Entrevistas para analista de dados costumam combinar três coisas: uma verificação técnica (SQL, Excel e, às vezes, Python), um caso de negócio em que você raciocina sobre um problema com dados e perguntas comportamentais sobre projetos que você já fez. Os entrevistadores querem ver que você consegue obter os números certos, explicar o que eles significam e ajudar alguém a tomar uma decisão. Abaixo estão 30 perguntas de entrevista para analista de dados com respostas de exemplo e consultas SQL resolvidas.
O que os entrevistadores procuram
| Área | O que eles querem ver |
|---|---|
| SQL e ferramentas | Consultas corretas e legíveis; à vontade com joins e agregações |
| Qualidade dos dados | Você verifica problemas antes de confiar em um número |
| Visão de negócio | Você liga a análise a uma decisão |
| Comunicação | Você explica resultados de forma simples, para pessoas não técnicas |
| Curiosidade | Você pergunta "por quê" e investiga os dados |
Perguntas de SQL
Estes exemplos usam duas tabelas:
- orders(order_id, customer_id, order_date, amount)
- customers(customer_id, name, signup_date)
1. Encontre os dois clientes com maior receita total
SELECT customer_id, SUM(amount) AS revenue
FROM orders
GROUP BY customer_id
ORDER BY revenue DESC
LIMIT 2;
2. Encontre os clientes que nunca fizeram um pedido
SELECT c.customer_id, c.name
FROM customers c
LEFT JOIN orders o ON o.customer_id = c.customer_id
WHERE o.order_id IS NULL;
Explique por que um LEFT JOIN com IS NULL funciona: ele mantém todos os clientes e deixa as colunas de pedidos vazias onde não há correspondência.
3. Encontre o segundo maior pedido de cada cliente
SELECT customer_id, order_id, amount
FROM (
SELECT customer_id, order_id, amount,
ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY amount DESC) AS rn
FROM orders
) ranked
WHERE rn = 2;
Mencione a diferença entre ROW_NUMBER, RANK e DENSE_RANK quando houver empates.
4. Calcule a receita mensal
SELECT DATE_TRUNC('month', order_date) AS month, SUM(amount) AS revenue
FROM orders
GROUP BY 1
ORDER BY 1;
DATE_TRUNC é a sintaxe do PostgreSQL; no SQLite você usaria strftime('%Y-%m', order_date), e outros bancos têm suas próprias funções. Diga qual dialeto você está usando.
5. Qual é a diferença entre WHERE e HAVING?
WHERE filtra linhas antes do agrupamento; HAVING filtra grupos depois da agregação.
6. Quais são os tipos de join?
Inner, left, right e full outer; explique quando usar cada um e o que acontece com as linhas sem correspondência.
7. Como você encontraria registros duplicados?
Agrupe pelas colunas que deveriam ser únicas e filtre com HAVING COUNT(*) > 1.
8. O que é uma função de janela e quando você usaria uma?
Um cálculo feito sobre linhas relacionadas sem colapsá-las, como somas acumuladas, rankings ou a comparação de cada linha com a anterior.
Excel e planilhas
9. Qual é a diferença entre PROCV e PROCX (ou ÍNDICE/CORRESP)?
PROCX e ÍNDICE/CORRESP podem buscar à esquerda, lidam com valores ausentes de forma mais flexível e não quebram quando as colunas mudam de lugar.
10. Como você usa tabelas dinâmicas?
Para resumir dados por categorias rapidamente, como receita por região e mês.
11. Como você limparia uma planilha bagunçada?
Remova duplicatas, padronize formatos (datas, maiúsculas e minúsculas no texto), trate células vazias e verifique valores atípicos.
Estatística
12. Qual é a diferença entre média e mediana, e quando usar cada uma?
A mediana é melhor quando os dados são assimétricos, como renda ou valor de pedido.
13. O que é um p-valor?
A probabilidade de observar um resultado tão extremo quanto o obtido se realmente não houvesse efeito. Um p-valor pequeno sugere que o resultado é improvável de ser fruto apenas do acaso, mas ele não diz o tamanho nem a importância do efeito.
14. Qual é a diferença entre correlação e causalidade?
Duas variáveis que se movem juntas não significam que uma causa a outra; um terceiro fator ou o acaso podem explicar isso. Experimentos ajudam a estabelecer a causalidade.
15. Como você desenharia um teste A/B?
Defina a métrica e a hipótese, decida o tamanho da amostra, randomize os usuários, rode o teste por um período fixo e verifique a significância e o impacto prático.
16. O que é um valor atípico (outlier), e o que você faz com ele?
Investigue antes de remover; ele pode ser um erro ou um caso real e importante.
Limpeza e qualidade dos dados
17. Como você lida com dados ausentes?
Descubra por que estão faltando e então decida: remover, preencher com um valor razoável ou sinalizar. Explique o efeito nos resultados.
18. Como você verifica se um conjunto de dados é confiável?
Contagem de linhas em relação à fonte, totais que batem, intervalos de datas, duplicatas e checagens pontuais.
19. Fale sobre uma vez em que você encontrou um erro nos dados
Uma história curta no método STAR com o que você fez para corrigi-lo na origem.
Visualização e dashboards
20. Como você escolhe o gráfico certo?
Linha para tendências ao longo do tempo, barra para comparar categorias e dispersão para relações; evite gráficos de pizza com muitas fatias.
21. Como você desenharia um dashboard para executivos?
Poucas métricas-chave no topo, tendências, rótulos claros e filtros apenas onde forem necessários.
22. Quais ferramentas de BI você já usou?
Cite-as e um dashboard que você criou. Veja nossas perguntas de entrevista de Power BI.
Perguntas de caso de negócio
23. Os cadastros caíram 20% na semana passada. Como você investigaria?
"Primeiro, eu confirmaria que a queda é real, verificando o rastreamento e a carga dos dados. Depois, compararia por plataforma, país, fonte de tráfego e etapa do cadastro para ver onde ela aconteceu. Se for em um canal ou em uma etapa só, verificaria mudanças ali, como o fim de uma campanha ou uma atualização do site. Eu compartilharia o que encontrei e o que ainda não sabemos."
24. Como você mediria o sucesso de uma nova funcionalidade?
Defina o objetivo, escolha uma métrica principal e métricas de controle, e compare com um grupo de controle ou com um período antes e depois.
25. Quais métricas você acompanharia para uma loja online?
Tráfego, taxa de conversão, ticket médio, taxa de recompra e custo de aquisição de clientes.
26. Como você explicaria uma conclusão complexa para um gestor não técnico?
Comece pela conclusão e pelo impacto, use um gráfico simples e mantenha o método breve.
Perguntas comportamentais
27. Fale sobre uma análise que mudou uma decisão
A pergunta, os dados, o que você encontrou e o que mudou.
28. Descreva uma vez em que você precisou trabalhar com dados incompletos
Quais premissas você adotou e como as comunicou.
29. Como você prioriza pedidos de vários stakeholders?
Impacto e urgência no negócio, combinados com os stakeholders ou com o seu gestor.
30. Fale sobre uma vez em que a sua análise estava errada
Assuma o erro, corrija-o e explique o que você passou a verificar.
Para estruturar essas histórias, veja nosso guia do método STAR.
Prepare um projeto de portfólio forte
| Parte | O que incluir |
|---|---|
| Pergunta | Uma pergunta de negócio clara |
| Dados | Fonte, tamanho e como você os limpou |
| Método | Etapas em SQL, planilha ou Python |
| Conclusão | Um ou dois resultados claros, com um gráfico |
| Decisão | O que alguém deve fazer com base nisso |
Como se preparar
- Pratique SQL todos os dias por duas semanas: joins, agregações e funções de janela.
- Revise estatística básica: médias, distribuições, testes A/B e p-valores.
- Prepare um projeto de portfólio e três histórias no método STAR.
- Pratique em voz alta um caso de "por que esta métrica mudou".
- Pesquise o produto da empresa e as métricas que ela provavelmente acompanha.
Para cargos relacionados, veja perguntas de entrevista para analista de negócios e perguntas de entrevista de Python. Se você quer ferramentas para ajudar na preparação, nossa lista de ferramentas de IA para entrevistas de analista de dados compara as opções.
Pratique explicações de SQL e respostas de caso
Ensaie perguntas técnicas e de caso em voz alta com o YesToTheOffer, usando o seu currículo e a descrição da vaga, e revise a transcrição. 30 minutos grátis, sem assinatura.
