O que você aprenderá_

Traduza perguntas de negócio em consultas SQL que retornem métricas úteis.
Identifique as tabelas e colunas relevantes para cada análise e relacione-as corretamente.
Aplique filtros, agrupamentos e funções de agregação para resumir e segmentar dados.
Cruze informações entre tabelas usando JOINs e verifique consistência dos resultados.
Organize consultas complexas com subqueries e CTEs para maior clareza e reutilização.
Crie Views para padronizar análises e facilitar entregas recorrentes.
Avalie a integridade dos dados e interprete os resultados antes de comunicar insights.

Público alvo_

Profissionais, analistas e estudantes que desejam usar o MySQL como ferramenta prática para responder perguntas de negócio, construir métricas e extrair insights a partir de bases relacionais — sem foco em administração de bancos de dados.

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 14/07/2026

Já estuda na Alura?

Comece o curso agora

Ementa

Do SQLite ao MySQL no projeto de análise
- Apresentação
- Preparando o ambiente
- Download Material Curso
- Apresentação do curso e do projeto de análise
- Otimização de vendas no Buscante
- O que muda do SQLite para o MySQL no trabalho do analista
- Analisando tendências de vendas de eletrônicos
- Conectando no MySQL e restaurando a base do projeto
- Garantindo a integridade dos dados no SwiftBank
- Conhecendo schemas, tabelas, tipos e relacionamentos
- Organizando dados de agendamentos de spa
- Para saber mais: reverse engineer no MySQL Workbench
- Faça como eu fiz: ambiente MySQL
- O que aprendemos?
Primeira exploração da base de dados
- Entendendo a demanda de negócio
- Transformando demandas em perguntas claras na Checklist
- Lendo dados e reconhecendo tabelas importantes
- Identificando tabelas centrais para otimizar o cardápio do Serenatto
- Filtrando registros relevantes para a análise
- Filtrando interações relevantes na CodeConnect
- Organizando resultados para investigação inicial
- Organizando dados de vendas na loja Meu Pequeno Grimorio
- Para saber mais: filtragem de registros em análises
- Faça como eu fiz: demanda em SQL
- O que aprendemos?
Construindo métricas com SQL
- Transformando perguntas de negócio em indicadores
- Transformando perguntas culinárias em indicadores para o Cookin'UP
- Agregando dados com COUNT, SUM, AVG, MIN e MAX
- Analisando a demanda por serviços de bem-estar na Calmaria Spas
- Filtrando métricas com HAVING
- Segmentação de vendas por categoria de livros no Buscante
- Segmentando resultados com GROUP BY
- Analisando vendas de best-sellers na loja Meu Pequeno Grimorio
- Para saber mais: indicadores e decisões estratégicas
- Faça como eu fiz: indicadores de vendas
- O que aprendemos?
Cruzando informações com JOINs
- Por que JOINs são essenciais para análise de dados
- Otimizando a integração de dados de desenvolvedores na Dev.Spot
- INNER JOIN para combinar informações principais
- Aprimorando a análise de audiência na WaveCast
- LEFT JOIN para encontrar ausências e lacunas
- Identificando lacunas de produtos não vendidos na Zoop
- JOINs com múltiplas tabelas em uma análise de negócio
- Analisando a eficiência de rotas de voo na Jornada Milhas
- Para saber mais: erros de ponto flutuante em joins
- Faça como eu fiz: aplicar JOINS no SQL
- O que aprendemos?
Organizando análises com subqueries e CTEs
- Quando usar subqueries em análises
- Analisando o desempenho de vídeos na Screen Match
- Criando consultas intermediárias com CTEs
- Facilitando a revisão de consultas na Dev.Spot
- CTEs com agregações e filtros
- Analisando o desempenho de playlists na Playcatch
- CTEs com JOINs para análises mais legíveis
- Analisando o impacto das campanhas de marketing no Serenatto - Café & Bistrô
- Para saber mais: uso consciente de ctes
- Faça como eu fiz: subqueries e CTEs
- O que aprendemos?
Consultas reutilizáveis e entrega da análise
- Criando views para consultas recorrentes
- Padronizando métricas de receitas culinárias
- Revisando métricas antes da entrega
- Revisando métricas de visualização na Screen Match
- Exportando resultados para planilhas ou BI
- Organizando dados de vendas para o festival CodeChella
- Para saber mais: organização do dado para o usuário final
- Faça como eu fiz: criar views e revisar dados
- O que aprendemos?
- Conclusão