Vagas de Data Analyst em Curitiba 2026: Guia Prático

Você está olhando vagas de Data Analyst em Curitiba e sente que tudo pede “SQL avançado, Python, Power BI, inglês, estatística, negócio, cloud” ao mesmo tempo. Aí bate aquela dúvida bem real: será que eu preciso saber tudo isso mesmo, ou só preciso montar uma estratégia melhor para entrar nas entrevistas certas em 2026?

Curitiba tem um mercado interessante para dados porque mistura empresas grandes, startups, indústrias, bancos, healthtechs, varejo, logística e consultorias. Não é São Paulo em volume absoluto, mas tem boas vagas, salários competitivos e, principalmente, oportunidades híbridas e remotas para quem sabe se posicionar bem.

Vagas de Data Analyst em Curitiba 2026: Guia Prático#

Se você quer uma vaga de Data Analyst em Curitiba em 2026, o jogo não é só “aprender ferramentas”. É entender o que as empresas da região realmente precisam, traduzir isso no currículo, montar portfólio com cara de problema real e se preparar para entrevistas que misturam técnica com visão de negócio.

Neste guia, vou te mostrar:

• Como está o mercado de Data Analyst em Curitiba
• Quais empresas observar
• Faixas salariais realistas
• Quais habilidades mais aparecem nas vagas
• Como montar currículo e LinkedIn
• Que projetos colocar no portfólio
• Como responder perguntas de entrevista
• Como se candidatar sem virar refém do “enviar currículo e esperar”

A ideia aqui é prática. Como se eu estivesse te mandando um áudio longo no WhatsApp, mas organizado.

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

Curitiba tem uma vantagem para quem quer trabalhar com dados: a cidade abriga empresas de tecnologia, serviços financeiros, educação, saúde, telecom, varejo e indústria. Isso cria demanda por profissionais que consigam transformar dados em decisão.

Você pode encontrar vagas com títulos como:

• Data Analyst
• Analista de Dados
• Business Intelligence Analyst
• Analista de BI
• Product Data Analyst
• Marketing Data Analyst
• Revenue Analyst
• Analytics Engineer Júnior
• Data Analyst Pleno
• Data Analyst Sênior

Nem sempre a empresa usa o nome “Data Analyst”. Muitas vezes, a vaga está como “Analista de BI”, mas no dia a dia você vai mexer com SQL, dashboards, métricas e análise de comportamento do cliente.

Em 2026, a tendência é que empresas estejam mais exigentes com impacto. Não basta criar gráfico bonito. Elas querem alguém que responda perguntas como:

• Por que a conversão caiu?
• Qual canal traz cliente melhor?
• Onde estamos perdendo receita?
• Qual produto tem maior margem?
• Como reduzir churn?
• Qual operação está gerando atraso?
• Que clientes têm maior chance de comprar de novo?

Se você consegue responder isso usando dados, você está no caminho certo.

Empresas para ficar de olho em Curitiba#

Curitiba tem empresas locais fortes e também recebe vagas remotas de empresas nacionais. Algumas empresas que você pode acompanhar no LinkedIn, Gupy, Greenhouse, Indeed e páginas de carreira:

• Ebanx
• MadeiraMadeira
• Olist
• Positivo Tecnologia
• Contabilizei
• ExxonMobil
• Volvo
• Electrolux
• Grupo Boticário, com forte presença no Paraná
• Ligga Telecom
• Celepar
• Neodent
• Bosch
• Renault
• iFood, em vagas remotas ou híbridas
• Nubank, principalmente remoto
• Itaú, remoto ou híbrido dependendo da área
• Stone, remoto ou regional
• Magalu, remoto para algumas posições
• Globo, vagas remotas em dados, produto e audiência

Não fique preso só a empresas “de tecnologia”. Muitos bons cargos de Data Analyst estão em empresas tradicionais que estão organizando dados internos.

Às vezes, uma indústria em São José dos Pinhais paga melhor que uma startup bonitinha no centro. E uma vaga de BI em uma empresa de logística pode te dar mais experiência prática do que uma vaga com título moderno, mas pouca estrutura.

Salários de Data Analyst em Curitiba em 2026#

Vamos falar de dinheiro sem enrolar. As faixas variam por empresa, senioridade, inglês, modelo remoto e complexidade técnica.

Uma visão realista para Curitiba e vagas remotas a partir da cidade:

Data Analyst Júnior

Faixa comum:

• R$3.500 a R$6.000 CLT
• R$4.500 a R$7.000 PJ em alguns casos

O júnior normalmente precisa saber SQL, Excel ou Google Sheets, uma ferramenta de BI e ter boa lógica. Python ajuda, mas nem sempre é obrigatório.

Data Analyst Pleno

Faixa comum:

• R$6.500 a R$11.000 CLT
• R$8.000 a R$14.000 PJ

Aqui a empresa espera mais autonomia. Você precisa entender regras de negócio, modelar indicadores, conversar com áreas, criar análises e não só “puxar relatório”.

Data Analyst Sênior

Faixa comum:

• R$11.000 a R$18.000 CLT
• R$14.000 a R$24.000 PJ

Em empresas maiores, fintechs ou vagas remotas nacionais, dá para ver salários como R$15k, R$18k ou mais para perfis fortes em SQL, produto, métricas e experimentação.

Vagas internacionais remotas

Se você tem inglês bom, experiência e portfólio forte, pode mirar empresas de fora. Algumas posições de Data Analyst remoto pagam:

• $50k a $80k por ano
• Em alguns casos, $90k+ para perfis sênior

Mas não romantiza. Para chegar nisso, você precisa competir com gente do mundo todo, fazer entrevista em inglês e mostrar impacto com clareza.

O que as vagas realmente pedem#

Quando você lê uma descrição de vaga, parece que estão procurando uma pessoa que saiba tudo. Mas, na prática, existem blocos de habilidade.

1. SQL

SQL é a base. Se você quer trabalhar como Data Analyst, leve SQL a sério.

Você precisa saber:

• SELECT, WHERE, GROUP BY, ORDER BY
• JOINs, principalmente LEFT JOIN e INNER JOIN
• CTEs
• Subqueries
• Window functions
• CASE WHEN
• Tratamento de datas
• Agregações
• Identificação de duplicidade
• Cálculo de funil, cohort e retenção

Exemplo de problema comum:

“Calcule a taxa de conversão por canal nos últimos 30 dias, separando clientes novos e recorrentes.”

Isso já exige mais do que um SELECT simples. Você precisa pensar na lógica, limpar dados e explicar o resultado.

2. Power BI, Looker Studio ou Tableau

Em Curitiba, Power BI aparece bastante, especialmente em empresas tradicionais. Startups e empresas digitais podem usar Looker, Metabase, Tableau, Mode, Superset ou ferramentas internas.

Você precisa saber:

• Criar dashboards claros
• Construir medidas
• Trabalhar com filtros
• Evitar gráfico inútil
• Mostrar tendência, comparação e alerta
• Escolher visual certo para a pergunta
• Explicar o dashboard para quem não é técnico

Um dashboard bom não é o que tem 20 gráficos. É o que ajuda alguém a tomar decisão em 2 minutos.

3. Excel ou Google Sheets

Sim, ainda importa. Muito.

Excel aparece em quase toda empresa, mesmo nas mais modernas. O que muda é o nível.

Você deve dominar:

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

Muita análise começa em SQL e termina numa planilha para diretoria. Não brigue com isso, use a seu favor.

4. Python

Python é um diferencial forte, principalmente para vagas melhores.

Você não precisa virar engenheiro de software, mas ajuda saber:

• pandas
• numpy
• matplotlib ou seaborn
• leitura de CSV e Excel
• tratamento de dados
• automação simples
• notebooks
• APIs básicas

Se a vaga for mais voltada a produto ou marketing, SQL pode ser mais importante que Python. Se for analytics mais técnico, Python sobe no peso.

5. Estatística prática

Não precisa decorar fórmula para parecer inteligente. Precisa entender conceitos aplicáveis.

Foque em:

• Média, mediana e percentis
• Desvio padrão
• Correlação
• Amostra
• Significância estatística
• Teste A/B
• Viés de seleção
• Sazonalidade
• Cohort
• Retenção

Pergunta comum em entrevista:

“Uma campanha aumentou vendas em 12%. Como você validaria se isso foi efeito da campanha?”

Se você responde só “olharia o gráfico”, fica fraco. Se fala de grupo controle, período comparável, sazonalidade e perfil da base, já sobe de nível.

Diferença entre Data Analyst, BI Analyst e Analytics Engineer#

Essa confusão aparece muito, então vale separar.

Data Analyst

Costuma focar em perguntas de negócio. A pessoa analisa dados, cria métricas, investiga comportamento e comunica insights.

Exemplos:

• Por que a retenção caiu?
• Qual segmento compra mais?
• Onde o funil quebra?
• Qual produto traz mais margem?

BI Analyst

Geralmente fica mais próximo de dashboards, relatórios, indicadores e governança de métricas.

Exemplos:

• Criar painel de vendas
• Automatizar relatório semanal
• Padronizar KPIs
• Ajudar áreas a acompanhar metas

Analytics Engineer

Fica entre análise e engenharia. Trabalha mais com modelagem de dados, dbt, pipelines analíticos e qualidade das tabelas.

Exemplos:

• Criar camada confiável de dados
• Modelar tabelas para análise
• Documentar métricas
• Melhorar performance de queries

Em 2026, muitas vagas misturam essas três coisas. Por isso, leia a descrição, não só o título.

Como montar um currículo forte para Data Analyst#

Seu currículo precisa passar por duas barreiras: o sistema de triagem, chamado ATS, e a pessoa recrutadora.

O erro mais comum é escrever um currículo genérico, cheio de frases como:

• “Profissional proativo”
• “Boa comunicação”
• “Apaixonado por dados”
• “Busco oportunidade para crescer”

Isso não te diferencia.

Você precisa mostrar ferramentas, problemas e resultados.

Estrutura recomendada

Use algo simples:

1. Nome e contato
2. Resumo profissional
3. Habilidades técnicas
4. Experiência
5. Projetos
6. Formação
7. Certificações

Exemplo de resumo bom

“Analista de Dados com experiência em SQL, Power BI e Python, atuando na criação de dashboards, análise de funil e indicadores comerciais. Desenvolvi relatórios que reduziram em 30% o tempo de acompanhamento de vendas e apoiei decisões de pricing, retenção e performance de canais.”

Mesmo que você esteja migrando de área, dá para adaptar.

Exemplo para quem vem de atendimento

“Profissional em transição para Data Analytics, com experiência em atendimento e operações, conhecimento em SQL, Power BI e Excel. Desenvolvi projetos de análise de churn, indicadores de SLA e dashboard de performance operacional, conectando dados a decisões práticas de negócio.”

Percebe que não parece “estou perdido tentando entrar em dados”? Parece alguém que entende operação e está levando isso para análise.

Como descrever experiências mesmo sem cargo de dados#

Você não precisa ter o título “Data Analyst” para mostrar experiência analítica.

Se você trabalhou em vendas, atendimento, financeiro, RH, logística ou marketing, provavelmente já lidou com indicadores.

Transforme tarefas em impacto.

Antes

“Responsável por relatórios semanais.”

Depois

“Criei relatório semanal de vendas em Excel e Power BI, consolidando dados de 5 canais e reduzindo o tempo de atualização de 4 horas para 40 minutos.”

Antes

“Atendimento ao cliente.”

Depois

“Analisei motivos de contato no atendimento e identifiquei que 28% dos chamados vinham de falhas no onboarding, apoiando melhoria que reduziu tickets recorrentes.”

Antes

“Controle de estoque.”

Depois

“Monitorei giro de estoque e rupturas por categoria, criando indicadores que ajudaram a reduzir falta de produtos em períodos de alta demanda.”

Número muda tudo. Mesmo estimado com responsabilidade, ele dá escala para sua entrega.

Portfólio: o que colocar para chamar atenção#

Portfólio de Data Analyst não precisa ter 15 projetos. Melhor ter 3 bons do que 12 genéricos.

Escolha projetos que pareçam problemas reais de empresa.

Projeto 1: análise de vendas

Tema:

• Receita por região
• Ticket médio
• Produtos mais vendidos
• Margem
• Sazonalidade
• Canais de venda

Ferramentas:

• SQL
• Power BI
• Excel

O que explicar:

• Qual pergunta você queria responder
• Como tratou os dados
• Quais métricas criou
• Que decisão recomendaria

Projeto 2: análise de churn

Tema:

• Clientes que cancelaram
• Tempo até cancelamento
• Segmentos com maior risco
• Motivos prováveis
• Retenção por cohort

Ferramentas:

• Python
• SQL
• Power BI ou Tableau

Esse projeto é ótimo porque empresas como Nubank, iFood, Stone, Contabilizei e várias SaaS se importam muito com retenção.

Projeto 3: funil de conversão

Tema:

• Visitante
• Cadastro
• Ativação
• Compra
• Recompra

Você pode simular dados ou usar base pública. O importante é mostrar raciocínio.

Perguntas boas:

• Em que etapa o funil perde mais gente?
• A conversão muda por canal?
• Usuários mobile convertem diferente?
• O tempo até a primeira compra afeta retenção?

Onde publicar

Você pode usar:

• GitHub
• Notion
• Medium
• LinkedIn
• Google Drive organizado
• Site simples no Carrd ou Webflow

Não precisa complicar. Só precisa ser fácil de abrir e entender.

LinkedIn para vagas em Curitiba#

Seu LinkedIn precisa dizer rápido quem você é e que vaga você busca.

Título bom

Evite colocar só:

“Em busca de oportunidade”

Prefira:

“Data Analyst Júnior | SQL, Power BI, Python | Análise de Vendas, Churn e Dashboards”

Ou:

“Analista de Dados | SQL, Power BI, Excel | BI, Indicadores e Performance Comercial”

Sobre

Use um texto direto:

“Sou Analista de Dados com foco em transformar dados em decisões de negócio. Trabalho com SQL, Power BI, Excel e Python, criando dashboards, análises de funil, indicadores comerciais e estudos de retenção. Tenho interesse em vagas de Data Analyst, BI Analyst e Analytics em Curitiba, híbridas ou remotas.”

Depois, liste projetos e ferramentas.

Conteúdo que ajuda

Você não precisa virar influencer. Mas postar 1 vez por semana já ajuda.

Ideias:

• Print de dashboard com explicação
• Mini análise de base pública
• O que você aprendeu em SQL
• Antes e depois de um gráfico
• Resumo de projeto de churn
• Análise de vaga de Data Analyst

Recrutadores procuram sinais. Seu perfil precisa mostrar que você está em movimento.

Onde encontrar vagas de Data Analyst em Curitiba#

Não dependa de um único canal. Use uma rotina.

Canais principais

• LinkedIn Jobs
• Gupy
• Indeed
• Glassdoor
• Programathor
• Remotar
• GeekHunter
• Revelo
• Trampos
• Página de carreira das empresas
• Comunidades de dados no WhatsApp, Slack e Discord

Buscas que você deve salvar

Salve alertas com termos variados:

• Data Analyst Curitiba
• Analista de Dados Curitiba
• Analista de BI Curitiba
• Business Intelligence Curitiba
• Power BI Curitiba
• SQL Curitiba
• Product Analyst remoto
• Marketing Analyst remoto
• Analytics Engineer remoto
• Data Analyst remoto Brasil

Muita vaga boa não vai aparecer se você buscar só “Data Analyst”.

Estratégia semanal de candidatura#

Se você manda currículo sem método, vai cansar rápido. Melhor criar uma rotina simples.

Segunda-feira

• Buscar vagas novas
• Salvar 10 a 15 oportunidades
• Separar por aderência: alta, média, baixa

Terça-feira

• Adaptar currículo para 5 vagas de alta aderência
• Candidatar com atenção
• Mandar mensagem curta para recrutador ou pessoa da área

Quarta-feira

• Trabalhar em portfólio
• Publicar algo no LinkedIn
• Revisar palavras-chave do currículo

Quinta-feira

• Fazer simulado de entrevista
• Resolver exercícios de SQL
• Estudar uma pergunta de negócio

Sexta-feira

• Follow-up em candidaturas
• Buscar indicações
• Atualizar planilha de vagas

Uma planilha simples resolve:

• Empresa
• Cargo
• Link
• Data da candidatura
• Status
• Contato
• Próximo passo
• Observações

Candidatura sem controle vira ansiedade.

Como pedir indicação sem parecer inconveniente#

Indicação funciona muito. Mas tem jeito certo.

Mensagem ruim:

“Oi, tem vaga aí?”

Mensagem melhor:

“Oi, Ana. Vi que você trabalha na Stone e apareceu uma vaga de Data Analyst que tem bastante relação com minha experiência em SQL, Power BI e análise comercial. Posso te mandar meu currículo e o link da vaga para você avaliar se faz sentido indicar?”

Curta, educada e fácil de responder.

Se a pessoa não responder, não leve para o lado pessoal. Todo mundo está ocupado.

Entrevistas: perguntas comuns e como responder#

Entrevista de Data Analyst costuma ter três partes:

1. Fit com RH
2. Técnica
3. Case ou conversa com gestor

Perguntas de RH

“Me fale sobre você.”

Resposta boa tem estrutura:

• Seu contexto
• Suas habilidades
• Uma entrega concreta
• O que busca agora

Exemplo:

“Tenho experiência com análise de indicadores comerciais e projetos em SQL, Power BI e Python. Nos meus projetos, trabalhei com análise de vendas, churn e funil de conversão, sempre tentando transformar dados em recomendações práticas. Agora busco uma vaga de Data Analyst em Curitiba ou remota, onde eu possa apoiar decisões de negócio com dados confiáveis.”

Perguntas técnicas

Podem perguntar:

• Diferença entre INNER JOIN e LEFT JOIN
• Como tratar dados duplicados
• Como calcular ticket médio
• Como medir retenção
• O que é cohort
• Como validar queda de conversão
• Como explicar outlier
• Como montar um dashboard executivo

Não decore resposta. Treine explicação simples.

Case de negócio

Exemplo:

“O faturamento caiu 15% no último mês. Como você investigaria?”

Boa resposta:

1. Confirmaria se a queda é real ou erro de dados
2. Compararia com períodos anteriores
3. Separaria por canal, região, produto e segmento
4. Verificaria volume de pedidos, ticket médio e conversão
5. Olharia eventos externos, campanhas e sazonalidade
6. Levantaria hipóteses
7. Recomendaria ações e próximos testes

Isso mostra método.

Teste técnico: como se preparar#

Muitas empresas aplicam teste em SQL, dashboard ou case.

Para SQL

Treine em:

• HackerRank
• LeetCode SQL
• StrataScratch
• DataLemur
• Mode SQL Tutorial

Foque em problemas de negócio, não só sintaxe.

Para Power BI

Pratique:

• Importar base
• Criar medidas
• Montar modelo simples
• Criar dashboard limpo
• Explicar decisões visuais
• Publicar relatório ou exportar PDF

Para case

Use estrutura:

• Contexto
• Pergunta principal
• Dados necessários
• Métricas
• Análise
• Achados
• Recomendação
• Limitações

Um case mediano bem explicado ganha de um case bonito sem raciocínio.

Habilidades comportamentais que pesam muito#

Data Analyst não trabalha isolado. Você vai conversar com vendas, marketing, produto, financeiro, operação, diretoria.

Empresas procuram alguém que consiga:

• Fazer boas perguntas
• Dizer “não sei, vou validar”
• Explicar análise sem jargão
• Lidar com pedido urgente
• Priorizar
• Questionar métrica errada
• Documentar raciocínio
• Ter cuidado com dados sensíveis

Uma frase poderosa em entrevista:

“Antes de abrir o dashboard, eu tento entender qual decisão a pessoa precisa tomar.”

Isso mostra maturidade.

Certificações que podem ajudar#

Certificação não substitui projeto, mas pode ajudar no filtro inicial.

Algumas opções:

• Google Data Analytics Certificate
• Microsoft PL-300, Power BI Data Analyst
• Certificados de SQL da DataCamp, Coursera ou Alura
• Cursos de Python para análise de dados
• Certificações em estatística aplicada
• Cursos de dbt, se mirar Analytics Engineer

Se tiver pouco dinheiro, priorize SQL, Power BI e projetos. Certificado bonito sem prática não segura entrevista.

Inglês: quanto importa?#

Para vagas em Curitiba, inglês pode variar muito.

Em multinacionais como ExxonMobil, Volvo, Bosch, Renault e Electrolux, inglês costuma pesar. Em vagas remotas para empresas como Nubank, iFood, Itaú ou times globais, também pode ser importante.

Nível ideal:

• Júnior: leitura técnica já ajuda
• Pleno: conseguir participar de reunião simples
• Sênior: explicar análise e defender recomendação

Se você quer vagas de $50k a $80k por ano, inglês precisa estar confortável.

Uma dica prática: treine explicar seus projetos em inglês. Não precisa falar perfeito. Precisa ser claro.

Plano de 90 dias para conseguir entrevistas#

Se você está começando ou quer melhorar sua tração, siga um plano de 90 dias.

Dias 1 a 30: base

• Revisar SQL todos os dias úteis
• Criar 1 projeto de análise de vendas
• Atualizar LinkedIn
• Montar currículo com palavras-chave
• Salvar alertas de vagas
• Fazer 20 candidaturas bem escolhidas

Dias 31 a 60: portfólio e visibilidade

• Criar projeto de churn ou funil
• Publicar 4 posts no LinkedIn
• Pedir feedback em comunidades
• Fazer 30 novas candidaturas
• Resolver 30 exercícios de SQL
• Treinar respostas de entrevista

Dias 61 a 90: entrevista e ajuste fino

• Criar terceiro projeto
• Fazer simulado técnico
• Ajustar currículo com base nas vagas
• Pedir 10 indicações com mensagem personalizada
• Fazer follow-up
• Revisar erros de entrevistas anteriores

O objetivo não é “estudar para sempre”. É gerar evidência de que você sabe fazer.

Erros que te tiram do processo#

Alguns erros são muito comuns e fáceis de corrigir.

Evite:

• Currículo com duas páginas cheias de texto genérico
• Não colocar SQL nas habilidades
• Dizer “Power BI avançado” sem ter projeto
• Portfólio sem explicação
• Dashboard poluído
• Não saber explicar métricas
• Candidatar para tudo sem adaptar nada
• Falar mal de empresa anterior
• Inventar experiência
• Não pesquisar a empresa antes da entrevista

Se você não sabe algo, diga com maturidade:

“Ainda não usei essa ferramenta em produção, mas já trabalhei com conceito parecido em projeto usando SQL e Power BI. Posso aprender rápido e consigo mostrar como resolveria o problema.”

Bem melhor do que fingir.

Como se destacar em Curitiba especificamente#

Curitiba valoriza muito indicação, reputação e rede local. Mesmo em tecnologia, relacionamento conta.

Algumas ações práticas:

• Participar de eventos de dados e tecnologia
• Acompanhar comunidades locais
• Conectar com pessoas de empresas da região
• Seguir recrutadores de Curitiba
• Interagir com posts de empresas locais
• Procurar meetups de Python, Power BI, produto e startups

Você não precisa conhecer “todo mundo”. Mas precisa deixar rastros positivos.

Também vale considerar vagas em regiões próximas:

• São José dos Pinhais
• Araucária
• Pinhais
• Colombo
• Campo Largo

Algumas empresas oferecem híbrido 1 ou 2 vezes por semana, e isso abre possibilidades.

O currículo precisa bater com a vaga#

Cada vaga usa palavras diferentes. Se a vaga fala “Power BI, SQL, indicadores comerciais e dashboards”, essas palavras precisam aparecer no seu currículo, desde que sejam verdadeiras.

Exemplo de habilidades:

• SQL, PostgreSQL, BigQuery
• Power BI, DAX, Power Query
• Excel, Google Sheets
• Python, pandas
• Análise de vendas
• Funil de conversão
• Churn e retenção
• KPIs
• Dashboards executivos
• Teste A/B
• Storytelling com dados

Não use uma lista gigante só para parecer completo. Use o que você consegue defender.

Seu próximo passo#

Vagas de Data Analyst em Curitiba em 2026 existem, mas a concorrência está mais preparada. Quem se destaca não é quem sabe todas as ferramentas do mundo, é quem mostra clareza, prática e impacto.

Se você quer aumentar suas chances, comece pelo básico bem feito:

• SQL forte
• Power BI ou ferramenta similar
• Currículo com resultados
• LinkedIn claro
• Portfólio com problemas reais
• Candidaturas estratégicas
• Entrevista treinada

Antes de sair mandando currículo para Itaú, Nubank, Stone, iFood, Magalu, Globo ou empresas fortes de Curitiba, vale garantir que seu currículo passa pelos filtros automáticos e comunica bem seu valor.

Teste agora seu currículo gratuitamente no ATS Checker da JobRise e veja o que pode estar travando suas candidaturas: https://jobrise.io/pt/free-ats-checker/