Currículo de analista de dados: ferramentas, impacto, projetos e exemplo

Um bom currículo de analista de dados mostra rapidamente duas coisas: quais ferramentas você domina de verdade e quais decisões suas análises mudaram. Coloque no topo um título claro e as principais ferramentas, como SQL, Python e Power BI, e escreva conquistas que liguem a pergunta, o método e o resultado para o negócio. Uma página basta para juniores, e duas servem para quem tem experiência. Com pouca experiência, um ou dois projetos bem explicados podem compensar. Este guia serve para analistas de dados, BI e produto, recém-formados e pessoas em transição de carreira, com exemplos de antes e depois e um modelo completo.

Comece pela especialidade e pelas ferramentas

Abaixo do nome, use um título preciso: “Analista de Dados | SQL, Power BI, Python”. Em seguida, um resumo com o setor, o tipo de dado e um resultado forte.

Antes: Analista detalhista, apaixonado por dados.

Depois: Analista de dados com 4 anos em e-commerce. Cria modelos em SQL e dashboards em Power BI para 3 áreas, e liderou a análise de preços que melhorou a margem em 6%.

Mostre profundidade, não só nomes

SQL costuma ser a habilidade mais importante para conseguir a vaga, mas escrever só “SQL” diz pouco. Explique o que faz com ele: joins, funções de janela, otimização de consultas ou modelos de dados. Veja o guia de habilidades.

• SQL: BigQuery, PostgreSQL ou SQL Server; joins, CTEs e funções de janela.
• BI: Power BI com DAX e Power Query, Tableau ou Looker.
• Python ou R: pandas, limpeza, notebooks e automação.
• Excel: Power Query, tabelas dinâmicas e modelos.
• Métodos: testes A/B, coortes, previsões e segmentação.

Comprove cada ferramenta com um dado na experiência: número de tabelas, volume ou usuários. Um certificado como o PL-300 ajuda, mas não substitui as provas.

Ligue a análise às decisões

A empresa quer saber qual decisão sua análise apoiou. Siga esta ordem: de quem era a decisão, o que analisou e o que aconteceu. Use o padrão ação e resultado. Os números são exemplos; use apenas os que consegue explicar.

Antes: Elaborei relatórios semanais de vendas.

Depois: Substituí um relatório manual por um dashboard em Power BI usado por 30 pessoas, economizando 6 horas por semana e trazendo números no mesmo dia.

Antes: Analisei dados de clientes.

Depois: Uma análise de coortes com SQL e Python revelou uma queda no segundo mês; a mudança no onboarding elevou a retenção em 4 pontos.

Antes: Realizei testes A/B.

Depois: Planejei e analisei 12 testes A/B no checkout, barrei 2 mudanças prejudiciais e apoiei uma que aumentou a conversão em 3%.

Antes: Limpei dados.

Depois: Automatizei verificações de qualidade em Python para 40 tabelas, com menos erros e conciliação mensal de 3 horas, em vez de 2 dias.

Se não puder citar receita, diga quem usa seu trabalho e o que mudou para essas pessoas. Seja honesto sobre a autoria: escreva “apoiei” quando o resultado for da equipe.

Use bem os projetos

Eles são essenciais em transição de carreira ou com pouca experiência. Escolha um ou dois bons, em vez de todos os exercícios de curso. Inclua sempre links para os projetos.

• Pergunta: o que queria descobrir e por que importa.
• Dados: fonte, tamanho e limpeza.
• Método e ferramentas: o trabalho realizado.
• Descoberta: uma conclusão e recomendação claras.
• Link: GitHub, Tableau Public ou dashboard que funcione.

Adapte à vaga e ao nível

• Finanças e indústria: Excel, Power BI, previsões e relatórios.
• Digital e produto: SQL, Python, experimentos, funis e eventos.
• Júnior: formação, estágio e projetos. Veja o currículo sem experiência.
• Transição: conhecimento do setor e novas habilidades, com o guia de transição de carreira.
• Sênior: estratégia de dados, definições comuns, mentoria e influência.

Use os nomes de ferramentas da vaga quando forem verdadeiros e confira as palavras-chave por setor. Para código em produção, veja o guia de desenvolvedores.

Um exemplo curto e completo

A pessoa e os números são fictícios, mas o formato pode ser reutilizado.

Camila Souza | Analista de Dados | SQL, Power BI, Python | Curitiba | Telefone | E-mail | LinkedIn | github.com/exemplo

Resumo: Analista de dados com 4 anos em e-commerce; transforma dados de clientes e vendas em decisões sobre preços e fidelização.

Experiência: Analista de Dados, Comércio Sul, 2022 – atual. Dashboard para 30 usuários de 3 áreas, 6 horas economizadas por semana. Análise de preços, margem 6% melhor. 12 testes A/B.

Analista Júnior, Insights Paraná, 2020 – 2022. Modelos em SQL sobre 40 tabelas. Verificações automatizadas, conciliação de 2 dias para 3 horas.

Habilidades: SQL (BigQuery), Power BI (DAX), Python (pandas), Excel. Formação: Estatística, UFPR, 2020. PL-300, 2023. Inglês avançado.

Erros comuns

• Listar ferramentas sem mostrar o uso.
• Descrever relatórios sem dizer quem os utiliza.
• Assumir sozinho um resultado da empresa inteira.
• Revelar dados confidenciais.
• Mostrar projetos sem conclusão.
• Errar números, algo muito grave para um analista.

Conclusão

Antes de se candidatar, confira se o título, as ferramentas e três resultados ligados a decisões aparecem no alto da primeira página, e revise cada número. O guia do currículo profissional ajuda com o formato.