No meu último dia como gestor de contas de clientes, fechei o portátil com aquela sensação oca e zumbida, como se os ouvidos ainda estivessem a vibrar. A caixa de entrada continuava cheia, o café já tinha arrefecido e doía-me a mandíbula de manter o sorriso em chamadas Zoom seguidas. O lado irónico? O meu bónus do trimestre estava "em avaliação" precisamente quando o meu nível de stress batia recordes.
Um ano depois, estou na qualidade de dados, num canto silencioso do mesmo sector, a ganhar mais por conversar com folhas de cálculo do que com clientes. Sem teatro semanal de performance, sem o pânico do "Dá para entrarmos numa chamada rápida?" às 17:58.
Na maioria dos dias, o som mais alto é o das minhas teclas.
O mais estranho é perceber como há tão pouca gente que sabe que este trabalho existe.
De sorrir em chamadas a fixar o olhar em colunas
A primeira coisa que me surpreendeu ao passar a analista de qualidade de dados foi o som - ou, melhor, a ausência dele. Acabaram as notificações de clientes. Deixei de ter um canal urgente no Slack com um nome do género "🔥-escalacao-de-cliente". E o meu calendário deixou de parecer um jogo de Tetris perdido à partida.
O dia-a-dia ficou mais silencioso, quase monástico. Entro em painéis de controlo, passo os olhos por tabelas, sigo picos estranhos ou falhas inesperadas e, no fim, decido se os números à minha frente são fiáveis.
E o dinheiro? Subiu sem alarido. Nada de fanfarra - apenas uma nova linha no recibo de vencimento a indicar que me pagavam mais por pensar com clareza, não por gerir emoções.
Lembro-me bem da primeira segunda-feira no novo cargo. Às 09:00, ninguém esperava que eu estivesse numa chamada de arranque. Não havia cliente à espera de um "recap rápido" que se esticava por 45 minutos. Tive uma única reunião: o alinhamento diário com a equipa de dados. Dez minutos, câmaras meio ligadas, toda a gente meio de camisola com capuz.
Depois abri um conjunto de dados de um grande cliente do retalho. O gráfico da taxa de conversão tinha uma queda a pique num determinado fim de semana. No meu "eu" antigo, eu teria entrado em modo pânico: ligar ao cliente, pedir desculpa e prometer "analisar já". No meu "eu" novo, limitei-me a seguir o rasto.
Descobriu-se que uma única tag de rastreamento tinha desaparecido de um modelo de página durante uma implementação nocturna. Recolocámos a tag, preenchermos retroactivamente o que foi possível e assinalámos o restante como corrompido. Sem dramatismo. Apenas um pequeno - mas muito real - resgate da realidade.
É esse o núcleo do trabalho em qualidade de dados: ser a pessoa que fica entre uma empresa e uma narrativa errada sobre si própria. Os dados falham de formas discretas. Um espaço a mais num cabeçalho de CSV. Um campo mapeado para a coluna errada. Um desencontro de fuso horário que faz o dia de ontem parecer um desastre quando, na verdade, foi um sucesso.
E o mercado percebeu, silenciosamente, que isto pesa. Com as empresas a afogarem-se em painéis, alguém tem de responder à pergunta mais simples: "Podemos mesmo confiar nestes números?"
Por isso, os salários acompanham a pressão. As empresas pagam a sério a quem consegue dizer, com calma, "Isto está limpo" ou "Isto está partido - e aqui está o motivo".
O que um analista de qualidade de dados faz, de facto, o dia inteiro
No papel, parece um trabalho aborrecido. Na prática, tem algo de investigação policial. O meu dia começa, quase sempre, com verificações automáticas: scripts que assinalam valores em falta, picos fora do normal ou colunas que mudaram subitamente de formato. Leio esses alertas como um médico a rever notas de triagem.
A seguir, mergulho. Comparo os dados de ontem com os da semana passada. Analiso distribuições. Uso SQL para ir às tabelas em bruto e persigo uma anomalia até perceber se é um acontecimento do mundo real ou apenas um pipeline avariado.
Às vezes, a solução é tão pequena como acrescentar uma nova regra de validação. Noutras, implica dizer à liderança que aquele painel bonito está a mentir. Esses são os dias mais divertidos.
A maior diferença para o trabalho virado para o cliente não está nas tarefas - está na temperatura emocional. Antes eu estava sempre "ligado": a sorrir, a tranquilizar, a ajustar o tom consoante o executivo do outro lado. O meu valor estava preso a ser simpático, disponível, "ótimo com clientes".
Agora, o meu valor mede-se por conseguir impedir que a empresa actue com base em disparates. Para isso, não é preciso charme. É preciso curiosidade, paciência e um olhar ligeiramente obsessivo para padrões.
Há quem ache que é preciso um doutoramento. Não é. É preciso estar à vontade para perguntar "Isto faz sentido?" cinquenta vezes por dia e, depois, provar a resposta com queries - não com palpites.
A razão pela qual esta função paga bem é brutalmente simples: dados maus custam dinheiro a sério. Receita mal reportada. Níveis de inventário errados. Orçamentos de marketing despejados em canais que só pareciam bons porque o tagging falhou.
Quando a liderança finalmente percebe que andou a decidir com base em painéis defeituosos, não quer apresentações mais bonitas. Quer exactidão. Quer alguém cuja profissão é desconfiar por definição.
Sejamos francos: quase ninguém volta a confirmar, uma a uma, todas as métricas que apresenta. Um analista de qualidade de dados existe para garantir que, pelo menos em algum ponto da cadeia, alguém o fez.
Como mudar para esta via mais silenciosa e melhor paga
O caminho mais directo costuma ser lateral. Se já trabalhas perto de dados - marketing, operações, produto, finanças - estás mais perto do que parece. Começa por acompanhar quem trata dos teus relatórios ou painéis. Pergunta de onde vêm os números, e não apenas o que significam.
Aprende SQL básico. Isto não é negociável. Não precisas de ser um génio: basta conseguir ir buscar tabelas, filtrar, fazer joins e reconhecer quando algo cheira mal.
Depois, no teu cargo actual, passa a ser a pessoa que fala de qualidade de dados em voz alta. Aponta incoerências. Questiona porque é que dois painéis mostram números diferentes. Oferece-te para ajudar a documentar definições de métricas. Estás a ensaiar a função antes de teres o título.
Um erro comum é achar que tens de "ser técnico" antes de te candidatares - ou que mais um curso é o que falta para estares pronto. Entretanto, surgem vagas cuja descrição, no fundo, diz: "Precisamos de alguém que se importe o suficiente para limpar a confusão."
A curva de aprendizagem existe, sobretudo nas ferramentas e nos pipelines. Ao início vais sentir-te lento. Vais estragar uma query e ficar 20 minutos a olhar para uma mensagem de erro. Vais enviar uma pergunta a um engenheiro que te parece demasiado básica.
E está tudo bem. O essencial é comunicares com clareza, fazeres perguntas decentes e não desapareces quando algo parece errado. O trabalho tem menos a ver com génio e mais com ser irritantemente consistente.
"Quando deixei de tentar impressionar clientes e passei a tentar impressionar os engenheiros de dados, a minha carreira saltou um escalão salarial", disse-me uma amiga quando mudou de gestão de contas para qualidade de dados. "Eles não queriam saber se eu era polida. Queriam saber se eu apanhava um bug antes de ele chegar ao deck do conselho."
- Mapeia de onde vêm os teus dados actuais, mesmo que seja "apenas" uma folha de cálculo.
- Faz um bom curso de SQL e pratica com conjuntos de dados públicos, não com exemplos demasiado teóricos.
- Monta um portefólio pequeno: uma verificação simples de qualidade de dados, uma métrica documentada, uma correcção com antes/depois.
- Candidata-te a funções júnior ou mistas com títulos como "analista de dados", "engenheiro de analytics" ou "especialista em reporting" que referenciem validação ou QA.
- Em entrevistas, fala de resultados: erros que evitaste, e não só de gráficos que construíste.
A mudança silenciosa de carreira de que quase ninguém fala
Há uma liberdade estranha em ter um trabalho que não depende de seres permanentemente encantador. Os meus dias continuam cheios. Alguns são stressantes. Mas o stress vem de resolver problemas de lógica - não de adivinhar o humor de quem está do outro lado da chamada.
Se estás esgotado com trabalho com clientes, isso não quer dizer que não tenhas perfil para funções "bem pagas". Pode apenas significar que as tuas competências estão apontadas para a parte errada da máquina. Continuas a poder ser valioso. Continuas a poder ganhar bem. Só não tens de actuar o dia todo.
Um percurso em qualidade de dados não serve para toda a gente. É preciso tolerância à repetição, à escavação em logs, e à capacidade de dizer "isto está errado" mesmo quando isso não é popular. Tens de aceitar ser um pouco invisível. Quando tudo corre bem, ninguém repara.
Mesmo assim, há uma satisfação silenciosa em saber que os números em que uma equipa inteira confia são sólidos porque tu os verificaste. Tornas-te a espinha dorsal invisível das decisões.
Se isto te soa estranhamente apelativo, vale a pena ouvires esse instinto. Pode estar a apontar para uma versão diferente de sucesso - não a que tem as reuniões mais barulhentas.
| Ponto-chave | Detalhe | Valor para o leitor |
|---|---|---|
| A qualidade de dados paga bem | As empresas perdem dinheiro com dados maus e pagam bem a quem os previne | Ajuda-te a encarar isto como uma mudança de carreira realista e melhor remunerada |
| Competências sociais são transferíveis | Forças de trabalho com clientes, como comunicação e fiabilidade, adaptam-se bem a funções de dados | Reenquadra a tua experiência como uma mais-valia, não como um obstáculo |
| Começa onde estás | Aprende SQL, audita os teus próprios relatórios e torna-te já a pessoa da "precisão dos dados" | Dá-te uma via prática de entrada sem teres de abandonar primeiro o teu emprego |
FAQ:
- É preciso um curso superior técnico para ser analista de qualidade de dados? Não necessariamente. Muitos analistas vêm de áreas como gestão, marketing ou operações e aprendem a parte técnica através de cursos, bootcamps e prática no trabalho, desde que se sintam confortáveis com lógica e alguma programação básica.
- Que ferramentas usam normalmente os analistas de qualidade de dados? É comum usarem bases de dados SQL, folhas de cálculo, ferramentas de BI como Looker, Tableau ou Power BI, e plataformas de pipelines de dados como dbt, Airflow ou Fivetran, além de scripting simples em Python ou R em algumas equipas.
- O trabalho é mesmo menos stressante do que funções viradas para clientes? O stress é diferente. Continua a haver prazos e pressão, mas é sobretudo para resolver problemas técnicos ou lógicos, não para gerir emoções de clientes ou viver em reunião constante.
- Dá para trabalhar remotamente como analista de qualidade de dados? Sim. Muitas empresas oferecem opções totalmente remotas ou híbridas em funções de dados, porque quase todo o trabalho acontece dentro de ferramentas digitais e repositórios partilhados.
- Quanto tempo demora a mudar para este tipo de função? Para alguém que já faz tarefas próximas de dados, 6–12 meses focados em aprender SQL, praticar com conjuntos de dados reais e ir puxando responsabilidades no trabalho podem chegar para conseguir uma posição de entrada ou intermédia.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário