Visão Geral

O curso Databricks for Jira oferece uma abordagem prática e estratégica sobre como integrar o poder de análise e engenharia de dados da plataforma Databricks com os dados gerados pela gestão de projetos no Jira. Os participantes aprenderão a coletar, transformar, analisar e visualizar dados do Jira dentro do Databricks, possibilitando uma compreensão mais profunda de métricas ágeis, produtividade de times e tendências operacionais. Este Curso Databricks for Jira é ideal para profissionais que desejam gerar relatórios avançados e aplicar ciência de dados no contexto da gestão de projetos e operações ágeis.

Objetivo

Após realizar este curso Databricks for Jira, você será capaz de:

• Conectar o Jira com o Databricks utilizando APIs e conectores
• Extrair e transformar dados de projetos, sprints, epics e tickets
• Criar pipelines de dados com PySpark para análise contínua
• Aplicar visualizações e dashboards com métricas ágeis no Databricks
• Tomar decisões estratégicas baseadas em dados operacionais do Jira

Publico Alvo

• Engenheiros e analistas de dados
• Product Owners e Scrum Masters
• Líderes de equipes ágeis
• Profissionais de BI e analytics
• Desenvolvedores e engenheiros de plataforma
• Usuários avançados do Jira que desejam explorar dados via Databricks

Pre-Requisitos

• Conhecimentos básicos em SQL
• Familiaridade com conceitos de DataFrame e notebooks
• Experiência com Jira (nível intermediário)
• Desejável conhecimento em Python ou Spark (não obrigatório)

Materiais

Conteúdo Programatico

Módulo 1: Introdução à Integração Jira + Databricks

1. Visão geral do Databricks e sua arquitetura
2. Introdução ao Jira Software e estrutura dos dados
3. Casos de uso comuns: produtividade, métricas ágeis, eficiência de equipes
4. Estratégias para integração via API REST e conectores de terceiros

Módulo 2: Acessando Dados do Jira

1. Visão da API REST do Jira
2. Autenticação (basic, OAuth, API Token)
3. Coleta de dados com Python (requests, pandas, PySpark)
4. Montando queries para projetos, tarefas, sprints, epics e usuários
5. Armazenamento temporário e persistente no Databricks (Delta Lake, DBFS)

Módulo 3: Transformação e Modelagem dos Dados

1. Criando DataFrames com Spark/PySpark a partir dos dados do Jira
2. Limpeza e normalização de dados
3. Enriquecimento com outras fontes (como Git, tempo, produtividade)
4. Organização em camadas: bronze, silver, gold
5. Uso de notebooks para controle e reprodutibilidade

Módulo 4: Métricas Ágeis com Jira no Databricks

1. Construção de KPIs ágeis: Lead Time, Cycle Time, Throughput
2. Análise de fluxo cumulativo (Cumulative Flow Diagram)
3. Burnup/Burndown Charts com dados reais
4. Tracking de velocity por equipe e sprint
5. Avaliação de gargalos e retrabalho

Módulo 5: Visualização de Dados no Databricks

1. Visualizações embutidas no Databricks
2. Dashboards interativos com widgets
3. Exportando dados para Power BI ou Tableau
4. Agendamento de dashboards e alertas automáticos
5. Compartilhamento de insights com stakeholders

Módulo 6: Automatizando a Coleta e Atualização

1. Agendamento com Jobs no Databricks
2. Atualização periódica de dados do Jira
3. Versionamento e monitoramento de pipelines
4. Logs, auditoria e troubleshooting

Módulo 7: Boas Práticas, Segurança e Governança

1. Gerenciamento de credenciais (secrets, key vaults)
2. Reuso de notebooks e modularização de código
3. Armazenamento seguro de dados sensíveis
4. Acesso controlado a dashboards e notebooks

Módulo 8: Estudo de Caso Prático

1. Conectando-se ao Jira real de um projeto
2. Coleta, limpeza, análise e dashboard final
3. Apresentação de insights em reuniões executivas
4. Discussão de problemas e soluções comuns