Modelo de escada de carreira

Modelo de escada de carreira para analistas de dados

Cinco níveis, de júnior a analista principal, em sete competências: da formulação de perguntas à mudança de decisões.

Plano gratuito · Sem cartão de crédito

Esta escada de carreira foi escrita para empresas com cerca de 20 a 200 pessoas onde os analistas trabalham perto do negócio: um punhado de analistas, por vezes apenas um, responde a perguntas de produto, marketing, vendas e liderança, muitas vezes sobre uma stack de dados que também ajuda a construir. Descreve cinco níveis, desde alguém que está a aprender a escrever consultas fiáveis até quem decide como toda a empresa mede o seu desempenho. O nível mais alto, Analista de dados principal, pertence ao percurso de especialista; liderar a equipa de análise de dados é outro trabalho.

Cada nível é definido pelo que o analista faz e pelo alcance do seu trabalho, não pelas ferramentas que conhece nem pelos anos de experiência. Leia uma linha da matriz de competências da esquerda para a direita para ver uma expectativa evoluir; leia a secção de um nível para ver tudo o que se espera nesse nível. Use-a para explicar o que significa o nível seguinte, para conduzir autoavaliações e check-ins e para tornar comparáveis as propostas de promoção.

Adapte-a antes de a publicar. Substitua a redação genérica pela sua própria stack e pelas suas métricas, retire os níveis de que ainda não precisa e decida onde acaba a analytics engineering e começa a análise na sua empresa.

Os níveis num relance

Analista de dados júnior
Responde a perguntas bem definidas com consultas fiáveis e gráficos claros, com revisão de um analista mais experiente.
Âmbito
Pedidos individuais e relatórios recorrentes para uma equipa, normalmente delimitados por outra pessoa.
Analista de dados
É responsável por análises de ponta a ponta, de uma pergunta vaga a uma recomendação, e é o analista de referência para uma área.
Âmbito
Uma área de negócio, como o onboarding, os preços ou o funil de vendas, com os respetivos dashboards e perguntas recorrentes.
Analista de dados sénior
Lidera as análises por trás de decisões importantes e eleva a qualidade da análise à sua volta.
Âmbito
Várias áreas de negócio ou uma grande iniciativa da empresa, e as definições de métricas de que dependem.
Analista de dados líder
Molda a forma como a empresa usa os dados em várias áreas e define os padrões pelos quais os outros analistas trabalham.
Âmbito
A análise de dados em várias áreas, incluindo métricas partilhadas, modelos de dados e o roadmap de análise.
Analista de dados principal
Decide como a empresa mede o seu desempenho e responde pela confiança que a liderança deposita nos seus números.
Âmbito
As métricas centrais da empresa, a sua abordagem à experimentação e a estratégia de análise de dados para os próximos anos.

Matriz de competências

Cada linha é uma competência e cada coluna um nível. Leia uma linha da esquerda para a direita para ver como a expectativa cresce.

O que significa cada competência

Formulação de problemas: Transformar a pergunta de uma parte interessada numa pergunta a que os dados conseguem responder e da qual pode resultar uma decisão.
Consultas e modelação de dados: Extrair dados corretos do data warehouse e dar-lhes uma forma que outros possam reutilizar.
Rigor estatístico e experimentação: Tirar conclusões que se sustentam e saber até que ponto a empresa pode ter certeza delas.
Qualidade dos dados e definição de métricas: Garantir que os números estão certos, significam o mesmo em todo o lado e merecem confiança.
Comunicação de conclusões: Explicar o que os dados dizem para que as pessoas os percebam e ajam em conformidade.
Impacto no negócio e parceria: Perceber como o negócio funciona e garantir que a análise muda o que as pessoas fazem.
Mentoria e desenvolvimento da equipa: Ajudar outros analistas e utilizadores de dados a melhorar, e tornar a equipa mais forte.

Analista de dados: expectativas por competência e nível
Competência	Analista de dados júnior	Analista de dados	Analista de dados sénior	Analista de dados líder	Analista de dados principal
Formulação de problemas	Reformula cada pedido por escrito antes de começar, confirma o período, o segmento e a definição em causa e pergunta que decisão a resposta vai apoiar.	Transforma perguntas vagas como «porque é que o churn subiu?» num breve plano de análise com hipóteses e contesta um pedido quando este não mudaria nenhuma decisão.	Reformula as perguntas das partes interessadas em torno da decisão que realmente tem de ser tomada e propõe análises que ninguém pediu quando estas mudariam uma prioridade.	Define todos os trimestres a agenda de análise com os responsáveis das várias áreas, escolhendo as poucas perguntas que mais vale a pena responder e explicando o que não será analisado e porquê.	Identifica as perguntas que a equipa de liderança devia estar a fazer sobre o negócio e garante que a empresa tem os dados para lhes responder antes de se tornarem urgentes.
Consultas e modelação de dados	Escreve SQL legível com joins, agregações e funções de janela, verifica o número de linhas e os duplicados antes de confiar num resultado e pede revisão quando usa tabelas que não conhece.	Conhece as tabelas da sua área e as suas particularidades, constrói modelos ou vistas reutilizáveis em vez de copiar consultas e documenta a lógica de cada dashboard pelo qual é responsável.	Desenha os modelos de dados de uma área de negócio para que as perguntas comuns exijam consultas simples, revê a lógica de outros analistas e trabalha com engenheiros para corrigir o tracking na origem.	Define convenções de modelação para todo o código de análise, decide o que pertence aos modelos partilhados e o que fica em análises pontuais, e planeia o abandono dos pipelines frágeis.	Molda a arquitetura de dados global com a liderança de engenharia, escolhendo onde a análise deve investir para que as perguntas mais importantes continuem baratas e rápidas de responder.
Rigor estatístico e experimentação	Compara o que é comparável, indica o tamanho da amostra e a sazonalidade em cada resultado e assinala quando uma diferença pode ser ruído, em vez de a apresentar como descoberta.	Analisa testes A/B do início ao fim, incluindo tamanho da amostra, duração e métricas de salvaguarda, e explica a confiança e a incerteza em palavras simples.	Escolhe um método defensável quando um teste aleatorizado é impossível — diferenças-em-diferenças face a um segmento comparável, uma série temporal interrompida ou uma comparação emparelhada — e expõe abertamente os seus pressupostos e limites.	Define os padrões de experimentação da empresa — quando testar, quanto tempo deixar correr, como dar um resultado por concluído — e revê as análises de maior impacto antes de chegarem à liderança.	Decide como a empresa trata as provas nas suas maiores decisões, equilibrando rigor e rapidez, e é o revisor final das análises que mudam a estratégia.
Qualidade dos dados e definição de métricas	Confronta os números novos com uma fonte existente antes de os partilhar e comunica ao responsável, no próprio dia, dados com falhas ou quedas suspeitas.	É responsável pela exatidão dos dashboards da sua área, acrescenta verificações simples que detetam dados com falhas antes das partes interessadas e regista por escrito cada definição de métrica que introduz.	Resolve versões contraditórias da mesma métrica entre equipas, acorda uma única definição com quem a usa e retira os relatórios que a contradizem.	Gere o catálogo de métricas da empresa e o processo para alterar uma definição, e torna visíveis os incidentes de dados, cada um com um responsável e uma correção.	Responde pela fiabilidade dos números reportados à liderança, aos investidores ou ao conselho de administração e cria os controlos que os mantêm coerentes à medida que a empresa cresce.
Comunicação de conclusões	Apresenta os resultados com um gráfico claro, uma conclusão numa linha e as ressalvas que importam, e mantém os dashboards identificados para que outros os consigam ler sem ajuda.	Escreve resumos de análise curtos que começam pela resposta e pela recomendação, ajusta o detalhe ao público e constrói dashboards que respondem a um conjunto concreto de perguntas.	Conta a história por trás de análises complexas a partes interessadas de topo, mantém a calma quando os números são postos em causa e transforma conclusões em propostas sobre as quais a equipa pode agir.	Apresenta regularmente à liderança, define o padrão de como as análises são redigidas em toda a empresa e garante que as conclusões importantes chegam a todos os que afetam.	Molda a forma como a empresa fala do seu desempenho, das revisões da liderança às atualizações para investidores, para que todos leiam os mesmos números da mesma maneira.
Impacto no negócio e parceria	Aprende como a equipa que apoia gera receita ou entrega valor e, depois de um pedido, procura saber se a resposta foi usada.	É um parceiro de confiança de uma equipa, participa no seu planeamento e consegue nomear decisões do último trimestre que mudaram graças ao seu trabalho.	Influencia prioridades em várias equipas, liga as análises à receita, aos custos ou à retenção e trava o trabalho que já não vale a pena fazer.	Trabalha com os responsáveis das várias áreas na definição de objetivos e metas e garante que a capacidade de análise vai para onde mudará as decisões mais importantes.	Trabalha com a equipa de liderança na estratégia e no planeamento e consegue apontar decisões ao nível da empresa no último ano — preços, entrada em mercados, grandes investimentos — que mudaram graças ao trabalho de análise.
Mentoria e desenvolvimento da equipa	Pede feedback sobre as suas consultas e relatórios, aplica-o e partilha com a equipa truques úteis e armadilhas a evitar.	Revê o trabalho de outros analistas com comentários concretos, ajuda os recém-chegados a conhecer os dados da sua área e responde com paciência às perguntas de dados dos colegas.	Faz mentoria a analistas juniores, conduz revisões de código e de análises e ensina quem não é analista a responder sozinho a perguntas simples com ferramentas de autosserviço.	Desenvolve vários analistas rumo ao nível seguinte, molda o recrutamento e as entrevistas da equipa de análise e constrói a integração e a documentação em que os novos analistas se apoiam.	Constrói a cultura de dados da empresa, desenvolve futuros líderes de análise e defende a forma como a equipa de dados se deve estruturar à medida que a empresa cresce.

Deslize a tabela para o lado para ver todos os níveis.

Descarregar em CSV Abre no Excel, no Google Sheets ou no Numbers.

Analista de dados júnior: o que se espera

Responde a perguntas bem definidas com consultas fiáveis e gráficos claros, com revisão de um analista mais experiente. Pedidos individuais e relatórios recorrentes para uma equipa, normalmente delimitados por outra pessoa.

Formulação de problemas: Reformula cada pedido por escrito antes de começar, confirma o período, o segmento e a definição em causa e pergunta que decisão a resposta vai apoiar.
Consultas e modelação de dados: Escreve SQL legível com joins, agregações e funções de janela, verifica o número de linhas e os duplicados antes de confiar num resultado e pede revisão quando usa tabelas que não conhece.
Rigor estatístico e experimentação: Compara o que é comparável, indica o tamanho da amostra e a sazonalidade em cada resultado e assinala quando uma diferença pode ser ruído, em vez de a apresentar como descoberta.
Qualidade dos dados e definição de métricas: Confronta os números novos com uma fonte existente antes de os partilhar e comunica ao responsável, no próprio dia, dados com falhas ou quedas suspeitas.
Comunicação de conclusões: Apresenta os resultados com um gráfico claro, uma conclusão numa linha e as ressalvas que importam, e mantém os dashboards identificados para que outros os consigam ler sem ajuda.
Impacto no negócio e parceria: Aprende como a equipa que apoia gera receita ou entrega valor e, depois de um pedido, procura saber se a resposta foi usada.
Mentoria e desenvolvimento da equipa: Pede feedback sobre as suas consultas e relatórios, aplica-o e partilha com a equipa truques úteis e armadilhas a evitar.

Analista de dados: o que se espera

É responsável por análises de ponta a ponta, de uma pergunta vaga a uma recomendação, e é o analista de referência para uma área. Uma área de negócio, como o onboarding, os preços ou o funil de vendas, com os respetivos dashboards e perguntas recorrentes.

Formulação de problemas: Transforma perguntas vagas como «porque é que o churn subiu?» num breve plano de análise com hipóteses e contesta um pedido quando este não mudaria nenhuma decisão.
Consultas e modelação de dados: Conhece as tabelas da sua área e as suas particularidades, constrói modelos ou vistas reutilizáveis em vez de copiar consultas e documenta a lógica de cada dashboard pelo qual é responsável.
Rigor estatístico e experimentação: Analisa testes A/B do início ao fim, incluindo tamanho da amostra, duração e métricas de salvaguarda, e explica a confiança e a incerteza em palavras simples.
Qualidade dos dados e definição de métricas: É responsável pela exatidão dos dashboards da sua área, acrescenta verificações simples que detetam dados com falhas antes das partes interessadas e regista por escrito cada definição de métrica que introduz.
Comunicação de conclusões: Escreve resumos de análise curtos que começam pela resposta e pela recomendação, ajusta o detalhe ao público e constrói dashboards que respondem a um conjunto concreto de perguntas.
Impacto no negócio e parceria: É um parceiro de confiança de uma equipa, participa no seu planeamento e consegue nomear decisões do último trimestre que mudaram graças ao seu trabalho.
Mentoria e desenvolvimento da equipa: Revê o trabalho de outros analistas com comentários concretos, ajuda os recém-chegados a conhecer os dados da sua área e responde com paciência às perguntas de dados dos colegas.

Analista de dados sénior: o que se espera

Lidera as análises por trás de decisões importantes e eleva a qualidade da análise à sua volta. Várias áreas de negócio ou uma grande iniciativa da empresa, e as definições de métricas de que dependem.

Formulação de problemas: Reformula as perguntas das partes interessadas em torno da decisão que realmente tem de ser tomada e propõe análises que ninguém pediu quando estas mudariam uma prioridade.
Consultas e modelação de dados: Desenha os modelos de dados de uma área de negócio para que as perguntas comuns exijam consultas simples, revê a lógica de outros analistas e trabalha com engenheiros para corrigir o tracking na origem.
Rigor estatístico e experimentação: Escolhe um método defensável quando um teste aleatorizado é impossível — diferenças-em-diferenças face a um segmento comparável, uma série temporal interrompida ou uma comparação emparelhada — e expõe abertamente os seus pressupostos e limites.
Qualidade dos dados e definição de métricas: Resolve versões contraditórias da mesma métrica entre equipas, acorda uma única definição com quem a usa e retira os relatórios que a contradizem.
Comunicação de conclusões: Conta a história por trás de análises complexas a partes interessadas de topo, mantém a calma quando os números são postos em causa e transforma conclusões em propostas sobre as quais a equipa pode agir.
Impacto no negócio e parceria: Influencia prioridades em várias equipas, liga as análises à receita, aos custos ou à retenção e trava o trabalho que já não vale a pena fazer.
Mentoria e desenvolvimento da equipa: Faz mentoria a analistas juniores, conduz revisões de código e de análises e ensina quem não é analista a responder sozinho a perguntas simples com ferramentas de autosserviço.

Analista de dados líder: o que se espera

Molda a forma como a empresa usa os dados em várias áreas e define os padrões pelos quais os outros analistas trabalham. A análise de dados em várias áreas, incluindo métricas partilhadas, modelos de dados e o roadmap de análise.

Formulação de problemas: Define todos os trimestres a agenda de análise com os responsáveis das várias áreas, escolhendo as poucas perguntas que mais vale a pena responder e explicando o que não será analisado e porquê.
Consultas e modelação de dados: Define convenções de modelação para todo o código de análise, decide o que pertence aos modelos partilhados e o que fica em análises pontuais, e planeia o abandono dos pipelines frágeis.
Rigor estatístico e experimentação: Define os padrões de experimentação da empresa — quando testar, quanto tempo deixar correr, como dar um resultado por concluído — e revê as análises de maior impacto antes de chegarem à liderança.
Qualidade dos dados e definição de métricas: Gere o catálogo de métricas da empresa e o processo para alterar uma definição, e torna visíveis os incidentes de dados, cada um com um responsável e uma correção.
Comunicação de conclusões: Apresenta regularmente à liderança, define o padrão de como as análises são redigidas em toda a empresa e garante que as conclusões importantes chegam a todos os que afetam.
Impacto no negócio e parceria: Trabalha com os responsáveis das várias áreas na definição de objetivos e metas e garante que a capacidade de análise vai para onde mudará as decisões mais importantes.
Mentoria e desenvolvimento da equipa: Desenvolve vários analistas rumo ao nível seguinte, molda o recrutamento e as entrevistas da equipa de análise e constrói a integração e a documentação em que os novos analistas se apoiam.

Analista de dados principal: o que se espera

Decide como a empresa mede o seu desempenho e responde pela confiança que a liderança deposita nos seus números. As métricas centrais da empresa, a sua abordagem à experimentação e a estratégia de análise de dados para os próximos anos.

Formulação de problemas: Identifica as perguntas que a equipa de liderança devia estar a fazer sobre o negócio e garante que a empresa tem os dados para lhes responder antes de se tornarem urgentes.
Consultas e modelação de dados: Molda a arquitetura de dados global com a liderança de engenharia, escolhendo onde a análise deve investir para que as perguntas mais importantes continuem baratas e rápidas de responder.
Rigor estatístico e experimentação: Decide como a empresa trata as provas nas suas maiores decisões, equilibrando rigor e rapidez, e é o revisor final das análises que mudam a estratégia.
Qualidade dos dados e definição de métricas: Responde pela fiabilidade dos números reportados à liderança, aos investidores ou ao conselho de administração e cria os controlos que os mantêm coerentes à medida que a empresa cresce.
Comunicação de conclusões: Molda a forma como a empresa fala do seu desempenho, das revisões da liderança às atualizações para investidores, para que todos leiam os mesmos números da mesma maneira.
Impacto no negócio e parceria: Trabalha com a equipa de liderança na estratégia e no planeamento e consegue apontar decisões ao nível da empresa no último ano — preços, entrada em mercados, grandes investimentos — que mudaram graças ao trabalho de análise.
Mentoria e desenvolvimento da equipa: Constrói a cultura de dados da empresa, desenvolve futuros líderes de análise e defende a forma como a equipa de dados se deve estruturar à medida que a empresa cresce.

Como adaptar esta escada

Ajuste-a à dimensão da sua equipa de análise
Com um ou dois analistas, provavelmente precisa de três níveis, não de cinco. Deixe de fora os níveis líder e principal até alguém estar realmente a definir padrões em várias áreas, e acrescente-os quando esse trabalho existir, não como recompensa. Na maioria das empresas desta dimensão, o âmbito do nível principal pertence a um Responsável de dados ou de análise; use o nível apenas se quiser um especialista sénior ao lado dessa pessoa.
Decida onde fica a analytics engineering
Se tiver analytics engineers ou engenheiros de dados responsáveis pelos modelos, torne mais leve a linha Consultas e modelação de dados e mais exigente a linha Formulação de problemas. Se os seus analistas forem responsáveis por toda a stack, mantenha a linha como está e indique nela as suas ferramentas.
Distinga analistas integrados nas equipas de uma equipa central
Os analistas integrados nas equipas são avaliados sobretudo pelas decisões da equipa onde estão; uma equipa central é avaliada mais pelas métricas e pelos padrões partilhados. Dê às linhas Impacto no negócio e parceria e Qualidade dos dados e definição de métricas o peso que corresponde à forma como a sua equipa está realmente organizada.
Recolha provas a partir de análises reais
Peça aos analistas que associem a cada afirmação da autoavaliação os relatórios, dashboards e modelos que a sustentam, e a decisão que cada um apoiou. Isso transforma os check-ins numa discussão sobre trabalho real, em vez de uma lista de ferramentas aprendidas.

Perguntas frequentes

Perguntas sobre esta escada

Numa escada de carreira, qual é a diferença entre analista de dados e cientista de dados?

Um analista de dados ajuda as pessoas a tomar decisões, encontrando, verificando e explicando o que os dados dizem. Um cientista de dados constrói sobretudo modelos estatísticos ou de machine learning que passam a fazer parte do produto ou das operações. Em empresas mais pequenas as funções sobrepõem-se, mas evoluem em direções diferentes, por isso dê-lhes escadas ou percursos separados. Em algumas empresas, «cientista de dados» é simplesmente o cargo dos analistas focados em experimentação.

Quantos níveis deve ter uma escada de carreira de analista de dados?

Para uma empresa de 20 a 200 pessoas, três a cinco. A maioria das equipas pequenas precisa de Júnior, Analista de dados e Sénior; os níveis líder e principal só fazem sentido quando a análise serve várias áreas e alguém define padrões para todas elas.

Um analista de dados sénior precisa de Python ou chega saber SQL?

Esta escada não liga, de propósito, os níveis a linguagens. Muitos excelentes analistas seniores trabalham sobretudo em SQL e numa ferramenta de BI. O que separa os níveis é a qualidade das perguntas, o rigor da análise e as decisões que esta muda — acrescente um requisito de ferramenta apenas se a sua equipa não conseguir mesmo trabalhar sem ela.

Como mostrar o impacto de um analista de dados numa proposta de promoção?

Aponte para decisões, não para dashboards. Para cada competência do nível pretendido, liste duas ou três análises com a pergunta, o método, a recomendação e o que aconteceu a seguir. Uma parte interessada a confirmar que uma decisão mudou é uma prova mais forte do que o número de relatórios construídos.

Um analista de dados pode continuar a crescer sem passar a responsável de análise?

Sim. Os níveis líder e principal pertencem ao percurso de especialista: crescem em âmbito e em influência sobre a forma como a empresa usa os dados, sem gerir pessoas. Gerir a equipa de análise é outro trabalho, com a sua própria escada, e passar para ele deve ser uma mudança de percurso e não a única forma de subir.

Construa esta escada de carreira no LadderKit — grátis

Configure os níveis e as competências para a sua equipa, avalie as pessoas face a eles nos check-ins e mantenha as decisões de promoção coerentes.

Comece grátis Ver a demonstração Sem registo