Faça login para salvar seu progresso e continuar em outros dispositivos.
Como ser analytics engineer
Aprenda a modelar com SQL, versionar com Git, escrever transformações testadas no dbt e trabalhar em um data warehouse na nuvem, para que os números de todos os dashboards saiam de uma única fonte confiável. Cada exercício é corrigido, e a trilha termina com projetos, uma avaliação cronometrada com todas as ferramentas e a entrevista.
Siga os passos nesta ordem. Cada passo é um conjunto de unidades de um curso, não o curso inteiro: as unidades que este cargo usa. Abra uma unidade para começar a primeira lição dela.
1
SQL e modelagem de dados
Um analytics engineer escreve SQL o dia inteiro. Você consulta, resume e combina tabelas, usa subconsultas e funções de janela, desenha esquemas e modela dados para análise: fatos, dimensões e a granularidade de cada tabela.
Modelos são código, e código passa por revisão. Você faz commits, examina o histórico, prepara só parte de uma alteração, cria branches e faz merge, do mesmo jeito que um projeto de dbt sai de uma branch e chega à produção.
O dbt é onde o trabalho acontece. Você monta um projeto, declara as fontes, constrói e testa modelos, reaproveita lógica com Jinja, adiciona testes de qualidade e documentação, processa de forma incremental, guarda o histórico e usa pacotes.
Seus modelos rodam em um data warehouse na nuvem. Você aprende a navegar no Snowflake, consultá-lo, escrever a lógica dos relatórios com funções de janela, alterar dados com segurança e controlar quem vê cada relatório, usando perfis de consulta para encontrar o que está lento.
Crie campos e medidas reutilizáveis, confira a granularidade das junções e salve um painel. Use filtros de acesso para restrições regionais e reconcilie os totais antes de compartilhar.
Cada projeto parte do briefing de uma empresa fictícia e passa de uma ferramenta para outra como no trabalho de verdade: o que você constrói em uma etapa é o ponto de partida da próxima. Todos os briefings são gratuitos para ler.
Copperline Freight
SnSnowflakedbtdbtTbTableau
Projeto
Leve o relatório de pontualidade para o data warehouse
O relatório de pontualidade da Copperline é uma planilha que alguém refaz toda segunda-feira. Refaça-o no data warehouse: uma linha atual por envio no Snowflake, um modelo de dbt testado e uma visualização do Tableau em que operações possa confiar.
O Wayfriend quer saber se amigos que combinam de se encontrar realmente passam tempo juntos. Limpe os eventos brutos, modele os encontros, meça o sucesso e planeje o próximo dia de trabalho.
Operações informa uma taxa de pontualidade e finanças informa uma taxa menor, para o mesmo mês. Descubra por quê, escreva a medida com a qual as duas equipes concordam e recomende qual número vai para os clientes.
Quando terminar as unidades, coloque-se à prova com todas as ferramentas do cargo de uma vez: 15 tarefas práticas em 60 minutos, cada uma na ferramenta a que se refere e corrigida automaticamente. O relógio continua correndo mesmo se você fechar a página.
Ferramenta
Tarefas
Minutos
Looker e LookML
3
11
SQL
3
11
Git
3
11
dbt
3
13
SQL do Snowflake
3
11
Como funciona a pontuação
Cada ferramenta
Pronto se você acertar dois terços das tarefas dela ou mais, Perto com um terço, e se não, Ainda não. Uma tarefa de programação soma a parcela dos testes que passam.
Pronto para entrevistas
75% ou mais no total, e todas as ferramentas em Pronto.
Quase pronto
50% ou mais no total, e nenhuma ferramenta em Ainda não.
Continuar praticando
Qualquer outro resultado. O relatório lista cada tarefa que você errou com a lição que a ensina.
A avaliação é gratuita. O resultado é um feedback para praticar, no formato de relatório do Interview Hub, e não uma decisão de contratação. Cada nova tentativa sorteia tarefas diferentes quando o banco de perguntas permite.
A entrevista
O Interview Hub conduz a entrevista de engenharia de analytics etapa por etapa, em uma empresa fictícia: você responde em voz alta ou por escrito, quem entrevista faz perguntas de acompanhamento e o relatório cita suas respostas.
A primeira unidade de cada curso, sem conta: 4 das 34 unidades desta trilha. Todos os briefings dos projetos são gratuitos para ler, e a avaliação de preparo para o cargo é gratuita.
Um curso
Um curso completo. Nesta trilha, é um destes: SQL: 9 unidades, Git: 5 unidades, dbt: 9 unidades, SQL do Snowflake: 6 unidades, Looker e LookML: 5 unidades.
Acesso completo
A trilha inteira: todas as unidades, todas as etapas dos projetos e prática de entrevista falada.
Um analytics engineer fica entre a engenharia de dados e a análise. Ele pega as tabelas brutas que chegam ao data warehouse e constrói os modelos limpos e testados que todo mundo usa nos relatórios: uma única definição de receita, uma tabela de clientes ativos, uma taxa de pontualidade. Escreve SQL no dbt, revisa no Git as alterações dos colegas e adiciona testes para que uma fonte quebrada apareça antes que um número errado chegue a um dashboard.
De uma consulta a um modelo testado
SQL e modelagem vêm primeiro porque todas as etapas seguintes são SQL. Depois vem o Git, porque os projetos de dbt ficam em repositórios. O dbt é a etapa mais longa e o centro do trabalho. O data warehouse fica por último, quando você já sabe o que vai rodar nele.
Mostrar o que você sabe fazer
O relatório de pontualidade da Copperline é uma planilha que alguém refaz toda segunda-feira. Você leva esse relatório para o data warehouse: uma linha atual por envio no Snowflake, um modelo de dbt com testes e uma view em que a equipe de operações pode confiar. Na Wayfriend, você modela os encontros a partir dos eventos brutos. Os dois são o tipo de projeto sobre o qual perguntam em uma entrevista de analytics engineering. Depois, a avaliação mostra qual ferramenta praticar antes de você se candidatar.
Perguntas frequentes
Qual a diferença entre analytics engineer e engenheiro de dados?
O engenheiro de dados leva os dados até o data warehouse e mantém os pipelines funcionando. O analytics engineer transforma essas tabelas brutas em modelos testados e documentados que os analistas e os dashboards usam. A trilha de engenheiro de dados acrescenta Python e orquestração; esta vai mais fundo em modelagem e dbt.
Preciso saber Python?
Para começar, não. Analytics engineering é principalmente SQL, dbt e Git. Python ajuda mais adiante, e o curso de Python está lá quando você precisar.
Quanto tempo leva?
As aulas desta trilha somam cerca de 45 horas. Não prometemos em quanto tempo você vai conseguir um emprego.
Quanto custa?
A primeira unidade de cada curso é grátis e não pede cadastro. O One Course libera um curso inteiro; o All Access libera a trilha completa. Na página de preços você vê todos os planos e preços.