Airbnb Data Scientist: palavras-chave de curriculo e entrevista

Você quer concorrer a uma vaga de Data Scientist na Airbnb e não sabe quais palavras-chave colocar no currículo. A verdade é que a descrição da vaga já diz quais termos o recrutador procura. O problema é que a maioria das pessoas ignora essa descrição e manda um currículo genérico.

A Airbnb é uma empresa dos Estados Unidos, com contratações concentradas em São Francisco, mas com vagas remotas em alguns países. Para o Brasil, essas vagas são raras e muito disputadas. A maior parte das empresas que contratam aqui para trabalhar com dados são fintechs, varejo, saúde digital e consultorias.

Como ler a descrição da vaga antes de escrever#

Abra a vaga e separe as palavras que aparecem mais. Se a descrição menciona SQL, experimentação, causal inference e produto, essas são suas palavras-chave principais. Não invente experiência que você não tem, mas use o vocabulário da vaga quando ele for verdadeiro para você.

Use o decodificador de vagas para extrair essas palavras-chave automaticamente. Ele ajuda a separar o que é requisito real do que é texto decorativo da descrição. Depois, ajuste seu currículo linha por linha.

O que colocar no currículo de Data Scientist#

Recrutadores de empresa grande recebem centenas de currículos por vaga. Eles leem os primeiros segundos procurando três coisas: ferramenta, resultado e escopo. Se seu currículo não mostra essas três coisas nas primeiras linhas, ele provavelmente não passa.

Exemplo de bullet reescrito

Antes: "Trabalhei com dados de vendas e fiz relatórios para a equipe de produto."

Depois: "Criei modelos de previsão de demanda em Python e SQL para dados de vendas, reduzindo o erro de previsão em 15% e orientando decisões semanais do time de produto."

A diferença é concreto. Ferramenta (Python, SQL), resultado (erro menor 15%) e escopo (decisões semanais do time de produto). Se você não tem um número exato, use uma escala honesta: "para 3 times", "mais de 2 milhões de linhas", "semanalmente durante 8 meses".

Palavras-chave que valem para essa vaga#

O vocabulário de Data Scientist em empresa de produto costuma girar em torno de alguns eixos. Ajuste conforme a vaga que você está mirando.

• SQL e modelagem de dados
• Python ou R, com bibliotecas de análise e machine learning
• Experimentação: testes A/B, design de experimentos, métricas de guarda
• Causal inference, quando a vaga pedir
• Comunicação com stakeholders não técnicos
• Versionamento de código, Git
• Orquestração de pipelines, ferramentas como Airflow
• Visualização de dados, Tableau ou Looker

Não coloque tudo no currículo só para parecer completo. Coloque o que você consegue defender na entrevista. Cada palavra-chave que você escrever é um convite para uma pergunta técnica.

Como se preparar para as entrevistas#

A entrevista de Data Scientist normalmente tem etapas técnicas e uma conversa sobre produto. Não dá para afirmar como é o processo interno da Airbnb, porque ele muda e não é público. Mas dá para se preparar para os tipos de pergunta que aparecem nesse tipo de vaga.

A etapa de estatística e probabilidade é onde muita gente tropeça. Revise inferência, intervalos de confiança, teste de hipótese e o básico de séries temporais. Pratique explicar resultado para alguém que não é estatístico.

Exemplo de resposta sobre experimentação

Pergunta: "Como você avaliaria se um novo recurso no app aumentou a retenção?"

Resposta: "Primeiro definiria a métrica principal, retenção em 30 dias, e uma métrica de guarda, como tempo de sessão, para não prejudicar outra parte do produto. Montaria um teste A/B com grupos aleatorizados, calculando o tamanho de amostra antes de rodar. Depois analisaria o resultado com intervalo de confiança, e se a diferença fosse estatisticamente significativa, apresentaria o efeito em termos de negócio para o time de produto decidir."

Essa resposta funciona porque mostra método, cuidado com métrica de guarda e tradução para negócio. Não é preciso citar técnica exótica. É preciso mostrar raciocínio.

Currículo para vaga internacional: cuidados#

Currículo para empresa dos Estados Unidos tem formato diferente do modelo brasileiro. Não coloque foto, idade, estado civil ou endereço completo. Esses dados não fazem parte do processo e podem até atrapalhar.

Use uma página se você tem até 10 anos de experiência. Duas páginas se você tem mais que isso. Escreva em inglês se a vaga estiver em inglês, e peça para alguém revisar. Erro de português em currículo passa despercebido, erro de inglês em vaga em inglês não.

Como validar seu currículo antes de enviar#

Antes de mandar seu currículo, teste se ele passa em sistema de rastreamento de candidato. Muitas empresas usam esse tipo de sistema para filtrar currículos antes que um humano leia. Um currículo com colunas, tabelas ou gráficos costuma ser lido de forma estranha por esses sistemas.

Use o verificador de currículo gratuito para testar o seu. Ele mostra se o formato está legível para sistemas de rastreamento e se as palavras-chave principais estão presentes.

Checklist antes de enviar:

• Currículo em formato simples, sem tabelas nem colunas
• Palavras-chave da descrição da vaga aparecem no texto
• Cada bullet tem ferramenta, resultado e escopo
• Sem foto, idade ou dados pessoais desnecessários
• LinkedIn atualizado e igual ao currículo
• Texto revisado por outra pessoa

O mercado brasileiro para esse perfil#

Vale ser honesto sobre o cenário. Vagas de Data Scientist em empresa estrangeira, contratando do Brasil, existem mas são poucas. A maioria dos profissionais de dados no Brasil trabalha para empresa nacional ou consultoria. Se você quer trabalhar remoto para fora, prepare-se para um processo mais longo e mais concorrido.

Salários variam bastante. Para posições remotas de empresa estrangeira contratando do Brasil, os valores relatados ficam em faixas amplas, dependendo de senioridade, empresa e tipo de contrato. Confira sempre a fonte oficial da vaga e sites de comparação atualizados, porque esses números mudam com frequência.

Para explorar vagas abertas agora, use o buscador de vagas e filtre por área de dados e modalidade remota. Verifique os requisitos de cada vaga na fonte oficial antes de se candidatar.

Erros comuns que derrubam candidatos#

O erro mais frequente é mandar o mesmo currículo para todas as vagas. Recrutador percebe isso em segundos. Outro erro é escrever "experiência com machine learning" sem dizer qual modelo, para qual problema e com qual resultado.

Erro grave também é exagerar. Se você escreveu que sabe Spark e na entrevista não sabe explicar quando usar, você perdeu a vaga e a reputação. Prefira escrever menos e defender tudo que estiver escrito.

Ferramentas grátis#

• jobrise.io/pt/free-ats-checker/
• jobrise.io/pt/free-jd-decoder/
• jobrise.io/pt/jobs/
• jobrise.io/pt/blog/

Perguntas frequentes#

Preciso ter doutorado para ser Data Scientist na Airbnb?

Não necessariamente. Muitos profissionais de dados em empresas de produto têm mestrado ou graduação com experiência forte em projetos. O que pesa mais é a capacidade de resolver problemas de produto com dados, e isso se mostra no currículo e na entrevista, não só no diploma.

Meu currículo deve estar em inglês ou português?

Se a vaga está escrita em inglês, envie em inglês. Se você está se candidatando por empresa brasileira ou vaga em português, use português. Ter as duas versões prontas é o mais prático.

Quanto tempo leva para se preparar para essas entrevistas?

Depende do seu ponto de partida. Para alguém que já trabalha com dados, de 4 a 8 semanas de preparo focado costuma ser suficiente para revisar estatística, SQL e casos de produto. Se você está mudando de área, o tempo é maior.

A Airbnb contrata remoto do Brasil?

Algumas empresas de tecnologia contratam remoto de outros países, mas isso varia muito por vaga e por momento. Verifique sempre a descrição oficial da posição e as condições de contrato, porque a política de trabalho remoto muda com frequência.

O que fazer se eu não tiver experiência com experimentação?

Comece estudando testes A/B e pratique com dados públicos ou projetos próprios. Na entrevista, seja honesto sobre o que você já fez e mostre que entende o método. Experiência acadêmica ou projeto pessoal conta, desde que você consiga explicar a decisão estatística.