Este exemplo mostra como apresentar experiência, competências e resultados para a função de analista de dados. Adapte a estrutura e baixe um PDF com ResumeQuill.
Data analyst com 4 anos a transformar dados de negócio em insights acionáveis. Construí dashboards usados diariamente por 3 executivos C-level. Identifiquei 320 K€ de poupanças via análise de compras. Forte em SQL, Python e Tableau.
EXPERIÊNCIA
Data Analyst — RetailCo Group2021–presente
Construí dashboard executivo em Tableau para portefólio de 80 M€, usado diariamente pelo CEO
Identifiquei 320 K€ de poupanças anuais via análise de preços de fornecedores
Automatizei 6 processos semanais de reporting com Python, poupando 12 h/semana
Colaborei com produto e finanças no modelo de lifetime value
Data Analyst Júnior — ConsultFirm2020–2021
Analisei churn em 3 projetos, com recomendações adotadas em 2 casos
Construí queries SQL reduzindo reporting ad-hoc de 3 horas para 20 minutos
Mantive e limpei o dataset principal de CRM (1,2M registos)
O resumo é a primeira coisa que o recrutador lê. Escolha a versão que combina com a sua experiência e troque os números pelos seus.
Início de carreira
Analista de dados júnior com 1 ano de apoio a uma equipa comercial: consultas SQL sobre um armazém de 12 tabelas, reporting semanal e análises pontuais. Substituiu um relatório manual em folha de cálculo por uma consulta agendada e um painel, libertando 6 horas por semana à equipa.
Com experiência
Analista de dados com 4 anos em e-commerce, responsável pelo reporting de uma equipa de 30 pessoas e pelas análises por trás das decisões de preço. Construiu as variáveis do modelo de churn que reduziu o cancelamento mensal em 12% e reescreveu as consultas mais lentas: o painel passou de 40 segundos para 3.
Nível sénior
Analista de dados sénior com 8 anos entre produto e finanças; traduz perguntas de negócio em análises sobre as quais a direção age. Conduziu o programa de experimentação que elevou a conversão em 9% e refez as definições de métricas para que três áreas reportem finalmente a mesma receita.
Como escrever um currículo para analista de dados
Mostre o impacto no negócio, não apenas tarefas técnicas
Currículos de data analyst focam-se demasiado em ferramentas e pouco no que mudou graças à análise. «Construí um dashboard em Tableau» é uma tarefa. «Construí dashboard executivo que levou a cortar 320 K€ em custos de fornecedores» é impacto. Comece pelo resultado — descreva depois a ferramenta.
Liste ferramentas e tecnologias pelo nome
A maioria das vagas cita ferramentas específicas: SQL, Python, Tableau, Power BI, dbt, BigQuery. Coloque-as numa secção dedicada de Competências ou Técnicas. Os ATS procuram nomes exatos. Não assuma que o leitor infere SQL a partir de «consultas a bases de dados».
Mostre quem usou o seu trabalho
Currículos fortes nomeiam o stakeholder que atuou sobre a análise: «usado diariamente pelo CEO», «adotado pela equipa de finanças», «apresentado trimestralmente ao conselho». Prova que o trabalho teve alcance real.
Copie uma linha, troque os números pelos seus e mantenha o verbo à frente: é isso que torna um resultado legível.
Reduziu o cancelamento mensal em 12% ao identificar os três comportamentos que antecedem a saída e entregá-los à equipa de retenção
Reescreveu as quatro consultas mais lentas do armazém: o carregamento do painel de direção caiu de 40 segundos para 3
Substituiu um relatório manual de 6 horas por semana por um pipeline agendado, devolvendo à equipa um dia de trabalho por mês
Desenhou e conduziu 23 testes A/B num ano; 7 foram para produção e somaram 9% de conversão
Produziu a análise de preços de uma alteração de gama que subiu a margem bruta 4 pontos sem perda de volume
Conciliou três definições contraditórias de receita numa camada de métricas documentada para finanças, produto e vendas
Automatizou verificações de qualidade que apanharam 14 falhas na origem antes de chegarem a um painel de negócio
Criou um painel de autosserviço para 30 utilizadores comerciais: os pedidos pontuais à equipa caíram 60%
Segmentou 1,4 M de clientes em 5 coortes acionáveis, com as quais a equipa de campanhas aumentou a receita de email em 18%
Documentou 40 métricas centrais com responsáveis e definições, encerrando a discussão recorrente sobre qual o número certo
Competências-chave para um currículo de analista de dados
Competências técnicas
SQL: funções de janela, CTE, otimização de consultas
Python ou R: pandas, testes estatísticos, notebooks reprodutíveis
Ferramentas de BI: Power BI, Tableau, Looker — modelação, não só gráficos
Armazéns e modelação: BigQuery, Snowflake, dbt, esquemas em estrela
Experimentação: desenho A/B, dimensão da amostra, significância, métricas de controlo
Folhas de cálculo em profundidade: modelos dinâmicos, procuras, análise de cenários
Competências comportamentais
Transformar uma pergunta de negócio vaga numa que os dados respondam
Apresentar um resultado a quem vai agir, sem desvio pela metodologia
Dizer que os dados não sustentam a conclusão que alguém queria
Documentar uma métrica para que a pessoa seguinte não a reconstrua
Palavras-chave para ATS
Os sistemas de triagem comparam o currículo com o texto da vaga. Escreva apenas o que domina de facto.
análise de dados
SQL
Python
R
Power BI
Tableau
Looker
BigQuery
Snowflake
dbt
ETL
modelação de dados
visualização de dados
painel
teste A/B
análise estatística
análise de coortes
previsão
reporting de KPI
gestão de stakeholders
Ferramentas e como escrevê-las para ser encontrado
Anúncios e parsers comparam nomes de ferramentas à letra: copie a grafia do anúncio e coloque a profundidade ao lado, porque os mesmos cinco nomes são listados por toda a gente.
SQL
PostgreSQL
MySQL
BigQuery
Snowflake
Redshift
dbt
Python
pandas
NumPy
R
Power BI
Tableau
Looker
Excel
Google Sheets
Airflow
Git
testes A/B
significância estatística
Os números que provam que um analista mudou algo
A armadilha do currículo de analista é descrever o trabalho em vez do resultado. Estes quatro transformam uma lista de tarefas em prova — e o quarto separa o analista de quem apenas produz relatórios.
A escala em que trabalhou
Linhas, utilizadores, transações, receita coberta, interlocutores servidos. «Segmentei 1,4 M de clientes» situa-o de imediato; «segmentei clientes» não situa nada.
Tempo e custo eliminados
Horas de reporting manual automatizadas, tempo de execução reduzido, pedidos pontuais cortados. É o impacto mais fácil de medir e o mais vezes esquecido.
Decisões que a sua análise apoiou
Uma alteração de preço, uma campanha travada, uma funcionalidade priorizada, uma coorte de churn trabalhada. Diga a decisão e o resultado de negócio — e de quem foi a decisão, com honestidade.
Fiabilidade que acrescentou
Verificações de qualidade que apanharam falhas, definições de métricas documentadas, números contraditórios conciliados. O anúncio nunca pede isto, e todas as equipas que se queimaram com um painel errado contratam exatamente por isso.
O que escrever em cada secção
Resumo
Três linhas: anos e setor (e-commerce, finanças, produto, saúde), a escala em que trabalha e uma decisão que a sua análise mudou. O setor pesa mais do que os analistas supõem: para quem contrata é a diferença entre aprender a ferramenta e aprender o negócio dele.
Experiência
Em cada posição diga a quem servia — uma equipa, uma direção, a gestão — e que perguntas eram suas. Por ponto: a pergunta, o método em poucas palavras, o resultado. Mantenha o método curto: o resultado conquista a entrevista e o método preenche-a.
Competências
Agrupe por consulta, análise, visualização e pipeline. Ponha à frente as ferramentas referidas no anúncio, escritas como ele as escreve, e retire tudo o que não abriria num teste ao vivo.
Formação
Formação com o ano e depois certificações com peso na área: uma certificação cloud de dados, uma de plataforma de BI, um curso de estatística. Se a secção de experiência for curta, acrescente uma linha com o seu projeto de análise mais forte.
Verbos fortes para este currículo
Comece cada resultado com um verbo no passado. Estes encaixam na função e leem-se como trabalho, não como descrição de cargo.
Analisei
Modelei
Consultei
Automatizei
Previ
Segmentei
Validei
Visualizei
Conciliei
Testei
Documentei
Apresentei
Dicas principais
Cada projeto: indique a ferramenta e o resultado de negócio
Nomeie stakeholders que atuaram sobre a sua análise
Liste ferramentas numa secção dedicada de Competências Técnicas
Inclua escala: tamanho do dataset, frequência de relatórios, número de utilizadores
Mostre SQL, Python e pelo menos uma ferramenta BI, se tiver
Erros que custam a entrevista
Tarefas em vez de decisões
«Criei painéis e relatórios» não diz a ninguém o que mudou. Cada ponto deve terminar onde o negócio fez algo diferente: um preço alterado, uma campanha travada, uma coorte de churn trabalhada. Análise sem decisão lê-se como produção de relatórios.
Uma lista de ferramentas sem profundidade
SQL, Python, Tableau, Excel numa linha nada diz sobre o nível. Indique o que construiu em cada uma: funções de janela numa tabela de 40 M de linhas, uma camada de modelos em dbt, uma previsão em Python. Na entrevista testam a primeira ferramenta da lista: ordene-as pelo que defende ao vivo.
Sem volume de dados nem contexto de negócio
Analisar 500 linhas para uma equipa e 40 milhões para uma empresa são trabalhos diferentes. Dê a escala — linhas, utilizadores, receita coberta, interlocutores servidos — é a forma mais rápida de situarem o seu nível.
Estatística como decoração
Mencionar regressão, clustering ou teste de significância sem dizer que pergunta respondia convida a uma questão que não quer. Escreva o método ao lado da decisão que apoiou, e apenas para trabalho que consegue explicar de ponta a ponta.
Ainda sem experiência?
Sem emprego em analítica, faça dois ou três projetos que pareçam trabalho e não exercício: um conjunto de dados aberto real, uma pergunta pela qual alguém pagaria, a análise e uma conclusão com as limitações assumidas. Junte o reporting que já faz na função atual — quase todas têm algum — e descreva-o em linguagem de analista: a pergunta, a fonte, a periodicidade e quem agiu a partir daí. Um projeto bem trabalhado com um texto legível vale mais do que dez notebooks.
Três ou quatro frases bastam: por que esta vaga, o que já fez e o que procura agora.
Caro equipa de recrutamento, candidato-me à vaga de analista de dados na Acme. Tenho quatro anos em analítica de e-commerce, com o reporting de uma equipa comercial de 30 pessoas e as análises por trás das decisões de preço. Recentemente identifiquei os três comportamentos que antecedem a saída e a campanha de retenção construída sobre esse trabalho reduziu o cancelamento mensal em 12%. O anúncio refere consolidar o reporting: no ano passado reconstruí uma camada de métricas para que finanças, produto e vendas reportem a mesma receita. Trabalho diariamente com SQL, dbt e Power BI e terei todo o gosto em detalhar qualquer uma destas análises numa conversa técnica. Junto o meu currículo.
Perguntas frequentes
Ajuda, sobretudo em funções juniores. Um GitHub com 2–3 notebooks limpos a mostrar análise real vale mais do que listar «Python» sem contexto.
Sim — sobretudo se mostrarem SQL, Python ou métodos estatísticos aplicados a datasets reais. Identifique-os claramente como académicos ou pessoais.
Mostre a diferença de âmbito: funções juniores listam ferramentas e tarefas, séniores começam com decisões de negócio baseadas na análise. A progressão deve estar visível no impacto de cada função.
Use números relativos em vez de dados brutos: «reduzi o tempo de reporting em 85%» ou «a adoção do dashboard passou de 3 para 11 equipas». Se nem percentagens puderem ser usadas, descreva escala: tamanho do dataset, frequência dos relatórios ou número de utilizadores.
Sim. Coloque-as numa secção curta de Certificações abaixo de Skills. Ajudam no ATS e dão confiança se a sua formação não for quantitativa. Apoiam a experiência, mas não substituem projetos com resultados mensuráveis.
Ajuda sobretudo quando a experiência é curta. Dois ou três projetos com um conjunto de dados real, uma pergunta escrita, a análise e uma conclusão valem mais do que uma pasta de notebooks de tutorial. Escreva o readme como se fosse lido por um gestor e não por um engenheiro.
Os analistas raramente decidem, e quem contrata sabe disso. Escreva com honestidade: «identifiquei os três comportamentos que antecedem a saída; a campanha da equipa de retenção reduziu o churn em 12%». Isso lê-se como maturidade e resiste a uma verificação de referências.
Sim, porque filtros e parsers procuram-nos à letra e a ausência parece uma lacuna. Diferencie-se pela profundidade: «SQL — funções de janela, otimização em tabelas de 40 M de linhas» é uma afirmação diferente de «SQL».
Outros nomes usados na procura
Os títulos mudam de empresa para empresa. Se a vaga usar um destes nomes, repita a formulação exata no cabeçalho do currículo.
Analista de negócio
Analista de BI
Analista de reporting
Cientista de dados
Analytics engineer
Analista de marketing
Analista financeiro
Analista de produto
Modelos que servem esta função
Qualquer um destes layouts mantém as secções na ordem que o recrutador espera e exporta um PDF limpo.
Cada modelo é escrito a partir de vagas reais para a função, não de um template: as secções, a redação e a ordem seguem o que os empregadores pedem de facto.
Os resultados são escritos como os sistemas de triagem os interpretam — verbo, resultado, número — e o layout é verificado para exportar um PDF limpo.
A página é revista quando as práticas de contratação da função mudam. A data acima do exemplo é a da última revisão, não a da publicação.
Desenvolve a ResumeQuill, um criador de currículos gratuito com modelos compatíveis com ATS e exportação em PDF sem registo. Escreve e revê os guias publicados aqui.
Pronto para criar o seu currículo?
Use este exemplo como ponto de partida — grátis, sem registo.
