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.

• Mulheres em Dados
• Data Hackers

• Mulheres em Dados
• Data Hackers
• Let’s Data
• Data Talks
• Analytics Talks

Veja mais podcasts aqui

• Alex The Analyst
• Mulheres em Dados

• Business Intelligence e Análise de Dados para Gestão do Negócio

• Filipe Deschamps
• Data Hackers
• TLDR

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

• Kaggle
• Base de Dados do Governo
• The Forage