Uber Data Engineer: palavras-chave de curriculo e entrevista

Você está mirando uma vaga de Data Engineer na Uber e não sabe quais palavras-chave colocar no currículo. O problema real é outro: a empresa não vai ler seu CV inteiro. Vai ler os primeiros segundos, procurar sinais de SQL, Python e modelagem de dados. Se esses sinais não estiverem explícitos, você nem chega na entrevista.

Este guia mostra como adaptar o currículo e como se preparar para as etapas, sem inventar como é o processo interno da empresa. Tudo que está aqui é baseado no que as vagas pedem publicamente e no que costuma ser cobrado em entrevistas de engenharia de dados.

O que a vaga realmente pede#

Antes de escrever qualquer linha do currículo, leia o texto da vaga com calma. O que a Uber publica nos anúncios de Data Engineer costuma girar em torno de alguns eixos: SQL avançado, Python ou Scala, modelagem de dados, pipelines de dados, orquestração e nuvem.

Os detalhes mudam conforme a equipe. Um time de marketplace pede uma coisa, um time de pricing pede outra. Não tente adivinhar. Use o texto da vaga como fonte de verdade.

Uma ferramenta de decodificação de anúncio de vaga ajuda a separar o que é requisito real do que é ruído. Vale usar o decodificador de descrições de vagas antes de reescrever nada.

Palavras-chave que aparecem nos anúncios#

Estas são as competências mais citadas nos anúncios públicos de engenharia de dados em empresas de tecnologia com operação grande como a Uber. Elas não são garantia de nada, são apenas o vocabulário que o filtro automático procura.

• SQL (window functions, CTEs, otimização de queries)
• Python para manipulação de dados
• Modelagem dimensional e modelagem de dados analíticos
• Spark e processamento distribuído
• Airflow ou outras ferramentas de orquestração
• AWS, GCP ou Azure, conforme a vaga
• Kafka ou streaming, quando o anúncio menciona
• Testes de dados e monitoramento de qualidade
• Git e boas práticas de engenharia

Não coloque Spark no currículo se você nunca usou. Vai aparecer na entrevista técnica e a queda é rápida.

Como escrever o currículo#

O erro mais comum é listar responsabilidades em vez de resultados. "Responsável por pipelines de dados" não diz nada. Diz quem fez, mas não o que mudou.

Cada bullet precisa de três partes: o que você fez, com qual tecnologia, e qual foi o efeito. Se você não tem número exato, use ordem de grandeza honesta. Não invente percentual.

Um exemplo concreto de reescrita. Antes:

• Responsável pelo desenvolvimento de pipelines de dados em Python.

Depois:

• Reescrevi 12 pipelines de ingestão diária em Python e Airflow, reduzindo o tempo de execução de cerca de 4 horas para menos de 1 hora e eliminando falhas manuais de reprocessamento.

A segunda versão diz o volume, a ferramenta e o resultado. É o tipo de linha que faz o recrutador parar.

Outro exemplo, para alguém com perfil mais analítico:

• Modelei tabelas analíticas em BigQuery para o time de crescimento, criando 8 tabelas dimensão e 3 tabelas fato que sustentaram relatórios usados por 4 squads.

Perceba que os números são modestos e plausíveis. Exagero é fácil de detectar e queima sua credibilidade.

Onde colocar cada palavra-chave#

O currículo tem zonas de peso diferente. O resumo profissional no topo é onde o recrutador olha primeiro. Coloque ali os dois ou três termos centais da vaga, sem repetir a descrição inteira.

A seção de experiência é onde as palavras-chave ganham contexto. Não adianta escrever "Spark" numa lista de habilidades se nenhuma experiência mostra onde você usou.

A seção de habilidades técnicas serve para o filtro automático, mas precisa ser honesta. Separe o que você domina do que você conhece superficialmente. Na entrevista, a diferença fica óbvia em duas perguntas.

Para conferir se o currículo passa por filtros automáticos, use o verificador de currículo para ATS. Ele aponta termos que estão faltando e formatação que atrapalha a leitura por máquina.

Preparação para a entrevista técnica#

A entrevista técnica de engenharia de dados costuma ter pelo menos três frentes. SQL, modelagem de dados e desenho de pipelines. Cada uma exige preparação diferente.

SQL é a mais previsível. Pratique queries com window functions, joins complexos, agregações e otimização. O nível de dificuldade varia, mas escrever SQL correto sob pressão é a base.

Modelagem de dados pede que você explique escolhas. Por que uma tabela fato e não uma tabela larga. Quando usar SCD tipo 2. O que acontece quando a granularidade muda.

Desenho de pipelines é onde a conversa fica aberta. Esperem que você faça perguntas sobre volume, latência, frequência e consumidores antes de propor qualquer arquitetura.

Exemplo de resposta para pergunta de modelagem#

Pergunta do entrevistador: como você modelaria os dados de corridas para análise de cancelamentos?

Uma resposta estruturada:

"Antes de modelar, eu faria três perguntas. Qual a granularidade, uma linha por corrida ou por evento de corrida. Qual a latência necessária, relatório diário ou quase tempo real. E quem consome, time de produto ou time financeiro.

Supondo uma linha por corrida para relatório diário, eu criaria uma tabela fato de corridas com chaves para passageiro, motorista, cidade e método de pagamento. Os eventos de cancelamento viriam numa tabela fato separada, com granularidade por evento, porque uma corrida pode ter mais de um evento de status.

Para investigar cancelamento ao longo do tempo, eu adicionaria uma dimensão de data e usaria window functions para calcular tempo até o cancelamento. Se o time precisar de histórico de mudanças de preço, eu aplicaria SCD tipo 2 na dimensão de tarifa."

Essa resposta mostra método, não memorização. É isso que o entrevistador está avaliando.

O que muda no mercado brasileiro#

Se você está aplicando de dentro do Brasil para uma vaga da Uber, alguns pontos merecem atenção.

Primeiro, as vagas de engenharia de dados da Uber no Brasil são poucas e concentradas em São Paulo. A competição é alta e o nível técnico esperado acompanha o time global.

Segundo, o idioma. Processos seletivos de empresas de tecnologia com operação global quase sempre incluem inglês. Se a vaga pedir inglês fluente, é porque a entrevista técnica pode ser em inglês. Prepare-se para isso.

Terceiro, remuneração varia muito conforme o nível, o time e a modalidade. Não existe número público confiável que sirva para todo mundo. Consulte fontes atuais de comparação salarial e confirme a faixa direto com o recrutador no primeiro contato.

Quarto, se a vaga for fora do Brasil, o visto é assunto separado. Não existe garantia de visto por parte de empresa nenhuma antes de uma oferta formal. Verifique sempre as regras oficiais do país de destino.

Para acompanhar vagas abertas no Brasil e fora, use a busca de vagas atualizadas. As vagas de engenharia de dados aparecem e somem rápido.

Roteiro de estudo em quatro semanas#

Um plano simples, sem promessa de aprovação. Só para organizar o esforço.

• Semana 1: SQL intenso, window functions, CTEs, e uma revisão de modelagem dimensional
• Semana 2: Python para dados, pandas, e pelo menos um projeto com pipeline real
• Semana 3: desenho de sistemas de dados, pratique explicar arquiteturas em voz alta
• Semana 4: simulação de entrevista, cronometrada, com alguém ou gravada

Grave-se respondendo. É desconfortável, mas é o jeito mais rápido de perceber onde você enrola.

O que fazer na semana antes da entrevista#

Confira estes pontos. São simples e evitam erros bobos.

• Releia a descrição da vaga e anote os cinco requisitos principais
• Prepare duas ou três histórias reais de projetos que você entregou
• Teste o ambiente de videochamada, áudio, câmera e conexão
• Tenha um caderno em branco ou editor de texto aberto para exercícios
• Durma. Sério. Fadiga mental aparece na entrevista técnica

Se você quer mais material de preparação, o blog tem artigos sobre currículo e entrevista que complementam este guia.

Ferramentas grátis#

• jobrise.io/pt/free-ats-checker/
• jobrise.io/pt/free-jd-decoder/
• jobrise.io/pt/jobs/
• jobrise.io/pt/blog/

Perguntas frequentes#

Quais palavras-chave não podem faltar no currículo para Uber Data Engineer?

SQL, Python, modelagem de dados e pipelines de dados são as mais citadas nos anúncios públicos. Inclua também as ferramentas específicas que a vaga menciona, como Spark, Airflow ou serviços de nuvem, desde que você realmente tenha experiência com elas.

A Uber usa processo seletivo com filtro automático de currículo?

Empresas de tecnologia com volume alto de candidatos costumam usar sistemas de rastreamento de candidatos. Não dá para afirmar como a Uber filtra internamente, mas manter o currículo legível por máquina e alinhado ao texto da vaga é uma prática recomendada em qualquer processo grande.

Preciso saber inglês para uma vaga de engenharia de dados na Uber?

Nas vagas publicadas no Brasil, inglês costuma ser requisito ou diferencial forte. Como a empresa opera globalmente, é comum que parte das entrevistas ou da documentação técnica seja em inglês. Confirme o nível exigido direto na descrição da vaga.

Quanto ganha um Data Engineer na Uber no Brasil?

A faixa varia conforme o nível, o time e a modalidade de contratação, e não existe número oficial público que sirva para todos os casos. Consulte fontes de comparação salarial atualizadas e peça a faixa ao recrutador no primeiro contato.

Quanto tempo antes da entrevista devo começar a estudar?

Quatro a seis semanas é um prazo realista para quem já trabalha com dados e precisa só de revisão. Se você está migrando de outra área, conte alguns meses. O ponto crítico não é decorar conteúdo, é conseguir resolver problemas de SQL e explicar decisões de modelagem em voz alta.