O Guarazinho é um bicho curioso, mas nunca tinha mexido com bancos de dados. Até que um dia, o chefe apareceu com uma tarefa urgente:

— Guarazinho, preciso criar um relatório com foco em vendas!

Quais bichos gastaram mais de R$ 500 no total.
Se puder trazer além do nome, o habitat de cada um também será útil.

Mas o Guarazinho ficou confuso, ele nunca tinha usado esse tal de SQL antes.
Mesmo assim, respirou fundo e pensou:

“Se eu for devagar, entender os dados e fizer passo a passo... eu consigo!”

Foi assim que nasceu este pseudo guia, pra quem nunca mexeu com SQL, mas precisa aprender na prática, resolvendo um problema real.

Conhecendo o Terreno: O que é um Banco de Dados?

Empresas guardam informações importantes, como clientes, vendas, gastos e chamados técnicos, em bancos de dados, que funcionam como grandes arquivos digitais organizados em tabelas.

Mas para que esses dados sejam acessados de forma rápida, segura e eficiente, é preciso mais do que apenas armazená-los. É aí que entram os SGBDs (Sistemas Gerenciadores de Bancos de Dados), que são softwares que controlam o acesso, a organização e a integridade dessas informações. Hoje em dia, muitos deles também estão disponíveis em versões na nuvem, como o Amazon RDS ou Azure SQL.

Para consultar esses dados, usamos o SQL (Linguagem de Consulta Estruturada). Com ele, você pede exatamente o que quer saber, sem precisar trazer tudo de uma vez (inclusive, nunca faça isso), para aí sim poder fazer suas análises.

🔹 Mesmo que a empresa não tenha um banco “próprio”, sistemas como CRM, ERP ou ferramentas de atendimento também usam bancos de dados. Ou seja: os dados estão lá te esperando.

Quem Usa SQL?

Cargo	Exemplo de Uso SQL
Analista de Dados	Consulta para criar relatórios, extrair insights...
Engenheiro de Dados	Para gerenciamento, integração, infraestrutura...
Cientista de Dados	Consulta para análises com técnicas avançadas, previsões...
DBA	Para gerenciamento, seguraça, otimização, bom funcionamento...

Nesta aventura, focaremos no uso básico para consultas (SELECT), que é o ponto de partida para todos, seja lá qual for o seu destino.

Exemplos de SGBDs:

Todos usam SQL (com pequenas variações no “dialeto”):

MySQL – Popular, gratuito, fácil de usar;
SQL Server – Ideal para integração com Microsoft;
PostgreSQL – Robusto, ótimo para dados complexos;
Oracle – Poderoso (e caro), comum em grandes empresas.

⚠️ Mas calma! Você não precisa decorar as diferenças entre cada sistema agora. O importante é entender que todos usam SQL como base, com pequenas variações. Quando for usar na prática, basta procurar na internet o “dialeto” do banco que você estiver utilizando (por exemplo: “como usar SELECT no PostgreSQL”)...

🔎 Investigando a Tabela: SELECT e FROM

O Guarazinho estava explorando o banco de dados quando encontrou duas pistas importantes:

📄 Tabela bicharada (quem são os bichos e em que habitat vivem):

id_bicho	nome_bicho	habitat_bicho
1	Tamanduá	Floresta
2	Arraia	Rio
3	Onça	Caatinga
4	Tatu	Cerrado
5	Capivara	Lago
6	Lobo-Guará	Cerrado

💰 Tabela vendas (quem comprou e quanto gastou):

id_venda	id_bicho	valor_compra
101	1	150.00
102	2	230.00
103	5	610.00
104	1	90.00
105	3	580.00
106	6	120.00

Para explorar uma tabela e ver todos os seus dados, basta usar o comando:

SELECT *
FROM vendas;

Traduzindo:

SELECT → Eu quero ver... SELECT é o começo da ""pergunta"" que vamos fazer ao banco de dados.
* → Todos os campos (colunas).
FROM vendas → Diz que os dados estão vindo da tabela chamada vendas.
; (ponto e vírgula) → É como um ponto final: ele diz ao banco de dados ""terminei minha pergunta"". Nem todos os bancos exigem esse sinal, mas é uma boa prática sempre usar.

Se quisermos explorar apenas uma coluna ou duas, poderíamos escrever o nome delas diretamente no SELECT, assim:

SELECT nome_bicho
,habitat_bicho
FROM bicharada;

Isso funciona desde que ambas as colunas estejam na mesma tabela.
Ou seja, nesse exemplo, nome_bicho e habitat_bicho estão na tabela bicharada, então dá tudo certo!

Essa prática é ótima quando não precisamos de todos os campos e queremos deixar a consulta mais leve e objetiva.

🔹Isso só seria possível se essas informações estiverem na mesma tabela, o que não é o caso aqui.
A tabela vendas só tem o id_bicho, e não o nome_bicho.
Ou seja, o seguinte comando não funcionaria direto:

SELECT nome_bicho
,valor_compra
FROM vendas;

Porque a coluna nome_bicho não está na tabela vendas.
Mas por enquanto, entenda que:

SELECT escolhe o que queremos ver.
FROM indica de onde vêm os dados.
* significa “me mostra tudo dessa tabela”.

🔹Curiosidade: o asterisco vem sendo utilizado como elemento coringa há algum tempo com a finalidade de ""chamar todos os arquivos"". Por exemplo, em sistemas de arquivo ""*.txt"" significa ""todos os arquivos .txt, como também em outras linguagens, por exemplo, em Shell ,""rm *"" remove todos os arquivos.

Mas… como saber qual tabela usar?
Escolha da tabela depende do que você quer ver.

Vamos imaginar duas situações:

Quero saber o nome dos bichos e onde eles vivem:
🔹A tabela ideal é bicharada, porque ela tem essas duas informações: nome_bicho e habitat_bicho.
Quero saber quanto foi gasto nas compras:
🔹A tabela certa é vendas, porque é ela que tem a coluna valor_compra.

Cada tabela é como um ""formulário"" diferente, com tipos diferentes de informação. Antes de sair consultando, vale a pena dar uma olhada nas colunas disponíveis em cada tabela e se perguntar o que quer saber e onde isso está.

Se a resposta exige informações de duas tabelas diferentes (por exemplo, nome do bicho e valor da compra), aí entra um novo conceito que vamos ver mais pra frente: o JOIN, a famosa ""junção de tabelas"".
Mas calma, Isso vem depois.

Por enquanto, o foco é:

Saber onde estão os dados que queremos.
Usar SELECT e FROM para acessar de forma direta e clara.

🔻Foco nos Filtros: WHERE

Depois de aprender a consultar os dados com SELECT e FROM, o Guarazinho lembrou:

“O chefe só quer saber dos bichos que gastaram mais de R$ 500!”

Ele começou tentando:

SELECT valor_compra
FROM vendas
WHERE valor_compra > 500;

⚠️ O problema dessa abordagem: Isso filtra vendas individuais acima de R$ 500, mas o chefe quer saber o gasto acumulado por bicho (soma de todas as compras de cada um).

🔹A palavra WHERE é como um filtro: ela diz ao banco de dados quais linhas devem aparecer no resultado, com base em condições específicas. No exemplo acima, o Guarazinho está basicamente dizendo:

“Me mostre todas as compras em que o valor foi maior que 500.”

Esse filtro atua antes de qualquer soma, contagem ou agrupamento. Ele age direto sobre os dados brutos da tabela.
Também dá para combinar mais de uma condição usando operadores como:

AND (e)
OR (ou)

Exemplo: se o chefe quisesse vendas acima de R$ 500 e apenas do bicho com id_bicho = 1, a consulta ficaria:

SELECT valor_compra
FROM vendas
WHERE valor_compra > 500 AND id_bicho = 1;

Mas o Seu Onça não quer isso, precisamos filtrar depois de somar, correto? Aí o WHERE não dá conta sozinho.
Mais pra frente, vamos conhecer uma palavra nova chamada HAVING, que serve justamente para filtrar os dados depois de agrupados e somados. É com ela que o Guarazinho vai conseguir atender exatamente o pedido do chefe.

Vamos por partes. Agora que entendemos o WHERE, seguimos para o próximo passo da jornada.

🧩Juntando as Peças: JOIN

A tabela vendas tem só os gastos, mas...
Onde está o nome dos bichos? E de que habitat eles são?

Essas informações estão em outra tabela: bicharada.

“Preciso juntar as duas!”

SELECT b.nome_bicho AS nome_bicho
,b.habitat_bicho AS habitat_bicho
,v.valor_compra AS valor_compra
FROM vendas v
JOIN bicharada b ON v.id_bicho = b.id_bicho;

Calma! Sei que está confuso, mas vou explicar!

JOIN serve para combinar dados de duas tabelas.
ON indica qual campo (coluna) que conecta uma tabela à outra (neste caso, o id_bicharada).

Observação: Existem vários tipos de JOIN e cada um tem uma missão diferente:

INNER JOIN (ou só JOIN, como no exemplo acima):
Só junta onde tem par certinho nas duas tabelas, ou seja, se uma venda tiver um id_bicho que não existe na tabela bicharada, ela não aparece no resultado.
LEFT JOIN:
Traz todos os campos da tabela à esquerda (tabela vendas) e apenas os campos da direita que forem compatíveis. Então, por exemplo, se não encontrar o bicho, aparece NULL no lugar do nome e do habitat.
RIGHT JOIN:
O contrário: traz tudo da direita (bicharada) e só o que tiver correspondente na esquerda (vendas).
FULL JOIN:
Junta tudo de tudo mesmo se não tiver par. Se uma venda não tiver bicho, ou um bicho não tiver venda, ainda aparecem!

Considerações importantes !!!

1 - E por que escrever com a vírgula no começo e dessa forma e o que são esse ""AS"" em nossa consulta?

SELECT b.nome_bicho AS nome_bicho
,b.habitat_bicho AS habitat_bicho
,v.valor_compra AS valor_compra

🔹 A vírgula no começo da linha ajuda a evitar erros e se você precisar comentar uma linha ou remover uma coluna, não precisa se preocupar com a vírgula da linha anterior. Além disso, evita bugs por vírgula faltando ou sobrando no fim da última linha.
🔹 Campos em linhas separadas e alinhados deixa o código mais limpo e fácil de ler. Quando cada coluna está em uma linha, você vê claramente o que está sendo selecionado mesmo em consultas grandes.
Tudo fica mais visual e intuitivo.

Esses “AS nome_bicho” e “AS valor_compra” são ""apelidos"" (o que chamados de alias), e servem para dar um nome personalizado para uma coluna no resultado da consulta, você não está mudando o nome de onde consultou, mas está mudando o nome que vai aparecer na sua própria consulta.

🔹 Deixa o resultado mais limpo e legível
🔹 Evita confusão quando há muitos campos ou junções

2 - Você reparou que a gente escreveu `v.id_bicho` e `b.nome_bicho`?

Isso acontece porque, depois que usamos o JOIN, as duas tabelas ficam misturadas no mesmo resultado — e pode ser que elas tenham colunas com o mesmo nome, como id_bicho, por exemplo.
Pra evitar confusão, a gente usa um apelido pra cada tabela:

FROM vendas v
JOIN bicharada b ON v.id_bicho = b.id_bicho
Aqui:

v é o apelido da tabela ""vendas""
b é o apelido da tabela ""bicharada""

Assim, quando escrevemos v.id_bicho, estamos dizendo que queromos o campo id_bicho, mas da tabela vendas”.
Isso deixa o SQL mais claro e seguro, especialmente quando as duas tabelas têm colunas com o mesmo nome.

🧮 Somando os Gastos: GROUP BY

Depois de juntar as tabelas com JOIN, Guarazinho quis impressionar o chefe mostrando quanto cada bicho gastou no total:

Foi aí que ele conheceu dois grandes aliados: GROUP BY e SUM.
Ele usou o seguinte comando:

SELECT b.nome_bicho AS nome_bicho
,b.habitat_bicho AS habitat_bicho
,SUM(v.valor_compra) AS total_gasto
FROM vendas v
JOIN bicharada b ON v.id_bicho = b.id_bicho
GROUP BY b.nome_bicho
,b.habitat_bicho;

Vamos entender por partes:

SUM(v.valor_compra) → soma todos os valores de compra daquele bicho.
GROUP BY b.nome_bicho, b.habitat_bicho → Agrupa os dados para que o SQL some os valores por bicho (e por habitat, se quiser diferenciar ainda mais).

⚠️ Atenção:Sempre que usar GROUP BY, todas as colunas que você não está agregando devem estar no GROUP BY.

🔍Filtrando os Grandões: HAVING

Chegamos até aqui e o Guarazinho finalmente encontrou o que precisava.
Depois de tentar usar WHERE para filtrar os que gastaram muito, ele descobriu que isso só funciona antes de somar. Agora, com GROUP BY na mão, ele pode usar o HAVING, que é um filtro para os dados já agrupados.

🧠 Use HAVING sempre que quiser filtrar um valor depois do GROUP BY, como somas, médias ou contagens.

Mas qual a diferença entre WHERE e HAVING?

WHERE filtra antes do agrupamento.
HAVING filtra depois que o agrupamento já foi feito.

Ou seja:

Use WHERE pra filtrar linhas antes de agrupar.

Use HAVING pra filtrar grupos depois da agregação.

Deixando Tudo Organizado: ORDER BY

Agora que Guarazinho já somou e filtrou, ele quer deixar tudo bem ordenado, para saber quem gastou mais no topo.

É aí que entra o ORDER BY!

SELECT b.nome_bicho
,b.habitat_bicho
,SUM(v.valor_compra) AS total_gasto
FROM vendas v
JOIN bicharada b ON v.id_bicho = b.id_bicho
GROUP BY b.nome_bicho
,b.habitat_bicho
HAVING SUM(v.valor_compra) > 500
ORDER BY total_gasto DESC;

ORDER BY organiza o resultado da consulta, e você escolhe se quer:

ASC → ordem crescente (padrão)

DESC → ordem decrescente (do maior pro menor)

Final Feliz: O Relatório Saiu!

No fim, Guarazinho entregou o relatório com:

Nome dos bichos que gastaram mais de 500 e quanto estes gastaram;
Habitat dos bichos

Olha só os passos que ele dominou:

SELECT → pra escolher quais colunas você quer ver no resultado

FROM → para dizer de qual tabela os dados vêm

JOIN → para juntar tabelas e ver informações combinadas

WHERE → para filtrar os dados antes de agrupar ou calcular

GROUP BY → para agrupar os dados por categorias (como por bicho ou por habitat)

HAVING → para filtrar os grupos depois do GROUP BY

ORDER BY → pra organizar o resultado (do maior pro menor, em ordem alfabética etc.)

Esses são os blocos essenciais para construir consultas no SQL. E lembre-se: isso é apenas uma introdução! Há muito, mas MUITO o que aprender, como subconsultas, funções avançadas, otimização de consultas e muito mais. Mas o importante é que agora você já tem o básico para começar, fazer boas perguntas e resolver seus próprios problemas.

Ainda vem muito mais pela frente: subconsultas, funções avançadas, CTEs, performance e mais.

O conhecimento é a verdadeira riqueza.

Guaradata