Google Data Scientist: palavras-chave de curriculo e entrevista

Você quer concorrer a uma vaga de Data Scientist no Google, mas não sabe quais palavras-chave usar no currículo nem o que esperar da entrevista. É uma dúvida comum. A empresa recebe muitos candidatos qualificados, então a diferença costuma estar na clareza do que você fez e na forma como conta isso.

Antes de tudo, uma realidade: o Google tem vagas de Data Scientist espalhadas por várias equipes, e cada uma pede coisas diferentes. Uma vaga ligada a produto vai cobrar experimentação e métricas. Uma vaga ligada a infraestrutura vai cobrar engenharia de dados e escalabilidade. Não existe um currículo único que sirva para todas.

Por isso, o primeiro passo é ler a descrição da vaga com atenção e mapear o que ela realmente pede. Uma ferramenta de análise de descrição de vaga ajuda a separar os requisitos explícitos dos desejáveis e a identificar os termos que o recrutador provavelmente usa para filtrar candidatos.

O que o Google costuma pedir em Data Scientist#

Pelas descrições públicas de vaga, os requisitos aparecem de forma consistente. Domínio de SQL para manipulação de dados em escala. Programação em Python ou R. Conhecimento em estatística, com ênfase em inferência, teste de hipóteses e experimentos controlados. Familiaridade com métodos de machine learning, não só a aplicação, mas o entendimento de quando cada método faz sentido.

Além disso, quase toda vaga menciona comunicação. Traduzir um resultado técnico em recomendação de negócio. Trabalhar com times de engenharia, produto e design. Isso não é detalhe. É requisito, e o currículo precisa mostrar que você já fez isso.

Para o mercado brasileiro, vale um alerta. A maior parte das vagas de Data Scientist do Google é concentrada em São Paulo, com algumas posições em outras capitais e, ocasionalmente, trabalho remoto. Os níveis variam, e a faixa salarial varia muito conforme o nível e a negociação. Não existe número oficial público confiável, então pesquise as fontes atuais e não baseie sua expectativa em valores de terceiros.

Como adaptar o currículo#

O currículo para essa empresa precisa ser curto, específico e legível por sistema de triagem. Duas páginas no máximo, uma para quem tem até cinco anos de experiência. Formato simples, sem tabelas, sem ícones, sem colunas que confundam a leitura automática.

As palavras-chave devem vir do texto da vaga, não de uma lista genérica. Se a descrição diz "A/B testing" e "causal inference", use esses termos, desde que você realmente tenha essa experiência. Se diz "large-scale data" e você trabalhou com dados em volume alto, diga qual era a escala, em linhas, usuários ou eventos por dia.

Um teste prático: use um verificador de currículo para ATS e veja se o documento é lido corretamente antes de enviar. Muitos candidatos são descartados por erro de formatação, não por falta de competência.

Exemplo de bullet reescrito

Veja a diferença entre um bullet fraco e um forte.

Fraco: "Responsável por análises de dados e relatórios para o time de produto."

Reescrito: "Projetei e analisei experimentos A/B em um produto com milhões de usuários, identificando uma alteração de fluxo que aumentou a conversão em cadastro em 12% ao longo de oito semanas, e apresentei a recomendação ao time de produto."

O segundo bullet mostra método, escala, resultado e comunicação. Não é mais longo por acaso. Cada informação responde a uma pergunta que o recrutador faria.

Palavras-chave que valem a pena incluir#

Monte seu currículo com os termos que aparecem nas vagas que você quer. Uma lista inicial, para adaptar conforme a descrição:

• SQL, incluindo consultas complexas, janelas e otimização
• Python, com foco em pandas, NumPy, scikit-learn quando for o caso
• Estatística inferencial, teste de hipóteses, intervalos de confiança
• Experimentação, A/B testing, desenho de experimentos, poder estatístico
• Machine learning supervisionado e não supervisionado, com os algoritmos que você realmente usa
• Comunicação de resultados, apresentação para stakeholders, documentação
• Trabalho com dados em escala, mencionando o volume real que você manipulava

Não coloque tudo. Coloque o que você consegue defender na entrevista.

Como se preparar para as entrevistas#

O processo de entrevista varia conforme a vaga e o nível, e a empresa não divulga um roteiro oficial fixo. Pelos relatos de candidatos, aparecem com frequência entrevistas técnicas sobre SQL e estatística, estudos de caso de produto, discussão de projetos anteriores e conversas sobre comportamento e colaboração.

A parte de estudo de caso merece atenção. Normalmente você recebe um problema de produto aberto, como "como você mediria se uma nova feature está funcionando", e precisa estruturar a resposta. Não há resposta certa única. O que se avalia é o raciocínio.

Um exemplo de resposta para essa pergunta:

"Primeiro eu definiria com o time de produto o que 'funcionando' significa, escolhendo uma métrica principal e uma ou duas métricas de guarda para efeitos colaterais. Depois eu desenharia o experimento, definindo unidade de aleatorização, tamanho mínimo de amostra e duração estimada. Durante o experimento eu monitoraria a saúde do sistema para detectar problemas cedo. No final, eu analisaria os resultados com intervalos de confiança, verificaria se há efeito heterogêneo entre segmentos e apresentaria a recomendação com as limitações do estudo."

Essa resposta mostra método sem decorar fórmula. É o que costuma funcionar.

O que praticar antes

• Resolver problemas de SQL em plataforma de prática, com foco em agregações, janelas e joins
• Revisar estatística básica e aplicada, incluindo quando um teste paramétrico não é adequado
• Ensaiar estudos de caso em voz alta, com cronômetro, para treinar estrutura e tempo
• Preparar três histórias suas sobre projetos, com contexto, ação, resultado e o que você faria diferente
• Revisar seu próprio currículo linha por linha, porque qualquer item pode virar pergunta
• Pesquisar a empresa e a área específica da vaga, não só a marca

O erro mais comum#

Candidatos técnicos brasileiros costumam errar na comunicação. Respondem bem às perguntas técnicas, mas contam mal o que fizeram. A entrevista avalia as duas coisas.

Pratique explicar um projeto seu em dois minutos, para alguém inteligente que não é da sua área. Se você não conseguir, o problema não é o currículo. É a prática.

Outro erro: exagerar. Se você escreveu "especialista em causal inference" porque ouviu falar do assunto, vai cair na primeira pergunta de follow-up. Escreva o que você faz bem e o que está aprendendo. Honestidade é mais forte que inflação de currículo.

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 pós-graduação para concorrer a Data Scientist no Google?

Não necessariamente. As descrições de vaga costumam pedir formação em área quantitativa ou experiência equivalente, o que abre espaço para candidatos com graduação e trajetória forte. O que pesa mais é a capacidade de resolver problemas e comunicar resultados.

O currículo deve ser em inglês ou em português?

Para vagas no Brasil com processo em português, português funciona. Para vagas com processo em inglês ou para times globais, o inglês é esperado. Quando houver dúvida, pergunte ao recrutador antes de enviar.

Quanto tempo leva o processo seletivo?

Varia bastante, de algumas semanas a alguns meses, conforme a vaga, o nível e a disponibilidade dos entrevistadores. Não existe prazo padrão público. Acompanhe pelo e-mail com o recrutador e não trate uma vaga como única opção enquanto espera.

Posso me candidatar sem experiência prévia em big tech?

Pode. O que importa é a qualidade da experiência técnica e a clareza com que você a apresenta. Projetos em outras empresas, pesquisa acadêmica ou trabalho com dados em escala relevante contam, desde que estejam bem descritos.

O que fazer se eu for reprovado?

Pergunte feedback ao recrutador, nem sempre você recebe, mas vale tentar. Revise onde travou, continue praticando e candidate-se novamente no futuro, respeitando o intervalo que a empresa indicar. Reprovação em um processo não é veredito sobre sua carreira.