Currículo de Analista de Dados: SQL e Stack Certa no ATS

Existe uma palavra que aparece em praticamente toda vaga de dados no Brasil e que muita gente esquece de escrever no próprio currículo: SQL. O candidato sabe consultar uma base, monta dashboard todo dia e ainda assim escreve apenas análise de dados e ferramentas de visualização, como se a sigla fosse óbvia demais para citar. Para o parser, o que não está escrito não existe, e SQL não escrito é a forma mais comum de ficar de fora de uma vaga que você sabe fazer.

Este guia mostra por que SQL precisa estar literal, como escolher o título certo entre analista, BI, engenharia e ciência de dados, e como descrever um projeto pela pergunta de negócio que ele respondeu.

Regra das 3 Letras: toda vaga de dados, seja qual for o título, pede uma coisa em comum: as três letras SQL escritas de forma literal no currículo. Um currículo de dados sem essa sigla exposta compete em desvantagem em qualquer processo, mesmo quando o candidato usa SQL todos os dias.

SQL escrito por extenso é o termo que nenhuma vaga de dados dispensa

Mesmo quem trabalha principalmente em ferramenta visual, como Power BI ou Tableau, precisa escrever consultas em algum momento, seja para montar a base do relatório, seja para validar um número antes de apresentar. É por isso que a sigla aparece em praticamente toda descrição de vaga da área, do nível júnior ao sênior.

Escreva SQL como termo isolado, e não apenas embutido em uma frase como conhecimento em bancos de dados relacionais. Se você usa um dialeto específico, como PostgreSQL, MySQL ou T-SQL, cite também, porque algumas vagas filtram pelo dialeto exato.

Analista, BI, engenharia e ciência de dados são vagas diferentes, mesmo parecendo iguais

As quatro funções trabalham perto, e é comum um profissional migrar entre elas ao longo da carreira. No entanto, cada vaga é escrita com um conjunto próprio de responsabilidades, e escolher o título errado no topo do currículo custa aderência mesmo quando a experiência é compatível.

Antes: Profissional de dados com experiência em análise e relatórios.
Depois: Analista de Dados | SQL, Power BI e Python | Análise de churn e retenção.

Analista de dados responde pergunta de negócio com consulta e relatório. Analista de BI mantém o dashboard e a governança das métricas. Engenheiro de dados constrói o pipeline que alimenta as outras duas funções. Cientista de dados aplica modelo estatístico ou de aprendizado de máquina. Escolha o título pela vaga que você quer, não pelo que soa mais avançado.

Nomear a ferramenta pelo produto é o que gera correspondência, não dizer visualização de dados

Assim como acontece em qualquer área técnica, a vaga de dados é escrita com nome de produto, não com a categoria que ele representa. Ferramenta de visualização de dados não corresponde a nada pesquisável. Power BI corresponde.

• Power BI: cite se você monta relatório, cria medida em DAX ou apenas consome dashboard pronto, porque o nível de uso muda a vaga.
• Python (pandas): escreva a biblioteca junto da linguagem, já que Python sozinho não diz se você trata dados com ela.
• dbt: ferramenta específica de transformação de dados, cada vez mais citada em vaga de analista e de engenharia juntas.
• BigQuery / Snowflake: cite o data warehouse usado, porque a sintaxe muda entre eles e algumas vagas pedem experiência em um específico.
• Airflow: mais comum em vaga de engenharia, mas vale citar se você orquestrou algum pipeline, mesmo que simples.

Um projeto de dados se descreve pela pergunta de negócio respondida, não pela ferramenta usada

Um projeto listado apenas por ferramenta soa como treinamento concluído, não como trabalho de análise real. Começar pela pergunta de negócio muda completamente a leitura de quem avalia o currículo.

Antes: Projeto de análise de dados com Python, SQL e Power BI.
Depois: Identifiquei por que a taxa de cancelamento subiu em um trimestre, cruzando dados de suporte e de faturamento em SQL, com Python para tratamento e Power BI para o painel final entregue à área comercial.

A segunda versão prova capacidade analítica, não apenas familiaridade com ferramenta. É a diferença entre alguém que sabe operar um painel e alguém que sabe transformar dado em decisão.

Quem migra de outra área prova competência com um projeto público, não com curso citado sozinho

Transição de carreira para dados é comum, e o obstáculo raramente é capacidade técnica, é falta de prova concreta no currículo. Listar cursos concluídos sem nenhuma aplicação prática deixa a dúvida em aberto para quem está avaliando.

Monte um projeto público completo: uma base de dados aberta, uma pergunta de negócio real ainda que hipotética, consultas em SQL e um painel final. Coloque o link no currículo. Para o restante da transição, os princípios gerais estão em como estruturar um currículo de transição de carreira.

Listar 30 ferramentas sem profundidade é pior do que listar 8 com contexto

A área de dados tem um volume enorme de ferramentas, e a tentação de listar todas as que você já tocou é grande. O efeito é o oposto do pretendido: uma lista de 30 nomes sugere superficialidade em cada um deles, porque ninguém domina 30 ferramentas ao mesmo tempo.

Escolha de 6 a 10 ferramentas que você realmente domina e amarre cada uma a um projeto ou experiência onde foi usada. Para revisar o vocabulário completo esperado por vagas de dados antes de fechar essa lista, veja a lista de palavras-chave por área, e considere um curso curto e certificado para cobrir uma lacuna pontual, listado em cursos gratuitos com certificado que pesam no ATS.

O que fazer agora com o seu currículo de analista de dados

Se o seu currículo não escreve SQL de forma literal, não nomeia a ferramenta pelo produto e descreve projeto só pela stack, ele está competindo em desvantagem contra quem escreveu os mesmos três pontos de um jeito que o parser reconhece. Cada candidatura nessa condição é uma vaga em que a triagem nem chega a considerar sua experiência real.

Rode a análise gratuita em /ats com a vaga colada para ver o que falta no seu texto atual. Se o score vier baixo, a otimização completa custa R$ 7,80 via PIX em /checkout. Se o seu caminho for mais para o lado de engenharia e pipeline do que de análise, o vocabulário muda e está em o guia de currículo para profissionais de TI.

Perguntas frequentes