~/mapas/dados
Mapa de carreira: Dados
Dados é a área que mais cresceu em vaga e em salário nos últimos anos, e também a que mais gera decisão errada de estudo — porque o termo cobre três profissões diferentes. Engenharia de dados constrói o caminho por onde o dado passa; análise e BI transformam o dado em decisão; ciência de dados modela e prevê. Elas exigem bases distintas.
A recomendação prática que este mapa assume: as três primeiras etapas são comuns e valem para qualquer um dos três caminhos. É só a partir da quarta que a trilha se divide — e a engenharia é hoje a que tem mais vagas abertas por candidato, além de ser a que mais aproveita quem vem de desenvolvimento de software.
- 5 etapas
- 20 tópicos
- 9 essenciais
Essencial aparece em praticamente toda vaga. Recomendado é o que passa da triagem. Opcional é especialização — escolha uma em vez de tentar todas.
Etapa 1
Escolher o caminho
Ao terminar, você sabe para qual das três profissões está estudando — e para de perder tempo com o conteúdo das outras duas.
- essencial
Constrói e mantém o pipeline; é a etapa em que a maioria das empresas brasileiras ainda está, e por isso a com mais vagas abertas.
- essencial
Transforma dado em decisão; é a porta de entrada mais acessível para quem vem de área de negócio.
- essencial
Modela e prevê; exige base estatística de verdade e é a que menos contrata sem experiência anterior.
Etapa 2
A base comum
Ao terminar, você extrai e cruza dados de qualquer banco relacional — a habilidade cobrada em 100% das vagas de dados.
- essencial
Junção, agregação, função de janela e CTE aparecem em praticamente todo teste técnico de dados no Brasil.
- essencial
Fato, dimensão e star schema explicam por que o relatório demora e por que o número não bate entre duas telas.
- essencial
Pandas e manipulação de arquivo cobrem o trabalho diário; é o segundo requisito mais citado depois de SQL.
- recomendado
Distribuição, amostra e significância evitam a conclusão errada — o erro mais caro da área, porque ninguém percebe.
- essencial
Notebook solto não vai para produção; times de dados maduros trabalham como times de software.
Etapa 3
Do dado bruto ao dado confiável
Ao terminar, você move dados de uma origem até um destino de forma automatizada e auditável.
- essencial
A diferença entre transformar antes ou depois de carregar decide o custo e a flexibilidade de toda a arquitetura.
- recomendado
Agendar é fácil; o valor está em reprocessar, tratar dependência e saber qual carga falhou às três da manhã.
- recomendado
Aparece cada vez mais nos anúncios brasileiros porque leva teste e revisão de código para dentro do SQL.
- recomendado
Pipeline que entrega dado errado no prazo é pior que pipeline atrasado — e a diferença é teste automatizado.
Etapa 4
Nuvem e escala
Ao terminar, você trabalha na stack que aparece na maior parte das vagas de engenharia de dados.
- essencial
BigQuery, Snowflake e Redshift concentram os anúncios; o conceito de cobrança por consulta muda como se escreve SQL.
- recomendado
Databricks e formatos como Delta e Iceberg aparecem em empresa com volume grande e time de plataforma.
- recomendado
Necessário quando o dado não cabe em uma máquina — e desnecessário, com frequência, quando cabe.
- opcional
A fronteira com DevOps é fina: quem sabe empacotar e provisionar entrega sem depender de outro time.
Etapa 5
Entregar valor
Ao terminar, o seu trabalho vira decisão de negócio — o que separa quem é promovido de quem só executa demanda.
- recomendado
Power BI, Looker e Metabase aparecem nos anúncios; o que diferencia é escolher o gráfico que responde à pergunta.
- recomendado
Funil, coorte e teste A/B são a linguagem comum entre dados e produto — e o que faz o time confiar no número.
- opcional
Modelo que não vai para produção não gera valor; a parte difícil raramente é o algoritmo.
- opcional
RAG, vetorização e controle de custo de inferência entraram nos anúncios desde 2024 e pagam acima da média.
Do mapa para o mercado
Estudar sem olhar o que está sendo anunciado é estudar no escuro. Veja quantas vagas de dados estão abertas agora, quanto por cento dos anúncios divulga salário e quem mais contrata — e compare a faixa com a base de salários antes de negociar.
Outras trilhas
## faq
Perguntas frequentes
Qual carreira de dados tem mais vagas?
Engenharia de dados. Antes de existir modelo ou dashboard, alguém precisa levar o dado do sistema de origem até um lugar confiável — e é nessa etapa que a maioria das empresas brasileiras ainda está. É também a que mais aproveita quem vem de desenvolvimento de software, porque o trabalho é essencialmente engenharia.
Preciso de mestrado para trabalhar com dados?
Para engenharia e análise, não — o que pesa é SQL, modelagem e alguma experiência com nuvem. Para ciência de dados em pesquisa, modelagem estatística pesada ou P&D de IA, a formação acadêmica ainda abre portas e aparece explicitamente em parte dos anúncios. A maioria das vagas de mercado, porém, cobra entrega, não diploma.
Dá para migrar de outra área para dados?
É uma das migrações mais comuns, e o conhecimento de negócio anterior vira vantagem real: quem já entende o processo de vendas, de logística ou financeiro faz perguntas melhores aos dados. O caminho mais curto costuma ser começar por análise e BI dentro da própria empresa, usando os dados que você já conhece, e migrar para engenharia depois se quiser mais profundidade técnica.
Preciso aprender Spark logo no começo?
Não. Spark resolve o problema de dado que não cabe em uma máquina, e a maior parte das empresas brasileiras não tem esse volume — usar processamento distribuído em dado pequeno adiciona complexidade sem ganho. SQL bem escrito e um warehouse na nuvem cobrem a maioria dos casos; deixe Spark para quando o problema aparecer de verdade.