* Success - Português *

 Fala pessoal!!! 

Hoje vamos continuar nossa conversa sobre qualidade de Dados…  

5. Análise de data/hora 

Quer ser um ótimo analista de dados? Análise mestre de data/hora. Simplificando, esta habilidade trata da conversão de dados de data e hora de vários formatos em um formato padrão. 

Por que isso é tão importante? Ao analisar dados, você precisa que as datas e horas estejam corretas. Muito do que analisamos está relacionado ao tempo-tendências, previsões, o que você quiser. Se suas datas estiverem em formatos diferentes, isso pode realmente confundir as coisas. Você pode errar na ordem dos eventos ou fazer conexões falsas. 

Como disse um cientista de dados: “Quando aprendi a codificar, lidar com a análise de data/hora era um desafio. Cada solução que encontrei on-line usava uma técnica ou biblioteca Python diferente e tudo parecia incompatível com meu conjunto de dados”. O truque é praticar com vários conjuntos de dados diferentes, como dados meteorológicos ou de tráfego cheios de carimbos de data/hora. 

Imagine que você está analisando dados de vendas para ver como o clima afeta as compras. Se suas datas estiverem uma bagunça, você pode facilmente confundir uma onda de calor de julho com uma nevasca de janeiro! E isso mudaria totalmente a sua análise. 

Resumindo, acertar na análise de data/hora fará de você um analista de dados inestimável. Seus insights serão precisos e qualquer empresa com experiência em dados terá sorte em ter você. 

6. Mesclando e Unindo Dados 

Mesclar e unir dados é uma técnica obrigatória que pode ajudá-lo a criar conjuntos de dados mais abrangentes e confiáveis ​​para tomar decisões mais inteligentes. Na minha primeira entrevista de emprego relacionada a dados, a primeira pergunta técnica que me fizeram foi sobre os diferentes tipos de junções no SQL. Distinguir entre uma junção esquerda e uma junção interna me ajudou a conseguir o emprego, e o fato de ter sido a primeira pergunta que eles fizeram é uma boa evidência anedótica que mostra a importância das fusões e junções para o ciclo de vida dos dados. 

Compreender a fusão e a junção pode trazer grandes benefícios para o seu trabalho com dados. Por um lado, ajuda a manter seus conjuntos de dados consistentes e precisos. Também permite trabalhar com estruturas de dados mais complexas, o que é uma habilidade valiosa para enfrentar desafios analíticos. 

Dito isso, mesclar grandes conjuntos de dados ou lidar com formatos incompatíveis às vezes pode ser complicado. O segredo é escolher as chaves certas para unir suas tabelas e verificar frequentemente os valores para garantir que a lógica por trás da mesclagem esteja alinhada com o que você está vendo na tabela de dados. 

Portanto, se você estiver pronto para aprimorar seu jogo de dados, comece a lidar com fusões e junções. Com um pouco de prática, você combinará conjuntos de dados como um profissional e descobrirá insights que você nem sabia existirem! 

7. Transformação de dados e conversões de tipo de dados 

Você já trabalhou com um conjunto de dados que não estava no formato correto? Talvez as datas fossem inconsistentes ou os números estivessem armazenados como texto. É aqui que entram transformar dados e a conversão de tipo de dados. 

Em termos simples, transformação de dados significa alterar o formato ou estrutura dos seus dados. Isso pode envolver tarefas como padronização de formatos de data, divisão de colunas ou agregação de dados para resumir detalhes. A conversão de tipo de dados, por outro lado, consiste em garantir que cada dado seja categorizado corretamente, como números contra texto. 

Então, por que isso é importante para a limpeza de dados? Digamos que você tenha um conjunto de dados com datas em formatos diferentes - alguns são MM/DD/AAAA enquanto outros são DD/MM/AAAA. Para analisar esses dados com precisão, você precisaria transformar todas as datas em um formato consistente. Ou se você tivesse números armazenados como texto, não poderia realizar operações matemáticas até os converter em um tipo de dados numérico. 

À medida que mais empresas dependem de dados para tomar decisões estratégicas, ter fortes competências em transformação de dados e conversão de tipos torna-se cada vez mais valioso. Ele permite que você trabalhe com conjuntos de dados complexos de forma mais eficiente e garante que sua análise seja construída sobre uma base sólida e precisa. 

Para desenvolver suas habilidades nesta área, recomendo: 

Praticando com conjuntos de dados reais que precisam de limpeza. 

Explorando ferramentas como a biblioteca pandas do Python para experimentar diferentes técnicas de transformação de dados (especialmente os métodos to_numeric e to_string) 

Familiarizando-se com problemas comuns de tipos de dados e aprendendo estratégias de solução de problemas Com prática, você conseguirá lidar com dados em todos os tipos de formatos e se preparar para análises mais eficazes. 

8. Integridade de dados: deduplicação e validação 

Existe um ditado comum no mundo dos dados: “Entra lixo, sai lixo”. Isso significa que se seus dados não forem confiáveis ​​ou se “dados ruins” levarem sua equipe a resultados equivocados, é pior do que não ter nenhum dado para começar. Garantir que seus dados sejam confiáveis ​​e precisos levará a decisões baseadas em dados nas quais você pode confiar. 

Mas como você garante que seus dados tenham integridade? Vamos nos concentrar em dois aspectos principais aqui: deduplicação e validação. A deduplicação trata da remoção de entradas duplicadas de seus conjuntos de dados. Isso não apenas limpa seus dados, mas também torna o processamento mais eficiente. Se o seu arquivo de dados tiver diversas entradas para alguns indivíduos (talvez os dados tenham sido coletados mais de uma vez), você poderá usar técnicas de deduplicação para eliminar essas redundâncias. Uma maneira de fazer isso é identificar identificadores exclusivos, como endereços de e-mail, números de telefone ou IDs de usuário. 

A validação, por outro lado, consiste em garantir que seus dados sigam regras ou normas específicas. Isso ajuda a aumentar a confiabilidade dos seus dados para a tomada de decisões. Por exemplo, você pode verificar se os valores numéricos estão nos intervalos esperados ou se as entradas de data usam um formato consistente. 

O resultado? Enfrentar esses desafios eficazmente é uma habilidade obrigatória. Isso aumentará sua capacidade de lidar com cenários de dados reais. E isso é fundamental para avançar em sua carreira em dados. 

9. Lidando com dados esparsos 

Ao limpar dados, é crucial saber como lidar com dados esparsos de maneira eficaz. O que exatamente são dados esparsos? São dados que possuem muitos valores ausentes ou nulos. 

Dados esparsos podem realmente atrapalhar sua análise, causar problemas como modelos imprecisos e até mesmo introduzir preconceitos em seu trabalho. Isso porque aumenta as chances de problemas como overfitting, em que um modelo tem um bom desempenho nos dados em que foi treinado, mas um desempenho ruim em novos dados. 

Então, o que você pode fazer sobre isso? Algumas técnicas comuns incluem o preenchimento de valores ausentes, a criação de novos recursos de dados ou a remoção total de recursos esparsos. Saber quais técnicas usar e quando é mais uma arte do que uma ciência porque exige que você esteja intimamente consciente de como uma determinada técnica impactará positiva e negativamente os dados. 

Usar os métodos certos para limpar dados esparsos não leva apenas a modelos de melhor desempenho, mas também ajuda você a tomar decisões mais inteligentes, garantindo que seus insights sejam baseados em dados de alta qualidade. 

CONTINUA no proximo post !!!! 

Fiquem ligados, pois teremos mais artigos sobre nosso Universo Salesforce.  

Siga nossa comunidade e receba avisos sobre novos eventos:

https://trailblazercommunitygroups.com/salesforce-user-group-curitiba-brazil/

YouTube -

https://www.youtube.com/@dvlprbr

@Admin Group, Sao Paulo, BR @Admin Group, Vitoria, BR @* Success - Português * @Comunidade Salesforce Brasil @Developer Group, Belo Horizonte, BR @Developer Group, Porto Alegre, BR @Marketer Group, São Paulo, BR @Marketer Group, Vitória, BR @Salesforce, Florianópolis, BR @User Group, Distrito Federal, BR @User Group, Rio de Janeiro, BR @User Group, Sao Paulo, BR @WIT Group, Sao Paulo, BR 

Olá pessoal, boa tarde!

Estou tentando adicionar um filtro de pesquisa em um campo na Oportunidade, e quero comparar com um outro campo relacionado na Oportunidade no momento da criação da mesma e após caso surja alterações, porém o sistema não permite fazer essa comparação.

Por exemplo, o campo "Corretor Imobiliária" tem um objeto chamado Participantes Parceiros, e ele possui um campo de lista de opções global, que estou tentando filtrar para aparecer apenas os registros que possuem o mesmo valor da lista de opções no campo "Consultor". Porém, ao tentar fazer essa comparação nos filtros de pesquisa do campo na Oportunidade, o sistema não permite comparar com os valores dentro do objeto Consultor que está relacionado a Oportunidade, informa que o campo não foi encontrado.

Demonstração na Oportunidade (o registro CORRETOR ALPHA tem o mesmo valor na lista de opção que o registro vinculado no campo Consultor, ou seja, gostaria que filtrasse para aparecer apenas ele).

Tentando acessar o objeto Consultor relacionado na Oportunidade, o sistema informa que o campo não é encontrado e não possui uma opção para selecionar o Consultor.

Conseguem me ajudar?

Muito obrigado!

Pessoal, recentemente tivemos um encontro incrível na nossa série “Salesforce Sem Fronteiras”!

Reunimos uma galera superengajada para falar de carreira internacional, recebimentos do exterior, diferenças culturais, certificações e muito mais. Os convidados especiais foram: @Renato De Vico, @Guilherme Monteiro e @Guilherme Dornelas. Abaixo vai um resumão do que rolou nos dois vídeos:

1. Carreira e Certificações

• Importância real x títulos excessivos: destacamos que ter muitas certs não substitui experiência prática.
• Consultorias parceiras: buscam profissionais certificados para subir de nível no partner program, mas o cliente final geralmente quer quem saiba “entregar” na prática.

2. Modelos de Trabalho: PJ e Contractor

• Recebendo em dólar: dicas de contas em corretoras, emissão de invoice, e como funciona o lucro presumido no Brasil.
• Abertura de empresa no exterior (LLC, Dubai etc.): vantagens de deixar parte dos ganhos em moeda forte, mas com atenção às obrigações legais.
• Possibilidade de ter mais de um contrato: alguns conseguem, mas é preciso avaliar disponibilidade e não se queimar com baixa entrega.

3. Diferenças Culturais

• Comunicação e choque de sotaques: trabalhar com equipes da Índia, China, EUA ou Europa exige respeito mútuo e ajuste de linguagem.
• Organização de projetos fora: algumas empresas internacionais costumam ser mais estruturadas, mas nem sempre é regra; há “bagunça” em todo lugar.

4. Inglês e Networking

• Exaustão inicial: quem não está acostumado a reuniões 100% em inglês sente no início, mas a prática é essencial.
• LinkedIn e comunidade: criar conteúdo, participar de eventos e compartilhar o que sabe abre muitas portas e chama a atenção de recrutadores internacionais.

5. Comparativo de Salários (Brasil x Mundo)

• EUA como referência: lá, posições sênior podem chegar a 120k-180k USD anuais.
• Receber em dólar, morar no Brasil: atrai cada vez mais gente, mas exige adaptação para emitir notas e lidar com impostos.

6. Debates Técnicos e Q/A

• Marketing Cloud e homologação de e-mails: importância de entender renderização em diferentes provedores e aprovações de branding.
• QA e Testes no ecossistema Salesforce: poucos falam sobre isso, mas há mercado — automação de testes é um diferencial grande.
• Carreira Júnior x Sênior no exterior: é mais comum buscar sêniores para não ter risco de entrega, mas há programas bootcamp que treinam iniciantes.

• Agradecimentos ao público: mais de 250 participantes ao vivo, mostrando a força da comunidade Salesforce!

Fiquem ligados!

 Esses foram apenas os primeiros passos da série “Salesforce Sem Fronteiras”. Temos mais eventos programados, com novos convidados e temas práticos — desde contabilidade até dicas de entrevistas e vivência fora. Se você está de olho em oportunidades internacionais no ecossistema Salesforce, não deixe de acompanhar e participar dos próximos encontros! 

Veja os vídeos no canal: 

https://www.youtube.com/@GuilhermeDornelas

#TrailblazerCommunity

@Admin Group, Sao Paulo, BR @Admin Group, Vitoria, BR @* Success - Português * @Comunidade Salesforce Brasil  @Developer Group, Porto Alegre, BR @Marketer Group, São Paulo, BR @Marketer Group, Vitória, BR @Salesforce, Florianópolis, BR @User Group, Distrito Federal, BR @User Group, Rio de Janeiro, BR @User Group, Sao Paulo, BR @WIT Group, Sao Paulo, BR

Fala pessoal!!! 

Hoje vamos conversar sobre qualidade de Dados… SIIIIIIMMMMM 

Isso afeta muito todas as novas tecnologias do Salesforce. 

Dados. 

Você já se perguntou o porquê precisamos saber/aprender limpeza de dados? 

À medida que a quantidade de dados continua a crescer exponencialmente, conseguir limpar e preparar esses dados eficazmente está se tornando uma habilidade crítica. Por quê? Porque dados limpos são a base de uma análise precisa e de uma tomada de decisão informada.  

Os cientistas de dados gastam uma parte significativa do seu tempo na preparação de dados. Na verdade, uma pesquisa da Forbes mostra que os cientistas de dados gastam cerca de 80% do seu tempo na preparação e gestão de dados para análise, com 60% do seu tempo dedicado à limpeza e organização de dados, e 19% do seu tempo gasto na recolha de conjuntos de dados. * Isso faz sentido, pois não é possível descobrir insights confiáveis ​​a partir de dados confusos ou imprecisos. Além disso, identificar antecipadamente problemas de dados pode evitar complicações dispendiosas no futuro.  

As habilidades de limpeza de dados não são úteis somente para agilizar seu trabalho-elas também podem impulsionar sua carreira. Por exemplo, as equipes de RH dependem fortemente de dados limpos dos funcionários para tomar decisões que melhorem a satisfação e a produtividade*, portanto, as habilidades de limpeza de dados podem ser um importante argumento de venda.  

Desenvolver uma base sólida em limpeza de dados é uma jogada inteligente se você deseja aumentar suas perspectivas de carreira. Essas habilidades são cada vez mais vitais para profissionais em funções centradas em dados, impactam diretamente a qualidade e a eficiência da análise de dados.  

Basicamente, a limpeza de dados tem tudo a ver com a manutenção de um ambiente de dados impecável. Aqui estão as 10 principais habilidades de limpeza de dados para adicionar ao seu kit de ferramentas:  

— Exploração de dados  

— Tratamento de anomalias: valores ausentes e valores discrepantes  

— Filtrando Dados  

— RegEx e manipulação de strings  

— Análise de data/hora  

— Mesclando e Unindo Dados  

— Transformação de dados e conversões de tipos de dados  

— Integridade de dados: deduplicação e validação  

— Lidando com dados esparsos  

— Normalização e Padronização. 

Como é isso, na prática? Ao explorar um conjunto de dados, você pode calcular valores médios e identificar pontos de dados ausentes para avaliar sua qualidade geral. Você também pode precisar usar expressões regulares (RegEx) para extrair padrões de texto específicos e padronizar formatação inconsistente.  

Ao dominar essas técnicas de limpeza de dados, você estabelecerá as bases para habilidades mais avançadas de manipulação de dados. Você não somente melhorará a precisão e a confiabilidade de suas análises, mas também será mais eficiente no ciclo de vida dos dados.  

Nas seções a seguir, examinaremos mais de perto cada uma dessas valiosas habilidades de limpeza de dados. Quer você seja um estudante que deseja iniciar uma carreira em dados ou um profissional que deseja subir de nível, desenvolver proficiência nessas áreas é um investimento que vale a pena para seu sucesso futuro.  

1. Exploração de dados 

Quer limpar seus dados eficazmente? Comece entendendo o que seus dados já incluem. 

Há muitas maneiras de explorar dados, mas alguns ótimos lugares para começar incluem: 

Medidas de tendência central (média, mediana e moda) e dispersão (desvio padrão e intervalo) para entender a distribuição dos seus dados. 

Verifique se há valores ausentes para identificar lacunas nos dados que possam exigir preenchimento. 

Observe a estrutura dos seus dados, incluindo o número de colunas e linhas. 

Esta análise estatística descritiva oferece insights sobre a distribuição dos dados e pode destacar possíveis anomalias. 

Equipado com esse entendimento dos atributos básicos dos seus dados, você estará mais bem preparado para avançar com processos de limpeza direcionados, garantindo que seus dados sejam precisos e úteis para análise. 

2. Tratamento de anomalias: valores ausentes e outliers. 

Lidar com anomalias de dados, como valores ausentes e valores discrepantes, é uma habilidade crítica para garantir que seus dados sejam confiáveis. Se não forem verificadas, as anomalias muitas vezes distorcem os conjuntos de dados e levam a conclusões erradas. 

Embora as anomalias representem desafios, aprender a identificá-las e corrigi-las levará suas habilidades em dados para o próximo nível. Algumas técnicas principais incluem: 

Usando métodos de detecção de anomalias, os quais são testes automatizados que sinalizam pontos de dados que estão fora de um intervalo esperado, para detectar rapidamente possíveis problemas. 

Tratamento de dados ausentes por meio de exclusão ou suposições baseadas em outras informações disponíveis. 

Aprender essas abordagens não somente melhorará a qualidade dos seus dados, mas também o tornará um melhor solucionador de problemas e tomador de decisões. As ferramentas são importantes, mas o bom senso é insubstituível. 

3. Filtrando dados 

A filtragem de dados é uma parte fundamental da limpeza de dados. Ele melhora a qualidade do seu conjunto de dados para que você possa realizar análises direcionadas e precisas. 

Mas o que a filtragem realmente envolve? Basicamente, a filtragem consiste em remover ou alterar dados irrelevantes, imprecisos ou formatados incorretamente em seu conjunto de dados. Este processo ajuda a garantir a integridade e a utilidade dos seus dados. 

Filtrar os dados desta forma facilita identificar tendências significativas e tirar conclusões confiáveis. 

O desenvolvimento de fortes habilidades de filtragem pode realmente aumentar sua produtividade e eficácia em funções focadas em dados. Um analista de dados que consegue filtrar conjuntos de dados com eficiência economizará tempo e reduzirá erros em suas análises e insights. Essa capacidade de trabalhar com dados limpos e de alta qualidade é inestimável para informar decisões de negócios inteligentes. 

4. RegEx e manipulação de strings 

Você já trabalhou com um conjunto de dados cheio de texto inconsistente? Talvez contivesse números de telefone em formatos diferentes ou endereços de e-mail com erros de digitação. Limpar esse tipo de dados confusos e não estruturados pode ser uma grande dor de cabeça. É aí que entram as expressões regulares (RegEx) e a manipulação de strings. 

Em termos simples, as expressões regulares permitem pesquisar padrões específicos no texto. Por exemplo, você poderia escrever um padrão RegEx para localizar todos os números de telefone que seguem o formato (123) 456-7890. A manipulação de strings refere-se a tarefas como remover espaços em branco extras, alterar a caixa das letras ou substituir certos caracteres. 

Por que essas habilidades são valiosas? 

Digamos que você esteja analisando avaliações de clientes de uma empresa de comércio eletrônico. As resenhas estão cheias de abreviações, erros ortográficos e pontuação inconsistente. Antes de obter insights significativos, você precisa limpar e padronizar todos os dados de texto. Com RegEx e manipulação de strings, você pode remover caracteres especiais, converter tudo para letras minúsculas e substituir abreviações comuns por palavras completas. O que pode levar horas manualmente pode ser feito em segundos com um RegEx bem elaborado. 

Essas técnicas tornam-se ainda mais cruciais quando se trabalha com grandes conjuntos de dados. A capacidade de limpar e pré-processar texto com eficiência pode fazer a diferença entre passar dias limpando dados manualmente e passar rapidamente para a análise. 

Aprendendo RegEx 

Se você é novo em expressões regulares, a sintaxe pode parecer intimidante no início. Quando vi pela primeira vez um padrão RegEx, parecia uma confusão de barras e colchetes que eu realmente não queria aprender. Mas com a prática, começou a fazer sentido. Foi quando encontrei meu primeiro conjunto de dados sujo com mais de 10.000 linhas que realmente apreciei o valor do RegEx-se eu tivesse que lidar manualmente com cada valor de dados inconsistente, levaria semanas! 

Tutoriais interativos como

são um ótimo lugar para começar. Você pode testar padrões e ver o que eles correspondem em tempo real. Para prática extra que incorpora um pouco de diversão, experimente Regex Golf, um jogo onde você compete para escrever o RegEx mais conciso para um determinado problema. 

Com prática, você conseguirá limpar e organizar dados de texto com confiança. À medida que você avança em sua carreira em dados, essas habilidades o ajudarão a trabalhar com mais eficiência e a enfrentar uma gama mais ampla de desafios de dados. 

 CONTINUA!!!

Fiquem ligados, pois teremos mais artigos sobre nosso Universo Salesforce.  

Siga nossa comunidade e receba avisos sobre novos eventos:

YouTube -

Hoje vamos falar de carreira Salesforce Internacional com três feras da Comunidade: 

. 

Imperdível! 19h - 19/02/25 

Fala Brazucas, amanhã temos um evento na comunidade, aberto à todos, para falar de uma solução muito interessante chamada DOCS MADE EASY, cujo custo é bem abaixo de algumas outras famosas e parece ser útil quanto. 

Inscrevam-se aqui: 

https://trailblazercommunitygroups.com/e/mvs22y/

#Salesforce Developer

#Salesforce  #Sales Cloud  #Salesforce CPQ & Billing