e nome no portfolio.

Aplicações necessárias: 100-200 (realista). Rejeições normais: 50-150 antes da primeira oferta.

Taxa desistência: 75-80% desistem nos primeiros 6-9 meses (SQL difícil, portfolio demora, não veem progresso rápido). Só 20-25% persistem e conseguem emprego.

Tempo ganhar bem: R$7K/mês em 2-3 anos, R$12K/mês em 4-6 anos, R$20K+/mês em 6-10 anos ou freelance bem sucedido ou remoto internacional.

Conclusão

O mercado de Data Analytics no Brasil oferece oportunidades excepcionais: déficit de 530.000 profissionais, crescimento de demanda 20-25% ao ano, salários variando de R$3.500 (júnior) até R$54.000 (Data Scientist sênior big tech), múltiplos cursos gratuitos (Google Data Analytics Certificate sendo o mais reconhecido), e barreira de entrada relativamente acessível - 40-50% vagas não exigem diploma se portfolio for forte.

O caminho exige dedicação: 12-18 meses de estudo intenso focando SQL como prioridade #1 (98% vagas exigem), criação de 5-8 projetos completos no GitHub mostrando análises do início ao fim, domínio de Power BI (75% vagas Brasil) e Excel avançado (95% vagas), Python Pandas básico (70% vagas), e aplicações massivas 100-200 vagas com networking ativo no LinkedIn. A taxa de desistência é alta (75-80% nos primeiros 6-9 meses) mas os 20-25% que persistem alcançam boas posições.

A diferenciação futura está em: (1) SQL complexo que IA ainda erra (queries 3+ joins, subqueries aninhadas), (2) interpretação insights contexto negócio (IA não entende O QUE análise significa para empresa), (3) comunicação stakeholders (apresentar descobertas, convencer CEO), e (4) fazer perguntas certas (saber O QUE analisar). Profissionais que dominam essas habilidades chegam a R$12K-R$25K em 4-6 anos CLT, ou faturam R$30K-R$100K+/mês como freelancers/consultores. Comece hoje: pratique SQL no LeetCode, faça o Google Data Analytics Certificate auditado (grátis), e crie seu primeiro projeto GitHub. Em 12-18 meses, você estará trabalhando na área.

❓

Frequently Asked Questions

Respostas às perguntas mais frequentes sobre este tema

**NÃO é obrigatório, mas vai depender do TIPO de empresa e NÍVEL da vaga.** Vou te dar a verdade SEM enrolação: **CENÁRIO 1: SEM FACULDADE (40-50% das vagas aceitam)** **É possível? SIM.** - 40-50% das vagas NÃO exigem diploma (startups, fintechs, tech companies) - 50-60% PREFEREM diploma mas avaliam portfolio (bancos, consultorias, grandes empresas) - Magazine Luiza, Nubank, iFood contratam júnior SEM diploma se portfólio forte **O que importa MAIS que diploma:** 1. **SQL DOMÍNIO TOTAL** (98% vagas exigem, prioridade #1) 2. **Portfolio GitHub** (5-8 projetos completos OBRIGATÓRIO) 3. **Certificações** (Google Data Analytics Certificate MAIS reconhecido Brasil) 4. **Excel/Power BI** (95% vagas pedem Excel avançado, 75% Power BI) 5. **Python básico** (70% vagas, diferencial competitivo) **3 Caminhos SEM faculdade:** **Caminho 1: CERTIFICAÇÕES + PORTFOLIO (12-18 meses)** **Mês 1-4: Fundamentos** - Google Data Analytics Certificate (Coursera) - MAIS reconhecido Brasil - Estatística básica (média, mediana, desvio padrão, correlação) - SQL completo (SELECT, JOIN, GROUP BY, HAVING, subqueries) - 2-3h/dia estudo **Mês 5-8: Ferramentas** - Excel avançado (tabelas dinâmicas, PROCV, SE, SOMASES) - Power BI completo (DAX, modelagem, dashboards) - Python Pandas básico (leitura dados, limpeza, agregações) **Mês 9-12: Portfolio** - 5-8 projetos GitHub COMPLETOS - Kaggle competitions (3-5 submissões documentadas) - Análises reais (dados públicos IBGE, gov.br) **Mês 13-18: Aplicações massivas** - 100-200 aplicações (realista) - Networking LinkedIn forte - Contribui GitHub público **Caminho 2: BOOTCAMP PAGO (6-12 meses)** **Bootcamps Brasil Data Analytics:** - **Ironhack:** R$25K-R$35K (9-12 semanas) - **Let's Code (Ada Tech):** R$15K-R$25K (6 meses) - **TERA:** R$18K-R$28K (6-9 meses) **Vantagens:** - Rápido (6-12 meses até mercado) - Mentoria profissionais ativos - Network turma - Suporte empregabilidade **Desvantagens:** - CARO (R$15K-R$35K) - Não é "diploma" (algumas empresas exigem superior) - Conteúdo acelerado (precisa estudar MUITO paralelo) **Caminho 3: AUTODIDATA TOTAL (18-24 meses)** **100% grátis:** - Cursos YouTube (Hashtag Treinamentos SQL/Excel/Power BI Brasil) - Google Data Analytics Certificate auditado (sem certificado mas aprende) - Kaggle Learn (gratuito) - DataCamp trial (15 dias) - Projetos próprios GitHub - Aplica 200-300 vagas **Desafio:** - MUITO disciplina (80% desistem) - Sem network estruturado - Demora mais (18-24 meses vs 12-18 bootcamp) **CENÁRIO 2: COM FACULDADE (50-60% vagas preferem)** **Cursos ACEITOS mercado:** - Estatística (MELHOR para Data Analytics) - Ciência da Computação - Engenharias (Produção, Elétrica, Civil com foco dados) - Matemática - Economia - Administração (com foco quantitativo) - Sistemas de Informação **Universidades TOP Brasil Data:** - USP, UNICAMP, UFRJ (públicas - GRÁTIS mas concorrência altíssima) - INSPER, FGV (R$3.000-R$5.000/mês) - PUC-SP, PUC-RJ (R$2.500-R$4.000/mês) **Vantagens:** - Credibilidade empresas tradicionais (bancos, consultorias) - Base matemática/estatística FORTE - Estágios facilitados (empresas parceiras) - Salário inicial +15-25% maior - Networking acadêmico **Desvantagens:** - 4-5 anos até começar trabalhar - R$100K-R$250K custo total (particulares) - 70% teoria, 30% prática (mercado quer prática) - Conteúdo às vezes defasado (professores não praticam) **CENÁRIO 3: TRANSIÇÃO DE CARREIRA (você JÁ trabalha outra área)** **Perfis comuns migrando Data Analytics:** - Administradores (Excel → BI → Analytics) - Engenheiros (dados técnicos → análise negócio) - Economistas (modelagem → analytics) - Analistas de TI (banco dados → BI) - Contadores (relatórios → dashboards) **Caminho recomendado:** 1. Mantém emprego atual 2. Bootcamp online noturno 6 meses (concilia) 3. Projetos paralelos portfolio (final semana) 4. Networking LinkedIn (conexões área dados) 5. Transição interna (BI área atual) OU troca empresa (12-18 meses) **Tempo realista:** 12-18 meses até trocar completamente **MINHA RECOMENDAÇÃO POR PERFIL:** **Se você tem 18-22 anos (SEM grana):** - Faculdade pública (Estatística, Computação) se passar vestibular - OU autodidata total (grátis) + certificações Google **Se você tem 18-22 anos (COM grana R$20K-R$35K):** - Bootcamp PAGO (Ironhack, Let's Code) acelera entrada mercado **Se você tem 23-30 anos (SEM diploma, SEM grana):** - Google Data Analytics Certificate auditado (grátis) - DIO bootcamps gratuitos Data Science - Data Science Academy cursos gratuitos - Monta portfolio GitHub 5-8 projetos - Aplica 100-200 vagas startups/fintechs (aceitam sem diploma) **Se você tem 23-30 anos (SEM diploma, COM grana R$15K-R$30K):** - Bootcamp PAGO (network + empregabilidade vale investimento) **Se você tem 30-40 anos (transição carreira):** - Bootcamp online part-time (concilia trabalho) - Foca NICHO domínio atual (Finance Analytics se trabalha banco, Supply Chain se logística) - Aproveita experiência negócio (diferencial vs júnior 22 anos) **PORTFOLIO > DIPLOMA (mas diploma AJUDA)** **Recrutador Data Analytics olha NESSA ordem:** 1. **SQL TESTE PRÁTICO** (40% decisão) - resolve query na entrevista? 2. **Portfolio GitHub** (30%) - projetos reais? bem documentados? 3. **Experiência prévia** (20%) - trabalhou com dados onde? 4. **Diploma** (10%) - só desempate OU requisito filtro inicial **ESTATÍSTICA BRUTAL:** **Com diploma:** - 60-80 aplicações até primeiro emprego - Salário inicial R$4.000-R$6.000 - 12-18 meses estudo → mercado **Sem diploma:** - 100-200 aplicações (mais rejeições filtros automáticos RH) - Salário inicial R$3.500-R$5.500 - 18-24 meses estudo → mercado - Portfolio precisa ser EXCEPCIONAL (compensa falta diploma) **Empresas que ACEITAM sem diploma (confirmado 2025):** - Nubank (avalia portfolio + teste técnico) - iFood (idem) - Magazine Luiza (programa "Magalu Academy" aceita sem diploma) - Startups tech (a maioria) - Fintechs pequenas/médias **Empresas que EXIGEM diploma:** - Bancos tradicionais (Itaú, Bradesco, Santander) - Consultorias grandes (McKinsey, BCG, Deloitte) - Governo (concursos públicos) **TEMPO REALISTA ATÉ GANHAR BEM:** **Sem diploma:** - Primeiro emprego: 18-24 meses (R$3.5K-R$5K) - R$7K/mês: 3-4 anos - R$12K+/mês: 5-7 anos **Com diploma:** - Primeiro emprego: 12-18 meses (R$4K-R$6K) - R$8K/mês: 2-3 anos - R$15K+/mês: 4-6 anos **A REAL?** Diploma facilita MUITO (menos rejeições, salário inicial maior, mais credibilidade). MAS não é obrigatório. Conheço Analista Dados sem faculdade ganhando R$12K CLT (5 anos experiência, portfolio FORTE). E conheço graduados Estatística ganhando R$4K (portfolio fraco). **Diferença = Portfolio + SQL domínio + certificações + persistência aplicações.** Se não tem diploma: prepare-se trabalhar DOBRO (portfolio excepcional, 200 aplicações, certificações múltiplas). É possível, mas mais difícil.
**Vou te mostrar os salários REAIS (dados mercado Janeiro 2025):** **ANALISTA DE DADOS (Data Analyst - foco insights negócio):** **Júnior (0-2 anos):** - Média nacional: R$3.500 - R$5.500/mês - São Paulo capital: R$4.200 - R$6.500/mês - Rio de Janeiro: R$3.800 - R$5.800/mês - Outras capitais: R$3.000 - R$4.800/mês - Startups pequenas: R$2.800 - R$4.500/mês - Grandes empresas: R$5.000 - R$7.000/mês **Pleno (2-5 anos):** - Média nacional: R$5.500 - R$9.000/mês - São Paulo: R$6.500 - R$11.000/mês - Fintechs/tech: R$7.500 - R$12.000/mês - Bancos tradicionais: R$6.000 - R$10.000/mês **Sênior (5+ anos):** - Média nacional: R$9.000 - R$15.000/mês - São Paulo: R$11.000 - R$18.000/mês - Tech/Fintechs top: R$15.000 - R$22.000/mês - Teto: R$25.000/mês (especialistas renomados) **DATA SCIENTIST (foco modelagem preditiva, machine learning):** **Júnior (0-2 anos):** - Média: R$5.000 - R$8.000/mês - Mais valorizado que Analyst júnior (+30-40%) - Exige Python/R + ML **Pleno (2-5 anos):** - Média: R$8.000 - R$15.000/mês - São Paulo tech: R$10.000 - R$18.000/mês **Sênior (5+ anos):** - Média: R$15.000 - R$30.000/mês - Big techs (Google, Meta, Amazon Brasil): R$25.000 - R$54.000/mês - Teto: R$54.000/mês (dados Indeed Brasil) **DATA ENGINEER (foco infraestrutura, pipelines, big data):** **Júnior:** - Média: R$5.500 - R$9.000/mês - Mais técnico que Analyst (programação forte) **Pleno:** - Média: R$9.000 - R$16.000/mês - São Paulo tech: R$11.000 - R$20.000/mês **Sênior:** - Média: R$16.000 - R$28.000/mês - Big data expertise: até R$35.000/mês **BUSINESS INTELLIGENCE (BI) ANALYST:** **Júnior:** - Média: R$3.200 - R$5.000/mês - Foco Power BI, Tableau, dashboards **Pleno:** - Média: R$5.000 - R$8.500/mês **Sênior:** - Média: R$8.500 - R$14.000/mês **CARGOS GESTÃO:** **Analytics Manager / Coordenador Analytics:** - Pequenas/médias: R$12.000 - R$18.000/mês - Grandes empresas: R$15.000 - R$25.000/mês **Head of Data / Data Manager:** - Média: R$20.000 - R$35.000/mês - Tech/Fintechs: R$25.000 - R$45.000/mês **Chief Data Officer (CDO):** - Grandes empresas: R$40.000 - R$80.000+/mês **FREELANCE / PJ DATA ANALYTICS:** **Por HORA:** - Iniciante: R$50 - R$100/hora - Intermediário: R$100 - R$200/hora - Avançado: R$200 - R$350/hora - Especialista: R$350 - R$600+/hora **Por PROJETO (fixo):** - Análise pequena (dashboard Power BI simples): R$2.000 - R$5.000 - Análise média (modelagem preditiva básica): R$5.000 - R$12.000 - Projeto grande (pipeline completo + ML): R$12.000 - R$30.000+ **Mensalidade PJ (retainer):** - Júnior: R$5.000 - R$8.000/mês - Pleno: R$8.000 - R$15.000/mês - Sênior: R$15.000 - R$30.000/mês - Com 2-4 clientes: R$20.000 - R$80.000+/mês **COMPARAÇÃO POR CARGO (TABELA):** | Cargo | Júnior | Pleno | Sênior | |-------|---------|--------|---------| | Data Analyst | R$3.5K-R$5.5K | R$5.5K-R$9K | R$9K-R$15K | | Data Scientist | R$5K-R$8K | R$8K-R$15K | R$15K-R$30K | | Data Engineer | R$5.5K-R$9K | R$9K-R$16K | R$16K-R$28K | | BI Analyst | R$3.2K-R$5K | R$5K-R$8.5K | R$8.5K-R$14K | **POR QUE Data Scientist GANHA MAIS?** - Exige matemática/estatística avançada (regressão, árvores decisão, redes neurais) - Linguagens programação (Python/R obrigatório) - ML/AI frameworks (scikit-learn, TensorFlow, PyTorch) - Menor oferta profissionais qualificados **POR QUE Data Engineer GANHA MAIS que Analyst?** - Programação pesada (Python, Scala, Java) - Infraestrutura cloud (AWS, GCP, Azure) - Big data tools (Spark, Kafka, Airflow) - Mais próximo engenharia software **SALÁRIO POR CIDADE (TOP 5):** **1. São Paulo (capital):** - Júnior: R$4.200 - R$6.500 - Pleno: R$6.500 - R$11.000 - Sênior: R$11.000 - R$18.000 **2. Rio de Janeiro:** - Júnior: R$3.800 - R$5.800 - Pleno: R$5.800 - R$9.500 - Sênior: R$9.500 - R$16.000 **3. Belo Horizonte:** - Júnior: R$3.200 - R$5.000 - Pleno: R$5.000 - R$8.500 - Sênior: R$8.500 - R$14.000 **4. Curitiba:** - Júnior: R$3.500 - R$5.500 - Pleno: R$5.500 - R$9.000 - Sênior: R$9.000 - R$15.000 **5. Florianópolis (hub tech):** - Júnior: R$3.800 - R$5.800 - Pleno: R$5.800 - R$10.000 - Sênior: R$10.000 - R$16.000 **TRABALHO REMOTO INTERNACIONAL (USD):** **Júnior (remoto USA/Europa):** - Salário: USD $3.000 - $5.500/mês - Em reais: R$15.000 - R$27.500/mês (câmbio R$5,00) **Pleno:** - Salário: USD $5.500 - $9.000/mês - Em reais: R$27.500 - R$45.000/mês **Sênior:** - Salário: USD $9.000 - $15.000/mês - Em reais: R$45.000 - R$75.000/mês **EMPRESAS QUE PAGAM MAIS (TOP salários Brasil 2025):** **Tier 1 - Fintechs:** - **Nubank:** R$10.000 - R$28.000 (júnior - sênior) - **Inter:** R$8.000 - R$22.000 - **PicPay:** R$7.500 - R$20.000 - **Stone:** R$8.500 - R$24.000 **Tier 2 - E-commerce:** - **iFood:** R$7.800 - R$20.000 - **Mercado Livre:** R$7.200 - R$18.000 - **Magazine Luiza:** R$6.800 - R$14.500 (aceita júnior SEM experiência) - **B2W (Americanas):** R$6.500 - R$15.000 **Tier 3 - Bancos tradicionais:** - **Itaú:** R$6.800 - R$14.500 - **Bradesco:** R$6.500 - R$13.800 - **Santander:** R$6.200 - R$13.500 - **Benefícios:** PLR 2-4 salários, plano saúde top, estabilidade **Tier 4 - Consultorias:** - **McKinsey, BCG, Bain:** R$12.000 - R$35.000 (exige diploma top, MBA) - **Deloitte, PwC, EY:** R$8.000 - R$22.000 - **Accenture:** R$7.000 - R$18.000 **Tier 5 - Startups/Scale-ups:** - **VTEX:** R$7.500 - R$16.000 - **Loft/QuintoAndar:** R$7.000 - R$15.000 - **Hotmart:** R$6.500 - R$14.000 - **RD Station:** R$7.000 - R$15.500 **BENEFÍCIOS CLT (além salário):** - VR/VA: R$500 - R$1.200/mês - Plano saúde: R$600 - R$1.500/mês (valor empresa) - PLR: 1-3 salários/ano (bancos/grandes empresas) - Home office: economia R$500-R$1.000/mês transporte - Auxílio home office: R$200-R$600/mês (algumas empresas) - Cursos/certificações: R$2.000-R$5.000/ano (empresas tech) **CRESCIMENTO SALARIAL (médio anual):** - Ano 1→2: +25% a +50% (troca empresa comum) - Ano 2→5: +15% a +30% por ano - Ano 5+: R$12K-R$25K (se especializar bem) - Freelance bem sucedido: R$30K-R$100K+/mês (raros mas existem) **REALIDADE CRUA:** **Primeiro emprego é SUB-PAGO:** - Estágio: R$1.800 - R$3.000/mês - Júnior: R$2.800 - R$4.500/mês (comum startups) - Aceita para ganhar experiência + nome portfolio **Pico salarial CLT:** - Individual contributor sênior: R$20K-R$30K (Data Scientist sênior tech) - Head/Manager: R$30K-R$45K (grandes empresas) - Freelance/consultoria própria: R$40K-R$120K+/mês (poucos chegam, mas possível) **TEMPO PARA GANHAR BEM:** - R$7K/mês: 2-3 anos - R$12K/mês: 4-6 anos - R$20K+/mês: 6-10 anos OU freelance muito bem sucedido OU remoto internacional **COMPARAÇÃO COM INFLAÇÃO:** - Crescimento salários Data 2024-2025: +20% a +30% - Inflação 2024: 4,62% - **Ganho real: +15% a +25%** (mercado MUITO aquecido, falta profissionais) **DÉFICIT DE PROFISSIONAIS (2025):** - Faltam 530.000 profissionais dados Brasil - Crescimento demanda: 20-25% ao ano - Oferta cresce 8-12% ao ano - **GAP crescendo = salários subindo** **POR QUE VARIAÇÃO TÃO GRANDE?** R$3.5K (júnior startup) vs R$54K (Data Scientist sênior Google) = 15x diferença. **Fatores:** 1. **Cargo:** Analyst vs Scientist vs Engineer 2. **Experiência:** júnior vs sênior 3. **Localização:** SP +40% vs interior 4. **Tipo empresa:** Startup R$4K vs Nubank R$15K 5. **Habilidades:** SQL básico vs Python+ML+Cloud 6. **Inglês:** Fluente abre remoto internacional (2-4x salário BR) 7. **Portfolio:** Cases fortes = +20-30% negociação **Fontes:** Glassdoor Brasil, Indeed Brasil, Vagas.com, LinkedIn Salary, Robert Half 2025, pesquisas mercado tech (Janeiro 2025).
**Vou te explicar a diferença REAL (e como escolher sua trilha):** **ANALOGIA SIMPLES:** Imagina fábrica chocolate: - **Data Analyst** = Gerente Qualidade (analisa chocolates produzidos, identifica defeitos, sugere melhorias processo) - **Data Scientist** = Pesquisador Desenvolvimento (cria NOVOS sabores, prevê quais vão vender mais, testa fórmulas) - **Data Engineer** = Engenheiro Fábrica (constrói máquinas, linhas produção, garante chocolates chegam estoque) **DATA ANALYST (foco: insights negócio, decisões)** **O que faz:** Transforma dados em insights acionáveis para negócio. **Dia a dia:** - Extrai dados (SQL queries banco dados) - Limpa dados (remove duplicatas, trata missing values) - Analisa tendências (vendas caindo/subindo por quê?) - Cria dashboards (Power BI, Tableau mostrando KPIs) - Apresenta insights (reuniões com stakeholders: "vendas produto X caíram 15% região Sul, descobri que...") - A/B tests (testa versão A vs B site, qual converte mais) **Ferramentas principais:** - **SQL** (OBRIGATÓRIO - 98% vagas) - **Excel** (avançado - tabelas dinâmicas, PROCV, gráficos) - **Power BI** (75% vagas Brasil) OU Tableau - **Python básico** (Pandas limpeza dados - 40% vagas) - **Google Analytics** (e-commerce, marketing) **Perfil:** - Gosta RESOLVER PROBLEMAS negócio - Comunicativo (apresenta insights para não-técnicos) - Curioso (por que vendas caíram?) - Menos programação pesada **Matemática necessária:** - Básica/intermediária (média, mediana, correlação, regressão linear simples) **Salário Brasil 2025:** - Júnior: R$3.500 - R$5.500 - Pleno: R$5.500 - R$9.000 - Sênior: R$9.000 - R$15.000 **Barreira entrada:** - **MAIS FÁCIL** das 3 (menos programação, menos matemática) **DATA SCIENTIST (foco: modelagem preditiva, machine learning)** **O que faz:** Cria modelos estatísticos e algoritmos ML para PREVER futuro. **Dia a dia:** - Modelagem preditiva ("qual probabilidade cliente X cancelar assinatura próximo mês?") - Machine Learning (árvores decisão, random forests, redes neurais) - Feature engineering (cria variáveis novas a partir dados existentes) - Treina modelos (testa algoritmos, otimiza hiperparâmetros) - Deploy modelos (coloca modelo produção, API) - Experimentos (testa hipóteses, valida resultados estatisticamente) **Ferramentas principais:** - **Python** (OBRIGATÓRIO - scikit-learn, pandas, numpy) - **R** (alternativa Python, comum academia/farmacêutica) - **SQL** (extração dados) - **Jupyter Notebooks** (desenvolvimento modelos) - **Git** (versionamento código) - **ML frameworks:** scikit-learn, XGBoost, TensorFlow, PyTorch (avançado) **Perfil:** - ADORA matemática/estatística - Programador (escreve código todo dia) - Pensamento científico (hipóteses, experimentos, validação) - Menos comunicação, mais técnico **Matemática necessária:** - **AVANÇADA:** regressão linear/logística, árvores decisão, redes neurais, álgebra linear, cálculo, probabilidade **Salário Brasil 2025:** - Júnior: R$5.000 - R$8.000 (+30-40% vs Analyst) - Pleno: R$8.000 - R$15.000 - Sênior: R$15.000 - R$30.000 - Big tech: até R$54.000/mês **Barreira entrada:** - **MÉDIA-ALTA** (exige programação forte + matemática avançada) **DATA ENGINEER (foco: infraestrutura dados, pipelines)** **O que faz:** Constrói e mantém infraestrutura que permite Analyst/Scientist trabalhar. **Dia a dia:** - Cria pipelines ETL/ELT (Extract, Transform, Load - move dados origem → data warehouse) - Modelagem banco dados (otimiza estrutura para análises) - Infraestrutura cloud (AWS, GCP, Azure - data lakes, buckets) - Automação (scripts Python/Scala rodam todo dia pegando dados novos) - Otimização performance (query demora 10 min → otimiza para 30 seg) - Monitora pipelines (alertas se dados não chegarem) **Ferramentas principais:** - **SQL** (queries complexas, otimização) - **Python** (scripts ETL, automação) OU Scala/Java - **Cloud:** AWS (S3, Redshift, Glue) OU GCP (BigQuery) OU Azure - **Big Data:** Apache Spark, Kafka, Airflow - **Docker, Kubernetes** (containers) - **Git** (versionamento) **Perfil:** - Gosta INFRAESTRUTURA, não análise - Programador FORTE (escreve código complexo) - Resolve problemas técnicos (pipeline quebrou, debugar) - Menos comunicação stakeholders, mais com devs **Matemática necessária:** - **BAIXA** (não precisa estatística avançada, foco programação/infraestrutura) **Salário Brasil 2025:** - Júnior: R$5.500 - R$9.000 - Pleno: R$9.000 - R$16.000 - Sênior: R$16.000 - R$28.000 - Big data expert: até R$35.000/mês **Barreira entrada:** - **ALTA** (exige programação FORTE + infraestrutura cloud) **TABELA COMPARATIVA:** | Aspecto | Data Analyst | Data Scientist | Data Engineer | |---------|--------------|----------------|---------------| | **Foco** | Insights negócio | Modelagem preditiva | Infraestrutura dados | | **Entregável** | Dashboard, relatório | Modelo ML, API | Pipeline ETL, data lake | | **Stakeholder** | Business (CEO, marketing) | Product, Tech | Tech (devs, infra) | | **Habilidade top** | SQL, comunicação | Python, ML, estatística | Programação, cloud | | **Ferramenta** | Power BI, Excel, SQL | Python, scikit-learn | Spark, Airflow, AWS | | **Matemática** | Básica/intermediária | Avançada | Baixa | | **Programação** | Básica (SQL, Python leve) | Forte (Python diário) | MUITO forte | | **Salário júnior** | R$3.5K-R$5.5K | R$5K-R$8K | R$5.5K-R$9K | | **Salário sênior** | R$9K-R$15K | R$15K-R$30K | R$16K-R$28K | | **Barreira entrada** | FÁCIL | MÉDIA-ALTA | ALTA | **ESPECIALIZAÇÕES DENTRO DE CADA:** **Data Analyst especializações:** 1. **Marketing Analyst** (foco: campanhas, CAC, LTV, funis) 2. **Product Analyst** (foco: features produto, A/B tests, métricas produto) 3. **Financial Analyst** (foco: finanças, budgets, forecasts) 4. **Operations Analyst** (foco: logística, supply chain) **Data Scientist especializações:** 1. **ML Engineer** (foca DEPLOY modelos produção, MLOps) 2. **Research Scientist** (academia, papers, algoritmos novos) 3. **NLP Specialist** (processamento linguagem natural, chatbots) 4. **Computer Vision** (imagens, reconhecimento facial) **Data Engineer especializações:** 1. **Cloud Engineer** (foca AWS/GCP/Azure) 2. **Big Data Engineer** (Spark, Hadoop, petabytes dados) 3. **Data Architect** (desenha arquitetura dados empresa inteira) **QUAL ESCOLHER? (teste personalidade)** **Escolhe DATA ANALYST se:** - Gosta NEGÓCIO, resolver problemas reais - Comunicativo (apresentar insights reuniões) - SQL te empolga mais que programação pesada - Quer entrar RÁPIDO mercado (barreira mais baixa) - Matemática intermediária OK (não precisa avançada) **Escolhe DATA SCIENTIST se:** - ADORA matemática/estatística avançada - Quer criar MODELOS PREDITIVOS (ML, IA) - Programar em Python te empolga - Curioso por algoritmos, papers científicos - Aceita barreira entrada maior (estudo 18-24 meses) **Escolhe DATA ENGINEER se:** - Gosta INFRAESTRUTURA, não análise - Programador FORTE (Python/Java/Scala) - Quer trabalhar ESCALABILIDADE (milhões linhas dados) - Prefere terminal/código que apresentações - Interesse cloud (AWS, Azure, GCP) **CAMINHO CARREIRA TÍPICO:** **Opção 1: Começa Analyst → especializa depois** **Anos 0-2:** Data Analyst Júnior **Anos 2-4:** Data Analyst Pleno (decide especialização) **Anos 4+:** Duas trilhas: 1. **Vira Data Scientist** (aprende Python ML paralelo, migra) 2. **OU vira Analytics Manager** (gestão, menos técnico) **Opção 2: Começa Data Scientist direto (se tem base forte)** **Anos 0-2:** Data Scientist Júnior (precisa Python+ML ANTES) **Anos 2-5:** Pleno **Anos 5-8:** Sênior **Anos 8+:** 1. **Staff Scientist** (individual contributor top) 2. **OU ML Manager** (gestão time) **Opção 3: Começa Engineer (se programador)** **Anos 0-2:** Data Engineer Júnior **Anos 2-5:** Pleno **Anos 5+:** Senior/Staff Engineer (R$20K-R$35K) **DEMANDA MERCADO BRASIL 2025:** **Mais demandados (vagas abertas):** 1. **Data Analyst** (400-600 vagas LinkedIn) - MAIS vagas absoluto 2. **Data Engineer** (300-450 vagas) - MAIS escasso, muito procurado 3. **Data Scientist** (200-350 vagas) - Menos vagas mas salários maiores **Menos saturado:** - **Data Engineer** (falta MUITO no Brasil, empresas disputam) - **Senior Data Scientist** (poucos com experiência real) **Mais saturado:** - **Data Analyst Júnior** (muita gente aprendendo, competição) **MINHA RECOMENDAÇÃO:** **Para começar carreira (0-2 anos, SEM background técnico):** - **Data Analyst** (barreira baixa, entra rápido 12-18 meses) - Aprende SQL + Excel + Power BI - Primeiro emprego R$3.5K-R$5K - Depois decide se migra Scientist/Engineer **Para começar (JÁ sabe programar - dev, eng, computação):** - **Data Engineer** (aproveita programação, salário inicial maior R$5.5K-R$9K) - OU **Data Scientist** (se gosta matemática) **Para ganhar MUITO (estratégia longo prazo):** - Começa **Analyst** (rápido mercado) - Evolui **Data Scientist** especializado (ML, NLP) - Sênior 6-8 anos: R$20K-R$30K CLT - OU freelance/consultoria: R$40K-R$100K+/mês **ATENÇÃO 2025 - IA MUDANDO MERCADO:** **IA está automatizando:** - Análises básicas (ChatGPT gera SQL, dashboards) - Limpeza dados (ferramentas auto) - Modelos ML simples (AutoML Google, Azure) **O que SOBREVIVE:** - **Análise ESTRATÉGICA** (IA não entende contexto negócio ainda) - **Comunicação stakeholders** (apresentar insights, convencer CEO) - **Feature engineering criativo** (IA não sabe que variáveis criar) - **Modelagem COMPLEXA** (custom algorithms, deep learning) - **Infraestrutura ESCALÁVEL** (Data Engineers seguros) **Analista que só "faz SQL básico + dashboard Power BI" = substituível.** **Analista que PENSA estratégia + comunica + resolve problemas complexos = insubstituível.** Foca virar estrategista, não executor técnico puro.
**Vou te mostrar QUEM está contratando (e como entrar):** **TIER 1: FINTECHS (Salários R$8K-R$28K, muito dado)** **1. NUBANK (São Paulo, remoto híbrido)** **Cargos Data:** - Data Analyst: R$10.000 - R$18.000 - Data Scientist: R$15.000 - R$28.000 - Analytics Manager: R$20.000 - R$32.000 **O que fazem:** - Análise comportamento 90+ milhões clientes - Modelos ML (credit scoring, fraud detection, churn prediction) - A/B tests produtos (cartão, conta, investimentos) - Stack: SQL, Python, R, Spark, AWS **Como entrar:** - Portfolio FORTE (cases com números) - SQL teste técnico (queries complexas) - Inglês fluente (time global) - Processo: CV → teste SQL → case analytics → entrevista cultural → offer **Programa estágio:** Abre 1-2x/ano, R$4.000-R$5.500/mês **2. INTER (Belo Horizonte, remoto)** **Cargos:** - Data Analyst: R$8.000 - R$15.000 - Data Scientist: R$12.000 - R$22.000 **Diferencial:** BH custo vida -30% SP (salário R$12K = R$15K-R$18K SP equivalente) **3. PICPAY, STONE, PAGSEGURO** - Data Analyst: R$8.000 - R$16.000 - Foco payments, merchants, transações **4. C6 BANK** - Analytics: R$9.000 - R$17.000 - Time dados crescendo rápido **TIER 2: E-COMMERCES / MARKETPLACES (Salários R$7K-R$20K)** **5. IFOOD (São Paulo)** **Cargos:** - Data Analyst: R$7.800 - R$15.000 - Data Scientist: R$12.000 - R$20.000 - Analytics Manager: R$15.000 - R$25.000 **O que fazem:** - Otimização logística (entregadores, rotas) - Preços dinâmicos (surge pricing) - Previsão demanda restaurantes - Growth analytics (aquisição, retenção) **Stack:** SQL, Python, Spark, BigQuery **6. MERCADO LIVRE** **Cargos:** - Data Analyst: R$7.200 - R$14.000 - Data Scientist: R$11.000 - R$18.000 **O que fazem:** - Marketplace maior LATAM - Pricing algorithms - Fraude detecção - Search relevance **7. MAGAZINE LUIZA (ACEITA JÚNIOR SEM EXPERIÊNCIA)** **Cargos:** - Data Analyst Júnior: R$6.800 - R$10.000 - Pleno/Sênior: R$10.000 - R$14.500 **Programa "Magalu Academy":** - Aceita SEM diploma - Aceita SEM experiência - Treinamento interno 3-6 meses - Salário desde dia 1 **Benefícios:** - VR R$1.200/mês - PLR 2-3 salários/ano - Plano saúde família - Home office híbrido **Como entrar:** LinkedIn "Magalu Academy", inscrições 2-3x/ano **8. B2W DIGITAL (Americanas, Submarino, Shoptime)** - Data Analyst: R$6.500 - R$12.000 - E-commerce tradicional, muito dado histórico **9. VIA (Casas Bahia, Ponto)** - Analytics: R$6.000 - R$11.000 - Transformação digital em andamento **TIER 3: BANCOS TRADICIONAIS (Salários R$6K-R$18K, ESTABILIDADE+++)** **10. ITAÚ UNIBANCO** **Cargos:** - Data Analyst: R$6.800 - R$12.000 - Data Scientist: R$10.000 - R$18.000 **Benefícios EXCELENTES:** - PLR 3-4 salários/ano - Plano saúde família TOP (Bradesco Saúde, sem coparticipação) - Previdência privada (empresa contribui) - Clube funcionários (colônias férias) - Estabilidade (difícil demissão) **Desvantagens:** - Burocracia (aprovações múltiplas) - Ritmo mais lento - Stack às vezes legado **11. BRADESCO, SANTANDER, BANCO DO BRASIL** - Similar Itaú (salários R$6K-R$15K) - Benefícios robustos - CLT sólido **12. BTG PACTUAL (banco investimentos)** - Data Analyst/Quant: R$10.000 - R$22.000 - MUito mais exigente (exige formação top, matemática forte) - Bonus generoso **TIER 4: CONSULTORIAS (Salários R$7K-R$35K, aprende MUITO)** **13. McKINSEY, BCG, BAIN (top 3)** **Cargos:** - Junior Analyst: R$12.000 - R$18.000 - Consultant: R$18.000 - R$28.000 - Senior: R$28.000 - R$45.000+ **Exigências BRUTAIS:** - Diploma universidade top (USP, UNICAMP, INSPER, FGV) - Inglês fluente - Case interviews (5-7 rodadas) - Fit cultural forte **Vantagens:** - Aprende MUITO (projetos CEOs Fortune 500) - Network incrível - Nome currículo (saiu McKinsey = portas abertas) **Desvantagens:** - 60-80h/semana (comum) - Viagens constantes - Pressão ALTA - Up or out (promove ou sai 2-3 anos) **14. DELOITTE, PwC, EY, KPMG (Big 4)** **Cargos:** - Data Analyst: R$7.000 - R$14.000 - Senior Consultant: R$14.000 - R$22.000 **Projetos:** Clientes grandes (Ambev, Natura, Petrobras, bancos) **15. ACCENTURE** - Data Analytics Consultant: R$8.000 - R$18.000 - Muitos projetos simultâneos - Aprende variedade setores **TIER 5: STARTUPS / SCALE-UPS (Salários R$6K-R$18K + equity)** **16. VTEX (plataforma e-commerce)** - Data Analyst: R$7.500 - R$14.000 - Data Engineer: R$10.000 - R$18.000 - Trabalha dados B2B (clientes = outras empresas) **17. LOFT / QUINTO ANDAR (prop tech)** - Analytics: R$7.000 - R$15.000 - Imobiliário digital (pricing, matching) **18. HOTMART (infoprodutos)** - Data Analyst: R$6.500 - R$13.000 - Belo Horizonte (custo vida menor) **19. RD STATION (Florianópolis)** - Analytics: R$7.000 - R$15.000 - Marketing automation - Qualidade vida TOP (Floripa) **20. LOGGI (logística)** - Data Scientist: R$8.000 - R$16.000 - Otimização rotas, previsão demanda **21. CREDITAS (fintech empréstimos)** - Data Analyst: R$7.500 - R$14.500 - Credit risk modeling **TIER 6: VAREJO / INDÚSTRIA (Salários R$5K-R$14K)** **22. AMBEV** - Data Analyst: R$7.000 - R$13.000 - Supply chain, vendas, marketing **23. UNILEVER** - Analytics: R$6.500 - R$12.500 - Consumer insights, market research **24. NATURA** - Data Analyst: R$6.000 - R$11.500 - Vendas diretas, analytics consultoras **25. RENNER (varejo moda)** - BI Analyst: R$5.500 - R$10.000 - Lojas físicas + e-commerce **TIER 7: TECH COMPANIES BRASIL (Salários R$8K-R$25K)** **26. GOOGLE BRASIL (São Paulo)** - Data Analyst: R$12.000 - R$22.000 - Raríssimo contratar Brasil (maioria vagas USA) - Quando contrata: processo LONGO (6-9 meses) **27. META (Facebook/Instagram Brasil)** - Similar Google - Remoto possível (vaga USA, mora Brasil) **28. AMAZON AWS BRASIL** - Data Analyst: R$10.000 - R$20.000 - Foco enterprise clients **29. MICROSOFT BRASIL** - Analytics: R$9.000 - R$18.000 **30. SALESFORCE** - Analytics: R$8.500 - R$17.000 **ONDE PROCURAR VAGAS:** **LinkedIn:** - Busca: "Data Analyst Brasil", "Analista Dados" - 400-600 vagas abertas sempre - Filtro: remoto, híbrido, presencial **Vagas.com.br:** - 300-500 vagas Data **Indeed Brasil:** - 200-400 vagas **Glassdoor:** - Ver salários + reviews empresa **Comunidades:** - Data Hackers (Slack) - 50K+ membros Brasil - Pizza de Dados (comunidade) - LinkedIn grupos "Data Science Brasil" **ESTRATÉGIA ENTRADA POR NÍVEL:** **JÚNIOR (0-2 anos experiência):** **Alvo empresas:** 1. **Magazine Luiza** (programa aceita sem experiência) 2. **Startups pequenas 10-50 funcionários** (LinkedIn busca) 3. **Consultorias juniores** (Accenture, Deloitte trainee) 4. **Varejo/indústria** (Renner, Natura, Ambev) **Salário realista:** R$3.500 - R$6.000 (aceita para nome portfolio) **Networking:** - Conecta recrutadores LinkedIn - Mensagem: "Vi vaga [empresa], tenho portfolio [link GitHub], certificações Google Data Analytics. Posso aplicar?" **PLENO (2-5 anos):** **Alvo empresas:** 1. **Fintechs** (Nubank, Inter, PicPay) - R$8K-R$15K 2. **E-commerces** (iFood, Mercado Livre) - R$7K-R$14K 3. **Scale-ups** (VTEX, Loft, Creditas) - R$7K-R$15K **Networking eventos:** - Data+AI Summit Brasil - QCon São Paulo - Meetups Data locais **SÊNIOR (5+ anos):** **Alvo empresas:** 1. **Fintechs top** (Nubank R$18K-R$28K) 2. **Consultorias** (McKinsey, BCG - mas exige MBA/formação top) 3. **Manager/Head** (R$20K-R$35K) **OU freelance/consultoria própria:** R$30K-R$100K+/mês **REMOTO INTERNACIONAL (2025 crescente):** **Empresas USA/Europa contratando Brasil:** - Toptal (top 3% aprovação) - Upwork (freelance projetos) - Remote.com (vagas full-time) - AngelList (startups) **Salários:** USD $3.000-$15.000/mês (R$15K-R$75K câmbio R$5) **Exige:** Inglês fluente, fuso horário compatível (algumas empresas) **DICA OURO - NETWORKING FUNCIONA:** **NÃO faz (easy-apply cego):** ❌ Clica "candidatar-se" LinkedIn ❌ Manda currículo genérico ❌ Espera resposta ❌ Taxa sucesso: 0,5-2% **FAZ (networking ativo):** ✅ Identifica empresa alvo ✅ LinkedIn: acha Data Manager OU recrutador ✅ Manda mensagem: "Oi [nome], trabalho Data Analytics há X anos. Vi que [empresa] está [crescendo/com vaga]. Consegui [resultado específico ex: reduzi churn 18%] em [projeto]. Portfolio: [GitHub link]. Posso aplicar [vaga]?" ✅ Anexa PDF portfolio (2-3 pages, cases com números) ✅ Taxa sucesso: 10-25% (10-20x melhor) **PORTFOLIO > CURRÍCULO > DIPLOMA:** Recrutador Data quer ver: 1. **GitHub** com 5-8 projetos (Jupyter notebooks bem documentados) 2. **SQL teste** (resolve query complexa entrevista?) 3. **Cases números** (aumentei X%, reduzi Y%, previ Z com acurácia W%) 4. **Certificações** (Google Data Analytics, Microsoft, AWS) Currículo bonito SEM portfolio = rejeitado. Portfolio FORTE SEM diploma = contratado. **ATENÇÃO PROCESSO SELETIVO:** Empresas top (Nubank, iFood, Mercado Livre, fintechs) têm: 1. **Triagem CV** (70% eliminados) 2. **Teste SQL** (queries médio-complexo, 60-90 min) 3. **Case Analytics** (dataset, pergunta negócio, você analisa + apresenta) 4. **Entrevista técnica** (explicar projetos, SQL ao vivo) 5. **Cultural fit** 6. **Offer** **Prepara-se:** Teste SQL é ELIMINATÓRIO. Pratica LeetCode, HackerRank, Stratascratch SQL. Fontes: LinkedIn Jobs Brasil, Glassdoor, sites empresas, Data Hackers community, vagas.com (Janeiro 2025).
**Vou te dar o PASSO A PASSO real (sem ilusão, SEM enrolação):** **EXPECTATIVA REALISTA (IMPORTANTE LER):** **Tempo até primeiro emprego pago:** - Estágio: 9-15 meses estudo - Júnior CLT: 12-18 meses estudo - Freelance: 12-15 meses **Aplicações necessárias (REALISTA):** - CLT: 100-200 aplicações - Estágio: 50-100 aplicações - Freelance: 30-60 propostas **Salário primeiro emprego:** - Estágio: R$1.800-R$3.000 - Júnior CLT: R$3.500-R$5.500 (realista) - Freelance: R$2.000-R$5.000/projeto inicial **Taxa desistência:** 75-80% desistem primeiros 6-9 meses (não veem progresso rápido, SQL difícil, portfolio demora). Só 20-25% persistem. **FASE 1: FUNDAMENTOS SQL + EXCEL (3-4 meses) - PRIORIDADE #1** **SQL é OBRIGATÓRIO. 98% vagas exigem. NÃO pula isso.** **Mês 1-2: SQL Básico → Intermediário** **Cursos GRATUITOS:** - **Mode Analytics SQL Tutorial** (grátis, inglês, MUITO bom) - **W3Schools SQL** (grátis, português opção) - **Curso em Vídeo - MySQL** (YouTube, português, Gustavo Guanabara) - **Hashtag Treinamentos SQL** (YouTube Brasil, EXCELENTE) **Conceitos dominar:** - SELECT, WHERE, ORDER BY, LIMIT - JOIN (INNER, LEFT, RIGHT, FULL) - Agregações (COUNT, SUM, AVG, MIN, MAX, GROUP BY) - HAVING, DISTINCT - Subqueries - CASE WHEN (conditional logic) - Window functions (ROW_NUMBER, RANK, LAG, LEAD) **Prática ESSENCIAL:** - **LeetCode SQL** (50 problemas easy → medium) - **HackerRank SQL** (certificação grátis) - **Stratascratch** (SQL interview questions reais empresas) **Meta:** Resolve 100+ problemas SQL (50 easy, 40 medium, 10 hard) **Tempo:** 2h/dia, 2 meses = 120 horas **Mês 3: Excel Avançado** **Cursos GRATUITOS:** - **Hashtag Treinamentos - Excel** (YouTube Brasil, COMPLETO) - **Microsoft Learn Excel** (oficial, grátis) **Conceitos dominar:** - Tabelas dinâmicas (pivot tables) - Fórmulas: PROCV/VLOOKUP, ÍNDICE+CORRESP, SE, SOMASES, CONT.SES - Gráficos profissionais - Formatação condicional - Validação dados - Básico VBA (macros simples) **Mês 4: Estatística Básica** **Cursos GRATUITOS:** - **Khan Academy Estatística** (português, grátis) - **Coursera - Duke University Statistics** (audita grátis) **Conceitos dominar:** - Média, mediana, moda, desvio padrão - Distribuições (normal, binomial) - Correlação vs causalidade - Regressão linear simples - Teste hipóteses básico (A/B test conceito) - P-value (conceito) **FASE 2: POWER BI (2 meses) - 75% vagas Brasil pedem** **Mês 5-6: Power BI Completo** **Cursos GRATUITOS:** - **Hashtag Treinamentos Power BI** (YouTube, MELHOR Brasil) - **Microsoft Learn Power BI** (oficial, grátis) - **Curso em Vídeo Power BI** (YouTube) **Conceitos dominar:** - Import data (Excel, SQL Server, arquivos) - Relacionamentos (star schema, snowflake) - DAX básico (CALCULATE, SUMX, FILTER, ALL) - Medidas vs colunas calculadas - Visualizações (gráficos, cartões, tabelas, mapas) - Filtros, slicers, drill-down - Publicar workspace (Power BI Service) **Projeto prático:** - Baixa dataset Kaggle (ex: vendas, RH) - Cria dashboard completo Power BI - KPIs principais - Filtros interativos - Publica online - Adiciona portfolio **FASE 3: PYTHON BÁSICO (2 meses) - DIFERENCIAL 70% vagas** **Mês 7-8: Python Pandas** **Cursos GRATUITOS:** - **Kaggle Learn Python** (grátis, ótimo) - **Kaggle Learn Pandas** (grátis, ESSENCIAL) - **DataCamp trial** (15 dias grátis, faz curso Pandas acelerado) **Conceitos dominar:** - Variáveis, listas, dicionários, loops - Functions - Pandas: read_csv, read_excel - DataFrame exploração (head, info, describe) - Filtros (df[df['coluna'] > 100]) - Agregações (groupby, agg) - Merge/Join dataframes - Limpeza dados (missing values, duplicatas) **NÃO precisa:** - Machine learning (isso é Data Scientist) - Programação avançada - Só básico limpeza/análise **FASE 4: PORTFOLIO GITHUB (4-6 meses) - CRÍTICO, NÃO PULA** **VOCÊ PRECISA 5-8 PROJETOS COMPLETOS GITHUB.** **Projeto = análise completa + código + insights + README bom.** **Estrutura projeto (CADA UM):** **1. README.md (principal):** Exemplo README.md: - Título: Análise Vendas E-commerce [Nome Dataset] - Objetivo: Analisar padrões vendas, identificar produtos mais lucrativos, sazonalidade - Dataset: Fonte (Kaggle/IBGE), 50.000 linhas, 12 colunas, período 2020-2024 - Perguntas Negócio: Qual produto mais lucrativo? Existe sazonalidade? Qual região vende mais? - Ferramentas: SQL (queries), Python Pandas (limpeza), Power BI (dashboard) - Principais Insights: Produto X representa 32% receita mas só 12% volume, vendas sobem 45% dezembro, Região Sudeste 58% vendas - Arquivos: analise.ipynb (Jupyter Notebook completo), queries.sql (Queries SQL), dashboard.pbix (Power BI), data/ (Dados) **2. Jupyter Notebook (.ipynb):** - Import data - Exploração (head, info, describe) - Limpeza (missing values, duplicatas) - Análise (agregações, gráficos) - Insights escritos CLARAMENTE **3. SQL queries (se aplicável)** **4. Dashboard Power BI (.pbix file + screenshots README)** **TIPOS PROJETOS (5-8 total):** **Projeto 1: ANÁLISE VENDAS E-COMMERCE** - Dataset: Kaggle "E-commerce Data" - SQL: agregações por produto, região, tempo - Power BI: dashboard vendas - **Tempo:** 3-4 semanas **Projeto 2: ANÁLISE RH (turnover, satisfação)** - Dataset: Kaggle "HR Analytics" - Python: limpeza, análise correlação salário-satisfação - Insights: "funcionários salário Certificações > Currículo > Diploma.** Recrutador Data olha: 1. **GitHub portfolio** (5-8 projetos BEM documentados?) 2. **Teste SQL** (resolve query complexa entrevista?) 3. **Certificações** (Google? Microsoft?) 4. **Experiência** (projetos, estágio, freelance) 5. **Diploma** (último, peso 10-15%) **Foca 70% tempo FAZENDO (SQL, projetos, portfolio).** **30% teoria (cursos, vídeos).** Primeiro emprego é mais difícil. Mas depois 2 anos experiência, VOCÊ escolhe vaga (mercado faltando 530 mil profissionais). Boa sorte. Persistência vence.
**Vou te mostrar EXATAMENTE o que dominar (priorizado TIER 1, 2, 3):** **TIER 1: OBRIGATÓRIO - 95-100% vagas exigem (NÃO negocia)** **1. SQL (98% vagas exigem - PRIORIDADE #1)** **Por que CRÍTICO:** - Extração dados banco dados (todo dado empresa vive em DBs SQL) - Manipulação datasets grandes (milhões linhas) - Queries entrevista (teste técnico 90% empresas) **O que dominar:** - **Básico:** SELECT, WHERE, ORDER BY, LIMIT - **Joins:** INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL JOIN (ESSENCIAL) - **Agregações:** COUNT, SUM, AVG, GROUP BY, HAVING - **Funções:** CASE WHEN, COALESCE, CONCAT - **Intermediário:** Subqueries, CTEs (WITH), UNION - **Avançado:** Window Functions (ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, PARTITION BY) - **Otimização:** Indexes (conceito), query performance **Dialetos principais Brasil:** - **PostgreSQL** (startups, tech - 40%) - **MySQL** (e-commerce, web - 30%) - **SQL Server** (empresas grandes, bancos - 20%) - **BigQuery** (Google Cloud - 10%, crescendo) **Sintaxe 95% igual, diferenças pequenas.** **Ferramentas praticar:** - LeetCode SQL (100+ problemas) - HackerRank SQL (certificação grátis) - Stratascratch (SQL interview questions) - Mode Analytics (grátis, datasets públicos) **Tempo domínio:** 3-4 meses uso diário (2h/dia) **2. EXCEL (95% vagas exigem - "Excel AVANÇADO")** **Por que ainda CRÍTICO 2025:** - Análises rápidas (sem precisar código) - Stakeholders não-técnicos usam (precisa entregar Excel) - Tabelas dinâmicas presentation (reuniões executivos) **O que dominar:** **Fórmulas ESSENCIAIS:** - **Lookup:** PROCV/VLOOKUP, ÍNDICE+CORRESP/INDEX+MATCH (MELHOR que PROCV) - **Lógica:** SE/IF, E/AND, OU/OR, SEERRO/IFERROR - **Agregação:** SOMASE/SUMIF, SOMASES/SUMIFS, CONT.SE/COUNTIF - **Texto:** CONCATENAR/CONCAT, ESQUERDA/LEFT, DIREITA/RIGHT, PROCURAR/FIND - **Data:** HOJE/TODAY, ANO/YEAR, MÊS/MONTH, DATADIF/DATEDIF **Recursos AVANÇADOS:** - **Tabelas Dinâmicas** (pivot tables - OBRIGATÓRIO) - **Gráficos profissionais** (não aceita gráfico feio) - **Formatação condicional** (heat maps) - **Validação dados** (dropdowns, regras) - **Power Query** (ETL dentro Excel, DIFERENCIAL) - **Macros VBA básico** (opcional mas valorizado) **Atalhos dominar:** - Ctrl+Shift+L (filtros) - Alt+= (auto soma) - Ctrl+T (criar tabela) - F4 (fixa célula $A$1) **Tempo domínio:** 2-3 meses **3. POWER BI (75% vagas Brasil, 85% vagas corporativas)** **Por que dominante Brasil:** - Microsoft (empresas já têm licença Office) - Integra Excel, SQL Server - Interface "fácil" (vs Tableau mais caro) **O que dominar:** **Power Query (ETL):** - Import data (Excel, SQL, web, APIs) - Transformações (remover duplicatas, preencher missing, mudar tipos) - Merge/Append queries **Data Modeling:** - Relacionamentos (1:N, N:N) - Star schema (fact table + dimension tables) - Chaves primárias/estrangeiras **DAX (Data Analysis Expressions - CRÍTICO):** - Medidas básicas: SUM, AVERAGE, COUNT, MAX, MIN - **CALCULATE** (função mais importante DAX) - **FILTER, ALL, ALLSELECTED** - Time Intelligence: TOTALYTD, SAMEPERIODLASTYEAR - **SUMX, AVERAGEX** (iterators) - Variáveis (VAR) **Visualizações:** - Gráficos certos (barras, linhas, pizza quando apropriado) - KPIs cards - Tabelas/matrizes - Mapas - Slicers (filtros interativos) - Drill-down/drill-through **Publicação:** - Power BI Service (workspace online) - Compartilhar dashboards - Row-level security (RLS) conceito **Tempo domínio:** 2-3 meses **TIER 2: IMPORTANTE - 50-70% vagas pedem (DIFERENCIAL competitivo)** **4. PYTHON (70% vagas pedem, crescendo)** **ATENÇÃO:** Data Analyst NÃO precisa virar programador. Só BÁSICO. **O que dominar (Pandas foco):** **Python básico:** - Variáveis, tipos (int, float, string, list, dict) - Loops (for, while) - Condicionais (if/elif/else) - Functions (def) **Pandas (biblioteca PRINCIPAL):** - **Leitura:** pd.read_csv(), pd.read_excel(), pd.read_sql() - **Exploração:** .head(), .info(), .describe(), .shape, .columns - **Seleção:** df['coluna'], df[['col1','col2']], df.loc[], df.iloc[] - **Filtros:** df[df['vendas'] > 1000] - **Agregações:** .groupby().agg(), .sum(), .mean(), .count() - **Merge/Join:** pd.merge(), pd.concat() - **Missing values:** .isnull(), .fillna(), .dropna() - **Apply functions:** .apply(lambda x: ...) **Matplotlib/Seaborn (visualização básica):** - Gráficos linha, barras, scatter, histograma - Só básico (visualização principal = Power BI) **Jupyter Notebooks:** - Ambiente análise interativa - Documenta código (Markdown cells) - Portfolio GitHub (publica .ipynb) **O que NÃO precisa (isso é Data Scientist):** - Machine Learning (scikit-learn, árvores decisão, redes neurais) - Deep Learning (TensorFlow, PyTorch) - Estatística avançada (modelos complexos) **Tempo domínio:** 2-3 meses (básico suficiente Analyst) **5. ESTATÍSTICA (60% vagas pedem conceitos)** **Básica/Intermediária suficiente:** **Descritiva:** - Média, mediana, moda - Desvio padrão, variância - Quartis, percentis - Outliers (detecção) **Inferencial (conceitos):** - Distribuição normal - Correlação vs Causalidade (CRÍTICO entender diferença) - Regressão linear simples (conceito, não precisa implementar complexo) - P-value (conceito - significância estatística) - Teste hipóteses (A/B test conceito) - Intervalo confiança (conceito) **O que NÃO precisa:** - Estatística avançada (ANOVA multivariada, regressões complexas) - Isso é Data Scientist **Tempo:** 1-2 meses conceitos **6. GOOGLE ANALYTICS (50% vagas marketing/e-commerce)** **Se trabalha e-commerce, marketing, produto = OBRIGATÓRIO.** **O que dominar:** **Google Analytics 4 (GA4 - nova versão):** - Métricas: usuários, sessões, pageviews, bounce rate - Conversões (goals, events) - Funis (onde usuários abandonam) - Segmentos (idade, localização, device) - UTM parameters (tracking campanhas) **Google Tag Manager (opcional mas valorizado):** - Gerencia tags tracking - Menos mexer código site **Certificação GA4:** Google Skillshop (grátis) **Tempo:** 1 mês **TIER 3: OPCIONAL - 20-40% vagas (BÔNUS, não obrigatório)** **7. TABLEAU (30% vagas, alternativa Power BI)** **Quando vale:** - Empresas USA (Tableau mais comum lá) - Consultorias (McKinsey, BCG usam) - Se já domina Power BI, adiciona Tableau = diferencial **Similar Power BI, sintaxe diferente.** **Custo:** $70/mês (caro vs Power BI) **8. R (20% vagas, academia/farmacêutica/finanças)** **Quando vale:** - Estatística pesada (alternativa Python) - Empresas acadêmicas - Farmacêuticas (estudos clínicos) **Maioria empresas tech: Python > R.** **Se aprender Python primeiro, R fácil depois (sintaxe similar).** **9. GIT / GITHUB (40% vagas tech pedem)** **O que dominar:** - Criar repositório - Commit, push - README.md bem escrito - Branches (básico) **NÃO precisa:** - Git avançado (merge conflicts complexos, rebase) - Isso é desenvolvedor **Tempo:** 1 semana conceitos básicos **10. CLOUD (AWS/GCP/Azure - 30% vagas, crescendo)** **Data Analyst BÁSICO (Data Engineer precisa avançado):** **Conceitos:** - Data Lake vs Data Warehouse - S3 (AWS storage) - BigQuery (GCP - SQL grande escala) - Redshift (AWS data warehouse) **Certificação útil:** - AWS Certified Cloud Practitioner ($100, básico) **11. FERRAMENTAS ETL/ELT (20-30% vagas)** **Quando pede:** - Empresas sem Data Engineers (você faz pipeline) - Consultorias **Ferramentas:** - **Alteryx** (visual, sem código) - **Talend** - **Apache Airflow** (programático, mais complexo) **Maioria júnior NÃO precisa. Aprende no trabalho.** **CUSTO MENSAL FERRAMENTAS:** **INICIANTE (R$0-R$100/mês - TUDO GRÁTIS possível):** - SQL: PostgreSQL, MySQL (grátis) - Excel: Office 365 trial OU Google Sheets (grátis) - Power BI Desktop (grátis - só publicação paga) - Python: Anaconda (grátis) - GitHub (grátis) - **Total: R$0** **INTERMEDIÁRIO (R$100-R$400/mês):** - Power BI Pro (publicação): $10/mês (R$50) - Microsoft 365 (Excel desktop): R$35/mês - DataCamp subscription: $25/mês (R$125 - cursos) - **Total: ~R$200/mês** **PROFISSIONAL (empresa paga):** - Tableau: $70/mês (empresa paga) - Cloud AWS/GCP: empresa paga - Ferramentas ETL: empresa paga - **Custo pessoal: R$0** **MINHA RECOMENDAÇÃO APRENDIZADO (ORDEM):** **Mês 1-2: SQL (PRIORIDADE #1)** - 2h/dia - 100+ problemas LeetCode - Sem SQL = SEM emprego **Mês 3: Excel Avançado** - Tabelas dinâmicas master - Fórmulas complexas **Mês 4-5: Power BI** - Dashboards profissionais - DAX intermediário **Mês 6-7: Python Pandas (básico)** - Limpeza dados - Análise exploratória **Mês 8: Estatística (conceitos)** - Khan Academy - Basics suficiente **Mês 9+: Especializações (escolhe):** - Google Analytics (se e-commerce) - Git/GitHub (portfolio) - Cloud básico (diferencial) **ATENÇÃO 2025 - IA MUDANDO:** **IA gerando:** - SQL queries básicas (ChatGPT escreve SELECT simples) - Dashboards auto (Power BI IA sugerindo visuais) - Python scripts simples **O que SOBREVIVE (foca nisso):** - **SQL COMPLEXO** (IA erra queries 3+ joins, subqueries aninhadas) - **INTERPRETAÇÃO insights** (IA não sabe O QUE análise significa para negócio) - **COMUNICAÇÃO stakeholders** (apresentar descobertas, convencer CEO) - **PERGUNTAS CERTAS** (saber O QUE analisar - IA não decide isso) - **CONTEXTO NEGÓCIO** (entender indústria, produto, usuários) **Analista que só "faz SQL básico + dashboard automático" = substituível IA.** **Analista que FAZ queries complexas + ENTENDE negócio + COMUNICA bem = insubstituível.** **DICA FINAL:** **Não aprende TODAS ferramentas paralelo = burnout.** **Sequência:** 1. SQL master (3 meses sólido) 2. Excel avançado (1 mês) 3. Power BI (2 meses) 4. Python básico (2 meses) 5. Resto opcional conforme vaga **Portfolio com SQL + Power BI + Python básico = empregável.** Adiciona ferramentas depois conforme empresa pede (aprende no trabalho). Foca DOMINAR Tier 1 antes tocar Tier 2/3.