Cognizant Data Scientist: palavras-chave de curriculo e entrevista

Você achou uma vaga de Data Scientist na Cognizant e não sabe o que colocar no currículo para passar pelo primeiro filtro. O problema é comum: a descrição é longa, cheia de termos técnicos, e você não consegue separar o que é essencial do que é enfeite. Esse texto resolve isso com exemplos concretos.

Entenda primeiro o que a empresa está pedindo#

A Cognant é uma consultoria de tecnologia. Isso muda tudo na hora de escrever seu currículo. Consultorias vendem pessoas para clientes, então elas precisam de alguém que entregue resultado rápido em contextos que você ainda não conhece.

Isso significa que seu currículo precisa mostrar duas coisas ao mesmo tempo: profundidade técnica e capacidade de se adaptar a negócios diferentes. Um perfil só acadêmico não basta. Um perfil só de código também não.

Não existe um processo interno fixo que dá para afirmar com certeza. As etapas variam por vaga, por país e pelo cliente final que vai receber o profissional. O que você pode fazer é se preparar para o que qualquer empresa desse porte pede.

Palavras-chave que importam no currículo#

Palavras-chave não são um truque mágico. Elas são a ponte entre o que você sabe fazer e o que a vaga lista. Quando o recrutador lê seu currículo em poucos segundos, essa ponte decide se ele continua lendo.

Use o texto da própria vaga como base. Leia a descrição com atenção e sublinhe as tecnologias, metodologias e responsabilidades que aparecem mais de uma vez. Depois, escreva seu currículo usando essas palavras de forma natural.

Um checklist prático para a primeira revisão:

• Liste as 10 palavras técnicas mais repetidas na descrição da vaga
• Marque quais delas você realmente tem experiência prática
• Coloque as que você domina no resumo do perfil, no topo
• Distribua as outras ao longo das experiências, sem repetir demais
• Retire termos genéricos como "dinâmico" ou "proativo" que não dizem nada
• Confira se os nomes de ferramentas estão escritos igual à vaga (Python, não "pythonista")

Um erro frequente é encher o currículo de palavras que você viu na vaga mas nunca usou. Isso aparece na entrevista técnica na hora. Se você listou Spark mas nunca rodou um job, não coloque.

Como escrever uma experiência que convence#

Currículo de data scientist não é lista de ferramentas. É lista de problemas resolvidos. O recrutador quer saber o que você fez, em que contexto, e qual foi o efeito disso.

Uma boa linha de experiência tem quatro pedaços: contexto, ação, ferramenta e resultado. Se faltar o resultado, o recrutador preenche o vazio com dúvida.

Um exemplo de como reescrever uma linha fraca. Antes: "Responsável por análise de dados e criação de modelos de machine learning". Depois: "Desenvolvi modelo de previsão de churn com XGBoost em Python, reduzindo em 18% as saídas de clientes em seis meses no time de retenção de uma operadora de telecom". O segundo dá contexto, ferramenta e efeito. O primeiro só dá cargo.

Se você não tem o número exato, use uma ordem de grandeza honesta. "Reduzi o tempo de processamento de relatórios de horas para minutos" já comunica impacto sem inventar precisão.

Adequando o currículo ao mercado brasileiro#

Aqui mora uma ressalva importante. Muitas vagas de Data Scientist na Cognizant são para times globais ou clientes fora do Brasil. Isso muda o idioma esperado do currículo e o formato.

Para vagas internacionais, o currículo costuma ser em inglês, com no máximo duas páginas, sem foto, sem estado civil, sem endereço completo. Para vagas locais, o formato brasileiro ainda é aceito, mas mantenha o foco em resultados.

Salários variam muito entre vaga sênior e pleno, entre cliente interno e cliente final, e entre regime CLT e contrato. Não existe uma tabela confiável que dê para citar aqui. Pesquise faixas recentes em fontes oficiais e em portais de vagas, e confirme com o recrutador na primeira conversa.

Preparação para a entrevista#

A entrevista de data scientist costuma ter três frentes: fundamentos estatísticos, código e raciocínio de negócio. Não adianta estudar só uma.

Para fundamentos, revise os conceitos que você já usou. Viés e variância, validação cruzada, vazamento de dados, métricas de classificação. Saiba explicar por que escolheu uma métrica em vez de outra. Essa pergunta aparece muito.

Para código, pratique em ambiente parecido com o que a vaga pede. Se a vaga menciona SQL, revise joins, funções de janela e agregações. Se menciona Python, revise pandas e scikit-learn com dados reais, não só tutoriais.

Para negócio, prepare a pergunta mais difícil: "e daí?". Seu modelo acertou 90%. E daí para o cliente? Esse raciocínio separa um técnico bom de um técnico que vira referência.

Um exemplo de resposta forte para "conte um projeto seu". Resposta: "Numa operadora de telecom, o time de retenção perdia clientes sem saber quais eram de alto valor. Eu construí um modelo de churn com XGBoost, usando dados de uso, chamadas ao suporte e histórico de pagamento. O modelo não era só preciso, ele ranqueava os clientes por valor. Isso mudou a prioridade das ações de retenção, que antes eram genéricas. O time passou a focar nos clientes que valiam a pena manter". Note que a resposta tem contexto, ação, ferramenta e impacto de negócio.

O que fazer uma semana antes#

A preparação de última hora não substitui estudo constante, mas dá para organizar bem os dias finais.

• Releia a descrição da vaga e marque pontos que você ainda não domina
• Prepare três histórias de projeto usando o formato contexto, ação, resultado
• Teste seu setup de vídeo, áudio e internet se a entrevista for remota
• Tenha perguntas prontas sobre o time, o cliente e o que a vaga espera nos primeiros meses
• Confira seu perfil no LinkedIn com o mesmo vocabulário do currículo

Erros que derrubam candidatos#

Alguns erros aparecem em quase todo processo seletivo. Vale saber quais são.

Currículo longo demais. Recrutadores leem rápido. Duas páginas bastam para a maioria dos perfis, mesmo sênior.

Listar ferramentas sem contexto. Saber pandas não é resultado. Saber pandas para resolver um problema específico é.

Não pesquisar a empresa. A Cognizant tem presença global e atende clientes de vários setores. Chegar sem saber o mínimo do que a empresa faz passa uma impressão ruim.

Prometer o que não sabe. Dizer "não sei, mas aprendo rápido" é melhor do que inventar uma resposta técnica. Recrutadores experientes percebem na hora.

Onde encontrar vagas e mais conteúdo#

Para acompanhar posições abertas de data scientist e áreas próximas, use a busca de vagas do jobrise. Vale checar também o blog do jobrise, que tem artigos sobre currículo e entrevista para diferentes áreas.

Se quiser testar se o seu currículo passa por sistemas de triagem automática, o jobrise tem uma ferramenta gratuita de verificação de ATS que aponta pontos de melhoria. E para entender melhor o que a vaga está pedindo antes de escrever o currículo, use o decodificador de descrições de vagas, que organiza os requisitos por prioridade.

Ferramentas grátis#

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

Perguntas frequentes#

Quais palavras-chave devo colocar no currículo para uma vaga de Data Scientist na Cognizant?

Use as palavras da própria descrição da vaga, não uma lista genérica. Foque em tecnologias que você realmente domina, como Python, SQL, machine learning e as ferramentas específicas mencionadas, e distribua esses termos de forma natural entre resumo e experiências.

Preciso ter currículo em inglês para essa vaga?

Depende da vaga e do cliente final. Muitas posições na Cognizant atendem times internacionais e pedem currículo em inglês. Confirme com o recrutador antes de enviar, e se for o caso, mantenha o formato sem foto e sem dados pessoais desnecessários.

Quanto tempo leva o processo seletivo da Cognizant?

Varia bastante conforme a vaga, o país e o cliente que vai receber o profissional. Não existe um prazo fixo que dê para afirmar. Pergunte o cronograma estimado logo na primeira conversa com o recrutador.

Preciso ter experiência com cloud para essa vaga?

Muitas vagas de data scientist pedem familiaridade com AWS, Azure ou GCP, mas nem todas exigem profundidade. Leia a descrição com atenção e, se você tem experiência básica, mencione de forma honesta. Se não tem, não invente.

O que a Cognizant costuma avaliar na entrevista técnica?

O foco típico é em fundamentos de estatística, capacidade de codar e raciocínio de negócio. Prepare para explicar suas escolhas técnicas, não só listar ferramentas. A pergunta "por que essa métrica" aparece com frequência.