analista de dados junior: como entrar no mercado no brasil

Procurar “analista de dados junior” no Brasil rende duas surpresas. A boa: tem muita vaga. Dados virou a porta de entrada mais comum do mercado tech brasileiro, mais do que cientista de dados ou engenheiro de ML. A ruim: o título é bagunçado. Uma empresa publica “analista de dados junior” e pede SQL, Power BI, Python, estatística, storytelling e “familiaridade com machine learning”. Outra publica o mesmo título e quer só Excel avançado e dashboard no Looker Studio. Você termina a busca sem saber direito o que estudar primeiro.

Respira. Isso não é falta de padrão por descuido, é o mercado de dados real no Brasil — e ele é mais acessível do que parece.

O cargo de analista de dados não exige mestrado, não exige PhD e não exige decorar fórmula. Ele exige uma combinação rara entre técnica (SQL, BI, Python básico) e leitura de negócio. Quem entende isso para de perseguir o curso perfeito e começa a mirar nas vagas que existem de verdade. Este texto separa o que é mito do que é oportunidade concreta, sem pedir que você vire cientista antes da primeira vaga. Para enxergar o mercado real, abra a lista de vagas tech no Brasil e filtre por dados: leia o corpo da vaga, não só o título.

primeiro: o que “analista de dados junior” faz de verdade

Analista de dados é o cargo que transforma dado em decisão. No dia a dia, isso significa:

• responder perguntas de negócio com consulta (SQL ou planilha);
• construir relatório e dashboard que gente de negócio entende;
• limpar e organizar dado bagunçado que veio de sistema legado;
• explicar o número em reunião, sem jogar gráfico na parede e sair.

É, na prática, uma ponte entre o dado bruto e a decisão. Por isso o cargo premia quem comunica bem tanto quanto quem sabe SQL. Quem só quer escrever query e ir embora costuma travar em sênior técnico; quem entende o porquê do número cresce rápido.

Para parar de confundir cargos, vale a diferença rápida:

• Analista de dados responde “o que aconteceu e por quê”. Stack: SQL, BI, planilha, Python básico.
• Cientista de dados responde “o que vai acontecer e com qual incerteza”. Stack: modelagem, estatística, ML. É o caminho que o guia de machine learning para junior destrincha.
• Engenheiro de dados cuida do encanamento: pipeline, ETL, banco, infra. É mais software do que análise.

Analista de dados é a porta mais larga das três. Cabe junior de verdade nela. As outras duas costumam cobrar mais base antes da primeira vaga.

a stack que aparece em quase toda vaga

Abra dez anúncios de analista de dados junior no Brasil e você vai ver um padrão. Não são dez ferramentas diferentes; é o mesmo conjunto, com pequena variação.

SQL. É a skill que mais aparece e a que mais derruba candidato. Toda vaga pede. Não precisa virar DBA, mas precisa fazer JOIN, GROUP BY, window function e subconsulta sem travar.

Ferramenta de BI. Power BI domina no Brasil corporativo (bancos, varejo, consultoria). Looker Studio e Metabase aparecem em startup. Tableau, em multinacional. Escolha um e aprenda a montar dashboard que responde pergunta, não dashboard de enfeite.

Python (ou R). Para análise repetida, automação de relatório e manipulação de tabela com pandas. Não precisa ser dev Python; precisa resolver problema com script.

Excel avançado. Sim, ainda. PROCV, tabela dinâmica, gráfico. Em muita empresa brasileira, o analista de dados vive parte do dia no Excel. Ignorar isso é tropeçar em vaga real.

Estatística na intuição. Média, mediana, variância, correlação, amostra, viés. Não precisa decorar fórmula; precisa saber quando a média mente.

O que costuma não aparecer na vaga de analista junior: deep learning, Spark em cluster, Kubernetes, mestrado. Se a vaga de “analista de dados junior” pede tudo isso, não é junior de verdade; pule.

o que estudar (e a ordem que importa)

A armadilha clássica é acumular curso de BI sem nunca responder pergunta de negócio. Quem estuda Power BI por meses sem projeto termina com certificado e sem história. Estude com intenção, na ordem certa.

1. SQL primeiro, sempre. Antes de BI, antes de Python. SQL é o que separa quem avança na triagem de quem é cortado. Treine com dataset público, faça consulta todo dia por duas semanas e você já está à frente da maioria.

2. Uma ferramenta de BI. Power BI se você mira corporativo brasileiro; Looker Studio se mira startup. Aprenda a montar dashboard que começa por uma pergunta de negócio (“qual canal traz cliente que fica?”), não por gráfico bonito.

3. Python para dados. pandas para ler e limpar tabela, matplotlib ou seaborn para gráfico, automação de relatório mensal. O guia de portfólio de dados para junior aprofunda o roteiro de dataset, README e entrega.

4. Estatística e storytelling. Aprenda a contar a história do número: o que ele mostra, o que ele esconde e qual decisão ele sugere. É a skill que difere analista de operador de dashboard.

5. Excel avançado. Bloco rápido: tabela dinâmica, PROCV/PROCX, gráfico. Um fim de semana resolve.

O que deixar pra depois: framework de deep learning, modelagem estatística avançada, engenharia de pipeline em grande escala. Nada disso abre a primeira vaga de analista de dados mais rápido. Se você quiser subir para modelagem depois, o caminho está no guia de machine learning para junior.

portfólio que funciona (e o que quebra a credibilidade)

Recrutador e pessoa técnica de dados olham três coisas no seu portfólio: pergunta, dado real e conclusão honesta. Se falta um dos três, o projeto parece exercício de curso.

Receita para 3 projetos:

1. Um dashboard que responde pergunta de negócio. Dataset público (CNES, dados.gov.br, Kaggle), pergunta clara (“onde faltam leitos de UTI?”), visualização limpa e conclusão em uma linha no topo. Ferramenta: Power BI ou Looker Studio.
2. Uma análise exploratória com insight. Notebook Python com pandas, dado real, três gráficos que contam uma história e um parágrafo de conclusão que alguém de negócio entende. Mostre o que você descobriu, não o que você plotou.
3. Uma automação de relatório. Script que pega dado bagunçado (CSV, API pública), limpa, gera relatório e salva. É a entrega que mais parece trabalho real de analista — e é a que menos gente faz.

O que quebra credibilidade: dashboard sem pergunta, só com gráfico colorido; notebook do curso refeito igual ao de todo mundo; “analisar dataset do Titanic” pela milésima vez; análise que termina em “os dados mostram que os dados existem”. O guia de portfólio de dados para junior aprofunda README, dataset e deploy.

onde achar vaga real (e como ler o título)

Abra o eu.dev.br e filtre por dados, analytics e BI. Empresas brasileiras que costumam ter pipeline de junior em dados: bancos (Itaú, Bradesco, Nubank, Inter, BTG), varejo (Magalu, B2W, Via), consultoria e integradora (Stefanini, CI&T, Accenture, IBM, Deloitte), saúde e seguradora, e startups de fintech e retail-tech. Quando aparecer vaga de “analista de dados junior”, leia o corpo. Se pede cinco anos e mestrado, não é junior de verdade; pule. Se pede SQL, Power BI e “familiaridade com Python”, é a sua porta.

Quem está montando rotina de candidatura deve ler o guia de rotina semanal de fontes para vaga junior e o de como filtrar vaga remota junior. Para não confundir vaga real com rótulo inflado, cruze com vaga fake junior: como identificar.

entrevista e teste em dados

O teste técnico de analista de dados costuma ter três formatos: SQL ao vivo, case de negócio com dataset e take-home de dashboard ou relatório. O erro mais comum é tentar responder tudo com modelo complexo e entregar pela metade. O acerto é consulta simples, conclusão clara e limite honesto.

• Para o live de SQL e estatística, leia entrevista técnica junior.
• Para o case de dataset e dashboard, leia teste técnico para junior — o conselho de limitar escopo vale dobrado aqui.
• Depois do teste, o debrief de teste técnico junior ajuda a transformar resultado em ajuste.

salário: o que esperar na entrada

Faixa de entrada de analista de dados junior varia bastante por região, contrato (CLT vs PJ) e porte da empresa. Em geral, é uma das portas de entrada mais acessíveis do mercado tech brasileiro, com faixa de início modesta que sobe rápido quando você domina SQL e vira a pessoa do dado do time. Os números mudam rápido e dependem de negociação — por isso o melhor movimento é ler salário junior no Brasil para o contexto de contrato e região, e pretensão salarial para vaga junior antes de responder a pergunta de faixa. Não existe número mágico; existe faixa com contexto.

se você vem de outra área

Quem vem de economia, administração, engenharia, contabilidade, biologia ou saúde leva vantagem real em dados: já pensou em indicador, planilha e decisão. Muita gente entra em analista de dados vinda dessas áreas sem curso tech formal. O guia de transição de carreira para tech mostra como transformar esse histórico em evidência em vez de desculpa. O guia de escolher stack para a primeira vaga ajuda a decidir se dados é mesmo o seu caminho ou se outra porta combina mais.

o resumo prático

• Entenda o cargo: analista de dados responde “o que aconteceu e por quê”, com SQL, BI e storytelling.
• Estude na ordem: SQL primeiro, depois BI, depois Python, depois estatística.
• Faça 3 projetos com pergunta, dado real e conclusão honesta.
• Leia o corpo da vaga, não só o título.
• Não perca tempo tentando virar cientista de dados antes da primeira vaga de analista.

Analista de dados não é cargo para quem tem doutorado. É a porta mais larga do mercado de dados brasileiro, e nela cabe junior de verdade. A vaga existe em quantidade — e ela se chama quase sempre de “analista de dados junior”, mesmo quando a descrição assusta mais do que deveria.