Vagas de Data Analyst em Belo Horizonte 2026: Guia Prático

Você está olhando vagas de Data Analyst em Belo Horizonte e sente aquele misto de empolgação com insegurança: “será que meu currículo passa?”, “será que pedem SQL demais?”, “será que dá para ganhar bem sem mudar para São Paulo?”. A boa notícia é que BH tem um mercado real para analistas de dados, com empresas grandes, startups, bancos, saúde, mineração, varejo e tecnologia contratando gente que sabe transformar dados em decisão.

Vagas de Data Analyst em Belo Horizonte 2026: Guia Prático#

Se você quer trabalhar com dados em Belo Horizonte em 2026, este guia é para você.

Vou te mostrar o que as empresas costumam pedir, quanto dá para ganhar, quais habilidades mais aparecem nas vagas, como montar um currículo que passa no ATS e como se preparar para entrevistas.

A ideia aqui é ser direto, prático e útil. Como se eu estivesse te mandando um áudio no WhatsApp, mas organizado para você consultar sempre que precisar.

Como está o mercado de Data Analyst em BH em 2026#

Belo Horizonte virou um polo importante para tecnologia, produto, dados e operações. Não é só “mercado menor que São Paulo”. Tem oportunidade boa, principalmente para quem combina análise de dados com visão de negócio.

Você vai encontrar vagas em empresas de vários setores:

• Bancos e fintechs
• Varejo e e-commerce
• Saúde
• Educação
• Mineração
• Telecom
• Logística
• Tecnologia B2B
• Consultorias
• Startups

Empresas como Itaú, Nubank, Stone, iFood, Magalu, Globo e Localiza podem ter posições remotas, híbridas ou com atuação em BH dependendo da área. Além delas, há empresas mineiras e centros de tecnologia contratando analistas para times de produto, marketing, risco, CRM, operações, financeiro e BI.

O ponto principal: em 2026, Data Analyst não é mais uma vaga “só para fazer dashboard”. A empresa quer alguém que entenda problema, faça perguntas boas, valide dados, explique resultado e recomende ação.

Você não precisa ser cientista de dados para entrar bem na área. Mas precisa mostrar que sabe responder perguntas de negócio com dados.

O que faz um Data Analyst na prática#

Um Data Analyst pega dados brutos, organiza, analisa e transforma em insights úteis para tomada de decisão.

Na prática, seu dia pode incluir:

1. Escrever queries em SQL para buscar dados no banco.
2. Limpar e organizar bases.
3. Criar dashboards em Power BI, Tableau, Looker Studio ou Metabase.
4. Analisar funil de vendas, churn, receita, margem, retenção ou produtividade.
5. Conversar com áreas como marketing, produto, financeiro, atendimento e operações.
6. Apresentar conclusões para liderança.
7. Criar métricas e acompanhar KPIs.
8. Investigar quedas ou mudanças em indicadores.
9. Automatizar relatórios.
10. Documentar regras de negócio.

Um exemplo simples: o time de produto percebe que a conversão caiu 12% no app. Você cruza dados de eventos, canais, versão do app, perfil dos usuários e etapas do funil. Depois descobre que a queda veio de usuários Android em uma versão específica após uma atualização.

Isso é análise de dados com impacto.

Outro exemplo: uma empresa de delivery em BH quer reduzir cancelamentos. Você analisa horário, região, loja, tempo de preparo, forma de pagamento e nota do entregador. Encontra padrões e recomenda mudanças operacionais.

É isso que faz você sair do “fazedor de gráfico” e virar uma pessoa importante para o negócio.

Salários de Data Analyst em Belo Horizonte em 2026#

Os salários variam bastante conforme senioridade, empresa, modelo remoto e setor. Mas dá para trabalhar com faixas realistas.

Em Belo Horizonte, uma referência prática para 2026 seria:

• Data Analyst Júnior: R$4k a R$7k
• Data Analyst Pleno: R$7k a R$12k
• Data Analyst Sênior: R$12k a R$18k
• Analytics Engineer ou BI Specialist: R$10k a R$20k
• Data Analyst remoto para empresa global: $3k a $7k por mês
• Senior Data Analyst remoto internacional: $60k a $100k por ano

Em empresas maiores, bancos e fintechs, como Itaú, Nubank e Stone, um profissional pleno ou sênior pode chegar a pacotes bem interessantes, somando salário, bônus, PLR e benefícios.

Em startups, talvez o fixo seja menor em alguns casos, mas você pode ganhar exposição, crescimento rápido e participação em projetos mais estratégicos.

Só cuidado com uma armadilha: aceitar vaga com título bonito e escopo confuso. Às vezes a empresa chama de Data Analyst, mas quer alguém para ser analista financeiro, BI, engenheiro de dados, suporte de CRM e dono do Power BI sozinho.

Antes de aceitar, pergunte:

• Qual será meu foco principal?
• Quais ferramentas o time usa?
• Quem consome minhas análises?
• Existe time de engenharia de dados?
• A empresa tem cultura de dados ou estou começando tudo do zero?
• Quais métricas definem sucesso na vaga?

Essas perguntas evitam muita dor de cabeça.

Principais habilidades pedidas nas vagas#

Se você abrir 30 vagas de Data Analyst em Belo Horizonte, vai notar padrões. Algumas exigências aparecem o tempo todo.

1. SQL

SQL é praticamente obrigatório. Não precisa ser um monstro em otimização de banco no início, mas precisa consultar dados com segurança.

Você deve saber:

• SELECT, WHERE, GROUP BY, ORDER BY
• JOINs
• CASE WHEN
• CTEs
• Subqueries
• Window functions
• Tratamento de datas
• Agregações
• Validação de duplicidade
• Cálculo de métricas

Um teste comum de entrevista pode pedir algo como:

“Calcule a receita mensal por cliente ativo nos últimos 6 meses.”

Ou:

“Liste os usuários que fizeram cadastro, mas não realizaram compra em até 7 dias.”

Se você consegue resolver isso com calma, já está no caminho.

2. Excel ou Google Sheets

Mesmo com Power BI e SQL, Excel ainda aparece muito. Principalmente em áreas de negócio.

Você deve dominar:

• PROCV, XLOOKUP ou PROCX
• Tabelas dinâmicas
• Fórmulas condicionais
• Tratamento básico de dados
• Gráficos
• Validação de dados
• Power Query, se possível

Não subestime planilhas. Muito gestor ainda toma decisão olhando uma planilha bem feita.

3. Power BI, Tableau, Looker ou Metabase

Para BH, Power BI aparece bastante, principalmente em empresas tradicionais, varejo, indústria, saúde e financeiro.

Você deve conseguir:

• Criar dashboards limpos
• Modelar dados
• Escrever medidas em DAX básico ou intermediário
• Conectar fontes
• Criar filtros úteis
• Contar uma história visual
• Evitar gráfico confuso

Um dashboard bom não é aquele cheio de cor e número. É aquele que responde rápido: “o que está acontecendo, por quê, e o que eu faço agora?”.

4. Python

Python nem sempre é obrigatório para Data Analyst júnior, mas ajuda muito.

Você não precisa começar com machine learning. Foque em análise:

• pandas
• numpy
• matplotlib ou seaborn
• leitura de CSV e Excel
• limpeza de dados
• análise exploratória
• automação simples
• notebooks

Se você sabe SQL, Power BI e Python básico, já ganha força frente a muitos candidatos.

5. Estatística básica

Você precisa entender conceitos como:

• Média, mediana e percentis
• Desvio padrão
• Correlação
• Amostragem
• Teste A/B
• Significância estatística
• Viés
• Sazonalidade
• Coorte
• Funil

Não precisa falar como professor universitário. Precisa aplicar no negócio.

Exemplo: “A conversão subiu de 4,1% para 4,4%. Isso é relevante ou só variação normal?”

Essa pergunta separa análise séria de chute bonito.

6. Comunicação

Muita gente técnica perde vaga porque não sabe explicar.

Você precisa apresentar resultado de forma simples:

• “O problema é este”
• “A hipótese era esta”
• “Analisei estes dados”
• “Encontrei este padrão”
• “Minha recomendação é esta”
• “O impacto esperado é este”

Data Analyst bom fala com gerente, desenvolvedor, vendedor, financeiro e diretoria sem complicar.

Tipos de vagas de Data Analyst em Belo Horizonte#

Nem toda vaga de Data Analyst é igual. O título pode ser o mesmo, mas o trabalho muda muito.

Data Analyst de Produto

Analisa comportamento de usuários em app, site ou plataforma.

Você pode trabalhar com:

• Funil de cadastro
• Ativação
• Retenção
• Churn
• Testes A/B
• Eventos de produto
• Engajamento
• Receita por usuário

É comum em fintechs, healthtechs, edtechs, e-commerce e SaaS.

Data Analyst de Marketing

Foca em aquisição, campanhas, CRM e performance.

Você analisa:

• CAC
• ROAS
• Conversão por canal
• E-mail marketing
• Segmentação
• LTV
• Campanhas pagas
• Jornada do cliente

Empresas como iFood, Magalu, Globo e varejistas grandes valorizam muito esse perfil.

Data Analyst Financeiro

Trabalha com receita, custo, margem, inadimplência, forecast e orçamento.

É forte em bancos, fintechs, empresas B2B e grandes operações.

Você pode usar bastante SQL, Excel, Power BI e modelagem de métricas.

BI Analyst

Mais focado em dashboards, relatórios, governança de indicadores e suporte à tomada de decisão.

Muitas vagas em BH ainda usam o título BI Analyst em vez de Data Analyst. Na prática, pode ser muito parecido.

Analytics Engineer

É um perfil mais técnico, no meio entre Data Analyst e Data Engineer.

Você trabalha com dbt, modelagem, pipelines analíticos, camada semântica e qualidade dos dados.

Costuma pagar melhor, especialmente em vagas remotas. Um Analytics Engineer pleno pode mirar R$12k a R$18k no Brasil, e mais em empresas internacionais.

Onde encontrar vagas de Data Analyst em BH#

Você deve procurar em vários canais ao mesmo tempo. Não dependa só de candidatura fácil.

Use:

• LinkedIn
• Gupy
• Indeed
• Glassdoor
• Programathor
• GeekHunter
• Remotar
• Revelo
• Trampos
• Sites de carreira das empresas
• Comunidades de dados no Slack, Discord e WhatsApp
• Eventos de tecnologia em BH
• Indicações

No LinkedIn, busque por termos diferentes:

• Data Analyst Belo Horizonte
• Analista de Dados BH
• Analista de BI Belo Horizonte
• Business Intelligence BH
• Analytics Analyst remoto
• Product Analyst remoto
• Marketing Data Analyst
• Power BI Analyst
• SQL Analyst
• Analytics Engineer

Também filtre por “remoto” e “híbrido”. Muitas vagas boas não exigem que você esteja em São Paulo.

Um truque simples: siga líderes de dados, recrutadores e heads de analytics de empresas que você admira. Muitas vagas aparecem primeiro em posts pessoais antes de chegar nos sites.

Como montar um currículo forte para Data Analyst#

Seu currículo precisa mostrar impacto, ferramentas e clareza. Recrutador não tem tempo de decifrar texto genérico.

Evite frases como:

• “Responsável por relatórios”
• “Apoio à tomada de decisão”
• “Análise de dados diversos”
• “Criação de dashboards”

Isso diz pouco.

Prefira frases com contexto, ação e resultado:

• “Criei dashboard em Power BI para acompanhar churn de 18 mil clientes, reduzindo tempo de análise semanal de 6 horas para 40 minutos.”
• “Desenvolvi queries SQL para identificar queda de 14% na conversão do funil de cadastro.”
• “Automatizei relatório de vendas em Python e Google Sheets, economizando 10 horas mensais do time comercial.”
• “Analisei campanhas de mídia paga e recomendei realocação de verba, aumentando ROAS de 2,1 para 2,8.”
• “Padronizei KPIs de receita, margem e ticket médio para diretoria comercial.”

Percebe a diferença? A segunda versão mostra valor.

Estrutura recomendada do currículo

Use uma estrutura simples:

1. Nome e contato
2. LinkedIn e portfólio
3. Resumo profissional
4. Habilidades técnicas
5. Experiência profissional
6. Projetos de dados
7. Formação
8. Certificações

No resumo, seja específico.

Exemplo:

“Data Analyst com 3 anos de experiência em SQL, Power BI e análise de indicadores comerciais. Atuei com dashboards executivos, análise de funil, automação de relatórios e definição de KPIs. Experiência em varejo, CRM e performance, com foco em transformar dados em decisões práticas.”

Se você é júnior, foque em projetos.

Exemplo:

“Profissional em transição para dados, com projetos práticos em SQL, Power BI e Python. Desenvolvi análises de vendas, churn e comportamento de clientes usando bases públicas e dashboards interativos. Experiência anterior em atendimento e operações, com forte visão de processos e indicadores.”

Projetos que ajudam você a conseguir entrevista#

Se você ainda não tem experiência formal, projetos são essenciais.

Mas nada de projeto genérico demais, tipo “Titanic” ou “Iris dataset”, se o objetivo é vaga de Data Analyst. Faça projetos parecidos com problemas reais de empresas.

Ideias boas:

1. Dashboard de vendas no Power BI

Crie uma base fictícia ou use dataset público.

Analise:

• Receita mensal
• Ticket médio
• Margem
• Top produtos
• Vendas por região
• Metas
• Variação mês a mês

Escreva no portfólio quais decisões o gestor poderia tomar com aquilo.

2. Análise de churn

Use uma base de clientes e investigue quem cancela.

Inclua:

• Perfil dos clientes que saem
• Tempo médio até churn
• Relação com preço ou uso
• Segmentos de maior risco
• Recomendações de retenção

Esse projeto conversa muito com fintech, SaaS, telecom e assinatura.

3. Funil de conversão

Simule dados de usuários passando por etapas:

• Visitou site
• Criou conta
• Validou e-mail
• Adicionou produto
• Comprou
• Comprou novamente

Analise onde há maior perda e proponha ações.

4. Análise de campanhas de marketing

Mostre CAC, ROAS, conversão e receita por canal.

Isso ajuda para vagas de marketing analytics em empresas como Magalu, Globo, iFood e e-commerces.

5. SQL case no GitHub

Crie um repositório com:

• Perguntas de negócio
• Queries SQL
• Explicação dos resultados
• Prints ou tabelas finais

Muita gente coloca só dashboard bonito. Pouca gente mostra raciocínio analítico.

Como se preparar para entrevistas#

Entrevista de Data Analyst costuma ter três partes:

1. Conversa com RH
2. Entrevista técnica
3. Case ou apresentação

Às vezes tem teste SQL antes.

Perguntas comuns de RH

Você pode ouvir:

• “Me conte sobre você.”
• “Por que quer trabalhar com dados?”
• “Qual projeto de dados você mais se orgulha?”
• “Como você lida com prazo apertado?”
• “Fale de uma análise que gerou impacto.”
• “Qual sua pretensão salarial?”

Tenha respostas curtas, com exemplos reais.

Para pretensão salarial, você pode dizer:

“Pelo escopo da vaga e pelo mercado em BH, estou buscando algo na faixa de R$8k a R$10k para uma posição plena, mas estou aberto a entender pacote total, benefícios, bônus e modelo de trabalho.”

Isso soa maduro.

Perguntas técnicas comuns

Prepare-se para:

• Explicar diferença entre INNER JOIN e LEFT JOIN
• Calcular taxa de conversão
• Identificar duplicidades
• Criar uma query com GROUP BY
• Explicar uma métrica de negócio
• Interpretar um dashboard
• Falar sobre teste A/B
• Explicar como investigaria queda em receita
• Definir KPIs para um produto
• Avaliar qualidade de dados

Uma pergunta clássica:

“A receita caiu 20% na última semana. Como você investigaria?”

Boa resposta:

1. Confirmaria se o dado está correto.
2. Verificaria se houve mudança na coleta, pipeline ou regra da métrica.
3. Quebraria por canal, produto, região, dispositivo e segmento.
4. Compararia com semanas anteriores e sazonalidade.
5. Verificaria volume, preço, conversão e ticket médio.
6. Levantaria hipóteses.
7. Priorizaria causas com maior impacto.
8. Recomendaria próximos passos.

Essa estrutura mostra pensamento analítico.

Como apresentar um case

Se pedirem case, organize assim:

• Contexto
• Pergunta principal
• Dados usados
• Limitações da análise
• Principais descobertas
• Recomendação
• Próximos passos

Não jogue 20 gráficos na tela. Escolha os que contam a história.

Uma apresentação boa tem começo, meio e fim. A pessoa precisa sair pensando: “essa pessoa entende dados e sabe comunicar”.

Como adaptar seu LinkedIn para vagas de dados#

Seu LinkedIn precisa bater com seu currículo. Recrutadores buscam palavras-chave.

No título, seja claro:

• Data Analyst | SQL, Power BI, Python | Analytics
• Analista de Dados | BI | SQL | Power BI
• Product Data Analyst | SQL | Experimentação | Métricas

No “Sobre”, fale do que você faz, ferramentas e impacto.

Exemplo:

“Sou Data Analyst com experiência em SQL, Power BI e análise de indicadores de negócio. Trabalho com criação de dashboards, análise de funil, KPIs comerciais e automação de relatórios. Gosto de transformar dados confusos em recomendações simples para times de produto, marketing e operações.”

Na experiência, use bullets com resultados. Nos projetos, coloque links.

Também poste de vez em quando. Não precisa virar influencer.

Você pode publicar:

• Um mini estudo de dados
• Um dashboard que criou
• Uma query SQL interessante
• Aprendizados de um curso
• Análise de um case público
• Reflexões sobre métricas de negócio

Isso ajuda recrutadores a enxergar você.

Erros que travam candidatos em BH#

Alguns erros aparecem muito e custam entrevistas.

1. Currículo genérico

Se seu currículo parece o mesmo para vaga de BI, administrativo, financeiro e dados, ele perde força.

Adapte para cada vaga.

2. Só listar ferramentas

“SQL, Python, Power BI, Excel” é bom, mas não basta.

Mostre o que você fez com isso.

3. Não saber explicar projeto

Se você colocou um projeto no currículo, precisa explicar detalhes.

Recrutador técnico pode perguntar:

• Por que escolheu essa métrica?
• Como tratou dados faltantes?
• Qual foi a principal descoberta?
• O que você faria diferente?
• Como validou o resultado?

4. Querer pular fundamentos

Muita gente quer aprender IA, machine learning e LLM antes de saber SQL direito.

Para vaga de Data Analyst, o básico bem feito ganha entrevista.

5. Não estudar negócio

Dados sem negócio viram relatório sem uso.

Se a vaga é em fintech, estude inadimplência, fraude, transação, conta digital, crédito e retenção.

Se é varejo, estude margem, estoque, ticket médio, recompra, ruptura e sell-out.

Se é produto, estude ativação, engajamento, churn, NPS e funil.

Plano de 30 dias para buscar vaga de Data Analyst#

Se você está meio perdido, siga um plano simples.

Semana 1: Base e posicionamento

• Atualize currículo
• Ajuste LinkedIn
• Liste 30 empresas-alvo
• Separe 10 vagas reais e marque requisitos repetidos
• Revise SQL todos os dias
• Escolha um projeto para portfólio

Semana 2: Portfólio e candidatura

• Termine um dashboard em Power BI
• Escreva explicação do projeto
• Suba no GitHub ou Notion
• Candidate-se a 5 vagas por dia
• Envie mensagem para recrutadores
• Peça feedback para alguém da área

Semana 3: Entrevistas e cases

• Treine perguntas de RH
• Faça 20 exercícios SQL
• Simule um case de negócio
• Grave uma apresentação de 5 minutos
• Ajuste currículo com base nas respostas das empresas

Semana 4: Networking e melhoria

• Participe de um evento ou comunidade
• Comente em posts de profissionais de dados
• Marque conversas informais
• Refine seu portfólio
• Continue aplicando com consistência
• Acompanhe tudo em uma planilha

Procura de emprego é processo. Se você trata como projeto, melhora rápido.

Como aumentar suas chances em vagas remotas#

Mesmo morando em BH, você pode disputar vagas no Brasil todo e fora do país.

Para vagas remotas nacionais, destaque:

• Autonomia
• Comunicação escrita
• Organização
• Experiência com times distribuídos
• Documentação
• Entrega assíncrona

Para vagas internacionais, inglês vira diferencial forte.

Você não precisa ter sotaque perfeito. Precisa explicar análise, escrever bem e participar de reunião.

Termos importantes em inglês:

• Revenue
• Churn
• Retention
• Conversion rate
• Funnel
• Cohort
• Dashboard
• Data quality
• Stakeholders
• Business metrics
• Experimentation

Se você mirar empresa americana ou europeia, salários podem ir de $60k a $100k por ano para perfis mais experientes. Para contratos PJ remotos, também existem faixas como $3k, $5k ou $7k por mês.

Mas atenção: vaga internacional cobra portfólio forte, comunicação clara e experiência comprovada.

O que estudar primeiro se você está começando#

Se você está no zero ou quase zero, não tente estudar tudo ao mesmo tempo.

Siga esta ordem:

1. Excel ou Google Sheets
2. SQL
3. Power BI
4. Estatística básica
5. Python para análise
6. Storytelling com dados
7. Métricas de negócio
8. Portfólio
9. Inglês técnico

O melhor combo para entrar é:

• SQL bom
• Power BI bom
• Excel bom
• Noção de negócio
• Um portfólio decente
• Comunicação clara

Com isso, você consegue disputar vagas júnior e algumas vagas de BI.

Depois, para crescer, aprofunde:

• Modelagem de dados
• dbt
• Cloud
• Teste A/B
• Experimentação
• Python avançado
• Analytics engineering
• Métricas de produto

Conclusão: BH tem espaço, mas você precisa se posicionar bem#

Vagas de Data Analyst em Belo Horizonte em 2026 existem, mas a concorrência também existe. A diferença está em como você se apresenta.

Quem só diz “sei Power BI e SQL” vira mais um. Quem mostra problemas resolvidos, métricas melhoradas, dashboards úteis e raciocínio claro ganha atenção.

Seu objetivo é provar três coisas:

1. Você sabe buscar e tratar dados.
2. Você sabe transformar análise em decisão.
3. Você sabe comunicar resultado sem enrolar.

Se o seu currículo ainda não mostra isso, vale ajustar antes de sair se candidatando para tudo.

Antes de enviar sua próxima candidatura, faça uma checagem rápida: seu currículo está pronto para passar pelos filtros automáticos das empresas? Teste agora grátis no ATS Checker da JobRise: https://jobrise.io/pt/free-ats-checker/