Analista de Dados

A lista de ferramentas é o mínimo e fica no fim

Quase todo analista selecionado sabe SQL e alguma ferramenta de visualização. Listá-las é necessário — os filtros realmente procuram essas palavras —, mas abrir com elas gasta o seu espaço mais valioso com o que menos o distingue.

Há uma exceção que merece lugar: domínio real de uma ferramenta pouco comum no seu mercado, ou do dialeto específico citado pela vaga. SQL específico de um data warehouse, responsabilidade por modelos dbt ou Python em produção do qual outras pessoas dependem são afirmações diferentes de «familiaridade», e vale dizê-las assim.

Uma análise só termina quando alguém fez algo

A linha mais forte em um currículo de analista nomeia uma decisão. «Construí um modelo de churn» é trabalho. «Descobri que o churn se concentrava em contas ativadas sem call de boas-vindas, o que tornou essa call obrigatória para contas acima de R$ 50 mil» é uma decisão, e é a versão que sobrevive a uma entrevista.

Aqui está também o limite honesto. Analistas com frequência não são donos da decisão, e inflar isso até virar propriedade é o que mais facilmente desmorona diante de uma pergunta de acompanhamento. «A recomendação foi adotada» é verdadeiro, verificável e suficiente. Se não foi adotada, a análise continua sendo bom material: diga o que você encontrou e o que mudou na forma de fazer a pergunta.

Números que significam algo sem o seu contexto

Analistas são mais à vontade com números do que a maioria dos candidatos e, curiosamente, costumam usá-los pior. «Melhorei o desempenho das consultas em 40%» é ilegível para quem não conhece o ponto de partida: 40% sobre um processo de oito horas importa; sobre quatro segundos, não.

Dê a base: «reduzi a carga noturna de 6 horas para 3,5, o que antecipou o fechamento dos relatórios das 10h para antes da reunião diária». A segunda metade é a que aterrissa, porque converte um número técnico em algo com que alguém não técnico pode se importar.

Porcentagens sem denominador têm o mesmo problema. Um ganho de 30% em um teste com 200 usuários é uma história sobre ruído; com 200 mil é um resultado. Se o denominador é confidencial, uma ordem de grandeza ainda é muito melhor do que nada.

Onde esses currículos costumam ser cortados

A falha mais comum é uma página de dashboards. Contar dashboards mede atividade, não valor, e «mais de 40 dashboards» pode sugerir sem querer que ninguém na organização conseguia responder às próprias perguntas. Um só, com a decisão que ele sustenta, é mais forte do que quarenta listados.

A segunda é análise sem pergunta. Descrever métodos — segmentação, análise de coortes, testes A/B — sem a pergunta que respondiam lê como trabalho de faculdade. A pergunta é o que demonstra critério sobre onde investir esforço.

A terceira é um currículo indistinguível do de um engenheiro de dados ou de um cientista de dados. Eles são avaliados por pessoas diferentes buscando evidências diferentes, e uma página que tenta satisfazer as três normalmente não satisfaz nenhuma. Escolha a vaga que está à sua frente e comece pela evidência correspondente.