Plano de 90 Dias

Este mês não garante um emprego ou um cliente — o mercado de análise de dados é competitivo e cada processo tem o seu próprio ritmo. O que garante é teres, ao fim de noventa dias, um portefólio real e a base de Python que abre a maioria das candidaturas na área.

Semana 9 — Python para dados, a sério

• Aprofunda pandas: filtrar, agrupar, juntar tabelas (o equivalente Python do JOIN em SQL)
• Refaz o projeto de portefólio da semana 7 inteiramente em Python, comparando o resultado com o SQL
• Usa o Google Colab se não quiseres instalar nada localmente

Semana 10 — Segundo estudo de caso

• Escolhe um conjunto de dados diferente do primeiro, de preferência de outra área (ex: se o primeiro foi vendas, o segundo pode ser dados públicos de saúde ou ambiente)
• Percorre o processo completo, desta vez com Python como ferramenta principal
• Documenta com o Modelo de Dicionário de Dados e o Modelo de Relatório de Análise

Semana 11 — Preparar candidaturas ou proposta a clientes

• Organiza os dois projetos de portefólio num único lugar visível (perfil profissional, site pessoal)
• Escreve uma descrição curta de cada projeto: problema, processo, resultado
• Se procuras clientes freelancer em vez de emprego, adapta a mesma lógica a uma proposta de serviço

Semana 12 — Primeiras candidaturas ou contactos

• Candidata-te a pelo menos cinco posições júnior de análise de dados, ou contacta cinco potenciais clientes se fores por conta própria
• Prepara respostas para as perguntas técnicas mais comuns (SQL básico, diferença entre média e mediana, como tratas valores em falta)
• Regista cada contacto e resposta obtida, para ires ajustando a abordagem

Dois projetos bem documentados e SQL/Python básicos sólidos já te colocam à frente da maioria de quem só fez cursos sem nunca analisar dados reais.

O que não fazer neste mês

• Adiar candidaturas à espera de "saber o suficiente" — ninguém sabe tudo, e a prática de candidaturas também é uma competência
• Copiar projetos de portefólio de tutoriais sem adicionar nenhuma decisão ou análise própria
• Prometer a um cliente resultados de negócio (mais vendas, mais lucro) que a análise de dados sozinha não controla

O que vem depois depende do que estes três meses mostrarem — se prefires SQL, Python, dashboards, ou combinar tudo com uma área específica (marketing, financeiro, operações) onde já tenhas alguma experiência.