O que você aprenderá_

Identifique e trate inconsistências, nulos e duplicidades em bases de dados.
Padronize textos, siglas e categorias para tornar os dados comparáveis e utilizáveis.
Aplique técnicas de arredondamento e cálculos financeiros garantindo precisão nos resultados.
Modele e extraia campos armazenados em JSON para análises relacionais e criação de colunas derivadas.
Construa consultas de auditoria com CTEs para validar regras de negócio e hipóteses analíticas.
Otimize consultas e índices, interpretando planos para reduzir tempo de execução e custos.
Documente processos de preparação e entregue recomendações claras para uso em BI.

Público alvo_

Profissionais, analistas de dados e estudantes que desejam aprofundar o uso do MySQL para preparar, validar e entregar análises confiáveis, aplicando boas práticas de qualidade de dados, tratamento de JSON, cálculos financeiros e otimização de consultas para 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 24/07/2026

Já estuda na Alura?

Comece o curso agora

Ementa

Preparação de dados no trabalho do analista
- Apresentação
- Preparando o ambiente
- Download do Material
- Recuperando Base de Dados
- O papel da preparação de dados no trabalho do analista
- Garantindo a integridade dos dados na Hermex Log
- Identificando campos úteis, descartáveis e problemáticos
- Analisando dados de dispositivos no HomeHub
- Criando consultas de conferência da base
- Verificação de dados na Clickbonus
- Usando IA para levantar hipóteses de validação
- Utilizando IA para otimizar a gestão de estoque na Zoop
- Para saber mais: prompts para IA em validação de dados
- Faça como eu fiz: preparar a base
- O que aprendemos?
Limpeza, padronização e criação de campos
- Limpando e padronizando campos de texto
- Padronização de dados de localização no Runner Circle
- Trabalhando com números e arredondamentos
- Decisões de arredondamento em relatórios de entrega
- Calculando valores financeiros com segurança
- Garantindo a precisão financeira no Petpark
- Criando categorias com CASE
- Definindo categorias de clientes na Jornada Milhas
- Para saber mais: impacto cumulativo de discrepâncias financeiras
- Faça como eu fiz: tratamento de dados SQL
- O que aprendemos?
Datas, períodos e métricas temporais
- Convertendo e interpretando datas no MySQL
- Garantindo a integridade dos dados de transações no SwiftBank
- Extraindo ano, mês, dia e períodos de análise
- Analisando tendências de vendas na Meteora
- Comparando períodos e acompanhando evolução
- Criando métricas temporais para relatórios
- Análise de desempenho no HomeHub
- Garantindo a precisão dos relatórios de entrega na Hermex Log
- Para saber mais: conversão de datas no mysql
- Faça como eu fiz: datas e períodos
- O que aprendemos?
Qualidade, validação e alterações seguras
- Encontrando nulos, duplicidades e inconsistências
- Identificando problemas de dados na Meteora
- Validando regras de negócio com SQ
- Validação de regras de negócio no UseDev - E-commerce geek
- Usando DML em uma base de estudo
- Transações como proteção em alterações de dados
- Padronização de dados de clientes na Petpark
- Gerenciamento de estoque com transações seguras
- Para saber mais: diagnóstico e classificação de dados
- Faça como eu fiz: diagnóstico e transações
- O que aprendemos?
JSON e simplificação para análise
- Entendendo quando JSON aparece em bases de análise
- Segmentação de usuários na Playcatch
- Consultando informações em campos JSON no MySQL
- Otimização de campanhas de marketing com dados de clientes
- Criando campos derivados para facilitar a análise
- Analisando a experiência do cliente na Jornada Milhas
- Avaliando quando simplificar a estrutura para BI
- Simplificando consultas para relatórios de produtividade no Fokus
- Para saber mais: consistência na classificação de dados
- Faça como eu fiz: análise JSON e derivados
- O que aprendemos?
Performance, índices e documentação de resultados
- Percebendo sinais de consulta lenta
- Otimizando consultas para agendamento de exames na Clínica Médica Voll
- Usando EXPLAIN para investigar uma consulta
- Analisando consultas para otimizar a busca de treinos no Runner Circle
- Entendendo como índices ajudam consultas analíticas
- Otimizando consultas de entrega na Hermex Log
- Documentando consultas, resultados e recomendações
- Gestão de Tarefas com Documentação na Checklist
- Para saber mais: comparação entre função e intervalo em filtros de datas
- Faça como eu fiz: diagnosticar e otimizar SQL
- O que aprendemos?
- Conclusão