Cientista de Dados: mercado

Vaga

uma vaga aberta que passou pelo filtro de qualidade e lista pelo menos duas tecnologias

Candidato observado

um candidato cujo stack contém esta tecnologia; um agregado — nenhum registro individual sai do perímetro

Candidato compatível

ainda não contado

Janela

vagas abertas no momento em que o snapshot foi gerado

Junior DS — a entrada mais acessível na direção de ML/IA (caminho típico: Analyst 1-2 anos → Junior DS). O salto Júnior → Pleno — depois do primeiro modelo em produção + primeiro teste A/B independente. Pleno → Sênior — propriedade multiprojeto + propriedade do impacto no negócio (ganho documentado de receita / retenção / conversão). Sênior → Lead / Principal — estratégia de DS para uma área de produto + contratação de 3-7 DS + mentoria. Fluxo de carreira: Data Analyst (1-2 anos) → Junior DS (1-2 anos) → Pleno (2-3 anos) → Sênior → ou Lead / Principal DS (profundo), pivô para ML Engineer (trilha mais técnica), pivô para Product Manager, ou Founder.

Top 5: python, sql, cloud, aws, llm. Python — monopólio (R quase desapareceu das vagas novas 2026, restando em legacy de healthcare/biostats). Domínio de SQL — obrigatório: queries complexas com window functions + CTEs + domínio de JOIN + otimização de queries (o DS lê execution plans). Manipulação de dados: pandas (núcleo), NumPy (numérico), Polars (moderno, em ascensão — 10-100× mais rápido para big data), PyArrow. ML clássico — o arsenal central: scikit-learn (model selection / preprocessing / pipelines / metrics), XGBoost + LightGBM + CatBoost (gradient boosting — cavalo de batalha para dados tabulares), statsmodels (regressão + time series + testes estatísticos). Estatística: scipy.stats, statsmodels, causal inference (DoWhy, EconML — bônus de Senior). Visualização: matplotlib + seaborn + plotly (in-notebook), Tableau / Looker / Power BI / Apache Superset / Metabase (para stakeholders). Testes A/B: scipy.stats / statsmodels para análise, plataformas internas ou Statsig / Eppo / Optimizely / GrowthBook. Entendimento de power analysis, cálculo de sample size, correção de multiple testing, sequential testing. Deep Learning (bônus, não obrigatório): PyTorch / TensorFlow para tarefas de DS em CV / NLP. Experiment tracking: MLflow ou Weights & Biases. Ferramentas de BI / dashboards: Tableau / Looker / Apache Superset / Metabase / Mode / Hex. Notebooks: Jupyter + VS Code (o mercado 2026 está migrando do Jupyter puro para o híbrido). Cloud DS workbenches: AWS SageMaker Studio / GCP Vertex AI Workbench / Databricks / Snowflake Snowpark. Extras de Senior: causal inference (DoWhy / EconML / CausalImpact), uplift modelling, Bayesian modelling (PyMC / Stan), time series (Prophet / NeuralProphet / statsforecast).

Analista de Dados — foco em relatórios + dashboards + análises ad-hoc. SQL + Excel + Tableau / Looker / Power BI. Menos carregado de ML. Bom ponto de entrada na área de dados. Data Scientist (esta página) — foco na formulação de problemas de negócio + modelagem estatística + testes A/B + comunicação de insights. SQL a fundo + Python + sklearn + XGBoost + statsmodels + visualização. Faz ML, mas não é dono da infraestrutura de produção (implantação / serving / monitoramento — isso é do ML Engineer). ML Engineer — foco em pipelines de ML em produção + implantação + escalabilidade + infraestrutura de LLM/RAG. Stack de DS + Docker / K8s + MLflow + Airflow + ML gerenciado na nuvem. Veja ML Engineer. Trajetória de carreira: Analista → DS Júnior → DS Pleno/Sênior. Transição DS ↔ ML Engineer em 3-6 meses (aprender MLOps + Docker / K8s + ML na nuvem). Transição DS ↔ Product Manager em 2-4 meses (o DS já domina pensamento de produto + testes A/B — falta adicionar planejamento de roadmap + gestão de stakeholders). DS → Research Engineer / Scientist — exige PhD ou 3+ anos de especialização profunda.

Árvore de decisão para escolher o kit de ferramentas de DS em 2026: 1) Dados tabulares, classificação/regressão, <1M linhas → scikit-learn (LogisticRegression / RandomForest / GradientBoosting). Pipelines + pré-processamento — o sklearn vence pela integração simples. 2) Dados tabulares, >100K linhas, performance crítica → XGBoost / LightGBM / CatBoost. O cavalo de batalha padrão em 2026 para tarefas tabulares: credit scoring, previsão de churn, conversão, detecção de fraude, previsão de demanda. LightGBM — o mais rápido, XGBoost — o ecossistema mais maduro, CatBoost — o melhor para features categóricas sem pré-processamento. 3) Séries temporais → Prophet / NeuralProphet (Facebook) ou statsforecast (Nixtla — estado da arte clássico) ou abordagem de ML (LightGBM sobre séries temporais com feature engineering — muitas vezes supera bibliotecas especializadas). 4) NLP / classificação de texto → Hugging Face Transformers (fine-tuning de BERT/DeBERTa/RoBERTa pequenos) ou TF-IDF do scikit-learn + LogisticRegression se <10K documentos (baseline mais simples). 5) Visão Computacional → PyTorch + torchvision (classificação / detecção / segmentação de imagens). Para produção — vLLM / TGI. 7) Sistemas de recomendação → LightGBM / XGBoost sobre usuários × itens com feature engineering (o cavalo de batalha de 2026), implicit / LightFM (clássicos de filtragem colaborativa), recsys deep em PyTorch (NeuMF / Two-Tower / Transformer4Rec). 8) Inferência causal / modelagem de uplift → DoWhy / EconML / CausalML. 9) Modelagem bayesiana (quando a quantificação da incerteza importa — medicina / finanças) → PyMC / Stan / NumPyro. 10) Detecção de anomalias → PyOD + Isolation Forest + abordagens baseadas em LightGBM. Padrão 2026: 80% das tarefas tabulares são resolvidas com LightGBM / XGBoost / CatBoost; deep learning — para CV / NLP / recsys.

Sim, 27% das vagas de DS são totalmente remotas ou híbridas. O trabalho de DS — Jupyter + data warehouse em nuvem (Snowflake / BigQuery / Databricks / Redshift) + dashboards. Empresas de outsourcing — quase sempre remotas em projetos dos EUA. Empresas de produto russas — híbrido ou remoto após o período de experiência. Bancos russos — híbrido/presencial por causa de compliance de segurança de dados. Empresas de tecnologia internacionais — totalmente remoto padrão. Hubs de relocação: Polônia (Varsóvia/Cracóvia — DS-friendly), Alemanha (Berlim / Munique), Canadá (Toronto / Vancouver), Sérvia, Geórgia, EAU. Inglês para remoto internacional de DS — obrigatório (prêmio +25-40%, e cargos de DS exigem comunicação com stakeholders — inglês falado).

Product Data Scientist — um DS com foco profundo em produto + responsabilidade por experimentos de crescimento + modelagem de retenção + análise do impacto de funcionalidades. Trabalha em estreita colaboração com PM e Engenharia. O stack é o mesmo, mas o foco é: domínio de testes A/B (experimentos multivariados, testes sequenciais, correção de múltiplas comparações, análise de poder), métricas de crescimento (DAU/MAU/curvas de retenção/análise de funil), inferência causal para dados observacionais. Remuneração comparável à de DS Sênior (mediana), mas em startups de produto dos EUA o Product DS muitas vezes supera o DS Sênior geral graças à responsabilidade pelo impacto no negócio. Data Scientist geral — pode atuar em qualquer domínio (risco bancário, demanda no varejo, qualidade na indústria). Research DS (ou apenas "DS" em contexto de pesquisa) — foco em novas abordagens de modelagem + artigos (muitas vezes trilha de doutorado). Veja também Research Engineer / Scientist. Escolha de carreira: Product DS se o impacto no produto interessa e você gosta de se comunicar com stakeholders, DS geral pela flexibilidade de domínio, Research DS para pesquisar novas metodologias. Os três são caminhos legítimos para Sênior+.

Roadmap: 1) Domínio de SQL — must-have (window functions / CTEs / estratégia de JOIN / otimização de consultas). Livro "SQL for Data Scientists" Tanimura. Curso "Mode SQL Tutorial" (gratuito). 2) Python para DS: domínio de pandas + NumPy, não só sintaxe mas padrões de performance (vetorização, armadilhas do .apply). Livro "Python for Data Analysis" McKinney. 3) Estatística: descritiva + inferencial + testes de hipótese + ANOVA + regressão linear a fundo. Curso "Statistical Learning" Hastie / Tibshirani (StanfordOnline — gratuito). Livro "Practical Statistics for Data Scientists" Bruce. 4) ML clássico: domínio de scikit-learn (pipelines / cross-val / trade-offs de métricas / calibração), XGBoost / LightGBM / CatBoost (cavalos de batalha do gradient boosting). Andrew Ng "Machine Learning Specialization" (Coursera) + "Introduction to Statistical Learning" Hastie (ISL — PDF gratuito). 5) Domínio de A/B testing — power analysis, tamanho de amostra, sequential testing, correção de testes múltiplos, redução de variância CUPED. Livros: "Trustworthy Online Controlled Experiments" Kohavi (leitura obrigatória), "Statistical Methods in Online A/B Testing" Georgi. 6) Visualização & storytelling — matplotlib + seaborn + plotly para notebooks + Tableau / Looker / Power BI / Apache Superset para stakeholders. Livros: "Storytelling with Data" Knaflic, "The Visual Display of Quantitative Information" Tufte (clássico). 7) Especialização em domínio — escolha um de fintech / healthcare / varejo / telco / e-commerce e estude os desafios específicos do domínio. 8) Bônus de deep learning: noções de PyTorch para tarefas de DS em CV / NLP. 9) Inferência causal (bônus Senior): "The Effect" Huntington-Klein (livro-texto gratuito online), bibliotecas DoWhy / EconML. 10) Pet project: projeto de DS ponta a ponta no Kaggle (exploração de dados → feature engineering → seleção de modelo → calibração → apresentação de negócio) + 1 projeto de simulação de teste A/B. Internacional (EN): DeepLearning.AI (Andrew Ng), fast.ai, Coursera IBM Data Science Professional. Analista → Junior DS — 6-12 meses. Backend Middle → Junior DS — 8-14 meses (lacuna de matemática + estatística).

3027 active open DS positions. Geography: the US, the UK, Singapore. The real market is broader thanks to a huge international remote segment. Time to close a Senior DS role — 4-10 weeks (faster than ML Engineer thanks to broader entry pool).

Um DS Sênior é dono do ciclo completo, do problema de negócio ao modelo em produção + liderança técnica. Domínio de SQL: funções de janela / CTEs / JOINs complexos / otimização de consultas / leitura de planos de execução. Python para DS: padrões de desempenho com pandas / NumPy / Polars, vetorização, otimização guiada por profiling. Domínio de estatística: testes de hipóteses a fundo, pensamento bayesiano, inferência causal (DoWhy / EconML), noções de modelagem bayesiana (PyMC). Domínio de ML clássico: feature engineering profunda, justificativa da escolha de modelos, calibração, métricas alinhadas ao negócio, domínio de hiperparâmetros de gradient boosting (XGBoost / LightGBM / CatBoost). Domínio de testes A/B: análise de poder, testes sequenciais, correção para testes múltiplos, redução de variância com CUPED, tratamento de efeitos de rede, efeitos de novidade/primazia, experimentos switchback para marketplaces, experimentos geográficos. "Trustworthy Online Controlled Experiments" de Kohavi — o livro de cabeceira. Deep Learning (bônus): PyTorch para tarefas de DS em CV / NLP. DS com noção de LLMs: engenharia de prompts, noções de RAG, LLM-as-judge para avaliação, aplicações de LLMs no workflow de DS (exploração de dados / dados sintéticos / apoio à rotulagem). Visualização & comunicação: domínio de storytelling com dados — converter resultados em decisões de negócio para stakeholders não técnicos. DS em nuvem: uma entre AWS SageMaker / GCP Vertex AI / Databricks / Snowflake a fundo. Soft skills: gestão de stakeholders (produto / negócio / engenharia), redação técnica (documentos de análise, relatórios pós-experimento, memorandos de decisão), mentoria de DS Pleno, contratação (entrevistar candidatos a DS), comunicação executiva. Expertise de domínio: compreensão profunda de um ou dois domínios (fintech / saúde / varejo / telecom / e-commerce) — principal motor do prêmio salarial para Sênior+. Inglês para Sênior+ OBRIGATÓRIO — cargos de DS envolvem contato intenso com stakeholders, e a maioria dos materiais / artigos / comunidade é em inglês.