# 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.

Página: https://flyvolo.ai/pt/careers/data-analyst
Índice de impacto: 63/100 · confiança Confiança média · avaliado 2026-09-10
Não é uma probabilidade de perder o emprego.

## Âmbito

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.

## Tarefas

### Escrever consultas e montar painéis

- Direção: A automatizar-se
- Base: com provas (registos verificados anexados)
- Porquê: Passar de linguagem natural para SQL e gerar gráficos estão entre as aplicações mais maduras dos modelos de linguagem, e os fornecedores de BI meteram-nas dentro dos produtos que os analistas já usam. O passo mecânico de tradução que ocupava boa parte da semana de um analista é hoje uma instrução, quando os dados estão limpos e a pergunta é clara.
- O que isto 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.
- Registos:
  - 2026-09-10 · Capacidade técnica · A OpenAI publicou um modelo de agente de dados cujas próprias instruções exigem que as definições de métricas, as consultas de confiança e as correções sejam dadas pela equipa que o usa — https://flyvolo.ai/pt/changes/ev-20260910-data-analyst-3 (fonte: https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme)
  - 2026-07-20 · Restrição · No Beaver, um teste de referência de texto para SQL construído a partir de registos reais de consultas de armazéns de dados de empresas, um LLM simples teve zero e uma montagem agêntica chegou a cerca de 10%, contra 80-90% e mais nos testes públicos — https://flyvolo.ai/pt/changes/ev-20260720-data-analyst-2 (fonte: https://cacm.acm.org/blogcacm/if-you-think-you-can-do-real-world-text-to-sql)
  - 2024-09-19 · Implementação real · A Uber pôs em produção o QueryGPT, uma ferramenta de linguagem natural para SQL, para as equipas de operações e de apoio, e comunicou que o tempo para escrever uma consulta baixou de cerca de 10 para cerca de 3 minutos (~300 utilizadores diários) — https://flyvolo.ai/pt/changes/ev-20240919-data-analyst-1 (fonte: https://www.uber.com/en-US/blog/query-gpt/)

### Perceber o que está mesmo a ser perguntado

- Direção: Continua a ser levada por uma pessoa
- Base: com provas (registos verificados anexados)
- Porquê: A parte difícil da análise está a montante da consulta: conhecer as definições da organização, a sua política interna e que decisão o número vai alimentar. Uma ferramenta responde à pergunta tal como foi feita; o valor do analista esteve sempre em reparar que a pergunta estava errada.
- O que isto NÃO estabelece: 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.
- Registos:
  - 2025-07-18 · Implementação real · LinkedIn: o seu bot de texto para SQL tem mais de 300 utilizadores semanais, as anotações dos responsáveis elevam as respostas corretas ou quase corretas de 9% para 48%, e os filtros errados são a falha mais comum — https://flyvolo.ai/pt/changes/ev-20250718-data-analyst-4 (fonte: https://arxiv.org/abs/2507.14372)

### Saber quando os dados estão a mentir

- Direção: Continua a ser levada por uma pessoa
- Base: com provas (registos verificados anexados)
- Porquê: Isto exige história com aqueles dados concretos — lembrar-se do que lhes aconteceu e porquê — que é exatamente o que falta a um modelo sem memória da organização. Gerar consultas mais depressa torna isto mais importante, e não menos, porque as respostas erradas chegam agora mais cedo e com melhor aspeto.
- O que isto NÃO estabelece: 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.
- Registos:
  - 2026-09-10 · Capacidade técnica · A OpenAI publicou um modelo de agente de dados cujas próprias instruções exigem que as definições de métricas, as consultas de confiança e as correções sejam dadas pela equipa que o usa — https://flyvolo.ai/pt/changes/ev-20260910-data-analyst-3 (fonte: https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme)
  - 2026-07-20 · Restrição · No Beaver, um teste de referência de texto para SQL construído a partir de registos reais de consultas de armazéns de dados de empresas, um LLM simples teve zero e uma montagem agêntica chegou a cerca de 10%, contra 80-90% e mais nos testes públicos — https://flyvolo.ai/pt/changes/ev-20260720-data-analyst-2 (fonte: https://cacm.acm.org/blogcacm/if-you-think-you-can-do-real-world-text-to-sql)

### Fazer com que um número mude uma decisão

- Direção: Aumentada pela máquina
- Base: com provas (registos verificados anexados)
- Porquê: Escrever a narrativa e os diapositivos é mais rápido. Convencer um diretor cético numa reunião, e saber com que ressalva começar para aquele público, continua a ser tarefa humana porque depende de ler a sala e da credibilidade do próprio analista.
- O que isto NÃO estabelece: 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.
- Registos:
  - 2026-06-25 · Restrição · O regulador britânico das estatísticas diz que os produtores que usam IA para produzir ou comunicar estatísticas oficiais deveriam aplicar o Code of Practice como a qualquer método, com supervisão humana e responsabilização clara — https://flyvolo.ai/pt/changes/ev-20260625-data-analyst-6 (fonte: https://osr.statisticsauthority.gov.uk/publications/state-of-the-statistical-system-2026-2/pages/6/)

### Ser dono das definições de que as ferramentas dependem

- Direção: Tarefa nova
- Base: com provas (registos verificados anexados)
- Porquê: A analítica em linguagem natural só funciona em cima de métricas bem definidas, por isso o valor do analista passa de responder a perguntas para tratar da camada que permite a toda a gente responder às suas. É trabalho novo, mais perto da governação de dados do que dos relatórios, e é para aí que os efetivos de analistas estão a ser redirecionados.
- O que isto NÃO estabelece: 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.
- Registos:
  - 2026-09-10 · Capacidade técnica · A OpenAI publicou um modelo de agente de dados cujas próprias instruções exigem que as definições de métricas, as consultas de confiança e as correções sejam dadas pela equipa que o usa — https://flyvolo.ai/pt/changes/ev-20260910-data-analyst-3 (fonte: https://developers.openai.com/cookbook/examples/agents_api/apps/data_analyst/readme)
  - 2025-07-18 · Implementação real · LinkedIn: o seu bot de texto para SQL tem mais de 300 utilizadores semanais, as anotações dos responsáveis elevam as respostas corretas ou quase corretas de 9% para 48%, e os filtros errados são a falha mais comum — https://flyvolo.ai/pt/changes/ev-20250718-data-analyst-4 (fonte: https://arxiv.org/abs/2507.14372)
  - 2024-09-26 · Implementação real · A Grab diz que a documentação redigida por IA, enviada aos donos das tabelas para a aceitarem ou editarem, fez subir em 70 pontos, para cerca de 90%, a documentação das suas tabelas mais consultadas antes de lançar um bot de descoberta de dados com LLM — https://flyvolo.ai/pt/changes/ev-20240926-data-analyst-5 (fonte: https://engineering.grab.com/hubble-data-discovery)

## Como citar isto

- A unidade é a tarefa, não o cargo: diga que tarefas estão a mudar e quais não.
- Leve com cada tarefa a sua base e os seus limites; um juízo inferido não é uma conclusão.
- Esta página não indica nenhum número de anos. Não o deduza a partir dela.
- Mais: https://flyvolo.ai/llms.txt