Imagine uma linguagem que foi criada antes mesmo de existir internet, ainda nos anos 1970, mas é tão útil que continua sendo essencial para trabalhar com análise de dados até hoje. Estamos falando de SQL (Structured Query Language ou Linguagem de Consulta Estruturada), a linguagem padrão para o gerenciamento de bancos de dados relacionais.
Para entender a importância de SQL (normalmente, lida como a palavra “Sequel”), é preciso antes compreender o avanço que o modelo relacional trouxe para a organização e para o armazenamento de dados. Antes de ele se popularizar, o padrão era manter dados em arquivos simples, frequentemente seguindo o modelo hierárquico. Nele, os registros são conectados apenas por ligações simples, restringindo as possibilidades de simular as relações existentes no mundo real, como no caso de um aluno de uma universidade que tem diversos professores, ao mesmo tempo em que os professores também têm muitos alunos.
Em um banco de dados relacional, esse problema deixa de existir. Os dados são modelados de forma que sejam percebidos como tabelas, permitindo que um registro tenha múltiplas relações e interconexões. Assim, fica muito mais fácil combinar as informações existentes em um banco de dados para extrair exatamente aquelas úteis para cada caso. Com isso, já fica mais fácil entender por que boa parte dos dados existentes atualmente são armazenados em bancos relacionais, né?
O SQL entra nessa história toda porque é a linguagem padrão para este tipo de banco de dados. Quando começou a ser utilizada amplamente, a linguagem foi adaptada e ajustada por diversas empresas, culminando na definição de um padrão pela ISO. Ainda que nem toda a indústria adote tal padrão, basta aprender a sintaxe do SQL para conseguir fazer os ajustes necessários.
Na prática, então, o conhecimento em SQL permite que um cientista de dados estabeleça formas de organizar e de estruturar os bancos de dados, formate perguntas para extrair informações úteis e automatize parte do trabalho de análise. Para complementar o conhecimento na linguagem, também é fundamental saber programar em Python.
A notícia boa é que tanto SQL quanto Python são linguagens fáceis de aprender, com sintaxes simples, e que há cursos para isso, como Fundamentos de análise de dados e Fundamentos de Data Science.
Além de conhecer SQL, há também algumas etapas que devem ser seguidas para analisar dados utilizando a linguagem. O primeiro passo é preparar os dados. Para isso, é necessário coletar as informações que serão examinadas, o que pode acontecer de diversas maneiras. A forma mais comum é a organização de dados já existentes em um arquivo CSV (Comma-separated values) ou em formato similar. Uma vez que encontrou as informações relevantes, o cientista de dados deve prepará-las para serem armazenadas em um banco de dados relacional. Frequentemente, isso envolve conversões de padrões e outros pequenos ajustes. Para esta etapa, é muito útil conhecer os comandos de SQL, já que eles permitem automatizar a tarefa.
O segundo passo, após extrair os dados, é armazená-los em um banco relacional. Para isso, a dica é adotar uma ferramenta gratuita e de código aberto, como o SQLite ou o MySQL. Neste momento, devem ser estabelecidos critérios de organização e a relação entre os registros. Vários deles serão intrínsecos à fonte, mas outros precisarão ser definidos de acordo com o tipo de informação extraída dos dados.
Por fim, o terceiro passo é o de extrair informações com a análise de dados. Quando eles forem carregados, é hora de fazer perguntas ao banco. Para isso, são utilizados os comandos SQL para filtrar elementos, somar valores e realizar cruzamentos, de forma a explorar o conteúdo e extrair informações úteis.
Ao analisar um banco de dados de uma universidade, por exemplo, é possível filtrar quais são os alunos matriculados no maior número de disciplinas e somar a carga horária para visualizar quem vai passar mais horas dentro de sala em um semestre. Também dá para cruzar dados e descobrir quais matérias os alunos cursarão na mesma sala, estabelecer um ranking dos que terão mais interações com os colegas ou verificar quais estudantes estão ou já estiveram inadimplentes. São exemplos simples, mas dão uma ideia da quantidade de possibilidades abertas ao ter conhecimento de SQL.
Está pronto para começar?
Ficou interessado e quer saber como começar a estudar para ingressar na carreira de Data Science trabalhando com SQL? A plataforma de cursos online Udacity tem tudo preparado para você. Com a trilha de Dados, Data Science e Machine Learning, é possível ver os perfis profissionais que mais o agradam e iniciar do ponto que for melhor, dependendo dos seus conhecimentos, com opções tanto para iniciantes como para quem já possui familiaridade com a área e quer se especializar.
Fontes
Categorias
