Data Analyst Vagas São Paulo 2026: SQL, Tableau

Você abre o LinkedIn, filtra “Data Analyst São Paulo”, e parece que todo mundo pede SQL avançado, Tableau, Python, inglês, stakeholder, dashboard, negócio, estatística e ainda “perfil mão na massa”. A sensação é bem clara: tem vaga, mas também tem muita gente concorrendo e pouca clareza sobre o que realmente faz você passar da triagem para a entrevista.

A boa notícia é que, para 2026, o mercado de Data Analyst em São Paulo continua forte. Bancos, fintechs, varejo, mídia, foodtechs e consultorias seguem contratando pessoas que conseguem transformar dados em decisão. A notícia menos confortável é que só “saber mexer em dashboard” não basta mais.

Neste guia, vamos falar de forma direta sobre vagas de Data Analyst em São Paulo em 2026, com foco em SQL, Tableau, currículo, portfólio, salários e como você pode se posicionar melhor para empresas como Itaú, Nubank, Stone, iFood, Magalu e Globo.

O que esperar das vagas de Data Analyst em São Paulo em 2026#

São Paulo ainda concentra uma parte enorme das vagas de dados no Brasil. Mesmo com trabalho remoto e híbrido, muitas empresas mantêm times de dados, produto, marketing, risco, finanças e operações na capital.

Você vai ver vagas com títulos parecidos, mas responsabilidades diferentes:

• Data Analyst
• Analista de Dados
• Business Intelligence Analyst
• BI Analyst
• Product Data Analyst
• Marketing Data Analyst
• Operations Data Analyst
• Analytics Engineer Júnior ou Pleno
• CRM Data Analyst
• Risk Data Analyst

Na prática, o cargo de Data Analyst em 2026 fica no meio entre negócio e tecnologia. Você não precisa ser engenheiro de dados, mas precisa entender bem como os dados chegam, como consultar bases, como validar números e como contar uma história clara com eles.

Em empresas como Itaú, Nubank e Stone, é comum o analista trabalhar com métricas de produto, crédito, fraude, retenção, receita, inadimplência ou eficiência operacional.

No iFood, pode aparecer análise de funil, comportamento de restaurantes, logística, crescimento de usuários, campanhas e entrega.

Na Magalu, as oportunidades podem envolver e-commerce, marketplace, pricing, sortimento, marketing e performance comercial.

Na Globo, dados aparecem em audiência, publicidade, produto digital, streaming, assinaturas e comportamento de consumo.

Ou seja, o mesmo SQL pode te colocar em áreas bem diferentes. O segredo é mostrar que você não só puxa dados, você ajuda alguém a tomar uma decisão melhor.

SQL continua sendo o filtro número 1#

Se você quer uma vaga de Data Analyst em São Paulo em 2026, SQL precisa estar forte no seu currículo e na sua prática. Não precisa romantizar: muitas triagens começam procurando essa palavra.

E, nas entrevistas técnicas, é muito comum aparecer teste com consulta SQL.

Você precisa dominar:

1. SELECT, WHERE, ORDER BY e GROUP BY
2. JOINs, especialmente INNER JOIN e LEFT JOIN
3. CASE WHEN
4. CTEs com WITH
5. Subqueries
6. Funções de janela, como ROW_NUMBER, RANK, LAG, LEAD e SUM OVER
7. Tratamento de datas
8. Agregações por período, produto, cliente ou região
9. Identificação de duplicidades
10. Cálculo de métricas de negócio

O ponto é: não basta saber “fazer query”. Você precisa saber responder perguntas como:

• Qual foi a taxa de conversão por canal nos últimos 30 dias?
• Quais clientes compraram em janeiro e não voltaram em fevereiro?
• Qual categoria teve maior queda de margem?
• Qual coorte teve melhor retenção após 90 dias?
• Qual vendedor teve crescimento acima da média da carteira?

Uma boa vaga de Data Analyst não quer alguém que só executa pedido. Quer alguém que percebe quando o número está estranho e pergunta: “faz sentido comparar esses períodos?” ou “essa base está considerando pedidos cancelados?”.

Esse tipo de cuidado muda o nível da conversa.

Tableau ainda vale a pena em 2026?#

Sim, Tableau continua sendo uma ferramenta muito pedida em vagas de Data Analyst, especialmente em empresas grandes, times de BI e áreas que já têm uma cultura de dashboards.

Mesmo com Power BI muito forte no Brasil, Tableau ainda aparece em empresas com times globais, squads de produto e áreas que valorizam visualização mais refinada.

Você deve saber:

• Conectar bases e extratos
• Criar campos calculados
• Trabalhar com filtros e parâmetros
• Montar dashboards interativos
• Usar ações entre gráficos
• Criar visualizações simples e legíveis
• Publicar e organizar painéis
• Pensar em performance de dashboard
• Evitar gráfico bonito que não responde nada

O Tableau é importante, mas o raciocínio por trás dele é mais importante ainda. Um dashboard bom responde a uma pergunta de negócio.

Por exemplo, em vez de criar um painel com 18 gráficos soltos, pense em perguntas:

1. Como está a performance geral?
2. Onde está o problema?
3. Qual segmento explica a variação?
4. Qual ação o gestor pode tomar agora?

Um dashboard para um gerente de operações do iFood precisa ser diferente de um painel para uma pessoa de marketing do Nubank. O público muda, a decisão muda, o nível de detalhe muda.

Esse é o tipo de maturidade que aumenta sua chance em vaga plena e sênior.

Salários de Data Analyst em São Paulo em 2026#

Salário varia por empresa, senioridade, inglês, modelo remoto e área de atuação. Mas dá para trabalhar com faixas realistas para São Paulo em 2026.

Júnior

Um Data Analyst júnior em São Paulo pode encontrar salários entre R$4k e R$7k por mês.

Em empresas menores, startups e consultorias, pode ficar perto de R$3,5k a R$5k. Em empresas maiores ou fintechs, pode passar de R$6k, especialmente se você já entra com SQL forte e algum portfólio decente.

Pleno

Um Data Analyst pleno costuma ver faixas entre R$7k e R$12k.

Em empresas como Itaú, Stone, iFood, Magalu, Globo e fintechs bem estruturadas, R$9k a R$13k pode acontecer, dependendo do pacote total, bônus, benefícios e senioridade real.

Aqui, a cobrança muda. Esperam que você toque análises com menos supervisão, questione métricas e converse melhor com negócio.

Sênior

Um Data Analyst sênior em São Paulo pode chegar em R$12k a R$18k, com casos acima disso em fintechs, bancos, big techs e empresas globais.

Se a vaga tiver inglês forte, exposição internacional ou escopo próximo de Analytics Engineering, Product Analytics ou Revenue Analytics, pode aparecer algo na faixa de R$18k a R$25k.

Para vagas remotas internacionais, é comum ver propostas em USD, como $60k a $90k por ano para Data Analyst com inglês avançado, SQL forte, boa comunicação e experiência em produto ou finanças.

Claro, não é automático. Mas existe.

O que as empresas realmente querem além de SQL e Tableau#

SQL e Tableau te colocam na conversa. Mas o que te aprova, muitas vezes, é a combinação de técnica com raciocínio de negócio.

Empresas boas querem alguém que consiga:

• Entender o problema antes de abrir a query
• Fazer perguntas melhores
• Validar qualidade dos dados
• Explicar limitações da análise
• Comunicar resultado sem enrolar
• Priorizar o que importa
• Criar métrica que faz sentido
• Trabalhar com produto, marketing, finanças ou operações
• Ser confiável com números

Pensa em uma reunião com um gerente do Magalu perguntando: “por que a conversão caiu no app?”.

Uma resposta fraca seria: “o dashboard mostra que caiu 8%”.

Uma resposta melhor seria:

“A conversão caiu 8% no total, mas a maior parte da queda vem de usuários novos no Android, principalmente na etapa de frete. Quando separo por canal, o tráfego pago trouxe mais usuários, mas com menor intenção de compra. Minha sugestão é olhar campanha, prazo de entrega exibido e possíveis mudanças na tela de checkout.”

Percebe a diferença?

O dado virou diagnóstico. O diagnóstico virou hipótese. A hipótese virou próxima ação.

Como montar um currículo para Data Analyst em São Paulo#

Seu currículo precisa ser simples, direto e fácil para recrutador e ATS entenderem. ATS é o sistema que muitas empresas usam para filtrar currículos antes de um humano ver.

Se a vaga pede SQL, Tableau, dashboards, KPIs e análise de produto, essas palavras precisam aparecer de forma natural no seu currículo.

Estrutura recomendada

Use uma estrutura assim:

1. Nome e contato
2. Resumo profissional curto
3. Competências técnicas
4. Experiência profissional
5. Projetos de dados, se forem relevantes
6. Formação
7. Certificações e cursos

Exemplo de resumo profissional

“Analista de Dados com 3 anos de experiência em SQL, Tableau e análise de indicadores de negócio. Atuação com construção de dashboards, automação de relatórios, análise de funil e suporte a decisões em times de produto e operações. Experiência com métricas de conversão, retenção, receita e eficiência operacional.”

Isso é muito melhor do que:

“Profissional proativo, comunicativo, apaixonado por dados e em busca de novos desafios.”

A segunda frase é genérica. A primeira mostra ferramentas, contexto e impacto.

Como escrever experiências

Evite listar tarefas vagas como:

• Responsável por dashboards
• Análise de dados
• Geração de relatórios
• Apoio ao time

Prefira bullets com impacto:

• Criei dashboards em Tableau para acompanhar conversão e receita, reduzindo em 40% o tempo semanal gasto com relatórios manuais
• Desenvolvi consultas SQL para analisar retenção de clientes por coorte, apoiando ações que aumentaram recompra em 12%
• Automatizei indicadores de operação usando SQL e Tableau, permitindo acompanhamento diário por gestores regionais
• Analisei funil de aquisição e identifiquei queda de 18% em uma etapa crítica do cadastro, direcionando correções do time de produto

Número ajuda. Mesmo que não seja perfeito, use estimativas honestas.

Palavras-chave que podem ajudar seu currículo#

Para vagas de Data Analyst em São Paulo, você pode incluir palavras-chave como:

• SQL
• Tableau
• Power BI
• Excel avançado
• Python
• Pandas
• BigQuery
• Snowflake
• Redshift
• Databricks
• ETL
• ELT
• KPIs
• Dashboards
• Data visualization
• Business Intelligence
• Product Analytics
• Marketing Analytics
• Funil de conversão
• Retenção
• Churn
• Receita
• LTV
• CAC
• Cohort analysis
• Teste A/B
• Segmentação
• Storytelling com dados

Mas cuidado: não coloque ferramenta que você não sabe defender em entrevista.

Se você coloca Tableau, precisa conseguir explicar pelo menos um dashboard que criou. Se coloca teste A/B, precisa entender diferença entre correlação, causalidade, grupo controle e métrica principal.

Portfólio: o que fazer se você ainda não tem experiência#

Se você está migrando para dados ou tentando a primeira vaga, um portfólio ajuda muito. Mas não precisa fazer 12 projetos. Melhor ter 3 projetos bem explicados do que 15 notebooks abandonados.

Escolha temas que pareçam próximos de problemas reais de empresa.

Projeto 1: análise de vendas de e-commerce

Simule um cenário parecido com Magalu, Amazon ou Mercado Livre.

Inclua:

• Receita mensal
• Ticket médio
• Categorias com maior crescimento
• Margem por categoria
• Produtos com queda de venda
• Clientes recorrentes
• Dashboard em Tableau

Explique a pergunta de negócio, a base usada, as consultas SQL e as recomendações.

Projeto 2: funil de conversão de produto digital

Pense em Nubank, iFood ou app de delivery.

Analise:

• Usuários que visitam
• Usuários que cadastram
• Usuários que adicionam pagamento
• Usuários que compram
• Conversão por dispositivo
• Conversão por canal
• Queda por etapa

Mostre o que você faria se fosse analista do time de produto.

Projeto 3: churn e retenção

Esse é muito valorizado.

Você pode analisar:

• Retenção por coorte
• Churn por mês
• Receita perdida
• Segmentos com maior risco
• Perfil de clientes que ficam mais tempo
• Hipóteses para reduzir cancelamento

Esse tipo de projeto conversa bem com fintechs, SaaS, streaming, telecom e assinaturas.

Como apresentar

Para cada projeto, tenha:

1. Contexto
2. Pergunta de negócio
3. Base de dados
4. SQL usado
5. Dashboard ou visualização
6. Principais insights
7. Recomendações
8. Limitações da análise

Isso mostra maturidade. Você não está só “fazendo gráfico”, está pensando como analista.

Como se preparar para entrevistas técnicas#

Entrevista de Data Analyst costuma misturar SQL, estudo de caso, perguntas comportamentais e conversa sobre projetos.

SQL ao vivo

Você pode receber uma tabela de pedidos, clientes ou transações e ter que responder algo como:

• Liste os 10 clientes com maior receita nos últimos 90 dias
• Calcule receita mensal por categoria
• Encontre usuários que compraram no mês passado, mas não compraram neste mês
• Calcule taxa de conversão por etapa do funil
• Identifique o primeiro pedido de cada cliente
• Calcule média móvel de vendas

Treine escrever SQL sem depender de autocomplete. Em algumas entrevistas, você vai usar CoderPad, HackerRank, Google Docs ou até compartilhar tela.

Estudo de caso

Perguntas comuns:

• A receita caiu 15% esta semana. Como você investigaria?
• O time de marketing quer saber se uma campanha funcionou. O que você analisaria?
• O aplicativo teve aumento de usuários, mas queda de conversão. Quais hipóteses você levantaria?
• Um dashboard mostra números diferentes do relatório financeiro. O que você faz?
• Como definiria os principais KPIs de um marketplace?

Aqui, eles querem ver seu raciocínio. Não saia respondendo número mágico. Estruture:

1. Confirmo a definição da métrica
2. Comparo períodos corretos
3. Quebro por canal, produto, região, dispositivo ou perfil
4. Verifico mudanças recentes
5. Checo qualidade dos dados
6. Levanto hipóteses
7. Proponho próximos passos

Esse jeito calmo e organizado passa confiança.

Perguntas comportamentais

Também vão perguntar coisas como:

• Conte sobre uma análise que gerou impacto
• Conte sobre uma vez em que você discordou de uma área de negócio
• Como você lida com pedido urgente?
• Como explica dados para pessoas não técnicas?
• Como prioriza demandas?

Use a estrutura STAR:

• Situação
• Tarefa
• Ação
• Resultado

Exemplo:

“Na minha empresa anterior, o time comercial reclamava que os leads estavam piores. Eu analisei conversão por canal, origem e etapa do funil usando SQL e Tableau. Descobri que o volume de leads tinha aumentado por mídia paga, mas a taxa de qualificação caiu 22%. Com isso, o time ajustou segmentação de campanha e recuperou parte da conversão nas semanas seguintes.”

Curto, claro, com impacto.

SQL, Tableau, Python ou Power BI: o que priorizar?#

Se você está perdido, aqui vai uma ordem prática para 2026.

Para entrar na área

Priorize:

1. SQL
2. Excel ou Google Sheets
3. Tableau ou Power BI
4. Estatística básica
5. Comunicação de insights

Você não precisa começar por machine learning. Para Data Analyst, o básico bem feito vale muito.

Para vaga plena

Adicione:

• Python com Pandas
• Teste A/B
• Métricas de produto
• Modelagem simples de dados
• BigQuery, Snowflake ou Redshift
• Boas práticas de visualização
• Storytelling com dados

Para vaga sênior

Você precisa ir além da ferramenta:

• Definição de métricas
• Priorização com stakeholders
• Mentoria de analistas juniores
• Governança de indicadores
• Pensamento de produto
• Influência sem cargo de gestão
• Capacidade de dizer “não” com argumento

Sênior não é quem sabe 40 funções a mais no Tableau. É quem reduz confusão, melhora decisão e evita análise errada virar estratégia.

Onde procurar vagas de Data Analyst em São Paulo#

Você pode procurar em vários canais, mas seja estratégico.

LinkedIn

Use buscas como:

• “Data Analyst São Paulo”
• “Analista de Dados SQL Tableau”
• “BI Analyst Tableau”
• “Product Data Analyst Brazil”
• “Marketing Data Analyst São Paulo”
• “Analytics Engineer São Paulo”

Ative alertas e filtre por data de publicação. Vaga com menos de 24 horas pode ter menos concorrência.

Sites de empresas

Entre direto nas páginas de carreira de:

• Itaú
• Nubank
• Stone
• iFood
• Magalu
• Globo
• Mercado Livre
• XP
• PicPay
• QuintoAndar
• Loft
• B3
• Ambev Tech

Muita vaga boa aparece primeiro no site da empresa.

Comunidades

Procure comunidades de dados no Slack, Discord, WhatsApp e Telegram. Muitas oportunidades circulam antes de ir para plataformas grandes.

Também vale acompanhar pessoas de dados no LinkedIn, especialmente líderes de analytics, BI, produto e people analytics.

Como adaptar seu currículo para cada vaga#

Esse é um ponto que muita gente ignora. Você não precisa reescrever tudo, mas precisa ajustar o foco.

Se a vaga é para Product Data Analyst no Nubank, destaque:

• Funil
• Retenção
• Teste A/B
• Métricas de produto
• SQL
• Comunicação com PMs

Se a vaga é BI Analyst na Globo, destaque:

• Tableau
• Dashboards executivos
• Audiência ou consumo de conteúdo, se tiver
• KPIs
• Visualização de dados
• Rotinas de atualização

Se a vaga é Data Analyst em operações no iFood, destaque:

• Eficiência operacional
• SLA
• Região
• Tempo de entrega
• Segmentação
• Análise de causa raiz

Se a vaga é analytics em banco como Itaú, destaque:

• Risco
• Crédito
• Receita
• Inadimplência
• Governança de dados
• SQL
• Validação de números

O mesmo currículo genérico para todas as vagas tende a performar pior. O ATS procura aderência. O recrutador também.

Erros que derrubam candidatos bons#

Você pode ser bom tecnicamente e ainda assim perder vaga por detalhes.

Os erros mais comuns:

• Currículo com muito texto e pouco impacto
• Não colocar SQL em destaque
• Dizer “Tableau avançado” sem projeto real
• Portfólio sem explicação de negócio
• Não saber explicar uma métrica que colocou no currículo
• Responder estudo de caso sem estruturar pensamento
• Focar demais em ferramenta e pouco em decisão
• Não pesquisar a empresa antes da entrevista
• Falar mal de emprego anterior
• Não preparar perguntas para o entrevistador

Outra coisa: cuidado com currículo bonito demais em PDF cheio de coluna, ícone e barra de habilidade. Muitos ATS leem mal esse tipo de arquivo.

Prefira simples. Nome de seção claro. Bullets objetivos. Palavras-chave certas.

Um plano de 30 dias para melhorar suas chances#

Se você quer sair do modo ansiedade e entrar no modo ação, faça um plano simples.

Semana 1: currículo e LinkedIn

• Atualize seu resumo profissional
• Coloque SQL, Tableau e métricas importantes
• Reescreva experiências com impacto
• Ajuste título do LinkedIn
• Peça recomendações, se possível

Semana 2: SQL forte

• Treine 20 exercícios de JOIN
• Treine 20 exercícios de agregação
• Treine funções de janela
• Faça consultas com datas
• Simule entrevista ao vivo

Semana 3: Tableau e portfólio

• Monte um dashboard com problema real
• Escreva a explicação do projeto
• Publique no Tableau Public, se fizer sentido
• Crie um README simples no GitHub
• Prepare uma apresentação de 3 minutos

Semana 4: candidaturas e entrevistas

• Aplique para 5 a 10 vagas bem escolhidas por dia
• Adapte currículo para vagas boas
• Treine estudo de caso
• Prepare respostas STAR
• Chame recrutadores e pessoas da área com mensagem curta

Mensagem simples funciona:

“Oi, vi a vaga de Data Analyst no time de produto. Tenho experiência com SQL, Tableau e análise de funil/conversão. Me candidatei pelo site e queria deixar meu interesse. Posso te enviar meu currículo por aqui também?”

Sem textão. Sem pedir emprego como favor. Só clareza.

O futuro do Data Analyst em São Paulo#

Em 2026, o Data Analyst que cresce é aquele que combina técnica, contexto e comunicação.

Ferramentas mudam. Hoje pode ser Tableau, amanhã Power BI, Looker, Sigma ou outra plataforma. SQL segue firme porque quase toda análise começa com dados organizados em tabelas.

A inteligência artificial também muda parte do trabalho. Ela ajuda a escrever query, resumir análise e gerar visualização. Mas ela não substitui bem quem entende contexto, faz pergunta boa, percebe dado errado e sabe influenciar decisão.

Se você quer se destacar, pense assim:

• SQL é sua base
• Tableau é sua vitrine
• Negócio é seu diferencial
• Comunicação é sua promoção

A vaga de Data Analyst em São Paulo pode ser competitiva, sim. Mas muita gente ainda manda currículo genérico, não sabe explicar projeto, não treina SQL de verdade e chega na entrevista sem estrutura.

Você não precisa ser perfeito. Precisa parecer confiável, preparado e útil para o time.

Antes de se candidatar para a próxima vaga de Data Analyst, revise se seu currículo está passando pelos filtros certos. Teste agora seu CV gratuitamente no JobRise e veja como melhorar sua chance no ATS: https://jobrise.io/pt/free-ats-checker/