Uma entrevista de analista de dados raramente é reprovada por uma sintaxe de JOIN faltando. Ela é reprovada quando você produz um número limpo mas não consegue explicar o que o negócio deve fazer com ele. Em 2026, os times de contratação pararam de premiar quem sabe escrever uma query e começaram a premiar quem consegue transformar uma pergunta bagunçada numa resposta defensável, que é exatamente onde a maioria dos candidatos vacila.
O que as entrevistas de analista de dados realmente avaliam em 2026
A régua mudou. Fluência em SQL agora é pressuposta, não celebrada, porque quase todo candidato passa numa triagem básica de query e as ferramentas de IA tornaram o boilerplate trivial. O que separa propostas de rejeições é julgamento: enquadrar um pedido ambíguo, escolher a métrica certa, perceber quando os dados estão mentindo para você e comunicar um achado para alguém que nunca abriu um banco de dados.
Na prática, os entrevistadores sondam quatro coisas. Primeiro, execução técnica (SQL, um pouco de Python ou R, profundidade em planilhas e uma ferramenta de BI como Tableau, Power BI ou Looker). Segundo, letramento estatístico, o que significa saber a diferença entre correlação e causalidade e quando um resultado é só ruído. Terceiro, senso de negócio, a capacidade de amarrar um número a receita, retenção ou custo. Quarto, comunicação, porque um insight em que ninguém age não vale nada. As rodadas mais difíceis misturam os quatro num único enunciado aberto e observam como você raciocina em voz alta.
O processo de entrevista: as rodadas de verdade
O formato varia com o tamanho da empresa, mas o processo moderno de analista de dados é bem previsível.
- Triagem com o recrutador (20 a 30 minutos). Logística, seu histórico, por que esse time. Espere uma ou duas perguntas técnicas leves ("o quanto você se sente confortável com SQL numa escala de um a dez?") que definem a dificuldade das rodadas seguintes. Não se venda demais aqui.
- Triagem técnica (45 a 60 minutos). Normalmente SQL ao vivo num editor compartilhado (HackerRank, CoderPad ou um dataset para levar para casa). Você também pode receber algumas perguntas de estatística ou sobre como limparia uma tabela específica. Algumas empresas incluem uma seção curta de Python ou pandas.
- Estudo de caso ou exercício de analytics. Ou um exercício para casa com um dataset real e prazo de dois a quatro dias, ou um case de produto ao vivo de 45 minutos. Essa é a rodada que decide a maioria dos processos. Você é avaliado pelo enquadramento, pelo método e pela clareza da sua recomendação, não só pela resposta.
- Rodada comportamental e de stakeholders. Um gestor da vaga ou parceiro de outra área checa se você aguenta um pedido vago, contesta uma métrica ruim e explica resultados para pessoas não técnicas.
- Rodada final ou de painel. Muitas vezes uma apresentação do seu exercício para casa, ou uma mistura das anteriores com a liderança sênior. Cultura e comunicação pesam bastante aqui.
As perguntas
SQL e execução técnica
Escreva uma query para encontrar o segundo maior salário de uma tabela.
Um aquecimento clássico. Mostre que você conhece mais de uma abordagem: uma subquery com MAX, ou uma window function usando DENSE_RANK(). Cite como você trataria empates e nulos, porque é essa distinção que eles estão realmente testando.
Como você encontraria linhas duplicadas numa tabela, e como as removeria?
Percorra o GROUP BY com HAVING COUNT(*) > 1 para encontrá-las, depois explique uma exclusão segura usando um CTE com ROW_NUMBER(). Deixe claro que você confirmaria com os stakeholders antes de apagar qualquer coisa em produção.
Explique a diferença entre um LEFT JOIN e um INNER JOIN, e quando um JOIN pode inflar silenciosamente a sua contagem de linhas. Defina os dois rapidamente, depois vá para a armadilha real: fazer join numa chave não única causa um fan-out que multiplica linhas e quebra em silêncio todo agregado a jusante. Dizer que você confere a contagem de linhas antes e depois de um join sinaliza experiência.
Qual é a diferença entre WHERE e HAVING?
WHERE filtra linhas antes da agregação, HAVING filtra grupos depois. Um complemento elegante é citar que filtrar cedo no WHERE costuma ser mais barato do que filtrar tarde.
Você precisa de um total acumulado de receita por dia. Como você escreve isso?
Parta para uma window function: SUM(revenue) OVER (ORDER BY date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW). Demonstrar conforto com window frames separa candidatos pleno dos juniores.
Em Python ou pandas, como você trataria valores faltantes num dataset? Não diga só "eu removeria". Passe primeiro pelo diagnóstico (quanto está faltando, é aleatório ou sistemático) e depois pelas opções: remover, imputar com média ou mediana, forward-fill para séries temporais, ou marcar com uma coluna indicadora. O julgamento é o ponto.
Estatística e raciocínio analítico
Qual é a diferença entre correlação e causalidade, e como você explicaria isso para um gerente de produto? Dê uma definição precisa e depois um exemplo concreto (vendas de sorvete e afogamentos sobem juntos no verão). O entrevistador quer ver você traduzir, não dar aula.
Um p-valor de 0,04 saiu num teste A/B. O que isso significa de fato, e o que você checaria antes de subir a mudança? Defina corretamente (a probabilidade de ver um resultado tão extremo se a hipótese nula fosse verdadeira) e resista à armadilha de tratar 0,05 como palavra sagrada. Cite tamanho da amostra, duração do teste, o problema das comparações múltiplas e significância prática versus estatística.
Como você detectaria e trataria outliers? Cubra a detecção (método do IQR, z-scores, inspeção visual com um box plot) e depois a metade mais difícil: decidir se um outlier é um erro de dado a corrigir ou um sinal real a investigar. Remover sinal real é erro de novato.
Explique o que um intervalo de confiança te diz. Muitos candidatos erram isso. Um intervalo de confiança de 95% significa que, se você repetisse a amostragem muitas vezes, 95% dos intervalos conteriam o parâmetro verdadeiro. Acerte o enquadramento e você se destaca na hora.
Estudos de caso e senso de negócio
Os usuários ativos diários caíram 8% semana contra semana. Como você investiga? Estrutura vence velocidade. Confirme que o dado é real (não um bug de logging), depois segmente por plataforma, geografia, usuários novos versus recorrentes e canal de aquisição. Formule uma hipótese, teste e diga o que recomendaria. Pensar em voz alta é o exercício inteiro.
Um stakeholder pede "um dashboard de tudo". Como você responde? A resposta certa reduz o escopo. Pergunte que decisão o dashboard sustenta, quem é o público e que ação um número dispararia. Mostrar que você contesta pedidos vagos é exatamente o que eles querem ver.
Como você mediria o sucesso do lançamento de um recurso novo? Defina uma métrica primária ligada ao objetivo do recurso e depois métricas de guarda para pegar danos não intencionais (o engajamento num recurso está canibalizando outro?). Cite uma linha de base e uma janela de tempo. Nomear uma única métrica norte mostra maturidade.
Nosso churn de clientes está subindo. Que dados você puxaria e o que olharia primeiro? Defina churn com precisão primeiro (churn é ambíguo, então crave a definição). Depois segmente por coorte, tempo de casa, plano e uso, e procure os indicadores antecedentes que precedem o churn em vez de só descrever quem já saiu.
Comunicação e comportamento
Me conte sobre uma vez em que você encontrou um insight que mudou uma decisão. Use um formato estruturado: a pergunta, seu método, o achado e a ação que ele gerou. A ação e o impacto mensurável são o que marcam ponto, então conduza a história até eles.
Descreva uma vez em que sua análise estava errada ou seus dados estavam falhos. O que aconteceu? Eles estão testando honestidade e rigor. Escolha um exemplo real, assuma o erro e explique a proteção que você criou depois (uma checagem de validação, uma etapa de revisão por pares). Ficar na defensiva aqui é sinal de alerta para os entrevistadores.
Erros comuns que afundam candidatos a analista de dados
- Ir direto para o SQL num estudo de caso. Os entrevistadores querem ouvir seu enquadramento primeiro. Silêncio enquanto você digita soa como chute.
- Tratar significância estatística como significância de negócio. Um ganho de 0,1% pode ser estatisticamente significativo e comercialmente inútil. Sempre volte ao impacto.
- Complicar demais a resposta. Partir para um modelo de regressão quando uma média simples segmentada responde a pergunta sinaliza julgamento ruim, não sofisticação.
- Ignorar a qualidade dos dados. Não perguntar "posso confiar nesses dados?" antes de analisar é o motivo mais comum de candidatos tecnicamente fortes perderem as rodadas de case.
- Recitar definições sem traduzir. Se você não consegue explicar um p-valor para um stakeholder não técnico, a definição do livro não te salva.
- Decorar respostas em vez de raciocinar. Os processos são desenhados para jogar uma pergunta de acompanhamento no instante em que você soa ensaiado.
Como se preparar (e onde um copiloto ao vivo ajuda)
Monte um plano focado de quatro semanas. Passe a primeira semana treinando SQL até que window functions, CTEs e joins entre várias tabelas saiam no automático; use uma plataforma com datasets reais em vez de quebra-cabeças de brinquedo. Na segunda semana, recicle estatística aplicada com ênfase em testes A/B, amostragem e no vocabulário para explicar os dois. Na terceira semana, faça estudos de caso cronometrados em voz alta, de preferência com alguém fazendo o papel do stakeholder que te interrompe. Na quarta semana, lapide suas histórias com uma estrutura clara e ensaie apresentar um exercício para casa como se fosse para uma plateia cética.
Entrevistas simuladas valem mais do que leitura passiva, porque o teste real é raciocinar sob pressão com alguém te observando. É aí também que um copiloto ao vivo se justifica. O GhostPilot AI escuta a sua entrevista em tempo real e mostra sugestões quase instantâneas no painel lateral do Chrome: um lembrete da sintaxe ideal de window function no meio da query, um enquadramento estruturado para um enunciado de case quando a sua cabeça dá branco, ou a definição estatística exata que você lembra pela metade. Como roda no painel lateral, ele não faz parte da captura de uma aba compartilhada, e o app opcional para Windows é invisível à captura de tela no Windows 10 (build 2004 ou posterior) e no Windows 11. Ele apoia o seu raciocínio; não substitui a sua preparação. Você pode ler mais em ghostpilotai.com.
FAQ
Que SQL eu preciso saber para uma entrevista de analista de dados em 2026?
Joins (todos os tipos), agregações com GROUP BY e HAVING, subqueries, CTEs e window functions (ROW_NUMBER, RANK, SUM OVER). Window functions são a linha divisória mais comum entre propostas de nível júnior e pleno.
Como me preparo para uma entrevista de analista de dados de nível inicial sem experiência? Monte dois ou três projetos de portfólio com datasets públicos, escreva a pergunta e a recomendação de cada um e treine explicá-los em voz alta. Os entrevistadores aceitam trabalho de projeto no lugar de histórico profissional se você souber defender seu método.
Entrevistas de analista de dados exigem Python? Depende do time. Muitas vagas rodam inteiramente em SQL e numa ferramenta de BI, enquanto times de produto com muitos dados esperam pandas. Leia a descrição da vaga: se Python está listado, espere uma seção curta de código, normalmente limpeza ou agregação de dados.
Quanto tempo leva o processo de entrevista de analista de dados? Normalmente de duas a quatro semanas ao longo de três a cinco rodadas. Estudos de caso para levar para casa costumam ser o que mais estica o calendário, então confirme os prazos cedo e proteja esse bloco na sua agenda.
Qual é a habilidade mais importante que eles estão testando? Julgamento. Você consegue pegar uma pergunta ambígua, escolher um método sensato, checar a sanidade dos dados e entregar uma resposta em que quem decide consiga agir? Habilidade técnica te coloca na sala; julgamento te dá a proposta.
Experimente o GhostPilot AI
O GhostPilot AI é um copiloto de entrevista em tempo real feito para os momentos em que uma pergunta cai e você precisa da estrutura ou da sintaxe certa na hora. Comece no plano gratuito, com sessões ao vivo de 10 minutos e respostas de IA ilimitadas; quando estiver no meio de um processo, o Session Pass sai por $29 para três entrevistas completas de duas horas (pagamento único, sem assinatura), ou vá de Pro por $59/mês ou $192/ano ($16/mês na cobrança anual). Treine pesado e depois entre na entrevista sabendo que tem retaguarda.