Exemplos de currículo de analista de dados com modelos

Exemplos de currículo de analista de dados, do nível inicial ao cientista de dados, com BI e engenharia de analytics, modelo pronto e as ferramentas certas.

Zubair Baqai · Atualizado em 25 de out. de 2026

O currículo de um analista de dados precisa provar uma coisa acima de tudo: que a sua análise mudou uma decisão. Qualquer um sabe listar SQL, Python e Tableau — os currículos que conseguem entrevistas mostram a pergunta que alguém fez, a análise que você rodou e o que o negócio fez de diferente por causa dela. Os gestores de contratação procuram primeiro a stack técnica e depois a prova de que você transformou dados em um resultado. Abaixo estão exemplos de currículo de analista de dados para cada nível e especialidade, do analista de nível inicial ao cientista de dados sênior, cada um ligado a um modelo real que você pode abrir, além das competências, seções e números que levam um currículo além de um sistema de triagem (ATS) e até a frente de um time de contratação.

Primeiro vêm os exemplos, depois um modelo em texto que você pode copiar e, por fim, o raciocínio por trás de todos eles — um resumo técnico enxuto, marcadores de análise orientados a impacto, a seção de competências certa e as palavras-chave que o software de contratação de uma empresa procura. As regras gerais que valem para qualquer currículo estão reunidas no nosso guia de como escrever um currículo; esta página é a versão específica para dados.

Como estes exemplos foram feitos. Cada currículo abaixo é um modelo real da Prezumi gerado a partir de um perfil completo de analytics — o mesmo editor que você usaria no seu próprio — e não uma imagem estática. Os nomes, empresas e números são ilustrativos. A stack e as convenções de contratação refletem como os times de dados costumam filtrar currículos; variam conforme a empresa e o país, então leia o anúncio antes de copiar qualquer coisa sem adaptar.

Exemplos de currículo de analista de dados por nível e especialidade

"Dados" abrange um leque de funções que parecem iguais num site de vagas e são bem diferentes no dia a dia. Um analista de nível inicial construindo dashboards e um cientista de dados entregando um modelo de previsão compartilham ferramentas e quase nada mais sobre os problemas que resolvem, e seus currículos deveriam ser tão diferentes quanto o trabalho deles. Cada exemplo abaixo é um currículo real gerado em um modelo limpo e compatível com ATS da Prezumi — assim você vê o formato exato para o seu nível e a sua especialidade e depois monta o seu a partir da mesma estrutura. Clique em qualquer exemplo para ampliá-lo, ou use-o como seu perfil inicial com um toque.

Analista de dados de nível inicial (nível inicial)

Um currículo de analista de dados de nível inicial precisa mostrar que você já sabe fazer o trabalho central, mesmo sem anos de carreira. Este começa pela stack — SQL primeiro, depois Excel, uma ferramenta de BI como Tableau ou Power BI, e um pouco de Python ou R — e depois faz análises reais sustentarem o peso: um projeto de conclusão, um estágio, um projeto de Kaggle ou de portfólio, ou um dashboard que você construiu para uma entidade estudantil. Os marcadores de nível inicial mais fortes nomeiam a pergunta, os dados e a decisão ou insight que saiu dali, com um link ao vivo para um dashboard ou notebook que um avaliador pode abrir.

Por que este currículo funciona

• A stack vem primeiro, com SQL no topo — a única competência que todo anúncio de analista filtra — depois Excel, uma ferramenta de BI e uma linguagem de script.
• Os projetos são tratados como experiência: um projeto de conclusão, um estágio e um dashboard de portfólio, cada um com um link ao vivo que um avaliador pode abrir.
• Os marcadores nomeiam a pergunta, os dados e o insight ou a decisão, não apenas "analisei dados em Python".
• Ele continua limpo para o ATS, com títulos padrão e os nomes exatos das ferramentas (SQL, Tableau, Power BI) que um filtro seleciona.

Analista de dados (meio de carreira)

Um analista de meio de carreira é dono do ciclo completo, da pergunta à recomendação, e este currículo mostra isso. Ele começa pela stack e pela área de negócio apoiada — marketing, produto, financeiro, operações — e depois mostra o trabalho: escrever SQL complexo contra um data warehouse, construir e manter dashboards que os stakeholders de fato usam, rodar análises que responderam a uma pergunta real e apresentar resultados a pessoas que tomaram uma decisão a partir deles. Os números são os resultados que a análise gerou — receita, custo, retenção ou eficiência — mais a escala dos dados e dos stakeholders atendidos.

Por que este currículo funciona

• Ele nomeia a área de negócio apoiada, para que um gestor de contratação veja o encaixe de domínio, não só as ferramentas.
• Ele mostra o ciclo completo do analista: SQL complexo contra um warehouse, dashboards em uso, análise rodada e resultados apresentados a quem decide.
• Cada marcador de análise se liga a um resultado — receita, custo, retenção ou um ganho de eficiência — em vez de parar em "construí um relatório".
• Ele quantifica a escala: linhas ou eventos analisados, dashboards mantidos e stakeholders ou times atendidos.

Analista de business intelligence (meio de carreira)

Um analista de BI constrói a camada de relatórios sobre a qual a empresa inteira funciona, então este currículo começa pela stack de BI e warehouse — Tableau, Power BI ou Looker em cima de Snowflake, BigQuery ou Redshift — e depois mostra o trabalho: desenhar modelos de dados e camadas semânticas, construir dashboards de autoatendimento, definir as métricas com que todos concordam e eliminar os relatórios manuais que antes comiam uma semana por mês. Os números são dashboards e relatórios adotados, horas de relatório manual poupadas, frescor e confiabilidade dos dados melhorados e as decisões que a camada de BI agora orienta entre os times.

Por que este currículo funciona

• Ele começa pela stack de BI e warehouse — Tableau, Power BI ou Looker sobre Snowflake, BigQuery ou Redshift — que um anúncio de BI filtra.
• Ele mostra o trabalho de plataforma: modelos de dados, uma camada semântica, definições de métricas acordadas e dashboards de autoatendimento em que outros times confiam.
• Os resultados são concretos: relatórios adotados, horas de relatório manual poupadas e frescor e confiabilidade dos dados melhorados.
• Ele enquadra a função como viabilizadora de decisões por toda a empresa, não produtora de gráficos avulsos, que é o sinal de BI de meio de carreira.

Engenheiro de analytics (meio de carreira)

Um engenheiro de analytics fica entre a engenharia de dados e a análise, transformando dados brutos em modelos limpos, testados e documentados sobre os quais o resto do time constrói. Este currículo começa pela stack de dados moderna — dbt, SQL, um warehouse em nuvem e controle de versão — e depois mostra o trabalho: construir e testar modelos de transformação, manter um warehouse bem documentado, garantir a qualidade dos dados e dar aos analistas tabelas confiáveis para trabalhar. Os números são modelos construídos e testados, incidentes de qualidade de dados reduzidos, tempo de execução do pipeline cortado e as horas de analista poupadas por não refazer a mesma lógica em todo lugar.

Por que este currículo funciona

• Ele começa pela stack de dados moderna — dbt, SQL, um warehouse em nuvem, Git — que define a função de engenharia de analytics.
• Ele mostra a disciplina de engenharia que os analistas muitas vezes não têm: modelos de transformação testados, documentação e controle de versão.
• Os resultados são medidos em confiabilidade e alavancagem: incidentes de qualidade de dados reduzidos, tempo de execução cortado e horas de analista poupadas.
• Ele enquadra o trabalho como construir a base em que os outros confiam, que é exatamente como um anúncio de engenharia de analytics lê o impacto.

Cientista de dados (sênior)

Um currículo de cientista de dados vai além dos relatórios, para a modelagem e a experimentação, e os mais fortes mantêm o resultado de negócio em vista. Este começa pela stack — Python, SQL, as bibliotecas de ML e estatística — e depois mostra modelos e experimentos que foram para produção: um modelo preditivo em produção, um teste A/B que resolveu uma decisão, uma previsão em torno da qual o negócio se planejou. Os números combinam o desempenho do modelo (acurácia, ganho ou uma métrica específica da tarefa) com o impacto a jusante — receita, retenção, custo ou risco reduzido. É um currículo sênior, então ele também mostra liderança: estabelecer padrões de experimentação ou orientar analistas. Para um caminho mais voltado à pesquisa, nosso guia de CV acadêmico cobre como listar publicações por completo.

Por que este currículo funciona

• Ele começa pela stack de ciência de dados — Python, SQL, bibliotecas de ML, estatística — e pelos métodos que a função de fato usa.
• Ele mostra trabalho que foi para produção: um modelo em produção, um teste A/B que resolveu uma decisão, uma previsão em torno da qual o negócio se planejou — não notebooks que ficaram locais.
• Ele combina métricas do modelo (acurácia, ganho, AUC) com o resultado de negócio, que é o que um gestor de contratação está realmente comprando.
• Em nível sênior ele mostra liderança — padrões de experimentação estabelecidos, analistas orientados — que marca o escopo além da análise individual.

Engenheiro de machine learning (sênior)

Um engenheiro de ML em um time de dados é dono do caminho de um modelo a um serviço de produção confiável, então este currículo pende para a engenharia. Ele começa pela stack — Python, os frameworks de ML e as ferramentas de MLOps e nuvem — e depois mostra modelos colocados em produção e mantidos saudáveis: pipelines de features, serving de modelos, monitoramento de drift e retreinamento. Os números são o impacto a jusante que o modelo gerou e as métricas de engenharia em torno dele — latência de serving, disponibilidade e custo de inferência. É aqui que dados encontram software, e o currículo deve provar que você sabe fazer as duas metades.

Por que este currículo funciona

• Ele começa pela stack onde dados encontram software — Python, frameworks de ML e ferramentas de MLOps e nuvem.
• Ele mostra o caminho completo de produção: pipelines de features, serving de modelos, monitoramento de drift e retreinamento, não só o treino do modelo.
• Ele combina o resultado de negócio com métricas de engenharia — latência de serving, disponibilidade e custo de inferência — provando as duas metades da função.
• Ele nomeia os sistemas e o trabalho de confiabilidade que separam um engenheiro de ML de um cientista de dados que entrega um notebook.

Um modelo de currículo de analista de dados para copiar

Aqui está um currículo completo de analista de dados de meio de carreira em texto puro — coluna única, títulos padrão, números reais. É um modelo no sentido prático: troque pela sua própria stack, empresa e resultados, e você terá um currículo que um filtro consegue ler e um gestor de contratação consegue examinar em segundos.

Mei Tanaka

Chicago, IL · mei.tanaka@email.com · (312) 555-0164 · linkedin.com/in/mei-tanaka · github.com/meitanaka

Resumo

Analista de dados com quatro anos apoiando times de produto e marketing com SQL, Python e Tableau. Construiu os dashboards de autoatendimento que reduziram as solicitações pontuais de dados em 60% e rodou a análise de coortes que redesenhou o fluxo de onboarding, elevando a retenção em 30 dias em 9 pontos. Busca uma função de analytics em um time orientado a produto.

Competências

SQL (avançado) · Python (pandas, scikit-learn) · Tableau · Power BI · dbt · Snowflake · Excel · Testes A/B · Estatística · Comunicação com stakeholders

Experiência

Analista de Dados — Lakefront Commerce, Chicago (2022–presente)

- Construí 12 dashboards de autoatendimento no Tableau sobre um warehouse Snowflake, reduzindo as solicitações pontuais de dados ao time em 60% e liberando cerca de 15 horas de analista por semana.

- Rodei uma análise de coortes e funil do fluxo de cadastro que levou a um redesenho do onboarding, elevando a retenção em 30 dias de 41% para 50%.

- Desenhei e analisei testes A/B para o time de marketing, incluindo um teste na página de preços que elevou a conversão em 7% (US$ 340 mil anualizados).

- Defini a métrica north-star da empresa e sua lógica SQL no dbt, acabando com meses de números conflitantes entre times.

Analista de Dados Júnior — Prairie Media, Chicago (2020–2022)

- Escrevi SQL para extrair e limpar dados de campanha para um relatório semanal de desempenho usado pela VP de Marketing.

- Automatizei um relatório manual de Excel em Python, reduzindo uma tarefa semanal de 6 horas para 20 minutos.

Projetos

Atrasos no transporte de Chicago — Analisei mais de 2 milhões de registros da CTA em Python; dashboard interativo e análise escrita. meitanaka.dev/cta

Formação

Bacharelado em Estatística, University of Illinois Urbana-Champaign — 2016–2020

Certificações

Google Data Analytics Professional Certificate (2021) · Tableau Desktop Specialist (2022)

O que faz este funcionar: o resumo nomeia um resultado concreto (60% menos solicitações, +9 pontos de retenção) nas duas primeiras linhas, a seção de competências lista as ferramentas exatas que um anúncio de dados examina, com SQL primeiro, e cada marcador de experiência liga a análise a uma decisão ou a uma cifra. O layout é propositalmente simples para que um sistema de triagem (ATS) extraia cada campo sem erros, e o link do projeto dá ao avaliador algo para abrir.

Comece cada marcador de análise pela decisão que ela mudou, não pela ferramenta que você usou. "Construí um dashboard no Tableau" é uma tarefa; "rodei a análise de coortes que redesenhou o onboarding e elevou a retenção em 9 pontos" é impacto. As ferramentas ficam na sua seção de competências e como detalhe de apoio — o gestor de contratação está comprando sua capacidade de transformar dados em decisão, então coloque a decisão primeiro e deixe o SQL e o Python a sustentarem.

As competências para colocar em um currículo de analista de dados

As competências de dados se agrupam em categorias que tanto um recrutador quanto um filtro examinam. Liste as ferramentas exatas — SQL primeiro, quase sempre — agrupadas para que a stack se leia num relance, e mantenha a honestidade: tudo nesta lista pode aparecer em uma entrevista técnica ou em um teste prático. Combine com o vocabulário do anúncio onde for verdade para você.

Pule as barras de nível e as porcentagens. "SQL 85%" não diz nada a um filtro e soa como enchimento para um gestor de contratação — e ainda provoca o teste prático que o expõe. Uma lista agrupada e honesta com SQL à frente, mais marcadores que mostram as ferramentas importantes produzindo uma decisão, faz muito mais do que qualquer gráfico.

Como escrever cada seção de um currículo de analista de dados

Escreva um resumo que nomeie sua stack e uma decisão que você mudou

Duas ou três frases no topo: seu nível e anos, sua stack principal e a decisão mais forte que sua análise gerou. "Analista de dados com quatro anos em SQL, Python e Tableau; construí os dashboards que reduziram as solicitações pontuais em 60% e a análise que elevou a retenção em 9 pontos" diz a um gestor de contratação mais do que um parágrafo sobre ser apaixonado por dados. Nomeie a área de negócio que você apoiou (produto, marketing, financeiro), porque fluência no domínio é um sinal de verdade. Pule a frase de objetivo sobre o que você espera aprender; o resumo descreve o que o time ganha.

Transforme análise em decisões e cifras

"Analisei dados de vendas" descreve uma tarefa. "Rodei a análise de churn que identificou o segmento em risco, e a campanha de retenção construída a partir dela recuperou US$ 280 mil por ano" descreve um analista que vale a pena contratar. O trabalho com dados é julgado por ter mudado algo, então um currículo que nomeia o resultado se destaca em uma pilha de listas de ferramentas. Os números que pesam: receita ou custo movimentados por uma decisão que sua análise orientou, eficiência ganha (horas ou solicitações poupadas), retenção ou conversão elevada por um teste, e a escala dos dados e dos stakeholders que você atendeu. Só afirme o que você consiga explicar a um entrevistador passo a passo — ele vai perguntar como você chegou ao número.

Antes: Responsável por construir dashboards e relatórios no Tableau. Depois: Construí 12 dashboards de autoatendimento no Tableau que reduziram as solicitações pontuais de dados em 60% e liberaram cerca de 15 horas de analista por semana para trabalho mais profundo.

Antes: Usei SQL e Python para analisar dados de clientes. Depois: Rodei uma análise de coortes em SQL e Python que redesenhou o fluxo de onboarding, elevando a retenção em 30 dias de 41% para 50%.

Lidere com projetos quando a experiência for escassa

Em um currículo de dados de nível inicial ou de quem está mudando de carreira, um projeto de análise real faz o que anos de experiência fariam. Dê aos seus dois ou três projetos mais fortes entradas de verdade: a pergunta que você fez, a base de dados e o tamanho dela, os métodos e as ferramentas, o insight que você encontrou e um link ao vivo para o dashboard, notebook ou análise escrita. Um avaliador vai clicar, então deixe legível — uma pergunta clara, uma visualização limpa e uma conclusão declarada valem mais do que um notebook extenso sem narrativa. Uma competição de Kaggle, um projeto de conclusão, uma análise de estágio e um dashboard para um clube contam todos; trate cada um com o mesmo rigor de um emprego.

Use as palavras-chave que o anúncio e o ATS procuram

As empresas passam as candidaturas por um sistema de triagem (ATS) que analisa seu currículo e o compara com o anúncio. Os sistemas variam — alguns eliminam quem não tem um requisito obrigatório como SQL, muitos apenas classificam candidatos para um recrutador — mas um arquivo compatível com o filtro, escrito nas próprias palavras do anúncio, dá a melhor chance de qualquer forma. Reaproveite os nomes exatos das ferramentas do anúncio onde forem honestos: se ele diz "Power BI", "dbt" ou "BigQuery", use esses termos em vez de um genérico "ferramentas de BI" ou "data warehouse". Mantenha o layout compatível com o filtro: coluna única, títulos padrão (Resumo, Competências, Experiência, Projetos, Formação), um PDF com texto real, sem foto, sem gráfico de duas colunas que embaralhe a análise. Você pode verificar o que um filtro realmente extrai do seu arquivo com o verificador de currículo para ATS gratuito da Prezumi, e os modelos compatíveis com ATS já partem de um layout que passa.

Panorama de salários de analista de dados

O salário em dados sobe acentuadamente conforme a função passa dos relatórios para a modelagem e a engenharia, e varia bastante por setor e porte da empresa. As faixas abaixo são valores ilustrativos de salário-base dos EUA, para mostrar como a remuneração cresce por função; seu valor real depende da localização, do setor e de haver ou não participação acionária na conta. Para medianas nacionais atuais, o Occupational Outlook Handbook do U.S. Bureau of Labor Statistics é a fonte que se pode citar.

Duas coisas mexem mais nesses números: a profundidade do trabalho técnico e o setor. O salto de analista para cientista de dados ou engenheiro de analytics — em que a modelagem, a experimentação ou o código de produção ficam por sua conta — é o maior degrau isolado, e a mesma função paga bem acima da média em tecnologia, finanças e saúde. No currículo, isso significa destacar o trabalho mais técnico e de maior alavancagem que você de fato fez, e nomear o setor e a escala dos dados que você manejou, porque ambos definem a faixa salarial tanto quanto o cargo.

Monte seu currículo de analista de dados na Prezumi

A Prezumi guarda seu histórico de analytics como um único perfil e o transforma em qualquer um dos mais de 55 modelos, então você escreve a stack, os projetos e os resultados uma única vez. Importe um currículo existente para não redigitar, escolha um modelo compatível com ATS que mantenha uma coluna única e limpa, e exporte um PDF em texto de graça. Quando você se candidata a uma vaga específica, o editor de IA reescreve suas entradas reais para combinar com aquele anúncio (ele só consegue reformular os detalhes que você informou, então não vai inventar um ganho de retenção), e o verificador de ATS confirma que o arquivo é lido corretamente antes de você enviar. Se este é seu primeiro emprego em dados, nosso guia de currículo para o primeiro emprego mostra como preencher um currículo com projetos, estágios e disciplinas em vez de anos de trabalho, e os exemplos de CV para estudantes usam a mesma abordagem de uma página. Quer mostrar a própria análise? Um site de portfólio com link no currículo deixa um avaliador abrir seus dashboards e notebooks em um clique. Para a carta que acompanha a candidatura, o gerador de carta de apresentação gratuito trabalha a partir do seu currículo e do anúncio.

Perguntas frequentes

Em que um currículo de analista de dados deve focar?

Na prova de que a sua análise mudou uma decisão, sustentada pela stack técnica certa. Liste SQL primeiro — é a única competência que toda função de analista filtra — depois suas ferramentas de programação, BI e estatística, e construa sua experiência em torno do ciclo da pergunta à recomendação: o que te pediram, o que você analisou e o que o negócio fez de diferente. Quantifique o resultado (receita, custo, retenção, horas poupadas) em vez de parar em "construí um dashboard", e dê o link de um projeto que um avaliador possa abrir.

Como escrever um currículo de analista de dados sem experiência?

Deixe os projetos sustentarem o peso. Dê aos seus dois ou três projetos de análise mais fortes entradas de verdade com a pergunta, a base de dados e o tamanho dela, as ferramentas, o insight e um link ao vivo para o dashboard, notebook ou análise escrita. Um projeto de conclusão, uma competição de Kaggle, uma análise de estágio e um dashboard que você construiu para um clube ou entidade estudantil contam todos. Lidere com uma seção de competências (SQL primeiro) e um resumo que nomeie sua stack, e inclua um certificado relevante como o Google Data Analytics. Nosso guia de currículo para o primeiro emprego explica como preencher um currículo sem anos de trabalho remunerado.

SQL é a competência mais importante em um currículo de analista de dados?

Sim — é a única competência que quase todo anúncio de analista de dados exige, então liste-a primeiro na sua seção de competências e mostre-a produzindo um resultado na sua experiência. Depois de SQL, as expectativas comuns são uma ferramenta de BI (Tableau, Power BI ou Looker), Excel avançado e Python ou R para análises mais profundas. Funções sêniores e de engenharia de analytics acrescentam dbt, um warehouse em nuvem e controle de versão. Combine com os nomes exatos das ferramentas do anúncio onde forem verdade para você, e esteja pronto para escrever SQL de verdade em uma entrevista.

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

Um currículo de analista de dados é construído em torno de relatórios e de responder a perguntas de negócio com SQL, ferramentas de BI e estatística direta, e é medido pelas decisões e pela eficiência que a análise gerou. Um currículo de cientista de dados acrescenta modelagem e experimentação — um modelo preditivo em produção, um teste A/B que resolveu uma decisão — e combina o desempenho do modelo com o impacto a jusante. Se você está passando de analista para cientista de dados, destaque qualquer modelagem, previsão ou experimentação que você de fato fez.

Como quantificar o impacto em um currículo de dados?

Nomeie a decisão que sua análise mudou e o número ligado a ela. Os mais persuasivos são receita ou custo movimentados por uma decisão que você orientou, conversão ou retenção elevada por um teste que você rodou, eficiência ganha (horas ou solicitações pontuais poupadas por um dashboard ou automação) e a escala dos dados e dos stakeholders que você atendeu. Escreva-os com contexto — "análise de coortes que elevou a retenção em 30 dias de 41% para 50%" — e só afirme o que você consiga explicar a um entrevistador passo a passo, porque ele vai perguntar como você chegou lá.

Qual deve ser o tamanho de um currículo de analista de dados?

Uma página para nível inicial e para a maioria dos analistas com até cerca de dez anos de experiência. Duas páginas só se justificam quando uma década ou mais de trabalho diretamente relevante e de alto impacto realmente as preenche — um cientista de dados sênior ou líder com um longo histórico. Mantenha-o denso e específico; um gestor de contratação examinando uma pilha prefere ver uma página forte com resultados claros a duas enroladas com cada ferramenta e curso.

Devo listar certificações de dados no currículo?

Elas ajudam mais no nível inicial, onde sinalizam que você aprendeu as ferramentas centrais. As reconhecidas incluem o Google Data Analytics Professional Certificate, certificações de Tableau e Power BI e, para funções mais técnicas, certificações de dados em nuvem (AWS, GCP, Azure) ou uma certificação dbt. Coloque-as em uma seção curta de Certificações. Elas não sustentam um currículo depois que você tem experiência real — resultados medidos fazem isso — mas um certificado relevante pode inclinar uma decisão no início da carreira.

Um currículo de analista de dados deve incluir link de portfólio?

Sim, e importa mais no começo da carreira. Um portfólio com dois ou três projetos de análise limpos — cada um com uma pergunta clara, um dashboard ou notebook legível e uma conclusão declarada — deixa um avaliador ver como você pensa, não só quais ferramentas você lista. Coloque o link no cabeçalho. Para candidatos de nível inicial, sobretudo, um portfólio forte pode fazer mais do que um histórico escolar. Um site de portfólio com link no currículo deixa você mostrar a própria análise em um clique.

Como deixar meu currículo de analista de dados compatível com ATS?

Use um layout de coluna única, títulos de seção padrão (Resumo, Competências, Experiência, Projetos, Formação) e um PDF que contenha texto real extraível, e não uma imagem. Reaproveite os nomes exatos das ferramentas do anúncio onde se aplicam de verdade — "Power BI", "Snowflake", "dbt" — e deixe de fora gráficos de duas colunas, barras de nível e ícones que embaralham a análise. O verificador de currículo para ATS gratuito da Prezumi faz a extração real de texto do seu arquivo e mostra o que um filtro retira, para você confirmar que sua stack é lida corretamente antes de enviar.

Um currículo de analista de dados deve incluir foto?

Não, para vagas nos EUA, Reino Unido, Canadá e na maior parte da Europa. As empresas não precisam de foto, muitas preferem candidaturas sem foto para evitar viés, e uma foto pode atrapalhar um sistema de triagem (ATS). Alguns países esperam foto em qualquer CV; siga o costume local se estiver se candidatando onde isso é claramente pedido, mas, por padrão, deixe de fora.

Como direcionar meu currículo de dados para uma vaga específica?

Leia o anúncio em busca da stack e do domínio, e depois faça o currículo refletir os dois. Coloque as ferramentas exatas que ele nomeia na sua seção de competências onde forem verdade para você, lidere a experiência com a análise mais próxima do que a vaga faz, e ajuste o resumo para nomear a área de negócio certa. Não afirme uma ferramenta que você não usou, mas reordene e reescreva seu trabalho real para que o encaixe fique óbvio. O editor de IA da Prezumi reformula suas entradas reais para um anúncio sem inventar nada, e o verificador de ATS confirma que o arquivo continua sendo lido corretamente.

Sobre o autor

Zubair Baqai é engenheiro de IA e fundador do Prezumi. Ele criou o Prezumi depois de pesquisar o que leva candidatos a entrevistas em empresas como Google, Meta, Microsoft e Amazon. Escreve os guias do Prezumi sobre currículos, triagem por ATS e formatos de CV. Sobre Prezumi

Seu kit para a busca de emprego

Ferramentas grátis para cada etapa de uma candidatura. Sem cadastro.

• Escreva uma carta de apresentação sob medida — Envie seu currículo, cole a vaga, escolha um estilo e receba uma carta ajustada ao cargo em menos de um minuto.
• Transforme seu currículo em um site — Converta seu currículo em um site pessoal ao vivo, com um currículo online no mesmo estilo e um link único para compartilhar com recrutadores.
• Verifique se o ATS consegue ler seu currículo — Envie seu PDF e receba uma pontuação instantânea para extração de texto, ordem de leitura, seções, dados de contato e força do conteúdo.
• Escreva uma carta de demissão — Preencha seu nome, cargo e último dia, escolha um tom e receba uma carta de demissão limpa e profissional para copiar ou baixar em PDF.
• Converter para currículo Harvard — Leve qualquer currículo para o layout Harvard usado por estudantes e recém-formados: prévia imediata e download do PDF grátis.
• Traduza seu currículo — Traduza seu currículo entre inglês, espanhol, alemão, francês, italiano, português, turco e árabe, mantendo o layout e as datas.
• Corrija escrita fraca no currículo — Encontre clichês, verbos fracos, frases vagas e métricas ausentes. Receba uma pontuação de escrita de 0 a 100 e reescritas mais fortes.
• Converter para um CV Europass — Transforme qualquer currículo no formato estilo Europass que empregadores europeus esperam — visualize na hora e baixe o PDF grátis.
• Converta GPA e notas — Converta entre GPA dos EUA, porcentagem, conceitos por letra, classificação britânica (honours), ECTS e CGPA na escala de 10 — e descubra se você se formou cum laude.

Explore as páginas principais