Quando falamos de ambientes digitais, é impossível não pensar em dados: toda transação demanda o armazenamento das informações em estruturas digitais chamadas bancos de dados.

O SQL é a linguagem estruturada que usamos para inserir, extrair, alterar e deletar dados de diversas bases de dados, utilizando fornecedores como Oracle, MySQL e MS SQL Server. Além disso, o SQL também é a linguagem usada por profissionais que lidam com dados, como analistas financeiros, programadores e analistas de BI, que buscam uma manipulação mais refinada e maior controle sobre o grande volume de informações. Após dominar os fundamentos do SQL, é importante aprender as técnicas e comandos mais avançados, o que habilita o profissional de dados a manipular os bancos com mais fluidez.

Vamos explorar as instruções e sintaxes avançadas, extraindo o melhor de qualquer amostra de dados estruturados.

O que você vai dominar: 
 

• Introdução à área de Dados (aplicação e utilização dos dados nos dias de hoje);
• SQL DML;
• Select: seleção e manipulação de dados;
• Where: Filtros;
• Join: seleção e manipulação de dados de várias tabelas;
• Funções e funções de agrupamento;
• SQL DML Avançado;
• Subquery Simples;
• Subquery Correlata;
• In Line View;
• Top N;
• View;
• Union, Intersect e Minus;
• Consultas Hierárquicas (Self Join);
• Rollup;
• Cube;
• Multi Insert Tables;
• External Tables;
• Regular Expression.

E muito mais.

Para garantir o armazenamento correto das informações em um banco de dados, é importante criar as estruturas necessárias desde o início do projeto. Por isso, o profissional de dados precisa saber como modelar as estruturas conceituais, lógicas e físicas que serão utilizadas para esse armazenamento.

Nosso foco é desmistificar os comandos por trás da criação dessas estruturas, divididas em dois modelos: relacionais e dimensionais. Na modelagem relacional, você aprenderá como armazenar dados transacionais, do dia a dia. Já na modelagem dimensional, entenderemos como os dados são armazenados em estruturas dimensionais, projetadas para análises e relatórios. Para dominar os conceitos e práticas de Big Data, é necessário unificar e extrair dados de diversas fontes informacionais, que podem variar desde bancos relacionais e não relacionais até arquivos diversos: Excel, texto, CSV, XML, entre outros. Nesse cenário, as ferramentas de Extração, Transformação e Carga (ETL) são fundamentais.

Vamos explorar juntos os principais passos para a criação de JOBs de input, output, transformação, integração e manipulação de dados por meio de frameworks do universo Big Data.

O que você vai dominar:
 

• Modelagem Relacional;
• Introdução ao Modelo Conceitual (mapeamento das necessidades de negócios);
• Modelos Lógico e Físico no Oracle Data Modeler;
• Formas Normais (1ª, 2ª e 3ª formas);
• Modelagem Dimensional;
• Data Warehouse x Data Mart;
• Tabelas Fatos x Dimensões;
• Modelo Star Schema x Snow Flake.
• Banco de dados Stage;
• Banco de dados Data Warehouse;
• Processo de ETL;
• ETL do Relacional para a Stage;
• ETL da Stage para o DW;
• ETL em Dimensões;
• ETL em Fatos;
• Ferramenta Integration Services.