O que você aprenderá_

Entenda a proposta do BigQuery e seu papel na análise de grandes volumes de dados em nuvem.
Formule perguntas de negócio e decomponha-as em métricas, dimensões e filtros para orientar consultas.
Construa consultas SQL focadas e eficientes usando SELECT, WHERE, GROUP BY, HAVING e funções de agregação.
Combine tabelas com JOINs, CTEs e alias para obter análises completas e coerentes.
Padronize e trate dados usando funções de texto e conversões de tipos para reduzir inconsistências.
Trabalhe com dados semiestruturados (STRUCT, ARRAY, JSON) e crie views para encapsular regras de negócio.
Avalie custo e performance das consultas e otimize-as para análises escaláveis no BigQuery.

Público alvo_

Profissionais, analistas de dados e estudantes que desejam aprender a usar o Google BigQuery para transformar grandes bases em respostas de negócio e preparar dados para relatórios e ferramentas de BI.

Victorino Vila

Victorino, formado em Engenharia Elétrica pela PUC-RJ e mestre pela UFRJ, tem mais de 30 anos em gestão de consultorias de tecnologia. Sócio de startup de software para integração de dados, trabalha com MYSQL, SQL SERVER, POSTGRES, ORACLE, WEB SERVICES e .NET. Desde 2018, é professor na Alura, ensinando programação e bancos de dados.

Curso atualizado em 19/10/2026

Já estuda na Alura?

Comece o curso agora

Ementa

Primeiros passos no BigQuery para analistas
- Instalando e configurando o ambiente de trabalho
- O papel do BigQuery no trabalho do analista
- Criando ou acessando o ambiente no Google Cloud
- Carregando a base SupremaShop no BigQuery
Explorando dados com foco no negócio
- Conhecendo schema, preview e detalhes das tabelas
- Entendendo a demanda de negócio no BigQuery
- Lendo tabelas com SELECT, FROM e LIMIT
- Filtrando pedidos por status, canal e período
- Selecionando e ordenando campos relevantes
Construindo métricas e indicadores
- Transformando perguntas em indicadores
- Contagens, somas, médias e ticket médio
- Segmentando resultados com GROUP BY
- Filtrando métricas com HAVING
Cruzando informações para responder perguntas mais completas
- Por que JOINs seguem essenciais no BigQuery
- INNER JOIN para combinar informações principais
- LEFT JOIN para encontrar ausências e lacunas
- CTEs para organizar o raciocínio analítico
Preparação e qualidade dos dados
- Padronizando textos e categorias
- Trabalhando com números, datas e conversões seguras
- Encontrando nulos, duplicidades e inconsistências
- Quando JSON, STRUCT e ARRAY aparecem no BigQuery
Preparando a entrega da análise
- Criando views para consultas recorrentes
- Cuidando de volume processado e performance básica
- Preparando uma visão analítica para BI
- Conectando o BigQuery a uma ferramenta de BI