SQL para QA na Prática

Grade do curso

12 seções.
Uma investigação completa.

Do primeiro SELECT ao projeto de portfólio no GitHub — cada seção constrói sobre a anterior, com dados reais do Supabase.

S 01

Apresentação

Por que QA precisa dominar banco de dados em 2026 — e o projeto que vai pro seu GitHub

2 aulas

▾

Aula 01○Por que QA precisa dominar banco de dados em 2026?

Aula 02○O projeto real que você vai colocar no seu GitHub

S 02

Gestão de Portfólio

Versionamento e documentação técnica — Git e GitHub como vitrine profissional

4 aulas

▾

Aula 03○Setup do Git — Configurando sua Identidade de QA Técnico

Aula 04○GitHub Profissional: Sua Vitrine de Dados para o Mercado

Aula 05○Repositório Remoto: Segurança Máxima com Tokens PAT

Aula 06○Ciclo de Portfólio — Da Estrutura no VS Code à Publicação no GitHub

S 03

Infraestrutura de Dados

Montando sua estação de trabalho: DBeaver, PostgreSQL e seu projeto no Supabase

3 aulas

▾

Aula 07○Instalando o DBeaver Community Edition

Aula 08○Instalando o PostgreSQL no Windows

Aula 09○Criando conta Supabase via GitHub e seu primeiro projeto

S 04

Gestão e Portabilidade da Massa de Dados

Dump, backup e restore — trazendo a massa de dados real do professor para o seu projeto

4 aulas

▾

Aula 10○O que é um Dump e Backup e restore de forma prática e objetiva

Aula 11○Criando a conexão entre DBeaver e Supabase de um projeto em PROD

Aula 12○Extração Técnica: Gerando o Dump SQL do Professor

Aula 13○O Grande Reset: Restaurando a Massa de Dados no seu Projeto Cloud

S 05

Contexto do Sistema e Regras de Negócio

Visão de negócio, time ágil, Azure DevOps e como regras viram dados no banco

5 aulas

▾

Aula 14○Entendendo o sistema (visão de negócio)

Aula 15○Como Funciona um Time Ágil na Prática (Visão do QA)

Aula 16○Azure DevOps na Prática: Como as Demandas São Organizadas

Aula 17○Onde Tudo Começa: Do Protótipo aos Critérios de Aceite

Aula 18○Como as Regras de Negócio se Transformam em Dados no Banco

S 06

Entendendo o Banco de Dados na Prática

Tabelas, tipos, chaves, diagramas e o seu próprio dicionário de dados

6 aulas

▾

Aula 19○Como Ler um Banco de Dados (Tabelas, Campos e Registros)

Aula 20○Explorando o Database na área de trabalho do DBeaver (Schema, Tabelas)

Aula 21○Tipos de Dados, Propriedades e Chave Primária

Aula 22○Diagramas, Modelo Relacional e Relacionamentos

Aula 23○Como Entender os Dados — A Visão Técnica do Dado

Aula 24○Construindo o seu Dicionário de Dados

S 07 🔥

SQL Essencial para QA (na prática)

SELECT, filtros, JOIN, funções, agregações e subqueries — a base que todo QA usa

12 aulas

▾

Aula 25○Preparando o ambiente e os dados para as aulas de SQL

Aula 26○Configurando o DBeaver e Extraindo Dados (SELECT)

Aula 27○Organizando o Projeto — Rascunhos, Template, GitHub e .gitignore

Aula 28○Filtro, Ordenação e Operadores (SELECT, WHERE, ORDER BY, LIMIT)

Aula 29○Buscas Inteligentes para Testes (LIKE, IN, BETWEEN)

Aula 30○Dados Ausentes e Vazios (NULL, IS NULL, IS NOT NULL)

Aula 31○INNER JOIN: relacionando tabelas

Aula 32○LEFT JOIN e RIGHT JOIN: encontrando o que falta

Aula 33○Funções de data, string e CASE WHEN

Aula 34○COUNT, MIN, MAX e AVG: resumindo dados para validação

Aula 35○Agrupando resultados — GROUP BY, HAVING

Aula 36○Consultas Avançadas (Subqueries) e uso do COALESCE

S 08

Manipulação de Dados para Testes

INSERT, UPDATE, DELETE, TRUNCATE e Transactions — controlando massa de teste com segurança

6 aulas

▾

Aula 37○INSERT — Criando massa de teste do zero

Aula 38○UPDATE — Ajustando dados com segurança

Aula 39○DELETE — Removendo dados com controle

Aula 40○TRUNCATE e quando usar (vs DELETE)

Aula 41○Transações: BEGIN, COMMIT e ROLLBACK

Aula 42○Uso de filtros em Tabela de Dados no DBeaver

S 09 🔥

QA Investigativo

O diferencial: encontrando bugs de dado que a UI nunca vai mostrar

5 aulas

▾

Aula 43○Investigando Bugs com SQL na prática

Aula 44○COALESCE e TRIM: tratando dados nulos e vazios na investigação

Aula 45○DISTINCT — Encontrando duplicidade de dados

Aula 46○Dados inconsistentes, soft delete e UUID

Aula 47○Quando a UI mente: divergências entre API e banco

S 10

Asserts e Evidências Profissionais

COUNT, EXISTS e a documentação de evidências que vira portfólio

3 aulas

▾

Aula 48○Asserts em SQL (COUNT, EXISTS e comparações)

Aula 49○Evidências Técnicas: Exportação e Reporte de Bugs

Aula 50○Padronização de Elite: Template e Portfólio de Testes

S 11

IA Aplicada à Validação de Dados

Da User Story à query com IA — usando a IA como copiloto, não como muleta

3 aulas

▾

Aula 51○Da User Story à Query com IA

Aula 52○Do Critério ao Relatório Profissional com IA

Aula 53○IA como Copiloto: Entendendo Queries Complexas e Gerando Massa de Dados

S 12

Portfólio e Encerramento

README profissional e os próximos passos rumo ao QA Automation completo

2 aulas

▾

Aula 54○README Profissional — o que o recrutador quer ver

Aula 55○Próximos Passos — do SQL ao QA Automation Completo

# investigando: pedidos marcados como "entregue" sem registro de envio

$ SELECT id, status, shipped_at FROM orders // status = 'delivered' AND shipped_at IS NULL

✓ 3 rows returned (42ms)

→ 3 pedidos marcados como "entregue" sem nenhum registro de envio

→ a UI mostrava "Entregue ✓" pros 3 clientes

inconsistência confirmada | documentada no relatório de QA

Ambiente de testes

Você não testa em
banco de exercício.
Investiga dado real.

O banco usado no curso é real, hospedado no Supabase — com schema, relacionamentos e dados de produção verdadeiros.

O Banco

Supabase Northwind

Banco PostgreSQL real, com tabelas de produtos, pedidos, clientes e fornecedores — os mesmos relacionamentos que você vai encontrar em sistemas corporativos reais.

Schema Real SSL Relacionamentos Dados de Produção API Northwind Inconsistências reais

Diferencial técnico

Investigação API vs Banco

Diferente dos cursos de SQL genérico, aqui você compara a resposta da API com o que o banco realmente guarda — e documenta a diferença.

✓ Queries direto na fonte, sem depender da tela

✓ Comparação API x Banco documentada como evidência

✓ Critério de aceite real do Azure DevOps

✓ README e evidências versionadas no GitHub

● ● ●

# critério de aceite: "pedido cancelado não pode aparecer no faturamento"

SELECT o.id, o.status, o.total

FROM orders o

WHERE o.status = 'cancelled'

AND o.id IN (SELECT order_id FROM invoices);

# QA confere: 0 rows esperadas

✓ Validação automatizada direto na fonte dos dados

Feito pra quem quer
parar de confiar só
na tela

12 seções.
Uma investigação completa.

Ferramentas que aparecem
em vaga real de QA

Você não testa em
banco de exercício.
Investiga dado real.

Não só conhecimento.
Prova do que você sabe.

A diferença entre
decorar sintaxe e investigar

Pronto pra parar de
confiar só na tela?

SQL para QA na Prática

Feito pra quem querparar de confiar sóna tela

12 seções.Uma investigação completa.

Ferramentas que aparecemem vaga real de QA

Você não testa embanco de exercício.Investiga dado real.

Não só conhecimento.Prova do que você sabe.

A diferença entredecorar sintaxe e investigar

Pronto pra parar deconfiar só na tela?

Feito pra quem quer
parar de confiar só
na tela

12 seções.
Uma investigação completa.

Ferramentas que aparecem
em vaga real de QA

Você não testa em
banco de exercício.
Investiga dado real.

Não só conhecimento.
Prova do que você sabe.

A diferença entre
decorar sintaxe e investigar

Pronto pra parar de
confiar só na tela?