--- title: "Analista de MIS: O Que Faz e Como Usar Python na Carreira" url: "https://python.dev.br/carreira/analista-de-mis-python/" markdown_url: "https://python.dev.br/carreira/analista-de-mis-python.MD" description: "Entenda o que faz um analista de MIS, quais habilidades estudar e como usar Python, SQL, Excel e Power BI em projetos, currículo e vagas no Brasil hoje." date: "2026-08-26" author: "Equipe Python Dev BR" --- # Analista de MIS: O Que Faz e Como Usar Python na Carreira Entenda o que faz um analista de MIS, quais habilidades estudar e como usar Python, SQL, Excel e Power BI em projetos, currículo e vagas no Brasil hoje. Um **analista de MIS** transforma dados de uma operação em informações que gestores e equipes conseguem usar. Na prática, a pessoa consolida planilhas e bases, escreve consultas SQL, acompanha indicadores, automatiza relatórios, identifica divergências e mantém dashboards para áreas como cobrança, vendas, atendimento, logística, riscos e planejamento. Python não é obrigatório em toda vaga, mas é um diferencial importante quando o trabalho envolve muitos arquivos, regras repetitivas ou processos manuais. MIS normalmente é associado a *Management Information Systems*, expressão que pode ser traduzida como sistemas ou informações gerenciais. No mercado brasileiro, porém, o título não tem uma definição única. Uma vaga de analista de MIS pode se parecer com BI, analytics, planejamento operacional ou automação de relatórios. Por isso, leia as responsabilidades e as ferramentas pedidas em vez de decidir apenas pelo nome do cargo. Este guia explica o que faz um analista de MIS, como Python entra na rotina, quais habilidades estudar e como criar um projeto de portfólio alinhado a vagas reais. Se você procura uma visão mais ampla da área, compare também a carreira de [analista de dados com Python](/carreira/python-analista-de-dados/) e o caminho de [Python com Power BI](/carreira/python-power-bi-dados/). ## O que significa MIS no mercado de trabalho A sigla pode aparecer em empresas de setores muito diferentes. Em uma operação de cobrança, MIS pode acompanhar contatos, promessas de pagamento, recuperação e produtividade. Em vendas, pode consolidar metas, conversão e receita. Em atendimento, pode medir volume, tempo médio, abandono e nível de serviço. Em riscos, pode preparar bases de controle, monitorar exceções e apoiar a governança dos indicadores. Apesar dessas diferenças, a função costuma ficar entre três pontos: 1. **sistemas de origem**, onde os eventos são registrados; 2. **regras do negócio**, que definem o significado de cada indicador; 3. **pessoas que decidem**, que precisam receber uma informação clara e no prazo. O trabalho não é apenas “montar planilha”. Um indicador errado, atrasado ou sem definição pode levar a uma decisão ruim. O analista precisa entender de onde os dados vieram, quais filtros foram aplicados, quando a base foi atualizada e quais limitações existem. ## O que faz um analista de MIS no dia a dia As atividades mudam conforme a empresa e a senioridade, mas estas aparecem com frequência: - extrair dados de banco, CRM, ERP, ferramenta de atendimento ou arquivos compartilhados; - consolidar CSVs e planilhas recebidos de diferentes equipes; - escrever e revisar consultas SQL; - padronizar datas, categorias, identificadores e nomes de colunas; - remover duplicidades e investigar valores ausentes; - calcular KPIs e conferir se o resultado bate com a regra aprovada; - atualizar dashboards em Power BI, Tableau, Looker Studio ou ferramenta interna; - automatizar relatórios recorrentes; - documentar dicionários de dados e critérios de cálculo; - responder perguntas de gestores e áreas operacionais; - identificar mudança inesperada em uma métrica; - apoiar fechamento diário, semanal ou mensal. Uma rotina típica pode começar com a verificação de cargas, continuar com a atualização de um painel e terminar com uma análise sobre a queda de conversão em determinado canal. Em outra empresa, o foco pode estar em construir bases para uma equipe de planejamento ou controlar indicadores enviados a clientes internos. Essa proximidade com a operação exige atenção aos detalhes. Se duas áreas usam definições diferentes para “cliente ativo”, o problema não será resolvido por um gráfico mais bonito. Antes de programar, o analista precisa alinhar a regra. ## MIS, BI e análise de dados: qual é a diferença? Os títulos se sobrepõem e não existe uma divisão universal. Ainda assim, esta tabela ajuda a interpretar uma descrição de vaga: | Função | Foco mais comum | Entregas frequentes | | --- | --- | --- | | Analista de MIS | acompanhamento operacional e gerencial | relatórios recorrentes, bases, metas, controles e dashboards | | Analista de BI | modelagem e visualização para decisão | modelo semântico, medidas, dashboards e governança de BI | | Analista de dados | perguntas de negócio e análises | consultas, exploração, métricas, estudos e recomendações | | Analista de planejamento | metas, capacidade e projeções | forecast, orçamento, produtividade e cenários | Na prática, uma vaga chamada “MIS” pode pedir as mesmas ferramentas de uma vaga de dados: SQL, Excel, Power BI e Python. Outra pode ser quase totalmente operacional. Observe especialmente: - quais fontes de dados serão usadas; - se a pessoa cria ou apenas atualiza relatórios; - quanto SQL aparece na descrição; - se existe contato com áreas de negócio; - se a vaga pede automação; - se há responsabilidade por definição ou governança de indicadores. A descrição é mais confiável do que o título. ## Quais habilidades estudar ### SQL SQL costuma ser a habilidade técnica mais importante porque muitos dados corporativos vivem em bancos relacionais ou plataformas analíticas. Para uma vaga de entrada, priorize: - `SELECT`, `WHERE` e `CASE`; - `JOIN` entre tabelas; - `GROUP BY` e funções de agregação; - tratamento de datas; - CTEs; - funções de janela; - identificação de duplicidades; - conferência entre total de origem e resultado. Não basta produzir uma consulta que executa. Você precisa explicar o nível de granularidade da tabela e evitar multiplicar linhas por causa de um `JOIN` incorreto. ### Excel e planilhas Excel ainda aparece em muitas operações brasileiras. Aprenda tabelas dinâmicas, filtros, procura de valores, tratamento de texto, datas e organização de bases. Power Query também é útil para rotinas de importação e transformação. O objetivo não é abandonar a planilha, mas reconhecer quando ela deixou de ser a ferramenta adequada. Se o mesmo processo exige abrir 30 arquivos, copiar colunas e repetir fórmulas toda semana, há um bom candidato para [automação de planilhas com Python](/blog/python-para-automacao-de-planilhas/). ### Power BI ou outra ferramenta de visualização Aprenda a criar um modelo simples, relacionar tabelas, definir medidas e apresentar indicadores sem poluir a tela. Um dashboard de MIS deve responder rapidamente: - qual é o resultado atual; - qual era a meta; - como o indicador evoluiu; - onde está a maior diferença; - quando a base foi atualizada; - quais filtros estão aplicados. Python prepara e valida dados; Power BI distribui a visão para o negócio. As ferramentas são complementares. ### Python Para MIS, você não precisa começar por machine learning. Os recursos de maior retorno são: - `pathlib` para arquivos e diretórios; - `csv` e `json` da biblioteca padrão; - pandas ou Polars para dados tabulares; - `openpyxl` para arquivos Excel; - requisições HTTP para APIs autorizadas; - logging e tratamento de erros; - testes das regras principais; - ambientes virtuais e declaração de dependências. O tutorial de [Excel com openpyxl](/blog/python-e-excel-openpyxl/) mostra a manipulação de pastas de trabalho. Para bases tabulares, comece pela [introdução ao pandas](/blog/introducao-ao-pandas/). ### Comunicação e conhecimento do negócio Um relatório pode estar tecnicamente correto e ainda ser inútil. O analista precisa perguntar: - qual decisão este indicador apoia? - quem é responsável pela meta? - qual período deve ser comparado? - o número é acumulado ou referente ao dia? - cancelamentos entram no cálculo? - a regra mudou em algum momento? Registre as respostas. Um dicionário de métricas com nome, fórmula, fonte, periodicidade e responsável evita discussões repetidas e reduz retrabalho. ## Como Python entra em uma rotina de MIS Imagine que uma operação envia um CSV por dia com resultados por atendente. A rotina manual abre cada arquivo, copia os dados para uma planilha central, remove duplicidades e atualiza uma tabela dinâmica. Com Python, esse fluxo pode ser reproduzível e verificável. Considere arquivos com estas colunas: ```text data,atendente,equipe,contatos,conversoes 2026-08-24,Ana,Time A,80,12 2026-08-24,Bruno,Time A,75,9 ``` Um script inicial poderia consolidar os arquivos assim: ```python from pathlib import Path import pandas as pd ORIGEM = Path("data/raw") DESTINO = Path("data/processed/resultado_mis.csv") COLUNAS = {"data", "atendente", "equipe", "contatos", "conversoes"} def ler_arquivo(caminho: Path) -> pd.DataFrame: tabela = pd.read_csv(caminho, parse_dates=["data"]) ausentes = COLUNAS - set(tabela.columns) if ausentes: nomes = ", ".join(sorted(ausentes)) raise ValueError(f"{caminho.name}: colunas ausentes: {nomes}") tabela["arquivo_origem"] = caminho.name return tabela arquivos = sorted(ORIGEM.glob("*.csv")) if not arquivos: raise FileNotFoundError("Nenhum CSV encontrado em data/raw") base = pd.concat((ler_arquivo(item) for item in arquivos), ignore_index=True) base = base.drop_duplicates(subset=["data", "atendente", "equipe"]) if (base[["contatos", "conversoes"]] < 0).any().any(): raise ValueError("A base contém quantidade negativa") if (base["conversoes"] > base["contatos"]).any(): raise ValueError("Há conversões maiores que contatos") base["taxa_conversao"] = ( base["conversoes"].div(base["contatos"]).fillna(0).mul(100) ) DESTINO.parent.mkdir(parents=True, exist_ok=True) base.to_csv(DESTINO, index=False) print(f"Base criada em {DESTINO} com {len(base)} linhas") ``` Esse exemplo demonstra competências valiosas para MIS: - leitura de vários arquivos; - validação do esquema; - rastreabilidade da origem; - remoção de duplicidades por chave definida; - teste de regras de negócio; - cálculo reproduzível do indicador; - criação de uma saída pronta para dashboard. A regra de duplicidade deve ser combinada com a área responsável. Talvez um atendente possa aparecer mais de uma vez no dia por turno, canal ou carteira. Nesse caso, a chave precisa incluir essas dimensões. O código não descobre sozinho o significado dos dados. ## Calculando indicadores sem esconder a regra Um erro frequente é calcular a média das taxas individuais quando o indicador correto seria a razão entre os totais. Os resultados podem ser diferentes. ```python resumo = ( base.groupby(["data", "equipe"], as_index=False) .agg( contatos=("contatos", "sum"), conversoes=("conversoes", "sum"), ) ) resumo["taxa_conversao"] = ( resumo["conversoes"].div(resumo["contatos"]).fillna(0).mul(100) ) ``` Aqui, a taxa da equipe é calculada como: ```text soma das conversões / soma dos contatos × 100 ``` Essa definição deve aparecer no README ou no dicionário de métricas. Se a empresa decidir excluir contatos inválidos, a fórmula e o script precisam mudar juntos. ## Projeto de portfólio para analista de MIS Um projeto convincente pode se chamar `pipeline-indicadores-operacao`. Use apenas dados fictícios ou públicos. O repositório pode conter: ```text pipeline-indicadores-operacao/ ├── data/ │ ├── raw/ │ └── processed/ ├── src/ │ ├── consolidar.py │ └── metricas.py ├── tests/ │ └── test_metricas.py ├── dashboard/ │ └── capturas/ ├── dicionario-dados.md ├── pyproject.toml └── README.md ``` O escopo recomendado é: 1. gerar arquivos fictícios de três equipes durante 30 dias; 2. inserir propositalmente uma duplicidade e uma linha inválida para testar validações; 3. consolidar os arquivos com Python; 4. calcular volume, conversão e diferença para a meta; 5. exportar CSV ou Excel para o Power BI; 6. criar uma página de dashboard com visão geral e detalhamento por equipe; 7. documentar fórmula, fonte, frequência e limitações; 8. adicionar testes para pelo menos duas regras de negócio. Evite transformar o projeto em uma plataforma enorme. Para uma candidatura júnior, um pipeline pequeno, executável e bem explicado mostra mais maturidade do que uma arquitetura incompleta com dez serviços. Na página de [projetos Python para portfólio](/carreira/projetos-portfolio-python/), você encontra orientações para README, escopo e apresentação no GitHub. ## Como descrever o projeto no currículo Não escreva apenas “automação em Python”. Mostre problema, ação e entrega: > Pipeline de indicadores operacionais com Python e pandas: consolidei arquivos CSV fictícios, validei colunas, duplicidades e regras de negócio, calculei conversão por equipe e gerei base documentada para dashboard em Power BI. Se você criou testes: > Implementei testes para fórmula de conversão e tratamento de contatos zerados, além de dicionário de dados com fonte, granularidade e periodicidade de atualização. Essa descrição é específica e verificável. Adapte o [modelo de currículo Python para vaga júnior](/carreira/curriculo-python-vaga-junior/) e destaque o projeto quando a vaga mencionar MIS, relatórios gerenciais, Excel, SQL, BI ou automação. ## Como procurar vagas de MIS O mesmo trabalho pode aparecer com títulos diferentes. Crie alertas para: - analista de MIS; - analista de informações gerenciais; - analista de dados operacionais; - analista de planejamento; - analista de performance; - analista de indicadores; - analista de BI; - analista de operações; - workforce management analyst; - reporting analyst. Leia a descrição completa e procure combinações como SQL + Excel + Power BI, automação de relatórios, construção de bases, acompanhamento de metas e interface com operações. No [radar de vagas Python](/vagas/), pesquise também por “MIS”, “informações gerenciais”, “indicadores”, “planejamento” e “performance”. Algumas oportunidades usam Python sem colocar a linguagem no título. Para comparar posições de entrada em tecnologia e dados, o eu.dev.br amplia a busca para além do ecossistema Python. ## Como avaliar uma vaga antes de se candidatar Use este checklist: - [ ] Entendi quais indicadores a área acompanha. - [ ] Identifiquei as principais fontes de dados. - [ ] Sei quais ferramentas são obrigatórias e quais são desejáveis. - [ ] Consigo demonstrar SQL, Excel ou Python em um projeto. - [ ] Meu currículo usa exemplos compatíveis com a descrição. - [ ] Não listei ferramenta que não consigo explicar. - [ ] Sei apresentar meu projeto em até cinco minutos. - [ ] Verifiquei modalidade, local, senioridade e requisitos essenciais. Se a vaga pede Python como diferencial, não tente parecer especialista. Mostre uma automação pequena, decisões claras e capacidade de validar resultados. Para MIS, confiabilidade costuma valer mais do que complexidade. ## Erros comuns de quem está começando ### Focar no dashboard e ignorar a base Um painel bonito não corrige duplicidade, regra inconsistente ou carga incompleta. Mostre no portfólio como você validou os dados antes da visualização. ### Automatizar uma regra que ninguém definiu Pergunte como o indicador é calculado e quem aprova a definição. Automatizar uma ambiguidade apenas produz o resultado errado mais rápido. ### Usar dados reais sem autorização Não publique bases de clientes, funcionários, cobranças, vendas ou atendimentos. Crie dados sintéticos e deixe isso explícito no README. ### Esconder falhas do processo Se um arquivo veio sem coluna obrigatória, a rotina deve gerar um erro claro ou separar o lote para revisão. Ignorar silenciosamente cria números difíceis de auditar. ### Tentar aprender machine learning antes de SQL A maior parte das rotinas de MIS depende de extração, limpeza, indicadores e comunicação. SQL, Excel, BI e Python para automação entregam retorno mais rápido do que começar por modelos preditivos. ## Plano de estudo em quatro semanas | Semana | Foco | Entrega prática | | --- | --- | --- | | 1 | SQL e regras de negócio | consultas com joins, agregações, datas e conferência de totais | | 2 | Excel, Power Query e BI | dashboard simples com meta, resultado, evolução e atualização | | 3 | Python e pandas | consolidador de CSV com validação, logging e saída processada | | 4 | Portfólio e candidaturas | README, dicionário de dados, testes, currículo e alertas de vagas | Ao final, você deve conseguir explicar o fluxo inteiro: origem, granularidade, validações, fórmula, saída e limitações. Essa explicação é mais importante do que decorar uma lista de bibliotecas. ## Perguntas frequentes ### O que faz um analista de MIS? O analista organiza dados de uma operação, calcula e acompanha indicadores, automatiza relatórios, mantém bases e dashboards e ajuda áreas de negócio a entender variações de resultado. O escopo pode incluir cobrança, vendas, atendimento, riscos, logística ou planejamento. ### O que significa MIS em uma vaga de emprego? MIS costuma se referir a *Management Information Systems*. No uso brasileiro, o termo geralmente está ligado a informações gerenciais, relatórios operacionais, indicadores, bases de acompanhamento e apoio à decisão. ### Preciso saber Python para trabalhar como analista de MIS? Nem sempre. SQL, Excel e BI aparecem com muita frequência e devem ser priorizados. Python se torna um diferencial forte para consolidar arquivos, validar dados, automatizar tarefas e reduzir processos manuais. ### Qual projeto Python colocar no portfólio para MIS? Construa um pipeline com dados fictícios que leia vários arquivos, valide o esquema, trate duplicidades, calcule indicadores e gere uma base final para Power BI. Documente as fórmulas e teste as regras centrais. ### Analista de MIS é o mesmo que analista de dados? Não necessariamente. MIS costuma estar mais próximo de operação, relatórios recorrentes e metas. Análise de dados pode incluir estudos mais exploratórios ou produto. Como as empresas usam os títulos de formas diferentes, leia responsabilidades e ferramentas. ## Próximo passo Comece escolhendo uma operação fictícia simples, como atendimento, vendas ou cobrança. Defina três indicadores, escreva a fórmula de cada um e gere dados sintéticos. Depois, crie um script que consolide os arquivos, rejeite inconsistências e produza uma base final. Quando o fluxo estiver funcionando, publique o repositório com README e dicionário de dados, monte um dashboard enxuto e adapte o currículo. Em seguida, acompanhe as [vagas Python no Brasil](/vagas/) e compare seu projeto com as responsabilidades reais. Para ampliar a preparação, siga o guia de [analista de dados com Python](/carreira/python-analista-de-dados/) e pratique a apresentação no [simulador de entrevista Python](/carreira/simulador-entrevista-python/).