Analistas de business intelligence devem aprender a programar?

Todos os dias, geramos uma quantidade inimaginável de dados. Segundo a Statista, o volume total de dados produzidos globalmente chegou a 64,2 zettabytes (um zettabyte = um bilhão de terabytes) em 2020 e, nos próximos cinco anos, a projeção é ultrapassar 180 zettabytes. 

Com essa explosão no volume de dados, ciência de dados e business intelligence têm papel fundamental para ajudar as organizações a dar sentido a essas informações. 

Enquanto a caixa de ferramentas do cientista de dados gira principalmente em torno de ferramentas baseadas em código, como Python, R, linha de comando e outras, analistas de business intelligence aproveitam ferramentas sofisticadas com interface gráfica (GUI), como Tableau ou Power BI. 

Nesse contexto, analistas de business intelligence têm um papel central em alimentar a camada de insights de qualquer organização. Por isso, as vagas em business intelligence estão em alta. Nos Estados Unidos, por exemplo, o salário médio anual de um analista de business intelligence é de US$ 84.019 por ano. 

À medida que as ferramentas low-code ficam mais avançadas e as funções de business intelligence continuam gerando valor para as organizações, quão importante é ter habilidades de programação para que analistas de BI avancem na carreira? Neste artigo, vamos responder exatamente a essa pergunta. 

É difícil dar uma resposta curta sem revisitar a evolução do papel do analista moderno, os tipos de tarefas que exigem programação e o valor de aprender a programar. Vamos lá!

A história do business intelligence

O termo “business intelligence” foi cunhado pela primeira vez em 1865 pelo autor Richard Millar Devens, quando o usou na Cyclopaedia of Commercial and Business Anecdotes para descrever como um financista superou seus concorrentes ao coletar e agir com base em informações. 

No entanto, a base do business intelligence moderno só chegou com o desenvolvimento do disco rígido, inventado pela IBM em 1956. Ele permitia armazenar 5 MB de dados, o que, à época, era uma quantidade enorme. 

Dois anos depois, o pesquisador da IBM Hans Peter Luhn publicou o artigo A Business Intelligence System, que apresentou os princípios do Business Intelligence ao destacar os desafios das empresas em lidar com grandes volumes de dados para tomar melhores decisões. Por esses motivos, Hans é considerado o pai do business intelligence.

Entre as décadas de 1960 e 1970, surgiram os primeiros sistemas de gestão de dados e sistemas de suporte à decisão, que levaram, nos anos 1980, à criação do data warehouse, ainda amplamente utilizado. 

Data warehouses são sistemas que coletam e organizam dados de diferentes fontes em um repositório central, permitindo análises mais eficazes e profundas. Avançando para o fim dos anos 1990, os precursores dos sistemas de BI modernos se tornaram realidade com inovações tecnológicas, a popularização dos computadores pessoais e o nascimento da internet. 

A ascensão do analista de BI moderno

Nas últimas duas décadas, o papel do analista de business intelligence evoluiu bastante. O crescimento do big data e dos volumes de dados gerou demanda por plataformas e ferramentas de BI mais sofisticadas para ajudar analistas a entenderem os dados da empresa. 

No fim dos anos 90 e início dos 2000, analistas usavam ferramentas como Excel, SQL ou soluções de BI rudimentares para analisar e visualizar os dados da organização. Porém, com o lançamento de ferramentas como Power BI, Tableau e Qlik, espera-se que o analista de hoje domine vários recursos no dia a dia. 

Além da proficiência técnica em ferramentas específicas, espera-se que o analista moderno seja um especialista em ir além do técnico. Isso significa ter forte gestão de projetos, conhecimento do domínio de negócio, storytelling e comunicação — competências básicas para o analista atual.  

Com isso em mente, é hora de revisitar a pergunta inicial: analistas de business intelligence devem aprender a programar? A resposta é sim! 

Embora muitas funções em Business Intelligence não exijam programação, aprender a programar permite acelerar o valor que você entrega à organização e ajuda a se destacar na busca por vagas. Abaixo, você encontra cinco motivos-chave para analistas de Business Intelligence aprenderem a programar. 

O valor de aprender a programar para analistas de business intelligence

1. Melhora na capacidade de resolver problemas

Seja para entender o impacto de um teste A/B em métricas-chave, criar dashboards para stakeholders ou fazer recomendações com base em insights de dados, analistas de Business Intelligence resolvem problemas todos os dias. Aprender a programar potencializa essas habilidades, pois a programação oferece uma nova lente para encarar desafios técnicos. 

A relação entre programação e a melhora na resolução de problemas já foi amplamente estudada, pois treina profissionais a pensar em um amplo espectro de soluções para problemas potenciais. 

2. Melhor colaboração com outros membros do time de dados

Analistas de Business Intelligence costumam atuar em times de analytics ou de dados mais amplos. Isso significa colaborar com profissionais cuja atuação é focada em código, como engenheiros de dados, cientistas de dados e analistas de dados. Um grande benefício de aprender a programar é desenvolver mais empatia e colaboração com o restante do time. 

Ao aprender a programar, analistas de business intelligence conseguem fazer solicitações mais assertivas a outros membros do time, criar soluções pontuais que exijam código quando o tempo dos colegas é limitado e entender melhor os fluxos de trabalho de todos. Um time mais coeso inevitavelmente gera melhores resultados para toda a organização. 

3. Visualizações e fluxos de trabalho mais complexos

Dominar ferramentas de BI como Tableau e Power BI é o básico para analistas modernos. Porém, aprender a programar pode acelerar o fluxo de trabalho do analista de Business Intelligence de várias formas. 

Primeiro, Tableau e Power BI oferecem integrações com R e Python. Isso permite automatizar fluxos usando scripts dentro da sua ferramenta preferida de BI. Um exemplo clássico é executar Python no Power BI para automatizar uma etapa de manipulação de dados em um conjunto de dados recorrente. 

Além disso, linguagens de programação como R e Python permitem análises e visualizações mais complexas, que não são possíveis diretamente nas ferramentas de BI. Com pacotes como o ggplot2 do R e o Matplotlib do Python, é possível criar visualizações e relatórios altamente personalizados. 

4. Faça parte da comunidade open source

Um aspecto único das linguagens de programação é que quase todas as ferramentas usadas pelos melhores profissionais e pesquisadores são open source. Isso significa que qualquer pessoa pode baixar gratuitamente ferramentas poderosas, sem barreiras de entrada. 

Além disso, profissionais podem interagir diretamente com os criadores dessas ferramentas, sugerindo melhorias no código-fonte. Pertencer a uma comunidade open source enriquece a carreira, o conhecimento e a reputação do analista — abrindo portas para oportunidades futuras e conexões mais fortes no ecossistema de dados. 

5. Oportunidades de crescimento na carreira

Uma grande vantagem de aprender programação é ampliar as oportunidades profissionais e até migrar para outras trilhas de carreira. Business intelligence é um campo amplo, com várias possibilidades, como analista de dados, analista de produto, desenvolvedor de BI e arquiteto de business intelligence. Vagas que exigem programação estão em alta, oferecem excelentes salários e alta satisfação, segundo dados da Glassdoor. 

Exemplos incluem cargos de analista de dados, que são próximos ao papel de Business Intelligence, mas exigem maior domínio de programação e estatística. O salário mediano de Data Analysts nos Estados Unidos gira em torno de US$ 94.687 por ano e pode chegar a US$ 391 mil. 

Além disso, vemos continuamente uma grande demanda por engenheiros de dados e cientistas de dados. Engenheiros de dados têm papel essencial em consolidar grandes volumes de dados, que serão explorados por cientistas de dados para extrair insights e criar modelos de machine learning. Os salários medianos de engenheiros de dados e cientistas de dados são, respectivamente, US$ 112.493 e US$ 117.212 por ano.

O futuro do papel do analista

À medida que o business intelligence evolui, o analista moderno também precisa evoluir. Desenvolver habilidades de programação permite resolver problemas com mais eficiência, colaborar melhor com o time, criar fluxos mais complexos e eficientes, abrir novos caminhos de carreira e muito mais. 

Se este artigo te inspirou a começar a programar, confira os recursos abaixo.