Currículo para Profissional de Dados: Guia Completo por Cargo [2026]

O problema com currículos genéricos de dados

A maioria dos profissionais de dados usa o mesmo currículo para todas as vagas. "Experiência com Python, SQL e Power BI. Criação de dashboards e análise de dados." Isso descreve 80% dos candidatos na fila.

O problema não é que a informação está errada. É que ela não diferencia. Um recrutador que recebe 200 candidaturas para uma vaga de analista de dados na Gupy vai ver essa mesma frase dezenas de vezes. Seu currículo vira ruído.

O que separa quem é chamado para entrevista de quem é ignorado:

• Especificidade — "Criei 3 dashboards em Power BI que consolidaram 5 fontes de dados" vs "Criação de dashboards"
• Palavras-chave certas — os termos exatos que aparecem na vaga, não sinônimos genéricos
• Adequação ao cargo — um currículo de analista é diferente de um currículo de engenheiro, mesmo que os dois usem Python

As próximas seções mostram o que muda entre analista, cientista e engenheiro de dados — e como ajustar seu currículo para cada um.

O que muda entre analista, cientista e engenheiro

Os três cargos usam dados, mas resolvem problemas diferentes. O currículo precisa refletir isso.

Analista de Dados: o que recrutadores procuram

O analista de dados é o profissional que transforma dados brutos em respostas para o negócio. Recrutadores procuram alguém que consiga pegar uma pergunta vaga ("por que nossas vendas caíram?") e transformar em uma análise com conclusão e recomendação.

O que destacar no currículo

• Impacto no negócio — não o que você fez, mas o que mudou. "Reduzi tempo de análise de 4h para 30min" é melhor que "Criei dashboards"
• Comunicação com áreas não-técnicas — mostrar que você trabalha com marketing, vendas, produto
• Domínio de SQL e visualização — SQL aparece em 95% das vagas de analista no Brasil. Power BI em 72%
• Autonomia — recrutadores querem analistas que identifiquem problemas sozinhos, não apenas respondam perguntas

Exemplo de resumo profissional

Analista de Dados com 3 anos de experiência em SQL,
Power BI e Python. Responsável por análises que
influenciaram decisões de precificação e retenção
em equipes de marketing e produto.
Experiência com Gupy, dados de CRM e métricas de
negócio em empresas de médio porte.

Exemplo de bullet point

Cientista de Dados: o que recrutadores procuram

O cientista de dados cria modelos que preveem, classificam ou otimizam. Recrutadores procuram alguém que vai além da análise descritiva — que consiga definir um problema, escolher a abordagem certa, treinar o modelo e medir o impacto em produção.

O que destacar no currículo

• Modelos em produção — não apenas notebooks. Se seu modelo rodou em produção, diga. Se não, descreva o experimento
• Métricas de modelo — acurácia, AUC-ROC, RMSE, lift. Recrutadores técnicos procuram isso
• Experimentação — A/B testing, causal inference, design de experimentos
• Stack técnica profunda — Python é obrigatório. TensorFlow/PyTorch, scikit-learn, MLOps são diferenciais
• Impacto em receita ou produto — "Modelo de churn reduziu cancelamentos em 12%" vale mais que "Treinei modelo com 95% de acurácia"

Exemplo de resumo profissional

Cientista de Dados com 4 anos de experiência em
Machine Learning, experimentação e análise estatística.
Experiência com modelos preditivos em produção para
e-commerce e fintech. Stack: Python, scikit-learn,
TensorFlow, SQL, AWS SageMaker.

Exemplo de bullet point

Engenheiro de Dados: o que recrutadores procuram

O engenheiro de dados constrói a infraestrutura que permite que analistas e cientistas façam seu trabalho. Recrutadores procuram quem sabe projetar pipelines confiáveis, lidar com escala e manter dados consistentes.

O que destacar no currículo

• Escala e volume — quantos registros, qual a latência, qual o uptime. "2M registros/dia com 99.9% de uptime"
• Stack de infraestrutura — Spark, Airflow, dbt, Kafka, Docker, Kubernetes. Cloud: AWS, GCP ou Azure
• Confiabilidade — data quality, monitoramento, alertas, SLAs
• Redução de custo ou complexidade — migrou de X para Y e reduziu custo em Z%
• Colaboração com times de dados — mostrar que você constrói para outros usarem, não apenas para si mesmo

Exemplo de resumo profissional

Engenheiro de Dados com 3 anos de experiência em
pipelines de dados, cloud (AWS) e orquestração.
Experiência com Spark, Airflow, dbt e Kafka
processando milhões de registros diários.
Foco em confiabilidade, data quality e redução
de custo de infraestrutura.

Exemplo de bullet point

Palavras-chave ATS por cargo

As palavras-chave abaixo são as mais frequentes em vagas brasileiras de dados em 2026. Use como referência — mas sempre priorize os termos que aparecem na vaga específica que você está mirando.

Analista de Dados

Cientista de Dados

Engenheiro de Dados

5 erros que profissionais de dados cometem no currículo

Erro #1 — Listar ferramentas sem contexto

"Python, SQL, Power BI, Tableau, R, Excel, Spark, Airflow, dbt, AWS, GCP, Docker..." Uma lista de 20 ferramentas sem contexto de uso é indistinguível de qualquer outro candidato. Pior: sugere superficialidade.

Erro #2 — Descrever responsabilidades, não resultados

"Responsável por análise de dados" descreve o cargo, não o que você fez de diferente. Todo analista de dados é responsável por análise de dados. O recrutador quer saber o que você entregou.

Erro #3 — Currículo único para vagas diferentes

Uma vaga de analista em fintech e outra em varejo pedem habilidades diferentes. A de fintech quer "modelagem financeira" e "regulamentação". A de varejo quer "análise de cesta" e "previsão de demanda". Se você envia o mesmo CV para as duas, não maximiza o match em nenhuma.

Erro #4 — Projeto de portfólio sem rigor

"Analisei dados do Titanic no Kaggle" não diferencia ninguém. Se vai incluir projetos pessoais, trate como trabalho real: problema definido, dados coletados (não apenas um CSV pronto), resultado medido e código no GitHub.

Erro #5 — Ignorar o resumo profissional

As primeiras 2-3 linhas do currículo são o trecho mais lido pelo recrutador (e pelo ATS). Muitos profissionais de dados pulam o resumo ou escrevem algo genérico. Esse é o espaço para concentrar as palavras-chave principais e o diferencial.

Antes e depois: bullets reescritos

Exemplos reais de como transformar bullets genéricos em bullets que passam no ATS e impressionam o recrutador.

Analista de Dados

Cientista de Dados

Engenheiro de Dados

Estrutura ideal do currículo de dados

A ordem das seções importa — tanto para o ATS quanto para o recrutador que vai ler nos primeiros 7 segundos. Esta é a estrutura que funciona para os 3 cargos:

1. Dados Pessoais — nome, email, telefone, LinkedIn, GitHub (se relevante). Uma linha no topo, não uma seção inteira
2. Resumo Profissional — 2-3 linhas com cargo-alvo, anos de experiência, skills principais e um resultado relevante
3. Competências Técnicas — agrupadas por categoria (Linguagens, Visualização, Cloud, etc.), não uma lista corrida
4. Experiência Profissional — ordem cronológica reversa. 3-4 bullets por posição, todos com resultado quantificado
5. Projetos (opcional) — para quem tem menos experiência ou está em transição. Mesma estrutura dos bullets de experiência
6. Formação Acadêmica — curso, instituição, ano
7. Certificações — só as relevantes para a vaga

Formato

• Arquivo: .docx ou PDF (ATS modernos leem ambos)
• Fonte: Arial, Calibri ou Helvetica. Tamanho 10-11
• Layout: coluna única, sem gráficos, sem ícones
• Extensão: 1-2 páginas. Até 5 anos de experiência = 1 página

Certificações mais valorizadas em dados (Brasil, 2026)

Perguntas frequentes

Qual a diferença entre currículo de analista e cientista de dados?

O currículo de analista foca em tradução de dados em decisões de negócio, com destaque para SQL, Power BI e comunicação com stakeholders. O de cientista foca em modelagem estatística e machine learning, com Python, experimentação e publicações técnicas. O primeiro resolve problemas com dados que existem; o segundo cria modelos que preveem ou classificam.

Quais palavras-chave colocar no currículo de profissional de dados?

Depende do cargo. Para analista: SQL, Python, Power BI, Excel, Data Visualization, ETL, DAX. Para cientista: Python, Machine Learning, TensorFlow, A/B Testing, Estatística. Para engenheiro: Spark, Airflow, AWS/GCP, Docker, Kafka, dbt, Data Pipeline. Sempre espelhe os termos exatos da vaga.

Preciso de certificações para trabalhar com dados no Brasil?

Certificações não são obrigatórias, mas ajudam — especialmente para quem está em transição de carreira ou tem pouca experiência. As mais valorizadas em 2026: AWS Cloud Practitioner, Google Data Analytics Certificate, dbt Analytics Engineering e Databricks Certified Data Engineer.

Como descrever projetos pessoais de dados no currículo?

Trate projetos pessoais como experiência profissional: use verbos de ação, mencione as ferramentas utilizadas e quantifique resultados. Exemplo: "Desenvolvi pipeline de coleta e análise de dados de imóveis usando Python e PostgreSQL, processando 50k registros de 3 fontes distintas." Inclua link para o GitHub.

Currículo de dados deve ser em português ou inglês?

Para vagas em empresas brasileiras via Gupy e 99Jobs, em português. Mantenha os termos técnicos em inglês (SQL, Power BI, Machine Learning) — é como aparecem nas vagas e como o ATS busca. Para multinacionais ou vagas remotas internacionais, tenha uma versão em inglês.