LO
Avisa-me quando chegar um registo verificado a esta profissão → · Marcar quais destas tarefas são suas (VOLO Pro, gratuito durante o lançamento) →
Analista de dados
Transforma uma pergunta de negócio numa consulta, uma consulta num número e um número numa decisão sobre a qual alguém vai agir.
Escolhe a métrica sobre a qual a tua empresa mais discute e escreve a definição dela com precisão suficiente para que duas pessoas cheguem ao mesmo número. Põe-na a circular e conta as objeções.
Isto não é uma probabilidade de perder o emprego. Combina que parte da carga de tarefas do posto está exposta à automatização com até onde a adoção chegou de facto: serve para comparar profissões sobre uma base constante, e para mais nada.
Escrito para analistas de negócio, de produto e de marketing que trabalham com SQL, folhas de cálculo e ferramentas de BI. Os engenheiros de dados, os cientistas de dados que constroem modelos e os estatísticos em investigação são outro caso.
O que está mesmo a mudar#
A unidade de análise é a tarefa, não o nome do posto. Um posto não é substituído: é a mistura de tarefas dele que se move.
Cada quadrado é uma tarefa. O tamanho é o peso que tem no trabalho; a cor, para onde a tarefa está a ir. Clique num quadrado para ver o que esse juízo não estabelece.
«Quando os dados estão limpos e a pergunta é clara» é uma condição enorme. Na maioria das empresas não se verifica nenhuma das duas, e as ferramentas produzem respostas erradas com toda a confiança sobre esquemas ambíguos.
As ferramentas de autosserviço deixam as chefias fazer mal as suas próprias perguntas em vez de perguntarem a um analista. Enquadrar a pergunta continua a valer, mas o analista tem de estar na sala para o dar, e são cada vez menos.
A memória institucional dos dados constrói-se trabalhando com eles todos os dias. Se as consultas diárias passarem para o autosserviço, a memória que torna esta tarefa possível deixa de se acumular.
A credibilidade é pessoal e acumula-se devagar, o que protege os analistas estabelecidos e mais ninguém. O primeiro analista que uma empresa contrata não tem nenhuma, e agora tem menos tarefas de rotina com que a ganhar.
Tratar das definições é um trabalho mais pequeno do que responder a perguntas era, e há um por organização. Os efetivos serem «redirecionados» para ali é um eufemismo para uma equipa mais pequena a fazer outra coisa.
É este o teu trabalho? Di-lo e esta página estreita-se à tua parte dele.
O nome de um posto é um pacote de tarefas compradas em conjunto, e não há duas pessoas com o mesmo pacote. Não é enviado nada para lado nenhum: fica neste navegador.
Mudanças recentes#
É um guia do fornecedor e uma implementação de referência, não a notícia de que esteja em uso em alguma empresa: o texto não nomeia nenhum empregador a executá-lo. Está registado como capacidade técnica, e essa camada nunca move uma avaliação neste sítio. Em que se apoia cada ligação a uma tarefa: as instruções que o próprio modelo traz cobrem encontrar as tabelas, o SQL apenas de leitura e explicar o que se descobriu (escrever consultas); os seus pré-requisitos e o passo 3 exigem que a equipa forneça as definições de métricas, os filtros de confiança e as consultas já revistas, e o passo 9 guarda uma correção só quando uma pessoa o pede (ser dono das definições de que as ferramentas dependem); e os filtros que imprime como exemplo — excluir empregados e contas de teste, excluir o dia em curso incompleto, a medição do pagamento no telemóvel mudou a 18 de agosto — são o conhecimento de um analista sobre onde os dados mentem, dado por uma pessoa e não encontrado pelo agente. A data vem do commit do cookbook que acrescentou o exemplo, porque a página da mostra não tem data.
Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.
Escrito pelos autores do teste de referência, que têm também um sistema concorrente (Rubicon) para promover — por isso a parte interessada aqui está a argumentar que os testes fáceis estão errados. A afirmação de fundo é verificável: o Beaver é construído a partir de registos reais de consultas do armazém Oracle de 1.400 tabelas do MIT e de outros três, e a sua tabela classificativa é pública. As quatro razões apresentadas são estruturais e não sobre a qualidade do modelo — os dados dos testes públicos estão no corpus de treino, os esquemas reais apodrecem até terem seis colunas diferentes chamadas «salary», os armazéns carregam gíria local, e as consultas reais juntam duas ou três tabelas em vez de uma.
Uma falha, um recuo, uma regulação ou um custo estão a travar a adoção. Pode baixar uma avaliação ou alargar a sua incerteza.
O regulador estatístico do Reino Unido, instituído por lei, num relatório sobre o sistema de estatísticas oficiais. Diz que os produtores que usam IA na produção ou na comunicação de estatísticas oficiais devem aplicar o Code of Practice for Statistics como o fariam para outros métodos ou modelos estatísticos, que a sua orientação atualizada vai cobrir a garantia de qualidade, a supervisão humana e a responsabilização clara pelos resultados, e que o uso de IA nas estatísticas oficiais continua a ser sobretudo investigação, testes e apoio administrativo, e não produção de rotina. Diz respeito a estatísticos do setor público e não a analistas de negócio, e a orientação ainda está a ser atualizada.
Uma falha, um recuo, uma regulação ou um custo estão a travar a adoção. Pode baixar uma avaliação ou alargar a sua incerteza.
Um artigo de pessoal do LinkedIn sobre o seu chatbot interno de texto para SQL, disponível na plataforma de consultas do LinkedIn desde julho de 2024, com uso estável por mais de 300 utilizadores ativos semanais. Assenta num grafo de conhecimento em que os donos dos conjuntos de dados anotam se uma coluna é uma métrica, uma dimensão ou um atributo, e em que as tabelas mais usadas têm descrições escritas por pessoas; estes componentes fizeram subir de 9% para 48% as respostas classificadas como corretas ou quase corretas. Numa revisão por especialistas de 124 respostas em produção, 53% foram classificadas como corretas ou com problemas menores, e o problema mais comum foi um filtro incorreto (24%); os autores notam que pedir a taxa de cliques mais recente significa coisas diferentes para equipas diferentes. É a ferramenta interna de uma empresa, medida por quem a construiu.
Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.
Engenheiros da Grab a descrever as suas próprias ferramentas internas de dados. Só 20% das tabelas consultadas com mais frequência tinham documentação; a equipa preencheu antecipadamente documentação gerada por IA para as tabelas mais críticas e notificou os produtores de dados para a reverem, mostrando-a com a etiqueta «AI-generated» até um produtor a aceitar ou editar, e a cobertura dessas tabelas subiu 70 pontos percentuais, para cerca de 90%, antes de o bot de descoberta com LLM ser lançado. O bot corre na plataforma de um fornecedor que a Grab usa; os números são da própria empresa.
Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.
Uma só empresa, com lançamento limitado; a plataforma da Uber corre cerca de 1,2 milhões de consultas interativas por mês, por isso isto é uma fatia pequena. A própria publicação assinala como problemas em aberto as tabelas e colunas alucinadas e a qualidade das instruções.
Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.
O que isto significa para ti#
Entrar só com destreza em SQL está mais fraco do que era, porque é essa a parte que as ferramentas fazem. A entrada mais forte é domínio mais dados: aprende uma área de negócio a fundo que chegue para saberes o que os seus números significam e como se partem, e usa as ferramentas para consultar. Oferece-te para o trabalho pouco vistoso de documentar definições — é onde o novo lugar de analista se está a formar, e quase ninguém o quer ainda.
Se a maior parte da tua semana é responder a pedidos de relatórios, conta com essa fila a encolher à medida que quem pede se serve sozinho, e com seres medido pelas decisões que o teu trabalho mudou e não por quantos painéis entregaste. O teu conhecimento acumulado de onde os dados se partem é o ativo. Transforma-o na camada semântica e nas definições, e passas a ser a razão pela qual as ferramentas de autosserviço dão respostas certas.
As tuas opções#
Quatro direções, cada uma com as suas restrições reais e com uma coisa que podes testar esta semana. Continuar como estás é uma opção legítima; só tem de ser uma opção escolhida.
De responder a perguntas a ser dono das definições
A análise em autosserviço desloca o estrangulamento de escrever consultas para saber se as métricas de baixo estão certas. São os próprios fornecedores a dizê-lo: o modelo de agente que a OpenAI publica para este ofício enumera as definições de métricas, os filtros de confiança e as consultas já revistas entre as coisas que a equipa tem de fornecer antes de ele poder começar. Ser dono dessa camada é mais durável e mais sénior do que ser dono de um painel.
O trabalho de governação de dados é lento, político e raramente celebrado. Precisa de uma organização que tenha sentido mesmo a dor dos números inconsistentes.
Escolhe a métrica sobre a qual a tua empresa mais discute e escreve a definição dela com precisão suficiente para que duas pessoas cheguem ao mesmo número. Põe-na a circular e conta as objeções.
Engenharia de analítica
Construir os modelos e os pipelines que limpam os dados a montante é para onde está a ir grande parte do esforço dos analistas, e paga melhor do que fazer relatórios.
Exige hábitos de software a sério — controlo de versões, testes, revisão de código — e tolerância a trabalho que é invisível quando corre bem.
Pega numa consulta que corras todas as semanas e transforma-a numa transformação versionada e com testes. Se isso te soube bem em vez de te aborrecer, olha a sério para este caminho.
Analista dentro de uma área do negócio
As equipas de finanças, operações e produto querem cada vez mais o seu próprio analista que conheça o domínio, em vez de um serviço central que atende pedidos. O conhecimento do domínio é o fosso.
Passas a ser em parte dessa área — conta com aprender o vocabulário, o calendário e a política interna dela.
Pergunta ao responsável de uma área que pergunta gostava de conseguir responder e não consegue. Se vires como respondê-la, encontraste o teu lugar.
Perguntas frequentes#
Vale, mas por uma razão diferente da de antes. Vais escrever menos e ler e verificar muito mais. Perceber o que uma consulta faz é o que te deixa apanhar a resposta errada e confiante que a ferramenta produziu sobre um esquema ambíguo — e essa apanha é agora o trabalho. Aprende SQL como um editor sabe gramática: não para produzir cada frase, mas para saber de imediato quando uma está errada.
O sinal é quem corre a consulta. Quando as chefias começarem a responder às suas próprias perguntas numa ferramenta de autosserviço em vez de tas enviarem, a mudança já chegou — e a primeira coisa que perdes não é o lugar, é o contacto diário com os dados que te tornava capaz de reparar quando estão errados.
Escrever consultas e montar painéis — a tarefa assinalada aqui como em automatização. Enquadrar a pergunta e saber quando os dados estão a mentir não estão, mas ambas dependem de estares perto que chegue do trabalho para teres o contexto, e o autosserviço afasta-te dele.
É trabalho a sério e este sítio assinala-a como tarefa emergente. É também um lugar por organização e mais pequeno do que responder a perguntas era. Dizer que os efetivos são «redirecionados» para ali é uma forma educada de descrever uma equipa mais pequena a fazer outra coisa.
A estudar para isto?
Estes cursos levam até aqui. As páginas deles desdobram quais das suas competências se transferem e o que costuma faltar a quem se licencia.
Em que assentam estes juízos#
Dos 5 juízos de tarefa desta página, 5 apoiam-se num evento verificado e 0 são inferência da plataforma, cada um etiquetado onde aparece. Por detrás há 2 dimensões tecnológicas, uma trajectória reconstruída desde que os modelos de linguagem chegaram ao público e 6 eventos verificados.
Ver que tecnologias, como chegou aqui e o método →
Onde se situa na classificação oficial: competências, conhecimentos e profissões afins →
Outros cargos na mesma função#
Uma empresa divide o seu trabalho em funções antes de o dividir em cargos. Estes estão em Tecnologia e dados ao lado deste — um facto sobre organigramas, não um juízo de que sejam parecidos ou de que estejam a mudar na mesma direcção.
Programador de software júnior · Engenheiro de software experiente · Programador frontend · Programador backend · Engenheiro de dados · Engenheiro de aprendizagem automática · Investigador de IA · Testador de software / engenheiro de QA · Cientista de dados · Estatístico · Economista · Analista de negócio · Responsável de sistemas de negócio · Técnico de suporte informático / helpdesk · Analista de segurança (SOC) · Engenheiro de DevOps / engenheiro de plataforma / SRE · Engenheiro de redes · Redator técnico / engenheiro de documentação · Gestor de candidaturas a financiamento