Zalando Data Scientist: palavras-chave de curriculo e entrevista

Você achou uma vaga de Data Scientist na Zalando e não sabe quais palavras-chave colocar no currículo para passar pela triagem. É um problema comum: a descrição da vaga fala em experimentação, causal inference e stakeholder management, e o seu currículo fala em outras coisas. A distância entre os dois derruba candidatos técnicos bons.

Aqui vai o ponto central: você não precisa inventar experiência que não tem. Precisa nomear corretamente a experiência que já tem, usando o vocabulário da vaga. Vou cobrir como ler a descrição, quais termos aparecem com frequência em vagas de data science em e-commerce, como escrever bullets que sobrevivem ao filtro inicial e como se preparar para as conversas técnicas.

Uma ressalva antes de qualquer coisa: eu não tenho acesso ao processo interno da Zalando. Tudo que segue é baseado em como vagas de Data Scientist em empresas de e-commerce costumam ser descritas publicamente. As etapas reais variam por time, por nível e por ano. Confirme sempre na descrição oficial da vaga.

Como ler a descrição da vaga antes de mexer no currículo#

Abra a descrição e separe as palavras em três blocos: métodos citados, ferramentas citadas e responsabilidades de negócio. Um bloco não substitui o outro. Se a vaga menciona uplift modeling e você só fez churn prediction, você tem que decidir se transfere a experiência ou se não se aplica.

Recomendo passar a descrição por um decodificador de vagas para separar os requisitos reais dos itens genéricos de RH. Isso economiza tempo e evita que você persiga palavras que ninguém vai procurar no seu currículo.

Depois, compare com o que está no seu documento. Cada palavra do bloco de métodos que aparece na vaga e no seu currículo é uma palavra que você deve manter. Cada palavra que aparece só na vaga é uma lacuna a declarar, não a disfarçar.

Palavras-chave que costumam aparecer em vagas de data science em e-commerce#

Não existe uma lista oficial da Zalando. O que existe é um padrão de mercado para times de produto e de pricing em e-commerce. Os termos abaixo aparecem com frequência nesse tipo de descrição:

• experimentação e A/B testing
• causal inference e uplift modeling
• métricas de produto e funil de conversão
• pricing, elasticidade e previsão de demanda
• SQL e Python
• dbt, Airflow ou orquestração equivalente
• modelagem de séries temporais
• comunicação com stakeholders de negócio
• métricas de retenção e recompra

Se a vaga que você está lendo não menciona um desses, tire do seu currículo. Palavra que não está na vaga não ajuda na triagem.

Como escrever bullets que passam pela triagem#

Bullet de currículo de data science tem três partes: o que você fez, qual método usou, qual efeito teve. Muita gente para na primeira parte. O recrutador lê e não sabe se você rodou um modelo ou se apenas participou de uma reunião sobre ele.

Exemplo de bullet antes e depois. Antes: "Trabalhei com dados de vendas para ajudar o time de marketing." Depois: "Construí modelo de propensão de recompra em Python e SQL para o time de marketing, segmentando 40 mil clientes por campanha e reduzindo o custo por aquisição em testes A/B internos." O segundo diz método, escopo e efeito. Não precisa ser bonito, precisa ser verificável.

Sobre números: use os que você tem e consegue defender. Se não tem número de impacto, use escopo, como volume de dados, número de stakeholders atendidos ou quantidade de experimentos desenhados. Inventar número é a forma mais rápida de morrer numa entrevista técnica quando alguém pede para você explicar a conta.

Depois de reescrever, passe o currículo por um verificador de ATS gratuito. Ele mostra se o formato está legível para o software de triagem antes de um humano ler.

O que dizer sobre o mercado brasileiro#

Se você está no Brasil e se candidata para uma vaga na Alemanha ou em outro país europeu, o currículo tem diferenças de formato. Foto e data de nascimento não são esperadas. Estado civil também não. O que interessa é LinkedIn atualizado, portfólio de projetos e, se exigido, o nível de inglês declarado de forma direta.

Sobre salário e visto, não vou dar número fixo porque varia por nível, cidade e ano. Relatos de mercado para Data Scientist em Berlim e Amsterdã variam bastante, e o custo de vida muda a conta. Para valores atuais e requisitos de visto, use sempre a fonte oficial do governo do país de destino e a página de benefícios da própria vaga.

Outra coisa prática: se a vaga é remota para o Brasil, o contrato costuma ser de prestação de serviço ou via Employer of Record. Isso muda imposto, férias e aviso prévio. Pergunte na primeira conversa com o recrutador, não na terceira.

Como se preparar para as conversas técnicas#

Entrevista técnica de data science em empresa de produto costuma ter quatro blocos: SQL, estatística ou machine learning, estudo de caso de produto e conversa sobre experiência passada. A ordem varia. O conteúdo não muda muito.

Para SQL, treine window functions, joins com agregação e CTEs. Para estatística, revise diferença entre correlação e causalidade, intervalos de confiança e quando um teste A/B não é válido. Para estudo de caso, treine estruturar a pergunta antes de falar de modelo.

Um roteiro de resposta para a pergunta clássica "me conte sobre um projeto seu":

"Numa empresa de varejo onde trabalhei, o time de marketing gastava muito em campanhas de retenção sem saber quem ia voltar sozinho. Eu propus um modelo de propensão de recompra, usei dados de transação e de navegação em SQL e Python, e validei com um teste A/B de oito semanas entre um grupo com campanha e outro sem. O achado foi que o modelo ajudava mais em clientes de médio valor do que em clientes de alto valor, que já voltavam. Isso mudou a regra de segmentação do time e eu apresentei o resultado para o time de marketing toda quinzena."

Note o que essa resposta faz: dá contexto, método, resultado e aprendizado. Não promete nada grandioso e admite um limite do modelo. Isso costuma funcionar melhor do que uma história impecável.

Checklist de revisão antes de enviar#

• A palavra da vaga para cada método principal aparece no seu currículo, com o mesmo termo
• Todo bullet tem verbo de ação, método usado e resultado ou escopo
• Nenhum número inventado, todos os números são defensáveis
• Formato do currículo abre sem erro de layout em PDF
• LinkedIn está atualizado e bate com o currículo
• Você sabe explicar cada projeto que está listado, em até dois minutos
• Você tem três perguntas prontas para o recrutador sobre o time e sobre o formato do contrato

Onde procurar vagas e se manter atualizado#

Para acompanhar posições abertas de data science em empresas de produto na Europa, use a busca de vagas do jobrise e filtre por nível e por modelo de trabalho. As descrições mudam com frequência, e a vaga que você viu ontem pode já ter sido atualizada.

Para o vocabulário do setor e exemplos de currículo, o blog do jobrise tem material sobre currículo de data science e sobre entrevistas técnicas. Vale uma leitura antes de reescrever o seu documento.

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 em e-commerce para concorrer a uma vaga de Data Scientist na Zalando?

Não necessariamente, mas você precisa traduzir sua experiência para métricas de produto e de negócio. Um projeto de previsão de demanda em outro setor tem mais aderência do que um projeto de visão computamental sem contexto de negócio.

Quais palavras-chave colocar no currículo para passar pela triagem?

Coloque exatamente os termos que a vaga usa para métodos e ferramentas, sem sinônimos criativos. Se a descrição diz "experimentation", use "experimentação" ou "experimentation", não "testes e análises".

A Zalando faz teste técnico de SQL?

Vagas de data science em empresas de produto costumam incluir SQL em alguma etapa, mas o formato varia por time e por nível. Confirme com o recrutador na primeira conversa e treine window functions e joins com agregação de qualquer forma.

Devo colocar foto e idade no currículo para vaga na Alemanha?

Não. O padrão alemão atual não espera foto nem data de nascimento em currículo de tech, e isso pode gerar viés. Foque em LinkedIn, portfólio e resultados mensuráveis.

Quanto tempo leva o processo seletivo de Data Scientist em empresa de produto na Europa?

Relatos de candidatos variam de três semanas a três meses, dependendo do nível e da urgência da vaga. Não existe prazo garantido, então pergunte ao recrutador qual é a linha do tempo esperada para a posição.