Como escrever o resumo de um CV de analista de dados
Em três ou quatro frases, diga quantos anos tem de experiência, em que setores ou tipos de dados trabalhou (vendas, clientes, operações, marketing, risco), as ferramentas principais e o que procura a seguir. Junte um exemplo de impacto que mostre o nível das decisões que apoia, como análises de promoções com impacto de vários milhões de euros por ano.
Evite apaixonada por dados e com forte capacidade analítica. Toda a gente escreve isso. O recrutador quer ver as ferramentas e o tipo de problema que resolve, não adjetivos.
Mostre a decisão, não apenas o dashboard
O erro mais comum nos CV de analistas é descrever entregáveis: criei dashboards em Power BI, fiz relatórios mensais. Isso diz o que fez, mas não para que serviu. Para cada frase da experiência, tente responder a três perguntas:
- Que pergunta de negócio estava a responder? Por exemplo, que promoções dão prejuízo ou que clientes estão em risco de sair.
- O que fez com os dados? A fonte, a técnica e a ferramenta, sem exagerar no jargão.
- O que mudou? A decisão tomada, o processo alterado, o tempo poupado ou o resultado medido.
Se não pode partilhar valores da empresa, use percentagens, ordens de grandeza ou o tipo de decisão: a recomendação foi adotada pela direção comercial em todas as lojas já mostra impacto sem revelar números confidenciais.
Competências técnicas que os responsáveis verificam
SQL é a primeira competência que quase todos os responsáveis de dados verificam, muitas vezes com um teste técnico. Indique o nível real e os motores com que trabalhou (PostgreSQL, SQL Server, BigQuery, Snowflake) e mencione o que sabe fazer: joins complexos, funções de janela, CTE, otimização de consultas.
Depois agrupe o resto por tipo:
- Programação: Python ou R, com as bibliotecas que usa.
- Visualização e BI: Power BI, Tableau, Looker, Qlik.
- Engenharia de dados leve: dbt, Airflow, modelação dimensional.
- Estatística: regressão, testes de hipóteses, testes A/B, séries temporais.
- Governação: qualidade de dados, documentação e cuidados com dados pessoais ao abrigo do RGPD.
O Excel continua a ser importante em muitas empresas portuguesas; indique-o, mas não como competência principal se procura funções mais técnicas.
Construa um portefólio de projetos
Um portefólio é especialmente útil no início de carreira ou numa mudança de área. Dois ou três projetos bem feitos valem mais do que dez notebooks inacabados. Escolha temas com dados reais e perguntas claras: as fontes abertas do INE, da PORDATA ou do portal dados.gov.pt permitem projetos interessantes sobre habitação, turismo, emprego ou mobilidade.
Em cada projeto mostre o processo completo: a pergunta, a limpeza dos dados, a análise, a visualização e a conclusão em linguagem simples. Publique o código no GitHub com um README claro e, se fizer sentido, um relatório em Power BI ou Tableau Public. No CV, coloque os projetos numa secção própria ou na experiência, com uma frase de resultado como faria para um emprego.
Adaptação, extensão e formato
Uma a duas páginas são suficientes; em início de carreira, uma página chega. Use um formato simples, sem gráficos de níveis de competências nem tabelas complexas, para que os sistemas de recrutamento leiam bem o texto. A fotografia é comum em Portugal, mas opcional, e não traz vantagem numa vaga técnica.
Os anúncios de analista de dados variam muito: há vagas mais próximas de business intelligence, outras de analytics engineering e outras quase de ciência de dados. Leia o anúncio com atenção e reordene as competências e as frases para que o que pedem apareça primeiro. Em empresas internacionais com escritórios em Lisboa ou no Porto, o CV em inglês é muitas vezes preferido; siga sempre a língua do anúncio.
Exemplos de resumo profissional: Analista de Dados
Sénior
Analista de dados sénior com oito anos de experiência em telecomunicações e e-commerce, especializado em análise de clientes, churn e testes A/B. Lidero uma equipa de 4 analistas e defini o modelo de métricas de produto usado por toda a empresa. SQL, Python, dbt e Looker. Procuro um lugar de lead analyst ou responsável de analytics numa empresa de produto.
Intermédio
Analista de dados com três anos de experiência numa empresa de logística, responsável pelos indicadores de operação de 12 armazéns em Power BI e SQL Server. Automatizei em Python relatórios que consumiam dois dias por mês à equipa. Procuro evoluir para análises mais preditivas, em retalho ou em mobilidade, em regime híbrido em Lisboa.
Em início de carreira
Recém-mestre em Ciência de Dados pela NOVA IMS, com estágio de seis meses numa seguradora a construir relatórios em Power BI e análises de sinistralidade em SQL. Portefólio no GitHub com projetos sobre preços da habitação e turismo com dados do INE. Procuro um primeiro lugar como analista de dados júnior.
Exemplos de conquistas para o CV: Analista de Dados
- Construí o modelo de churn de clientes em Python que permitiu à equipa de retenção priorizar contactos; a taxa de cancelamento no segmento-alvo desceu 9% em seis meses.
- Substituí 25 relatórios manuais em Excel por um único modelo em Power BI com atualização diária, poupando cerca de 40 horas de trabalho por mês à equipa comercial.
- Desenhei e analisei 18 testes A/B na página de checkout, dos quais 5 foram implementados e aumentaram a conversão total em 6%.
- Criei o modelo dimensional de vendas em dbt com testes de qualidade, reduzindo para metade os erros reportados pelos utilizadores nos relatórios.
- Analisei os tempos de entrega por região e transportadora; a renegociação de duas rotas reduziu os atrasos em 15%.
- Otimizei consultas SQL críticas no data warehouse, reduzindo o tempo de atualização dos relatórios diários de 2 horas para 20 minutos.
- Apresentei mensalmente à administração uma análise de rentabilidade por canal, que levou ao reforço do investimento no canal online.
- Documentei o dicionário de dados e as definições de indicadores da empresa, eliminando discrepâncias entre relatórios de diferentes direções.
Competências para o seu CV: Analista de Dados
Competências técnicas
- SQL avançado (funções de janela, CTE, otimização)
- Python (pandas, NumPy, scikit-learn)
- R (tidyverse, ggplot2)
- Power BI, Tableau ou Looker
- Excel avançado e Power Query
- dbt e modelação dimensional
- Estatística e testes A/B
- Séries temporais e previsão
- Data warehouses: BigQuery, Snowflake, Redshift
- Qualidade de dados e documentação
- Git e controlo de versões
- Anonimização e proteção de dados pessoais
Competências interpessoais
- Comunicação de resultados a não especialistas
- Curiosidade e espírito crítico
- Levantamento de requisitos com o negócio
- Storytelling com dados
- Gestão de prioridades
- Rigor e atenção ao detalhe
- Trabalho com equipas multidisciplinares