Shopify Data Scientist: palavras-chave de curriculo e entrevista

Você quer concorrer a uma vaga de Data Scientist na Shopify e não sabe o que colocar no currículo nem como responder às perguntas técnicas. O nome da empresa atrai, mas o processo é concorrido e o currículo precisa passar por triagem antes de alguém ler de verdade. Vou mostrar o que escrever, o que estudar e onde tomar cuidado, sem inventar regras internas que ninguém pode confirmar.

Entenda o que a função pede antes de escrever#

Data Scientist em empresa de e-commerce costuma girar em torno de três coisas: métricas de produto, experimentação e decisão com dados. A Shopify vende ferramentas para lojistas, então os problemas aparecem em cima de conversão, retenção de lojas, pagamentos e uso de funcionalidades. Isso não é segredo interno, é o que qualquer descrição de vaga mostra.

Leia a descrição da vaga palavra por palavra antes de mexer no currículo. As palavras que aparecem lá são as palavras que o filtro automático procura. Se a vaga fala em "causal inference" e você escreve "análise de causa", você perde a correspondência por besteira.

Use o decodificador de vagas para separar o que é requisito real do que é texto genérico de recrutamento. Ajuda a focar o estudo no que importa.

Palavras-chave que aparecem nas vagas de Data Scientist#

Não existe uma lista oficial da Shopify. Existe o vocabulário comum do mercado que aparece nas descrições de vagas de Data Scientist em empresas de produto. Estas são as termos que costumam aparecer, e que fazem sentido você incluir se realmente têm a ver com sua experiência:

• SQL e modelagem de dados (consultas complexas, joins, janelas, CTEs)
• Python ou R para análise e modelagem
• Experimentação: A/B testing, desenho de experimentos, poder estatístico, testes de hipótese
• Causal inference, quando for o seu caso
• Métricas de produto: ativação, retenção, LTV, churn, conversão
• Comunicação de resultados para stakeholders não técnicos
• Versionamento de código (Git) e trabalho com times de produto e engenharia

Cuidado com o exagero. Colocar "machine learning avançado" sem conseguir explicar um modelo que você treinou e mediu é pior do que não colocar.

Como adaptar seu currículo para essa vaga#

Currículo de Data Scientist é lido rápido. O recrutador quer saber: o que você mediu, que método usou, qual foi o efeito na decisão. Três informações por linha, no máximo.

Troque descrições de tarefas por resultados com contexto. O formato que funciona é: ação + método + consequência para o negócio.

Exemplo de bullet reescrito

Antes: "Responsável por análises de dados e relatórios para o time de marketing."

Depois: "Criei em SQL um painel de aquisição que reduziu de 5 dias para 1 o tempo de resposta do time de marketing sobre campanhas, e a análise de coorte identificou o canal com maior retenção em 90 dias."

Note o que mudou: tem ferramenta (SQL), tem escala de tempo (5 dias para 1), tem decisão que foi tomada com base no resultado. Nada de adjetivo. Nada de "apaixonado por dados".

Outros ajustes que valem a pena:

• Coloque as ferramentas que a vaga pede no topo da seção de habilidades, na mesma grafia da descrição
• Separe experimentos e testes A/B em uma linha própria, se essa é sua experiência forte
• Inclua projetos pessoais ou de portfólio só se tiverem link e explicarem uma pergunta de negócio
• Corte cursos genéricos de 20 horas que não mudaram seu trabalho
• Mantenha o currículo em duas páginas no máximo, uma se você tem até 5 anos de experiência

Depois de reescrever, passe o currículo pelo verificador de currículo gratuito para checar se o formato e as palavras sobrevivem ao filtro automático. É um passo barato que evita sumiço silencioso.

O que estudar para a entrevista técnica#

Sem acesso ao processo interno, o mais honesto é se preparar pelo que o mercado de Data Scientist costuma cobrar em empresas de produto. Três frentes.

SQL primeiro. Espera-se que você resolva problemas de média complexidade na hora: agregação por janela, funções de ranking, tratamento de nulos, joins que não são triviais. Pratique escrevendo consulta em voz alta, explicando cada passo. A forma como você pensa vale mais que a resposta final.

Estatística e experimentação em segundo. Saiba explicar quando um teste A/B é válido, o que é poder estatístico, o que fazer quando o resultado é inconclusivo, e por que múltiplos testes ao mesmo tempo criam problema. Não é de decoreba, é de raciocínio.

Comunicação em terceiro. Você vai precisar traduzir um achado técnico para alguém que decide orçamento. Esse treino é o que mais falta em candidato técnico.

Exemplo de resposta para pergunta de experimentação

Pergunta: "Como você diria se uma mudança no checkout aumentou a conversão?"

Resposta: "Primeiro eu definiria a métrica primária antes de olhar os dados, que aqui seria a taxa de finalização de compra por visitante elegível. Depois eu checaria tamanho de amostra e duração mínima, considerando sazonalidade de compra. Se o resultado não tivesse poder suficiente, eu reportaria como inconclusivo em vez de forçar uma conclusão. E eu olharia métricas de guarda, como taxa de erro de pagamento, para garantir que a melhora não veio com efeito colateral."

Essa resposta funciona porque mostra método, mostra cautela e mostra que você pensa em efeito colateral. É o tipo de coisa que um entrevistador técnico procura ouvir.

Cuidados para candidatos no Brasil#

Três pontos que valem para qualquer vaga internacional, inclusive em empresa com operação remota.

A Shopify não tem, até onde se pode confirmar publicamente, um processo de visto padronizado para candidatos brasileiros. Se a vaga for remota do Brasil, o mais comum é contratação como pessoa jurídica ou via Employer of Record, e as condições variam bastante. Nunca aceite promessa de visto ou de salário sem contrato escrito.

Faixa salarial: relatos de mercado para Data Scientist em empresa de produto estrangeira pagando para o Brasil variam bastante, e dependem de senioridade, modelo de contratação e moeda de pagamento. Não vou inventar número aqui. Consulte faixas atuais em fontes oficiais de vagas e no site da empresa, e negocie sempre com informação fresca.

Fuso horário é outro ponto. Times com base na América do Norte esperam sobreposição de algumas horas no fim da tarde brasileiro. Pergunte sobre isso na entrevista, mostra que você pensa como profissional.

Onde encontrar as vagas abertas#

Antes de investir semanas em preparação, confirme que existe vaga aberta para o seu nível. Acompanhe as vagas de Data Scientist no nosso painel para ver o que está aberto agora e quais termos aparecem com mais frequência nas descrições.

Depois, quando tiver o texto da vaga em mãos, use o decodificador de descrição de vagas para extrair os requisitos e comparar com seu currículo linha por linha. E o verificador de currículo gratuito fecha o ciclo, checando se o documento final tem formato e palavras que passam pelo filtro. Mais dicas de carreira e preparação estão no blog da jobrise.

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 e-commerce para concorrer?

Não necessariamente. O que pesa é você conseguir conectar análise a métrica de negócio, seja em e-commerce, SaaS, fintech ou outro setor. Se sua experiência for de outra área, traduza os problemas para métricas comparáveis, como retenção, ativação e conversão.

Devo escrever o currículo em inglês?

Sim, se a vaga está em inglês. Currículo em português para vaga em inglês é descartado rápido, mesmo que seu inglês seja bom. Tenha as duas versões, mas envie a que corresponde ao idioma da vaga.

Quanto tempo leva para se preparar para a entrevista técnica?

Depende do seu ponto de partida, mas contam-se semanas e não dias para revisar SQL, estatística e ensaiar respostas em voz alta. Se você já trabalha com dados no dia a dia, o foco vira experimentação e comunicação. Se está migrando de outra área, o tempo é maior.

Posso mencionar projetos pessoais no currículo?

Sim, desde que respondam a uma pergunta de negócio e tenham link para o código ou resultado. Projeto pessoal que só mostra que você sabe usar uma biblioteca não agrega muito. Prefira projetos onde você definiu a pergunta, mediu e tirou uma conclusão.

O que fazer se eu for reprovado no processo?

Pergunte feedback ao recrutador, mesmo que a resposta seja genérica. Anote quais perguntas você travou e volte a elas em duas semanas. Reaplicar para a mesma empresa depois de alguns meses é normal, desde que algo no seu perfil tenha mudado.