Analista Junior vs Senior: Por Que a Velocidade Não Mede Maturidade Introdução Um analista junior entrega sua análise em 2 horas. Um analista senior demora 2 dias. À primeira vista, parece que o junior é melhor: mais rápido, mais produtivo, mais disposto. Mas quem realmente agrega mais valor? A resposta não é tão óbvia quanto você imagina. A diferença fundamental entre um analista junior e um senior não está na velocidade de execução. Está na qualidade do pensamento. Um junior acredita no primeiro resultado que vê. Um senior questiona tudo — inclusive suas próprias conclusões. Essa "lentidão" do senior? É na verdade um superpoder disfarçado. O Paradoxo da Velocidade: Por Que Rápido É Perigoso O Caminho do Analista Junior Um analista junior recebe uma pergunta: _"Por que as conversões caíram 25% semana passada?"_ Ele segue esse processo: 1. Acessa o dashboard 2. Vê o número: conversões realmente caíram 3. Procura a causa óbvia 4. Encontra: "Orçamento foi reduzido em 20%" 5. Conclusão imediata: "Redução de orçamento = queda de conversões" 6. Relatório pronto em 2 horas Parece lógico. Parece correto. Mas também é perigoso. O Que o Junior Não Perguntou Enquanto o junior entrega seu relatório, ele não questiona: Esse padrão é real ou artefato de coleta? (O pixel estava instalado corretamente? Houve mudança de rastreamento?) Esse período é representativo ou atípico? (Semana passada foi feriado? Teve evento externo?) Correlação = causalidade aqui? (A queda de conversão poderia ser por outro motivo?) Qual viés estou trazendo? (Estou assumindo algo porque já ouvi falar antes?) E se os dados estivessem errados? (Devo validar a origem dos dados?) Cada uma dessas perguntas adiciona 20-30 minutos de investigação. Mas salva a empresa de decisões desastrosas. A Verdadeira Diferença: Mentalidade Investigativa O Caminho do Analista Senior O mesmo senior recebe a mesma pergunta. Ele não começa direto no "por quê". Ele começa com validações: 1. Valida a Métrica (30 minutos) Verifica se o pixel está rastreando corretamente Cruza dados de 3 fontes diferentes (dashboard, Google Analytics, base de dados direto) Pergunta ao time técnico: "Houve mudança em como rastreamos conversão?" Descobre: Conversão foi retracada no meio da semana — alguns dados anteriores estão defasados 2. Entende o Contexto (45 minutos) Verifica a sazonalidade histórica: semanas anteriores, mesmo período do ano passado Procura eventos externos: tinha promoção rival? Campanha concorrente? Cobertura de imprensa? Questiona: "Qual era a métrica esperada ANTES do corte de orçamento?" Descobre: A semana anterior teve inflação de dados por erro de rastreamento — comparação é injusta 3. Testa Hipóteses (1 hora) Isola o efeito do orçamento: "Se pausar Meta por 24h, conversão cai quantos %?" Compara canais: todos tiveram queda, ou apenas 1 canal? Faz cálculo de elasticidade: para cada 1% de redução de orçamento, quantos % de conversão caem? Descobre: Conversão tem elasticidade 0.7x (redução de 20% de orçamento = queda de apenas 14% de conversão, não 25%) 4. Apresenta o Relato (30 minutos) Depois de ~2 horas de investigação, o senior escreve: _"A queda de 25% foi causada por 3 fatores:_ _1) Erro de rastreamento na semana anterior (inflacionou dados)_ _2) Sazonalidade natural (segunda semana do mês tem sempre -8%)_ _3) Redução real de orçamento (causou queda de ~14%)_ _Recomendação: Manter orçamento reduzido, monitorar próximas 3 semanas. Elasticidade mostra ROI ainda positivo."_ Tempo total: 2-3 dias (incluindo processamento de dados e discussões com o time técnico) O Custo Real de Fazer Rápido Demais Caso Real 1: A Análise Que Custou R$ 500K Uma empresa viu que "Instagram teve queda de ROI em 30 dias". Um analista junior concluiu: _"Instagram não funciona mais, devemos parar de investir"_. Executivo acreditou, pausou o Instagram. O senior questionou depois: "Espera, deixa eu validar..." Descobriu que: o pixel do Instagram estava com erro de rastreamento desde dia 3 do mês. Os dados estavam corretos, mas a atribuição era parcial (16% de conversões não estavam sendo rastreadas). Quando corrigiu o pixel: Instagram ainda tinha ROI positivo (1.8x) Empresa havia desperdiçado 27 dias de crescimento em um dos melhores canais Custo real do erro: R$ 500K em vendas perdidas Caso Real 2: O Outlier Que Era na Verdade Ouro Um junior viu um pico nos dados: "26 conversões em um dia, quando a média é 3-5". Classificou como outlier e removeu da análise. Um senior perguntou: "Por que foi outlier? Vou investigar..." Descobriu: Aquele dia foi quando um cliente grande (que depois virou recorrente) fez a primeira compra em volume. Removendo esse "outlier", o junior tinha perdido informação crítica sobre um dos melhores clientes. As 5 Perguntas Que Separam Junior de Senior Se você está começando sua carreira em dados, memorize essas 5 perguntas. Fazê-las adiciona tempo, mas salva vidas (de dados): 1. "Esse número é baseado em dados completos ou parciai