Transicao From Sales Executive to Data Analyst

Você fez carreira em vendas e agora quer virar analista de dados, mas não sabe o que do seu currículo realmente vale para essa vaga. A boa notícia: vende bem mais do que você imagina. A má notícia: tem coisa que você precisa aprender do zero, e não é pouca.

Esse texto é um mapa honesto. Sem promessa de que em três meses você está empregado em dados, e sem fingir que experiência em vendas substitui saber escrever SQL.

O que de Sales Executive já vale para Data Analyst#

Comece pelo que já está pronto. Você não está começando do zero, está trocando de terreno com uma parte do equipamento já carregada.

• Leitura de funil e de conversão. Você já olha taxa de conversão, ticket médio, ciclo de venda e churn sem ninguém precisar explicar.
• Contato com CRM. Salesforce, HubSpot, Pipedrive, RD Station: você já extrai relatórios e já sabe onde os dados mentem.
• Pergunta certa antes da resposta. Analista bom começa entendendo o que o negócio quer saber. Você faz isso por instinto.
• Comunicação com gente não técnica. Explicar um número para um diretor comercial é o mesmo trabalho de explicar um insight para um gestor.
• Pressão por resultado e prazo. Vendas ensina a entregar em data certa, e isso conta muito em time de dados.

Essas competências não são enfeite. Elas aparecem na entrevista técnica quando o entrevistador pergunta como você priorizaria uma análise, e é aí que você ganha vantagem sobre quem vem de outra área.

O que você precisa aprender do zero#

Aqui vai a parte sem atalho. Ferramenta e método não se improvisam, e entrevistador técnico percebe em cinco minutos se você sabe ou só leu a respeito.

• SQL para consultas reais, incluindo joins, agregações e subqueries. É a exigência mais comum em vaga de analista.
• Excel ou Google Sheets em nível avançado: tabela dinâmica, procv, index/match, e modelagem simples.
• Uma ferramenta de visualização: Power BI ou Tableau. Comece por uma, não por duas.
• Estatística básica: média, mediana, desvio padrão, correlação, e o que significa significância em termos simples.
• Limpeza de dados. Dados de vendas vêm sujos, com duplicatas, campos vazios e formatação inconsistente.
• Pensamento analítico aplicado: transformar uma pergunta de negócio em uma pergunta de dados.

Três projetos de portfólio que provam a transição#

Portfólio de transição precisa mostrar as duas coisas ao mesmo tempo: técnica nova e domínio do negócio antigo. Use dados de vendas, é o seu diferencial.

Projeto 1: análise de funil de vendas

Pegue um dataset público de vendas ou simule o seu próprio CRM anonimizado. Calcule conversão por etapa, tempo médio de ciclo, taxa de perda por motivo e ticket médio por representante. Entregue um dashboard em Power BI e um texto curto com três achados e três recomendações para o time comercial.

Projeto 2: causa de churn ou perda de clientes

Cruze dados de clientes que ficaram com os que saíram. Procure padrão em região, produto, faixa de ticket, frequência de contato. Esse projeto mostra que você sabe fazer pergunta investigativa, não só relatório.

Projeto 3: previsão ou segmentação simples

Use regressão linear para estimar receita futura por cliente, ou clusterização para segmentar a base em perfis de compra. Não precisa de modelo complexo. Precisa de clareza sobre o que o modelo faz e onde ele falha.

Em cada projeto, publique no GitHub com README explicando a pergunta de negócio, a fonte dos dados, o que você fez e o que encontrou. Um projeto sem explicação vale pouco.

Cronograma realista estudando e trabalhando#

Quem trabalha em vendas tem rotina de deslocamento, meta e imprevisto. Vou ser direto: contando com 8 a 12 horas de estudo por semana, o caminho mais comum fica assim.

• Meses 1 e 2: Excel avançado e SQL básico. Já dá para fazer o primeiro projeto de funil.
• Meses 3 e 4: SQL intermediário e Power BI ou Tableau. Segundo projeto no ar.
• Meses 5 e 6: estatística básica e um projeto mais analítico. Currículo reescrito e candidaturas começando.
• Meses 7 a 12: entrevistas, ajustes de portfólio, e eventualmente uma primeira proposta.

Isso dá de seis meses a um ano antes de uma vaga concreta. Tem gente que consegue antes, tem gente que leva mais. Depende da sua base em exatas, do tempo real disponível e do mercado da sua cidade.

Se você tem 20 horas livres por semana e alguma base de estatística, encurte isso. Se tem filhos pequenos e meta alta no trabalho, alongue. Cronograma real é melhor que cronograma bonito.

Como escrever o currículo de transição#

Currículo de mudança de área comete dois erros: listar só as funções de vendas, ou fingir que já é analista. Os dois perdem a vaga.

Reescreva cada bullet de vendas puxando o lado analítico. Veja o antes e o depois.

Antes: "Responsible for achieving monthly sales targets in the Southeast region."

Depois: "Analyzed monthly pipeline data in Salesforce to identify conversion drop in the Southeast region, built a follow-up routine for stalled deals, and recovered 12% of at-risk revenue within one quarter."

Note o que mudou. O verbo virou analítico, tem ferramenta citada, tem método, tem resultado mensurável. A experiência é a mesma.

Monte também uma seção de projetos acima da experiência, com os três projetos do portfólio e link para o GitHub. E crie um resumo profissional curto que nomeie a transição sem pedir desculpa por ela.

Depois de reescrever, teste o currículo em um leitor automático para ver se ele passa em filtro de ATS. A gente tem um verificador gratuito de ATS no site, use antes de enviar.

Estratégia para o primeiro papel em dados#

A primeira vaga raramente é o cargo dos sonhos. É a porta de entrada.

• Procure vaga de analista júnior, analista de dados pleno em empresa pequena, ou analista de BI em time comercial. Vaga híbrida entre vendas e dados é o caminho mais curto.
• Candidate-se para empresas onde seu domínio de vendas vira diferencial imediato: SaaS, e-commerce, marketplace, fintech de crédito, qualquer negócio com time comercial grande.
• Use sua rede de vendas. Metade das vagas em dados circula por indicação antes de ir para o site.
• Considere posição interna na sua empresa atual. Mover para o time de dados ou de inteligência comercial é a transição mais suave que existe.
• Negocie salário com expectativa realista. O primeiro papel em dados costuma pagar menos que o topo de vendas comissionado, e varia muito por região e porte de empresa. Confira a faixa atual em fontes oficiais e em sites de vagas antes de negociar.

Use nosso buscador de vagas para filtrar por nível júnior e por palavras como SQL, Power BI e análise de dados. E se a descrição da vaga estiver confusa, decodifique o que ela realmente pede antes de montar a candidatura.

Erros que atrasam a transição#

Alguns padrões aparecem em quem demora mais do que o necessário.

• Estudar cinco ferramentas ao mesmo tempo em vez de dominar uma.
• Fazer curso atrás de curso sem publicar projeto.
• Esconder a experiência em vendas em vez de reposicionará-la.
• Esperar ficar pronto para se candidatar. Você se candidata enquanto aprende, e ajusta pelo feedback.
• Ignorar vaga de analista de BI ou de inteligência comercial achando que não é "dados de verdade". É.

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 saber programação em Python para virar analista de dados?

Não para a maioria das vagas júnior. SQL, Excel e uma ferramenta de visualização resolvem a maior parte das exigências iniciais. Python ajuda depois, quando você quiser automação ou análise mais pesada.

Minha experiência em vendas conta mesmo ou é vista como carreira desconectada?

Conta, se você souber apresentar. Recrutador de dados valoriza quem entende o negócio, porque analista que não sabe o que o negócio quer vira gerador de relatório inútil. Reescreva os bullets puxando o lado analítico e crie os projetos de portfólio.

Quanto tempo leva a transição estudando e trabalhando ao mesmo tempo?

Com 8 a 12 horas de estudo por semana, a faixa mais comum é de seis meses a um ano até a primeira proposta. Isso varia conforme sua base em exatas, o mercado da sua região e quanto tempo real você consegue manter.

Vale a pena fazer pós-graduação em análise de dados logo de cara?

Para a primeira vaga, normalmente não. Projeto de portfólio e certificação em ferramenta entregam mais rápido. Pós-graduação faz mais sentido depois, quando você já estiver na área e quiser acelerar para sênior.

Devo aceitar uma vaga de analista de BI ou de inteligência comercial como primeiro passo?

Sim, na maioria dos casos. São portas de entrada legítimas para dados, e o trabalho real de análise acontece nelas. Depois de um ano nesse papel, o salto para analista de dados puro fica muito mais fácil.