O que você aprenderá_

Entenda o cenário da Citi Bike e defina objetivos claros para a análise.
Limpe, integre e prepare dados com SQL, BigQuery e pandas, criando métricas acionáveis.
Explore os dados, identifique padrões e picos de uso e gere insights rápidos.
Preveja demanda e otimize o rebalancing com modelos de ML e apoio de IA generativa.
Construa dashboards no Power BI, comunique resultados a executivos e publique um portfólio no GitHub.

Público alvo_

Este curso é indicado para estudantes e profissionais de diferentes áreas que desejam iniciar ou avançar na área de análise de dados, desenvolvendo habilidades para transformar informações em insights estratégicos.

Viviane Martins

Viviane é especialista em sistemas e tecnóloga em Banco de Dados. Seu foco é acuracidade de dados e segurança de informação. Tem ampla experiência em VBA na construção e automação de planilhas complexas e gerencia times de desenvolvimento de sistemas e automação de processos.

Curso atualizado em 08/09/2025

Já estuda na Alura?

Comece o curso agora

Ementa

Compreensão do cenário e desafio do negócio
- Introdução ao Case Citi Bike – contexto do sistema, desafios e objetivos do projeto
- Entendimento do sistema de compartilhamento — stakeholders, jornadas dos usuários, desafios como estações vazias/lotadas e previsões de demanda
- Apresentação das fontes de dados: tabelas públicas do BigQuery (viagens, estações; possível enriquecimento: clima, eventos), estrutura dos arquivos, campos relevantes e exemplos iniciais de consulta SQL
Limpeza e preparação dos dados
- Importação dos dados usando SQL e Python (pandas)
- Limpeza e tratamento: padronização de formatos (datas, localização, gênero), remoção e tratamento de valores faltantes e inconsistentes, criação de colunas calculadas (faixa etária, duração categorizada)
- Integração de múltiplas fontes: cruzando viagens com dados de clima/eventos — ferramentas: BigQuery, Python (pandas), SQL
- Aplicabilidade com métricas (KPI´s, OKR´s)
Análise Exploratória: EDA e Estatística Inicial
- Exploração dos dados com SQL/Python: volume de viagens por hora/dia/mês, distribuição por estação, duração, usertype
- Identificação de padrões sazonais e horários de pico (gráficos, distribuição temporal)
- Análise dos principais perfis de usuários (gênero, idade, assinante/casual)
- Relatórios exploratórios com insights iniciais — ferramentas: SQL, Python (pandas, seaborn, matplotlib)
Modelagem, Predição e Otimização
- Modelos preditivos: previsão de demanda por estação/hora (regressão, séries temporais, ML, etc.)
- Simulação e otimização de rebalancing: sugerir realocação de bikes para minimizar indisponibilidade
- Identificação de anomalias no uso (viagens suspeitas, estações críticas)
- Como aplicar IA generativa e copilotos para acelerar a análise (exemplos: gerar queries SQL, código Python, automatizar insights com ChatGPT) — ferramentas: Python (scikit-learn, statsmodels), BigQuery, IA generativa (ChatGPT, Gemini, Copilot)
Visualização e Dashboards Interativos
- Storytelling de dados: melhores práticas de visualização focando em operações e tomada de decisão
- Construção de mapas de calor, fluxos de bikes e dashboards interativos
- Criação de indicadores-chave (KPI) e alertas sobre estações críticas
- Testes e navegação a partir dos dados atualizados
- Principais insights e alertas no comportamento dos dados — ferramentas: Power BI
Experiência do Usuário e Exploração Executiva
- Definição e apresentação de indicadores executivos para operações e estratégia
- Navegação de dashboards e exploração guiada: filtros, drilldowns e personalização por público-alvo
- Boas práticas de user experience em painéis analíticos e testes dinâmicos
- Governança de dados e ética no uso de dados sensíveis (privacidade dos usuários, divulgação de insights)
- Técnicas de storytelling e apresentação de resultados para stakeholders (como comunicar valor com dados)
- Resumo executivo dos principais insights e recomendações de negócio – impacto potencial, economia, experiência do usuário, etc.
Criação do Portfólio
- Estrutura do Projeto e Criação no GitHub
- Criação e Organização de Diretórios
- Publicação

Comece essa formação agora mesmo e capacite-se para seu próximo projeto!

Conheça os planos

Escola

Data Science

Trabalhe com dados. Aprofunde seu conhecimento nas principais ferramentas de uma pessoa data scientist. Descubra as diferentes possibilidades de análise de dados, do Excel ao Python, e mergulhe em frameworks e bibliotecas, como Pandas, Scikit-Learn e Seaborn.

Conheça a escola