Imagina a seguinte situação. Um diretor de marketing abre o seu dashboard numa segunda-feira de manhã. Vê que as conversões caíram 23 % na semana anterior. Convoca uma reunião urgente. Durante duas horas, dez pessoas debatem as possíveis causas: o orçamento publicitário, a sazonalidade, o novo concorrente, o tempo. Ninguém olha realmente para os dados. Ninguém sabe bem como fazê-lo.
Esta cena repete-se todas as semanas em milhares de empresas portuguesas. Não faltam dados: em 2025 o volume mundial de dados atingiu 181 zettabytes, com um crescimento de 23 % ao ano segundo a IDC. O que falta são profissionais capazes de ler esses dados, interrogá-los e transformá-los em algo útil.
Essa carência tem um nome: data analyst. E em 2026 é a profissão de dados mais procurada em Portugal, com um salário médio de 32.011 € anuais em Lisboa. Neste guia explicamos o que faz realmente um data analyst, por que razão esta profissão resiste à automatização, quanto paga e como a Ironhack te prepara em 9 semanas.
Por que razão as empresas têm mais dados do que nunca mas não sabem aproveitá-los
Aqui está algo que poucos artigos sobre dados se atrevem a escrever: a maioria das empresas recolhe dados que não entende realmente.
Têm CRM repletos de históricos de clientes que nunca consultam a fundo. Dashboards do Google Analytics de onde leem apenas os números superficiais, sem ir buscar as causas. Pipelines de dados construídos por brilhantes data engineers cujos outputs só servem para alimentar reuniões onde ninguém sabe o que fazer com eles.
Não é um problema de tecnologia. As ferramentas estão lá, os dados estão lá. É um problema de tradução: entre o que dizem os números e o que a empresa precisa de decidir.
É precisamente isso que faz um data analyst. Não "analisar dados" no abstrato. Transformar um sinal fraco num conjunto de dados numa decisão concreta que o diretor comercial pode executar na manhã seguinte.
O que faz realmente um data analyst no seu dia a dia
A imagem popular do data analyst é a de um geek solitário em frente a ecrãs cheios de código. A realidade é quase o oposto.
Um data analyst passa metade do seu tempo a compreender problemas de negócio, não a programar. Ouve, questiona, reformula. "Queres saber por que razão as vendas estão a baixar, mas na verdade queres saber se deves mudar a tua estratégia de preços ou o teu targeting publicitário: são dois problemas muito diferentes." Colocar a pergunta certa antes da análise é muitas vezes 80 % do trabalho.
A outra metade é exploração: cruzar fontes de dados, identificar padrões, testar hipóteses. Python e SQL são as ferramentas do ofício, não a finalidade. O resultado final é raramente um relatório de 50 páginas. É um gráfico que faz uma direção mudar de opinião. Uma recomendação em três pontos. Uma resposta clara a uma pergunta vaga.
As ferramentas reais do ofício em 2026
Os recrutadores portugueses solicitam principalmente Python, SQL, Tableau, Pandas, NumPy, Jupyter e plataformas cloud como AWS, Azure e GCP. O que se destaca nas ofertas de emprego do primeiro trimestre de 2026 é a ascensão de duas competências que há cinco anos ninguém ensinava: a capacidade de trabalhar com modelos de IA generativa como o ChatGPT para acelerar a análise, e a data governance: saber de onde vêm os dados, em que estado estão e se se pode confiar neles.
A IA vai substituir os data analysts?
É a objeção que todos encontram quando estão a pensar em reconverter-se para o mundo dos dados. Deixemos os números responder.
Entre 2025 e 2030, o número de vagas de data analyst e data scientist no mundo vai aumentar 41 %. Os data engineers, frequentemente citados como os perfis "mais automatizáveis", veem as suas vagas crescer 81 %. Os especialistas em machine learning, 82 %.
Porquê? Porque a IA produz mais dados, mais rapidamente, com mais complexidade. Aumenta a quantidade de coisas a analisar, não a capacidade das empresas para as analisar. Cada novo modelo de IA implementado numa empresa gera outputs que é preciso medir, enviesamentos que é preciso detetar e desempenho que é preciso monitorizar. Alguém tem de fazer isso. Esse alguém é o data analyst.
Até 2028, 50 % dos data analysts exercerão também funções de data science, não porque foram forçados a isso, mas porque as ferramentas de IA generativa terão tornado estas técnicas acessíveis a perfis que hoje não as poderiam dominar sem anos de formação adicional.
A IA não é o fim do data analyst. É a sua poderosa atualização.
É preciso ser bom em matemática para ser data analyst?
Aqui está o que raramente te dizem: 67 % dos data analysts ativos têm menos de 5 anos de experiência nesta função. A maioria não vem de licenciaturas científicas de alto nível.
O que realmente conta é o rigor lógico, não os integrais. A capacidade de decompor um problema complexo em passos simples. A curiosidade para perceber o que significa realmente um número no seu contexto. Estas qualidades encontram-se nos mais variados perfis: ex-juristas, responsáveis de marketing, gestores de projetos, contabilistas, enfermeiros, comerciais.
Os dados não são uma torre de marfim reservada a engenheiros. É precisamente por isso que os recrutadores, face à escassez de perfis, se abriram massivamente às reconversões. Portugal é cada vez mais um hub tecnológico na Europa, com Lisboa reconhecida como um dos principais ecossistemas de startups do continente e uma procura crescente de profissionais de dados em todos os setores.
Salário de data analyst em Portugal em 2026: os valores reais
Falemos de salários sem rodeios.
Em Lisboa, o salário médio de um data analyst é de 32.011 € anuais, com uma gama típica de 26.675 € a 39.533 € (dados de 151 salários anónimos no Glassdoor, maio de 2026). O top 10 % atinge os 50.000 € anuais ou mais.
No Porto, o salário médio sobe ligeiramente para 34.500 €, com uma gama de 30.000 € a 39.000 € e o top 10 % até 50.058 €.
O mercado português distingue-se de outros mercados europeus por uma caraterística importante: a presença crescente de empresas tecnológicas internacionais que instalam centros de operações em Lisboa e no Porto oferece salários acima da média nacional a profissionais de dados. Sectores como fintech, e-commerce, telecomunicações e consultoria tecnológica são os que melhor remuneram. A Ironhack estima que 98 % dos seus alunos encontram emprego após a graduação, o que reflete a tensão real do mercado.
Data analyst, data scientist, data engineer: as diferenças e por onde começar
A confusão entre estes três perfis é uma das fontes mais frequentes de dúvida em quem está a pensar numa reconversão para o mundo dos dados.
O data analyst responde a perguntas sobre o passado e o presente. "Por que razão perdemos clientes este trimestre?" "Que produtos se vendem melhor por região?" Trabalha principalmente com dados existentes e estruturados, produz relatórios e dashboards, e o seu principal interlocutor é a equipa de negócio. É o ponto de entrada mais natural e acessível no setor dos dados.
O data scientist responde a perguntas sobre o futuro. "Que clientes vão abandonar-nos nos próximos 90 dias?" "Que preço maximiza a nossa margem neste segmento?" Constrói modelos preditivos e trabalha com machine learning. Requer um nível mais elevado de competências matemáticas e estatísticas: é uma evolução natural do perfil de data analyst após alguns anos de experiência.
O data engineer constrói a infraestrutura para que os outros dois possam trabalhar. Pipelines de dados, bases de dados, sistemas de armazenamento. Um perfil mais próximo do programador, de acesso mais difícil para uma reconversão sem base técnica.
Se vens de um setor não técnico e estás a considerar o mundo dos dados, o data analyst é a escolha mais inteligente para começar. Nada te impede de evoluir depois para data science: as competências acumulam-se.
Reconverter-se em data analyst sem diploma técnico: por que o teu perfil é uma vantagem
A reconversão para data analyst é fundamentalmente diferente de outras reconversões tech.
Numa reconversão para desenvolvimento web, design UX ou cibersegurança, começas quase do zero. Aprendes uma nova linguagem de pensamento.
A reconversão para data analyst constrói sobre o que já sabes. Um ex-contabilista conhece a lógica financeira que dá sentido aos dados de rentabilidade. Um responsável de marketing conhece os desafios de aquisição e fidelização que o data analyst deve medir. Um médico compreende as variáveis clínicas que vai analisar numa startup de healthtech.
Este conhecimento setorial que construíste ao longo dos anos torna-se um valor acrescentado real no mercado dos dados. Os recrutadores pagam por um data analyst que entenda o seu setor, não apenas por alguém que saiba executar um script de Python.
A formação, neste caso, não parte do zero. Vem completar o que tens com as ferramentas técnicas que te faltam. Reconverter-se aos 30, 40 ou 50 anos para o setor tech não só é possível: no mundo dos dados pode ser uma vantagem competitiva real.
Bootcamp de Data Analytics da Ironhack Portugal: pronto para trabalhar em 9 semanas
A Ironhack oferece um Bootcamp de Data Analytics concebido exatamente para perfis em reconversão que querem avançar rapidamente sem sacrificar a profundidade. Sem requisitos técnicos estritos, mas com uma exigência real de rigor e motivação.
Preço e formatos
Tempo inteiro: 9 semanas, de segunda a sexta das 09:00 às 18:00, no campus de Lisboa ou 100 % remoto. Tempo parcial: 24 semanas, terças e quintas das 18:30 às 21:30, e sábados das 10:00 às 17:00. Preço com pagamento antecipado: 7.500 € com desconto imediato de até 20 % (até 1.500 €). Próximas coortes: 15 de junho, 20 de julho, 14 de setembro e 12 de outubro de 2026.
O prework: por que é uma vantagem decisiva
Uma vez inscrito como estudante oficial da Ironhack, tens acesso a 60 horas de material de aprendizagem online sobre linha de comandos, Git, Python, MySQL e análise estatística. Aprendes também a utilizar ferramentas como o ChatGPT para potenciar a tua aprendizagem e capacidade de resolução de problemas. Isto permite-te chegar ao bootcamp com as bases já estabelecidas e dedicar as 9 semanas à profundidade, independentemente do teu nível técnico inicial.
O que aprendes módulo a módulo
Módulo 1: Introdução a Python. Conheces a equipa da Ironhack, os teus instrutores e colegas. Configuras o teu ambiente de desenvolvimento e revês o prework. Aprendes sobre limpeza e transformação de dados, APIs e web scraping, e desenvolves competências em Git, SQL e Python. Primeiro projeto: cria um conjunto de dados completamente novo e partilha-o com os teus colegas guardando-o numa base de dados SQL.
Módulo 2: Análise Avançada. Aprofunda as matemáticas por detrás do Data Analytics. Utilizas Python para compreender a estatística inferencial e a probabilidade, bem como os princípios básicos de business intelligence. Aprendes técnicas de data storytelling com Tableau, NumPy e Jupyter Notebook para visualizar os teus dados e insights. Segundo projeto: uma análise completa de datasets reais que processaste, limpaste e visualizaste.
Módulo 3: Fundamentos de Machine Learning. Descobres os aspetos básicos do ML: fluxo de trabalho, aprendizagem supervisionada e não supervisionada, e os algoritmos mais populares com a biblioteca scikit-learn. Exploras plataformas cloud (GCP, IBM, Amazon, Azure e OpenAI) e ferramentas de IA como ChatGPT e outros LLMs. Projeto final: o mais complexo de todos, com o qual competes com os teus colegas no Hackshow e que adicionas diretamente ao teu portfólio.
Ironhack+: certificações incluídas
Através do Ironhack+, podes fazer gratuitamente (valor superior a 200 €) o exame de uma certificação reconhecida no setor. Para Data Analytics, as opções são:
Tableau Certified Data Analyst: emitida pela Salesforce-Tableau, muito procurada pelas empresas portuguesas e internacionais que utilizam Tableau na sua estratégia de BI.
W3Schools SQL Certificate: certificação prática de SQL, uma das competências mais solicitadas em todas as ofertas de data analyst em Portugal.
Career Support até um ano após a graduação
A equipa de Career Support da Ironhack acompanha-te além do bootcamp: coaching de CV, preparação para entrevistas, ligação direta a recrutadores parceiros e acesso à comunidade global de mais de 15.000 alumni. A Ironhack estima uma taxa de empregabilidade de 98 % após a graduação.
Como financiar o bootcamp de Data Analytics da Ironhack em Portugal
A Ironhack Portugal oferece várias opções para que o custo não seja um obstáculo:
ISA com Quotanda (Estuda agora, paga depois): a Quotanda trata das propinas e tu só começas a reembolsar quando encontrares emprego e o teu rendimento bruto anual superar os 16.000 €. Pagas 12 % do teu rendimento mensal durante um máximo de 51 meses. Sem depósito inicial. Disponível para cidadãos portugueses, titulares de Cartão de Cidadão ou residentes há pelo menos 5 anos em Portugal.
BCAS ISA: paga 13,2 % do teu rendimento apenas após encontrares emprego, com pagamentos que pausam automaticamente se o salário baixar.
Voucher Formação Digital do IEFP: qualquer trabalhador ativo pode candidatar-se a um reembolso de até 750 € por ano através do IEFP. A Ironhack é certificada pela DGERT, o que garante a elegibilidade dos seus bootcamps para este apoio.
Alma (pagamento fracionado): divide o pagamento em até 4 prestações sem juros, com aprovação 100 % digital. Disponível para residentes em Portugal.
Quotanda (empréstimo): financiamento entre 1.500 € e 6.000 €, pagável em 12, 18 ou 24 meses. Disponível para estudantes europeus e internacionais admitidos na Ironhack.
Prestações sem juros: divide o valor do curso em 3 ou 6 prestações sem juros. Garante o teu lugar com um depósito de 750 €.
Pagamento antecipado com desconto: paga a totalidade das propinas de uma vez e obtém até 20 % de desconto (até 1.500 €).
A equipa da Ironhack Portugal ajuda-te a encontrar a opção mais adequada à tua situação.
FAQ: as perguntas reais antes de te lançares nos dados
"Venho do marketing, das finanças ou dos RH: funciona mesmo?" Sim, e a tua experiência setorial é frequentemente o que faz a diferença face a perfis mais técnicos. Os recrutadores de dados procuram cada vez mais perfis que compreendam os desafios de negócio, não apenas a técnica.
"Bastam 9 semanas para ser empregável?" Para um primeiro posto como junior data analyst: sim, desde que te envolvas a sério, completes o prework e construas um portfólio real durante a formação. As 9 semanas não te tornam especialista em tudo: tornam-te empregável, e a experiência trata do resto.
"Devo escolher agora entre data analyst e data scientist?" Não. Começa como data analyst: é o ponto de entrada mais acessível e mais contratado. A evolução para data science acontece naturalmente com a experiência e com as ferramentas de IA que democratizam o acesso a técnicas avançadas.
"O que me espera concretamente no primeiro dia num posto de data analyst?" Na maioria das empresas: uma infraestrutura de dados mal documentada, dashboards parcialmente desatualizados e uma direção que te pede para perceberes por que razão os números do mês passado não batem certo com os do ano anterior. A capacidade de te orientares, de fazeres as perguntas certas e de entregares algo claro no meio do caos: é isso o ofício real. É exatamente isso que o bootcamp da Ironhack treina, com projetos sobre dados reais desde o primeiro dia.
"E se não gostar assim que começar?" A pergunta merece ser feita antes de investir tempo e dinheiro. Testa antes do bootcamp: passa algumas horas no Kaggle com um dataset que te interesse, segue um tutorial básico de Python no YouTube, abre um dashboard do Google Analytics e tenta perceber realmente o que está a dizer. Se sentires curiosidade em vez de frustração, é um bom sinal.
O mercado dos dados não procura pessoas tecnicamente perfeitas. Procura pessoas capazes de transformar a complexidade em clareza. Se essa é uma competência que queres desenvolver, os dados e as empresas que deles precisam estão à tua espera.
