Aula 01

Fundamentos, mercado e fluxo de BI

A primeira aula precisa criar o mapa mental do curso: o que é dado, como ele vira leitura de negócio e por que BI não começa na ferramenta.

ConceitoDado, informação, conhecimento, indicador e decisão.

MercadoFunções, empresas, organização de times e carreira.

FluxoFonte, tratamento, modelagem, entrega e ação.

CritérioConfiabilidade antes de qualquer visual bonito.

Visual abstrato conectando dados operacionais a decisões de negócio

Mensagem central

BI não é dashboard. É decisão melhor com menos achismo.

Um painel pode ser bonito e ainda assim inútil. O valor aparece quando a visualização responde uma pergunta, usa regra clara e muda uma ação.

1Sem pergunta, o painel vira vitrine de números.

2Sem qualidade, o indicador transmite confiança falsa.

3Sem ação, a análise termina em reunião, não em resultado.

Comparação entre dashboard e decisão de negócio

Dado.

Conceito

Dado é o registro bruto de um acontecimento.

Ele pode ser uma venda, um clique, um pagamento, uma data, um status ou um código. Sozinho, ele registra algo; ainda não explica se aquilo foi bom, ruim, esperado ou estranho.

Exemplo brutoPedido 1048, R$ 239,90, cliente 318, status pago.

Cuidado comumDado sem origem, data ou chave vira difícil de validar depois.

Informação.

Conceito

Informação é dado com contexto, regra e comparação.

O dado começa a informar quando sabemos o período, a regra de cálculo, o público analisado e a referência de comparação. É aí que uma linha vira uma leitura.

Exemplo informadoFaturamento pago de maio cresceu 12% contra abril.

Pergunta respondidaO mês melhorou? Em qual medida? Comparado com o quê?

Conhecimento.

Conceito

Conhecimento é informação interpretada para orientar uma ação.

Ele nasce quando a leitura ganha consequência: priorizar uma filial, rever estoque, investigar queda, corrigir cadastro, mudar meta ou testar uma hipótese.

Exemplo aplicadoO canal online cresceu sem elevar devolução; vale reforçar estoque.

Sinal de maturidadeA análise aponta próximo passo, dono e critério de acompanhamento.

Fluxo mental

Dado vira informação. Informação vira conhecimento. Conhecimento orienta decisão.

Esse fluxo evita um erro comum em iniciantes: pular direto para gráfico sem validar o que o número representa e qual decisão ele deveria sustentar.

Fluxo visual de dado para informação, conhecimento e decisão

01

DadoRegistro bruto capturado em sistemas, planilhas, bancos ou arquivos.

02

InformaçãoDado organizado com contexto, regra, período e comparação.

03

ConhecimentoInterpretação que revela causa, risco, oportunidade ou prioridade.

04

DecisãoAção concreta: manter, corrigir, investir, cortar, testar ou escalar.

Linha de produção

A área de dados transforma registro bruto em decisão acompanhável.

Cada etapa precisa gerar um artefato claro. Se uma etapa fica implícita, a análise vira dependente de memória, planilha solta ou regra escondida.

01

Fonte

Identifica de onde vêm vendas, clientes, produtos e metas: ERP, CRM, Sheets, CSV, banco ou API.

Artefato: inventário de fontes e campos-chave.

02

Tratamento

Corrige tipos, nulos, duplicados, status, UFs inválidas e formatos que quebram cálculo.

Artefato: regras de qualidade e base limpa.

03

Modelagem

Organiza tabelas, relacionamentos, fatos, dimensões e regras de KPI para todos calcularem igual.

Artefato: modelo e dicionário de métricas.

04

Entrega

Publica consulta, ETL, dashboard, relatório ou alerta com leitura simples e atualização repetível.

Artefato: painel, dataset ou rotina automatizada.

05

Decisão

Define ação, dono, prazo e acompanhamento: repor estoque, revisar meta, cobrar filial ou testar campanha.

Artefato: plano de ação e indicador monitorado.

Qualidade

Dado confiável não é dado bonito. É dado que aguenta decisão.

Antes de calcular KPI, o aluno precisa desconfiar da base: tipo, chave, duplicidade, regra de negócio e origem podem mudar completamente a conclusão.

✓Validade: o valor respeita formato e domínio?

✓Integridade: a chave existe e relaciona corretamente?

✓Consistência: a mesma regra gera o mesmo número?

Case Vendas & Operações

Uma base pequena já consegue distorcer faturamento, ranking e estoque.

O case da aula simula uma base mensal de vendas recebida da operação. A tarefa é explicar o erro, o impacto e a correção antes de gerar qualquer gráfico.

Planilha de vendas com erros de qualidade destacados

Pedido duplicadoImpacto: faturamento e quantidade sobem artificialmente. Correção: deduplicar por id_pedido + produto + data.

Valor mal formatadoImpacto: soma ignora linhas ou converte errado. Correção: padronizar separador decimal e tipo numérico.

UF inválidaImpacto: ranking por estado cria categoria falsa. Correção: validar domínio com lista oficial de UFs.

Status inconsistenteImpacto: vendas abertas entram como pagas. Correção: normalizar status antes do KPI.

Negócio

BI entra onde pergunta recorrente, risco de erro e decisão cara se encontram.

O melhor sinal de oportunidade para BI é quando a empresa decide com frequência, mas ainda depende de planilha manual, versão diferente da verdade ou cálculo não documentado.

Perguntas recorrentes

Qual canal vende mais e com melhor margem?
Qual filial está abaixo da meta?
Quais produtos giram pouco ou faltam no estoque?

Risco de erro

Comprar estoque errado por venda duplicada.
Comparar meta mensal com período incompleto.
Premiar equipe usando status de venda incorreto.

Decisões caras

Mudar preço, campanha ou política comercial.
Aprovar crédito, cortar custo ou abrir filial.
Priorizar time, orçamento e atendimento.

Indicadores

KPI bom combina regra clara, contexto e dono da decisão.

KPI

Key Performance Indicator, ou indicador-chave de desempenho. Ele mede uma parte crítica do resultado e precisa acionar uma conversa de gestão, não só preencher um painel.

Importa porque transforma operação em critério de prioridade.

Indicador	Regra mínima	Decisão associada
Faturamento	Soma de vendas pagas no período definido.	Acompanhar meta, sazonalidade e canal.
Ticket médio	Faturamento dividido por pedidos válidos.	Avaliar mix, preço e estratégia comercial.
Ruptura	Itens sem estoque frente à demanda observada.	Repor, redistribuir ou revisar previsão.
Churn	Clientes perdidos sobre base ativa inicial.	Priorizar retenção e atendimento.

Funções base

Dados, BI e Engenharia resolvem partes diferentes do mesmo fluxo.

Analista de Dados

Investiga problemas, cruza bases, testa hipóteses e transforma perguntas abertas em evidência para o negócio.

Entrega: diagnóstico, análise e recomendação.
Stack: SQL, Sheets/Excel, Python/pandas, Power BI.

SQLPythonSheetsPower BI

Analista de BI

Cria rotina de acompanhamento: define KPIs, organiza painéis e garante que gestão leia o número certo.

Entrega: dashboard, KPI, relatório executivo.
Stack: Power BI, Looker Studio, SQL, modelagem.

Power BIDAXSQLLooker

Engenheiro de Dados

Constrói o caminho confiável entre fonte e consumo: integra, automatiza, versiona e monitora bases.

Entrega: pipeline, warehouse, camada confiável.
Stack: PostgreSQL, BigQuery, Hop/Airflow, dbt.

PostgreSQLETLdbtAirflow

Times maduros

Times maiores especializam modelagem, ciência, operação e governança.

Analytics Engineer

Cria modelos analíticos confiáveis e métricas reutilizáveis.

Stack: SQL, dbt, Git, warehouse.

Cientista de Dados

Estima, prevê, segmenta e testa hipóteses com estatística e ML.

Stack: Python, pandas, sklearn, notebooks.

Engenheiro de ML

Leva modelo para produção com API, versionamento e monitoramento.

Stack: Python, Docker, APIs, MLflow.

DBA

Mantém banco disponível, seguro e performático para operação.

Stack: PostgreSQL, backup, tuning, permissões.

Arquiteto de Dados

Define padrões, integrações e decisões técnicas de longo prazo.

Stack: cloud, lakehouse, governança, desenho.

Governança

Cuida de dono do dado, catálogo, qualidade, acesso, LGPD e linhagem.

Stack: catálogo, políticas, lineage, data quality.

Organização

Um painel de vendas bom nasce como projeto, não como pedido solto.

Exemplo: a área comercial quer acompanhar meta, margem e ruptura por canal. O setor de BI transforma essa demanda em fluxo de entrega.

1. BriefingQual decisão o gerente de vendas precisa tomar toda semana?

2. KPIsDefinir faturamento pago, margem, ticket médio, ruptura e meta.

3. FontesVendas no ERP, metas em planilha, produtos no cadastro e estoque no sistema.

4. QualidadeValidar status, duplicidade, UF, preço, devolução e período fechado.

5. ModeloCriar fato_vendas, dimensões de produto, cliente, filial e calendário.

6. ValidaçãoConferir totais com a área antes de publicar o painel.

7. DashboardPublicar visão executiva, filtros e alertas de desvio.

8. RotinaTreinar usuários, revisar dúvidas e ajustar a próxima versão.

Mercado

Empresas investem em dados quando o retorno aparece em dinheiro, risco ou eficiência.

Dinheiro

Aumentar receita, proteger margem e vender melhor.

Métricas: faturamento, margem, ticket médio, LTV.
Decisões: preço, mix, campanha, canal e estoque.
Exemplo: reforçar produto que cresce sem elevar devolução.

Risco

Reduzir perda, fraude, inadimplência e decisão fora da regra.

Métricas: chargeback, atraso, crédito vencido, SLA.
Decisões: bloquear, aprovar, auditar ou priorizar cobrança.
Exemplo: impedir aprovação automática fora do perfil.

Eficiência

Fazer mais com menos tempo, custo, retrabalho e desperdício.

Métricas: produtividade, tempo de ciclo, OEE, custo por pedido.
Decisões: automatizar, redistribuir equipe, ajustar processo.
Exemplo: reduzir retrabalho em cadastro que quebra relatório.

Mercado e carreira

Salário em dados varia por função, senioridade, região e tipo de empresa.

Analista de Dados

R$ 3-6k

Analista de BI

R$ 4-6k

Eng. de Dados

R$ 5-10k

Cientista Dados

R$ 5-11k

Faixa provável mensal no Brasil. Linha branca indica salário base médio publicado. A fonte não separa júnior, pleno e sênior com confiança nessa visualização.

Brasil x Rondônia

Brasil: há amostra pública nacional suficiente para comparar cargos.

Rondônia: não há amostra pública robusta por função e nível nessas páginas; trate como contexto local e compare com vagas remotas nacionais.

Leitura didática: senioridade aumenta com autonomia, impacto, comunicação e entrega de ponta a ponta.

Fonte: Glassdoor Brasil, páginas de Analista de Dados, Analista de BI, Engenheiro de Dados e Cientista de Dados; consulta em 13/06/2026. Valores são estimativas, não promessa salarial.

Referências

Use referências diferentes para aprender prática, carreira e fundamentos.

LV

Luciano Vasconcelos

Conteúdo prático, carreira, rotina de estudo e projetos para quem está começando.

Comunidade e prática

TC

Téo Calvo

Ajuda a entender dados com explicação aplicada, SQL, Python e raciocínio analítico.

Aprendizado prático

RK

Ralph Kimball

Referência clássica em modelagem dimensional, fatos, dimensões e data warehouse.

Modelagem de BI

MK

Martin Kleppmann

Base forte para arquitetura, sistemas distribuídos, confiabilidade e engenharia de dados.

Engenharia

AN

Andrew Ng

Boa porta para machine learning, IA aplicada, produtos de dados e visão de mercado.

IA e ML

Cards usam avatar visual como fallback: nenhuma foto real foi embutida sem asset local verificável e procedência clara.

Atividade

Prática.

Diagnóstico rápido de uma base de Vendas & Operações: encontrar problemas de qualidade e explicar o impacto no indicador.

O foco é aprender a desconfiar da base antes de calcular.

Fechamento

A ferramenta muda. O raciocínio de dados permanece.

Quem entende pergunta, qualidade, regra e decisão consegue transitar entre planilha, SQL, ETL, Power BI, Python e IA com muito menos dependência de tutorial.

1Qual problema de negócio estamos resolvendo?

2O dado é confiável o suficiente para decidir?

3O indicador tem regra clara e dono?

4Que ação sai dessa leitura?

5Como vamos acompanhar se a ação funcionou?