Usamos cookies para funcionalidades essenciais e, com o seu consentimento, para mostrar anúncios personalizados. Consulte a nossa Política de Privacidade.
Um exemplo de currículo de analista de dados gratuito e compatível com ATS — copie os exemplos de resumos, competências e pontos abaixo, e depois construa o seu em minutos com o CV-Craftor.
By the CV-Craftor team · Updated 21 de junho de 2026
Your Name
Analista de Dados
Core Skills
• SQL
• Excel
• Python
• Tableau
• Power BI
• Statistics
• Data Cleaning
• A/B Testing
• ETL
Analista de Dados com mais de 6 anos a transformar dados de múltiplas fontes em decisões para equipas de produto, finanças e operações. Especialista em SQL, Python e Tableau, com um historial de construção de dashboards self-serve e de frameworks de experimentação que geraram ganhos de receita e de retenção de sete dígitos.
Analista de Dados
—
Construí um conjunto de dashboards self-serve em Tableau que se tornou a fonte de verdade para 6 departamentos, reduzindo os pedidos de relatórios ad hoc em 40%. Diagnostiquei um fator de churn através de análise de coortes e de funil, fundamentando uma correção que reduziu o churn mensal de 7,1% para 5,4%. Automatizei o reporting semanal de KPIs em Python e SQL, eliminando 12 horas de trabalho manual por semana e removendo erros recorrentes de copiar-colar. Concebi e analisei mais de 30 testes A/B no fluxo de checkout, lançando vencedores que aumentaram a conversão em 9% e acrescentaram cerca de 1,2M de dólares em receita anual. Reconstruí o modelo de atribuição de marketing em dbt, reconciliando três fontes de dados e realocando 18% do gasto para canais de maior ROI. Colaborei com finanças para revelar 480 mil dólares de receita recuperável ao auditar fugas de descontos em 2 anos de dados de encomendas. Otimizei consultas analíticas lentas, reduzindo o tempo médio de atualização de dashboards de 45 segundos para menos de 6. Formei 25 colegas não técnicos numa camada SQL self-serve, reduzindo os pedidos de dados recebidos pela equipa de analytics num terço.
Em 2026, os recrutadores que analisam currículos de Analista de Dados procuram primeiro provas de que consegues mover uma métrica de negócio, e não apenas executar uma consulta. Querem fluência em SQL, uma ferramenta de BI (Tableau, Power BI ou Looker) e pelo menos uma linguagem de programação, mas o que mais lhes importa é o "e depois?" por detrás da tua análise. Os analisadores ATS premeiam correspondências exatas de palavras-chave, por isso reflete a stack do anúncio e indica as ferramentas pelo nome, em vez de as esconderes em texto corrido.
Posiciona-te como um tradutor entre dados desorganizados e decisões. Começa com resultados quantificados (receita protegida, churn reduzido, horas poupadas), mantém um layout limpo de coluna única que o analisador consiga ler e coloca uma secção de competências técnicas perto do topo. Mostra todo o pipeline que dominas, desde a extração e limpeza até aos dashboards e às apresentações a stakeholders, para que os revisores vejam posse de ponta a ponta em vez de mera execução de tickets.
Analista de Dados com mais de 6 anos a transformar dados de múltiplas fontes em decisões para equipas de produto, finanças e operações. Especialista em SQL, Python e Tableau, com um historial de construção de dashboards self-serve e de frameworks de experimentação que geraram ganhos de receita e de retenção de sete dígitos.
Analista de Dados em início de carreira, analítico e orientado ao detalhe, com competências em SQL, Excel e Python, e com projetos práticos em análise de coortes e construção de dashboards. Concluí recentemente uma licenciatura em estatística e estou empenhado em traduzir dados limpos e bem documentados em recomendações claras para os stakeholders.
See more resume summary examples and the formula for writing your own.
SQL — Linguagem central para extrair e juntar dados de bases de dados diariamente.
Python (pandas) — Automatiza limpeza, análise e tarefas que o Excel não consegue escalar.
Tableau / Power BI — Transforma análise em dashboards que os stakeholders realmente usam.
Excel / Google Sheets — Continua a ser a língua franca para modelos rápidos e pedidos ad hoc.
Estatística e testes A/B — Separa o sinal real do ruído nas decisões de negócio.
Limpeza de dados e ETL — A maior parte do tempo de análise é gasta a tornar dados desorganizados fiáveis.
Storytelling com dados — Converte conclusões em decisões que líderes não técnicos podem tomar.
Modelação dimensional — Estrutura as tabelas do data warehouse para que as métricas se mantenham consistentes.
Visão de negócio — Enquadra a análise em torno das questões que realmente importam ao negócio.
Comunicação com stakeholders — Alinha requisitos e transforma pedidos nas perguntas certas.
Construí um conjunto de dashboards self-serve em Tableau que se tornou a fonte de verdade para 6 departamentos, reduzindo os pedidos de relatórios ad hoc em 40%.
Diagnostiquei um fator de churn através de análise de coortes e de funil, fundamentando uma correção que reduziu o churn mensal de 7,1% para 5,4%.
Automatizei o reporting semanal de KPIs em Python e SQL, eliminando 12 horas de trabalho manual por semana e removendo erros recorrentes de copiar-colar.
Concebi e analisei mais de 30 testes A/B no fluxo de checkout, lançando vencedores que aumentaram a conversão em 9% e acrescentaram cerca de 1,2M de dólares em receita anual.
Reconstruí o modelo de atribuição de marketing em dbt, reconciliando três fontes de dados e realocando 18% do gasto para canais de maior ROI.
Colaborei com finanças para revelar 480 mil dólares de receita recuperável ao auditar fugas de descontos em 2 anos de dados de encomendas.
Otimizei consultas analíticas lentas, reduzindo o tempo médio de atualização de dashboards de 45 segundos para menos de 6.
Formei 25 colegas não técnicos numa camada SQL self-serve, reduzindo os pedidos de dados recebidos pela equipa de analytics num terço.
Start each bullet with a strong resume action verb and back it with a number.
Usa um layout de coluna única em ordem cronológica inversa, uma página para menos de dez anos de experiência e duas apenas se cada linha justificar o seu lugar. Os sistemas ATS analisam colunas únicas de forma fiável, e os recrutadores gastam segundos a percorrer, por isso um bloco de competências no topo mais pontos quantificados supera parágrafos densos ou designs de várias colunas cheios de gráficos. Compare the options in our resume format guide.
Licenciatura em estatística, economia, informática, matemática ou área relacionada (comummente esperada, não estritamente obrigatória)
Google Data Analytics Professional Certificate
Microsoft Certified: Power BI Data Analyst Associate (PL-300)
Tableau Desktop Specialist / Tableau Certified Data Analyst
Nota: as funções de Analista de Dados raramente exigem uma licença, e um portefólio forte de análises reais costuma pesar mais do que certificações.
Listar ferramentas (SQL, Tableau, Python) sem um único resultado quantificado que mostre impacto no negócio.
Escrever tarefas como 'responsável por relatórios' em vez de resultados como churn reduzido ou horas poupadas.
Omitir a ferramenta de BI específica e o dialeto SQL que o anúncio nomeia, prejudicando as correspondências de palavras-chave do ATS.
Usar modelos cheios de gráficos e de várias colunas que os analisadores ATS distorcem e que os recrutadores não conseguem percorrer.
Esconder ou omitir uma ligação para um portefólio de dashboards, SQL ou projetos de análise que comprovem as competências.
A remuneração de Analista de Dados nos EUA situa-se normalmente entre cerca de 65.000 e 110.000 dólares, com funções sénior e em polos tecnológicos a atingirem valores mais altos. A remuneração varia consoante a localização, o empregador e a experiência, por isso confirma os valores atuais junto do U.S. Bureau of Labor Statistics.
Construa o seu currículo de analista de dados gratuitamente
Comece a partir de um modelo pronto para recrutadores e compatível com ATS, edite com pré-visualização em tempo real e exporte para PDF ou Word.
Ver o exemplo de carta de apresentaçãoLista primeiro SQL, uma ferramenta de BI (Tableau, Power BI ou Looker) e uma linguagem de programação como Python ou R, já que são as competências mais avaliadas. Acrescenta Excel, estatística e testes A/B, limpeza de dados/ETL e storytelling com dados. Faz corresponder as ferramentas exatas nomeadas no anúncio para passar os filtros de palavras-chave do ATS.
Começa com 2 a 4 projetos reais que mostrem análise de ponta a ponta: uma consulta SQL, um conjunto de dados limpo, um dashboard e uma recomendação clara. Quantifica resultados mesmo em projetos pessoais ou de formação académica, inclui uma ligação para portefólio ou GitHub, lista as tuas ferramentas em destaque e realça quaisquer estágios, investigação ou disciplinas com forte componente de dados.
Mantém-no numa página se tiveres menos de dez anos de experiência, o que cobre a maioria dos Analistas de Dados. Usa uma segunda página apenas para trabalho sénior ou especializado extenso, em que cada linha acrescenta valor. Os recrutadores percorrem rapidamente, por isso prioriza pontos quantificados e relevantes em vez de exaustividade.
Um currículo de Analista de Dados enfatiza SQL, dashboards de BI, reporting e análise descritiva que fundamenta decisões. Um currículo de Cientista de Dados enfatiza machine learning, modelação estatística, bibliotecas de Python/ML e sistemas preditivos colocados em produção. Adapta cada um colocando em primeiro plano as ferramentas correspondentes e o tipo de impacto que essa função realmente entrega.
Liga cada análise a uma métrica de negócio que ela moveu: receita acrescentada ou protegida, churn ou custo reduzido, horas poupadas através de automação, ou decisões possibilitadas. Usa percentagens, valores monetários ou tempo poupado, por exemplo 'automatizei o reporting, poupando 12 horas por semana' ou 'teste A/B aumentou a conversão em 9%'.
Tip: before you apply, run your draft through our free ATS resume checker and read the resume writing guide.