Em dados, o recrutador filtra ferramentas com nome exato: SQL, Power BI, Airflow, Scikit-learn. A regra é chegar a 50 competências bem escolhidas, com as 15 prioritárias no topo e 3 em destaque. Abaixo: a lista em ordem, quais fixar por cargo e os erros que mais derrubam o perfil.
Como o recrutador filtra competências de dados?
Quem recruta analista ou cientista de dados no LinkedIn digita o cargo e depois uma ferramenta. O filtro lê a seção de competências, não o Sobre nem a descrição das experiências. Por isso a ferramenta que você usa todo dia precisa estar cadastrada, com o nome que a vaga usa.
O nome importa. “PBI”, “BQ” e “IA” são abreviações que o filtro pode não reconhecer. Cadastre o nome completo e deixe a sigla no Sobre, para quem lê o texto.
Quais são as 15 competências prioritárias, em ordem?
São as que aparecem em vagas de analista, BI, engenharia e ciência. Coloque estas primeiro, na ordem em que aparecem abaixo, e confira se cada uma está no seu uso diário.
- SQL
- Python
- Excel avançado
- Power BI
- Análise de dados
- Estatística
- Visualização de dados
- ETL
- Modelagem de dados
- Data warehouse
- Machine learning
- Google BigQuery
- Pandas
- Git
- Tableau
Quais 35 completam as 50 competências?
Depois das 15 prioritárias, entram as complementares. Elas servem para ampliar o alcance do filtro, mas só valem se você consegue sustentar cada uma numa conversa técnica.
- Apache Airflow
- dbt
- Apache Spark
- Snowflake
- Databricks
- PostgreSQL
- MySQL
- MongoDB
- R
- Scikit-learn
- Deep learning
- Séries temporais
- Teste A/B
- Processamento de linguagem natural
- Previsão de demanda
- Mineração de dados
- Governança de dados
- Qualidade de dados
- LGPD
- Power Query
- DAX
- Looker Studio
- Looker
- Qlik Sense
- Google Analytics
- Kafka
- Docker
- AWS
- Azure
- Linux
- Business Intelligence (BI)
- Dashboards executivos
- Storytelling com dados
- Inglês técnico
- Metodologias ágeis
Como agrupar as competências de dados?
Agrupar ajuda a enxergar se a lista tem um eixo. Uma lista só de linguagens soa como estudante; uma lista com análise, armazenamento e modelo mostra um profissional que atravessa a cadeia do dado.
| Grupo | Exemplos | Por que entra |
|---|---|---|
| Base que quase toda vaga pede | SQL, Python, Excel avançado, Estatística | Cruzam analista, BI, engenharia e ciência. Abrem a lista porque aparecem em quase toda vaga da área. |
| Ferramentas de painel e análise | Power BI, Tableau, Visualização de dados, Pandas | Dizem como você entrega o dado para quem decide. Um analista sem painel publicado parece incompleto no filtro. |
| Engenharia e armazenamento | ETL, Data warehouse, Google BigQuery, Git | Mostram que você mexe com a carga e o modelo de dados, e não só com o resultado final. |
| Modelos e experimentos | Machine learning, Teste A/B, Séries temporais | São o filtro de ciência de dados. Se você não modela, não coloque; se modela, cadastre o que de fato rodou em produção. |
Quais 3 competências fixar em destaque, por cargo?
O destaque é a vitrine do perfil, e o cargo muda a escolha. A regra é a mesma para todos: três competências que a vaga-alvo pede e que você sustenta sem consultar a documentação.
| Cargo | Destaques | Motivo |
|---|---|---|
| Analista de dados | SQL, Power BI, Excel avançado | Consulta, painel e a planilha que ainda aparece em toda empresa. É o que a vaga de entrada costuma pedir primeiro. |
| Analista de BI | Power BI, DAX, Modelagem de dados | Painel, medida calculada e modelo. A diferença para o analista de dados está no modelo que sustenta o painel. |
| Engenheiro de dados | Python, SQL, Apache Airflow | Linguagem, consulta e orquestração de pipeline. Se a vaga usa Spark ou Databricks, troque um destaque por ele. |
| Cientista de dados | Python, Machine learning, Estatística | Linguagem, modelo e a base matemática que a entrevista testa. Scikit-learn e deep learning entram logo abaixo. |
Para ver como esses destaques se encaixam na headline, o perfil do LinkedIn para analista de dados e o perfil para cientista de dados mostram o modelo completo. Quem trabalha com painel gerencial encontra o caso de BI no perfil para analista de BI. A regra geral das 50 está em por que 50 e quais fixar.
Quais erros mais derrubam as competências de dados?
- Lista de 100 itens: o recrutador não sabe qual é a sua área. Corte até chegar a 50 que você sustenta.
- Ferramenta de curso como destaque: se você não usa Spark no trabalho, ele não sobe para o topo.
- Nome em sigla: o filtro lê o nome completo. Use Power BI, não PBI.
- Competência sem experiência: se ela não aparece em nenhuma experiência nem em projeto, a entrevista vai cobrar.
Quando trocar uma competência da lista?
A lista não é um arquivo fixo. Ela muda quando a sua função muda. Uma ferramenta que você usava todo dia no ano passado e não toca há oito meses deve sair do topo; uma que entrou no seu trabalho recente deve subir. Revise a seção a cada troca de cargo ou quando a vaga-alvo começar a pedir algo novo.
Vale também olhar as vagas que você salvou. Se três delas pedem a mesma ferramenta e você não a cadastrou, ela merece entrar nas complementares, desde que você consiga provar o uso. A ordem da lista deve seguir o que a vaga pede, não a ordem em que você aprendeu.
Checklist de competências de dados
- Cadastrei até 50 competências, sem repetir o mesmo nome em outra grafia.
- As 15 primeiras são as que a vaga-alvo pede e que eu uso no trabalho.
- Três estão em destaque e combinam com a headline.
- Cada competência aparece em pelo menos uma experiência ou projeto.
- Pedi validação de colegas para as cinco ou seis principais.
Como o pacote organiza as competências de dados?
O pacote AjustaLinkedIn, por R$ 9,90 em pagamento único, entrega 50 competências em ordem: 15 prioritárias no topo e 3 em destaque, com a escolha ajustada ao cargo que você informa. A análise grátis mede hoje a sua seção de competências e mostra quantas estão cadastradas. Se o currículo também precisa passar pelo filtro da vaga, a análise ATS do AjustaCV fica em ajustacv.com/ats.
Perguntas frequentes
Quantas competências de dados devo cadastrar no LinkedIn?
O LinkedIn aceita até 100, segundo a Central de Ajuda. A recomendação da casa é chegar a 50 bem escolhidas, com as 15 prioritárias no topo e 3 em destaque. Em dados a tentação é listar cada biblioteca que já instalou; o recrutador filtra pelo que a vaga pede, e uma lista de 100 itens não mostra a sua área.
Preciso cadastrar todas as linguagens que já estudei?
Não. Cadastre as que você usa no trabalho ou consegue sustentar numa entrevista técnica. Um curso de Scala feito no fim de semana vira uma pergunta que você não consegue responder, e isso pesa mais que a ausência do nome na lista.
Certificação de nuvem ou de ferramenta conta como competência?
Conta como certificação, na seção própria, e a competência cadastrada (Google Cloud, AWS, Power BI) é o que aparece no filtro. Use os dois: a certificação mostra o estudo, a competência é o que o recrutador busca. Confira no seu perfil como a seção de certificações aparece, porque o layout muda.
Os testes de competência do LinkedIn ainda servem para dados?
Não. Os Skill Assessments foram descontinuados e os selos saíram dos perfis. Não vale gastar tempo com eles. Peça validação de colegas para as cinco ou seis competências principais, depois de cadastrar a lista completa.
Machine learning e IA generativa entram na lista de quem é analista?
Entram se você usa no trabalho, e ficam depois das centrais do seu cargo. Um analista que usa modelos de linguagem para classificar comentários de clientes tem uma competência real. Se a IA é só curiosidade, deixe de fora: a entrevista técnica vai testar.
Quer seu perfil LinkedIn escrito pro cargo que você quer?
O AjustaLinkedIn devolve headline, Sobre, experiências e competências prontos pra colar, com sua nota antes e depois.
AJUSTAR MEU LINKEDIN — R$9,90