KPMG Data Engineer: palavras-chave de curriculo e entrevista

Você achou uma vaga de Data Engineer na KPMG e não sabe quais termos colocar no currículo sem parecer que está chutando palavras. É um problema comum. Big Four contrata muito, mas o filtro inicial é duro, e o currículo precisa bater com a vaga antes de qualquer pessoa ler.

O caminho é simples: ler a descrição da vaga, extrair as palavras-chave dela, e reescrever suas experiências com esses termos no contexto correto. Nada de inventar ferramentas que você não usou, e nada de copiar a descrição inteira para dentro do currículo.

O que a KPMG geralmente pede em Data Engineer#

Não existe um formato único de vaga. As vagas de engenheiro de dados da KPMG aparecem em times de consultoria, em projetos para clientes, ou em times internos de dados. Cada uma puxa um conjunto diferente de ferramentas.

Dito isso, os termos que aparecem com mais frequência nesse tipo de vaga são: SQL, Python, modelagem dimensional, ETL, ELT, orquestração, Airflow, cloud (AWS, Azure ou GCP), Databricks, Spark, dbt, governança de dados, qualidade de dados e CI/CD.

Se a vaga pede Azure, você provavelmente vai ver Databricks, Synapse e Data Factory. Se pede AWS, aparecem Glue, Redshift, Lambda e S3. GCP tem menos vagas no Brasil para esse perfil, mas aparecem BigQuery e Dataflow.

Como descobrir as palavras-chave certas

Use a descrição da vaga como fonte principal. Cole o texto em um decodificador de descrições de vaga para separar requisitos técnicos, responsabilidades e termos repetidos. O nosso decodificador de vagas faz esse trabalho em segundos e mostra o que realmente pesa na triagem.

Depois, teste seu currículo pronto contra o filtro de ATS gratuito. Ele aponta palavras que estão faltando e formatação que quebra a leitura do sistema.

Como adaptar o currículo para a vaga#

Comece pelo resumo profissional. Três linhas, no máximo. Cite a senioridade, o domínio técnico principal e o tipo de problema que você resolve. Exemplo: "Engenheiro de dados com 4 anos em pipelines Python e Airflow, focado em modelagem dimensional em ambientes Azure e Databricks."

Na seção de experiência, escreva bullets que mostrem escopo, ferramenta e resultado. Resultado pode ser tempo de processamento, volume de dados, número de usuários atendidos, ou redução de falhas. Se você não tem o número exato, use uma ordem de grandeza honesta.

Evite bullets genéricos como "responsável por ETL". Isso não diz nada sobre o que você fez nem sobre a escala.

Exemplo de bullet reescrito

Antes: "Responsável por processos de ETL e modelagem de dados."

Depois: "Projetei e mantive pipelines diários em Python e Airflow processando cerca de 2 milhões de registros para o time financeiro, reduzindo o tempo de fechamento de 6 horas para menos de 2 horas."

O segundo exemplo diz o que você fez, com qual ferramenta, para quem, em que escala, e qual foi o efeito. É esse formato que o recrutador consegue avaliar em dez segundos.

Palavras-chave que costumam faltar#

Currículos de engenheiro de dados no Brasil costumam ter as ferramentas, mas esquecem os termos de processo. Palavras como modelagem dimensional, camada gold, lakehouse, testes automatizados, documentação de dados, catálogo de dados e monitoramento de pipelines aparecem nas descrições e ficam de fora do currículo.

Outro grupo esquecido é o de soft skills que Big Four realmente exige. Comunicação com cliente, traduzir requisitos técnicos para área de negócio, trabalhar em time distribuído e documentar decisões. Coloque esses termos dentro de bullets de experiência, não em uma lista solta no final.

O que esperar no processo seletivo#

Não vou inventar etapas internas da KPMG, porque o processo varia por vaga, por escritório e por cliente. O que dá para dizer com segurança: para vagas de engenharia de dados, espere ao menos uma etapa técnica que avalie SQL, modelagem e alguma ferramenta de pipeline, além de conversas de fit cultural.

A parte técnica geralmente tem SQL em nível intermediário a avançado (joins, window functions, CTEs, otimização de consulta) e perguntas de arquitetura em torno de como você montaria um pipeline do zero. Para o fit, Big Four costuma valorizar postura diante de cliente e clareza de comunicação.

Para se preparar, use a listagem de vagas do jobrise para ver outros cargos de Data Engineer e comparar requisitos entre empresas. Isso ajuda a entender o que é padrão de mercado e o que é específico daquela vaga.

Preparação técnica em duas semanas#

Se você tem duas semanas, monte um plano simples e execute.

• Revisar SQL diariamente: window functions, CTEs, tuning de queries lentas
• Escrever do zero um pipeline em Python com Airflow, mesmo que simples, e versionar no GitHub
• Revisar os serviços da nuvem citados na vaga e saber explicar quando usaria cada um
• Praticar em voz alta a explicação de um projeto seu, do problema à solução, em até 3 minutos
• Preparar duas perguntas para o entrevistador sobre o time e sobre o tipo de projeto
• Testar o currículo no filtro de ATS antes de enviar

Exemplo de resposta para a entrevista

Pergunta: "Conte sobre um pipeline que você construiu e qual foi o maior desafio."

Resposta: "Em 2023 eu montei um pipeline diário em Python e Airflow para ingerir dados de três sistemas legados do cliente e alimentar um dashboard financeiro. O maior desafio foi a qualidade: as fontes mudavam o formato sem avisar e as cargas quebravam à noite. Eu adicionei validações na entrada dos dados e um alerta no Slack quando algo saía do padrão. Depois disso, as falhas em produção caíram bastante e o time de finanças parou de perder tempo checando planilha à mão."

Essa resposta funciona porque tem contexto, ferramenta, problema, solução e efeito. Você pode adaptar o conteúdo ao seu projeto real, mantendo essa estrutura.

Cuidados com o mercado brasileiro#

Salários de Data Engineer no Brasil variam bastante por senioridade, cidade e modelo de contratação. Como faixa amplamente relatada, plenos costumam aparecer entre R$ 8 mil e R$ 14 mil por mês, e sêniores entre R$ 14 mil e R$ 22 mil, mas isso muda por região e por empresa. Confira sempre a fonte oficial da vaga e sites de vagas atualizados antes de negociar.

Outro ponto: Big Four no Brasil tem escritórios em São Paulo, Rio, Belo Horizonte, Curitiba, Porto Alegre e Recife, com modelos híbridos que mudam por projeto. Pergunte na primeira conversa qual é o modelo de trabalho daquela vaga específica.

Se você está mirando essa vaga como porta de entrada para o exterior mais tarde, saiba que experiência em Big Four pesa no currículo, mas não garante visto nem transferência. Cada país tem suas regras e elas mudam. Consulte sempre o site oficial de imigração do país-alvo.

Mais leitura#

Se você quer se aprofundar em preparação para entrevistas técnicas e estratégias de currículo, o nosso blog tem artigos sobre SQL para entrevistas, como escrever bullets de engenheiro de dados e o que recrutadores procuram em Big Four.

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 experiência com todas as ferramentas listadas na vaga?

Não. Foque nas que você realmente domina e mostre capacidade de aprender as outras. É melhor ser sólido em Python, SQL e uma nuvem do que listar dez ferramentas e travar quando perguntarem detalhes.

Faz sentido mencionar projetos pessoais no currículo?

Faz, se forem relevantes e estiverem no GitHub. Um pipeline open source com testes e documentação diz mais sobre você do que mais uma linha de curso.

A KPMG contrata para remoto?

Varia por vaga e por escritório. Pergunte na primeira conversa qual é o modelo daquela posição específica, porque ele muda de projeto para projeto.

Devo escrever o currículo em português ou em inglês?

Depende da vaga. Se a descrição está em inglês e o processo envolve clientes internacionais, entregue em inglês. Se está em português, português. Em caso de dúvida, pergunte ao recrutador.

Quanto tempo leva o processo seletivo em Big Four?

Não existe um prazo padrão, e varia por vaga e por escritório. Pergunte na primeira conversa qual é a expectativa de tempo e siga em frente com outras oportunidades enquanto espera.