3.780 vagas de dados, IA, cibersegurança e martech: o que estudar e onde procurar

Se você está tentando entrar em dados, IA, cibersegurança ou marketing tech — ou já está e quer escolher o próximo passo —, o conselho que circula por aí é quase sempre uma lista de ferramentas sem numerador nem denominador. Este post faz o contrário: parte de 4.149 anúncios de vaga publicados no Brasil, coletados via API pública da Adzuna em 22 de setembro de 2026, e responde a três perguntas com dado na mesa: o que estudar, onde procurar e por onde dá para entrar.

Depois de remover republicações da mesma vaga, sobraram 3.780 vagas únicas de 1.897 empregadores diferentes. Sobre elas eu rodei classificação de cargo e nível, extração de skills, regras de associação (suporte, confiança e lift), correlação entre termos e nuvens de palavras por cargo. Todo número daqui para baixo sai dessa base — e a seção final conta, sem maquiagem, o que ela não consegue dizer.

1. O mercado em uma foto: onde estão as vagas

As quatro áreas não têm o mesmo tamanho. Dados sozinha responde por 41,1% das vagas — mais que cibersegurança e IA somadas. Marketing tech vem em segundo — e, como a seção 6 mostra, é uma área que compartilha muito pouco requisito técnico com dados, apesar de a fronteira parecer difusa nos títulos.

Dentro das áreas, o que existe de verdade são cargos — e aqui a distribuição é bem menos romântica do que o imaginário da área sugere. Analista de Dados, Engenheiro de Dados e Analista de BI somam mais vagas que todas as funções de IA juntas, mesmo em 2026.

2. Vagas ao longo do tempo — e a armadilha de ler esse gráfico

A base é uma foto de um dia, não um acompanhamento mês a mês. Cada vaga carrega a data em que foi publicada, então é possível montar a curva abaixo — mas ela precisa de uma advertência antes do primeiro olhar.

Reformulando a mesma informação de um jeito que se pode usar: qual é a idade dos anúncios que estavam no ar? A mediana é de 30 dias.

Ou seja: 21,9% do que estava no ar tinha no máximo 7 dias e 50,9% tinha até 30. A consequência prática é chata, mas é a mais acionável deste post: uma busca de emprego em bloco, feita de mês em mês, perde a maior parte do estoque. Só 7,9% das vagas passam de 180 dias no ar — em geral banco de talentos e programas de bolsa, que ficam abertos indefinidamente.

3. Onde procurar: estados, cidades e o peso do remoto

De 3.780 vagas, 2.526 trazem estado identificável e 1.252 dizem apenas "Brasil" — normalmente remotas ou com local a definir. A concentração entre as localizadas é brutal.

76,5% das vagas localizadas estão no Sudeste e 61,0% em São Paulo. Fora do eixo, o que existe de relevante se resume a poucas praças:

Isso não significa que só dá para trabalhar em São Paulo — significa que, fora de SP, o caminho realista é a vaga remota. Apenas 537 vagas declaram modelo de trabalho, mas entre elas a diferença por área é grande: IA é a área mais remota e cibersegurança a menos — o que faz sentido para quem opera infraestrutura e plantão.

E o perfil da vaga muda com o estado. Distrito Federal é a praça mais concentrada em cibersegurança do país; Santa Catarina e Paraná puxam para marketing tech; Ceará é a praça mais "dados" fora do Sudeste.

4. O que as vagas realmente pedem

Cada anúncio passou por um dicionário de 68 skills com regras de expressão regular sobre título e corpo do texto. O eixo abaixo é suporte: a fração das 3.780 vagas em que a skill é mencionada.

Comparar suporte entre áreas é mais informativo que o ranking geral, porque quase nenhuma skill é universal — cada área tem seu próprio núcleo:

5. Correlação entre cargo e skill: quem pede o quê

Aqui entra o que você provavelmente quer de verdade: dado que uma vaga cita SQL, o que ela costuma ser? E dado que é uma vaga de Engenheiro de Dados, o que ela cobra? São duas perguntas diferentes, e as regras de associação separam as duas com três métricas:

• Suporte — em quantas vagas a combinação aparece (% do total). É o tamanho do fenômeno.
• Confiança — P(cargo | skill): entre as vagas que citam a skill, quantas são daquele cargo.
• Lift — quantas vezes essa associação é mais forte que o esperado por puro acaso. Lift 1 = independência; lift 8 = oito vezes acima do acaso.

Como ler linha a linha: quem domina Power BI está falando com vaga de BI em 55,6% dos casos, 6,14× acima do acaso. Spark / Databricks é praticamente um carimbo de engenharia de dados (80,7% de confiança). Já Estatística aponta para cientista de dados, mas com confiança de apenas 46,7% — ela circula por várias funções, o que a torna transferível em vez de definidora.

A tabela acima olha da skill para o cargo. Invertendo o sentido, temos o que um cargo cobra — é esse o número que importa se você já escolheu o alvo:

6. Skills andam em combo, não sozinhas

Estudar skill isolada é o erro mais comum de quem monta trilha sozinho. Nas 1.241 vagas que citam duas ou mais skills, alguns pares aparecem juntos muito acima do acaso. Além do lift, olho o índice de Jaccard — a fração das vagas que citam uma das duas e citam as duas. Jaccard alto significa pacote fechado: na prática, não se contrata uma sem a outra.

O par mais colado é Google Ads + Meta Ads (lift 22,38, Jaccard 0,704): em mídia paga, as duas plataformas são um único requisito escrito em duas linhas. Em cibersegurança o combo é SIEM + SOC + Resposta a Incidentes — quem estuda só a ferramenta sem o processo de resposta fica de fora. E em dados aparece o pacote de nuvem (BigQuery + GCP), que é o mesmo fenômeno: a ferramenta vem amarrada ao provedor.

A visão completa de quem anda com quem está na matriz abaixo. É correlação phi entre as 12 skills mais citadas: azul quando as duas aparecem juntas mais do que o esperado, vermelho quando aparecem juntas menos do que o esperado.

Duas leituras, e a segunda é a que importa. A primeira: os valores negativos são pequenos em magnitude — o mais forte do bloco martech × dados é -0,08 —, porque a matriz é esparsa: com a descrição truncada, a maioria das vagas cita poucas skills, e isso atenua qualquer coeficiente. A segunda: o sinal é sistematicamente negativo. CRM, Funil/Growth, SEO e Mídia Paga dão negativo contra SQL, ETL, Power BI e Machine Learning em praticamente toda célula. Não é uma correlação forte; é um padrão consistente, e ele diz que marketing tech e dados são mercados vizinhos que quase não compartilham requisito técnico. Quem quer transitar entre os dois precisa de duas trilhas, não de uma.

7. Demanda × complexidade: em que ordem estudar

Demanda sozinha não decide o que estudar — o custo de aprender também conta. Então atribuí a cada skill uma complexidade de 1 a 5, que é curadoria minha, não medição: 1 é o que se usa produtivamente em dias (Excel), 3 exige semanas de prática real (Python, dbt, nuvem), 5 exige base matemática ou anos de contexto (MLOps, deep learning, pentest).

O canto superior esquerdo é onde mora o melhor retorno por hora estudada. Ordenando pelo índice suporte ÷ complexidade, e exigindo pelo menos 40 vagas para a skill entrar:

A última coluna é o antídoto contra otimizar o índice cegamente: ela conta em quantos cargos a skill é pedida por ao menos 5% das vagas. CRM lidera o índice, mas serve a 3 cargos — é uma aposta alta e estreita. Python e ETL/Pipelines aparecem em 7 cargos cada: índice menor, porém é o que mantém portas abertas se você mudar de ideia no meio do caminho. Para quem está começando e ainda não escolheu nicho, alcance vale mais que índice.

8. Nuvem de palavras por cargo: o vocabulário de cada vaga

As nuvens abaixo não vêm do título (isso só repetiria o nome do cargo). Vêm do corpo do anúncio, com três filtros que mudam tudo em relação a uma nuvem ingênua: o tamanho é o share de vagas do cargo que usam o termo ponderado por quão exclusivo ele é daquele cargo (jargão de RH presente em todos os grupos pesa zero), e o termo só entra se 8 empregadores diferentes o usarem — assim uma empresa que publicou 30 anúncios iguais não contamina a nuvem.

Use como roteiro de currículo e de entrevista: esse é o vocabulário literal de quem publica a vaga.

Três coisas saltam dessa leitura lado a lado:

1. Analista de Dados e Analista de BI são quase a mesma vaga. Os dois vocabulários giram em torno de dashboards, relatórios e indicadores. A diferença real é que BI verbaliza a ferramenta (dax, power query, business intelligence) e Analista de Dados verbaliza o verbo do processo (coletar organizar, analisar dados, tomada decisões).
2. Engenheiro de Dados fala de arquitetura, não de análise. pipelines, camadas, bronze silver, lakehouse, migração. Nenhum dashboard no topo. É outra profissão.
3. Em IA, o vocabulário virou agente. agentes, agentic, llms, rag, generativa, deploy — não redes neurais nem acurácia. A vaga de IA de 2026 é sobre montar sistema com modelo pronto, não sobre treinar modelo do zero.

9. Nuvem por tipo de profissão

Subindo um nível de agregação, o contraste entre as quatro áreas fica explícito:

10. Por onde dá para entrar

Este é o ponto mais desconfortável da base. Entre as 2.424 vagas que declaram nível no título, só 416 são estágio, bolsa, trainee, júnior ou assistente — contra 1.599 de sênior, especialista ou liderança. É uma razão de quase 1 para 4.

Mas o funil não é igual em todo lugar — e é exatamente aí que está a informação útil para quem quer ingressar. Considerando só as vagas que declaram nível, a fatia de entrada varia de 8% a 40% dependendo do cargo:

Analista de BI e Analista de Dados são as portas largas (26% e 23% de vagas de entrada, e as menores fatias de sênior). No extremo oposto, Growth/Performance tem 8% de entrada e 82% de sênior: é um cargo de segunda carreira, não de primeira. Cibersegurança e engenharia de dados ficam no meio, mas com uma diferença importante: em cibersegurança a via de entrada existe via SOC (25% de entrada — sobre só 28 vagas com nível declarado, então trate como indício, não como medida), que é o plantão de monitoramento por onde quase todo mundo começa na área.

A base também deixa ver quais skills abrem a porta. Comparando vagas de entrada com vagas sênior, um lift acima de 1 significa que a skill é mais frequente em vaga de entrada do que a média — ou seja, é aceita antes da experiência:

O topo dessa tabela é quase um currículo de primeira vaga: Excel, SQL e Power BI, as três com complexidade 1 ou 2. Estatística aparece alto por um motivo específico que vale desmontar: 35 das 39 vagas de entrada que a citam são estágio ou bolsa de pesquisa (ICTs e programas de trainee em ciência de dados), não vaga júnior de empresa. É porta de entrada real, mas por uma via acadêmica. No outro extremo, as skills de complexidade 4 e 5 (MLOps, pentest, cloud security) praticamente não aparecem em vaga de entrada: são degraus de meio de carreira, e estudá-las cedo não antecipa a primeira contratação.

11. Trilhas por cargo, na ordem em que o mercado pede

Juntando tudo: para cada cargo, as skills mais citadas nas próprias vagas dele, com a complexidade ao lado. Leia de cima para baixo — é a ordem que maximiza chance de passar por triagem em cada etapa.

12. O que eu faria com isso, na prática

Se você está entrando na área agora. Mire Analista de BI ou Analista de Dados: são as duas portas mais largas e as duas que aceitam o combo mais barato de aprender — SQL, Power BI e Excel, todos de complexidade 1 ou 2, presentes no topo tanto da demanda quanto do lift de entrada. Acrescente leitura de negócio: indicadores aparece em 24% dos anúncios de Analista de Dados e dashboards em 29% — é literalmente o vocabulário da vaga. Deixe Spark, MLOps e pentest para depois da primeira contratação.

Se você já está e quer subir. Olhe os combos, não as skills soltas. Em dados, o salto de analista para engenheiro passa por ETL/pipelines + modelagem + um provedor de nuvem — e o provedor vem amarrado à ferramenta (BigQuery com GCP, Databricks com Azure/AWS), então escolha um e vá fundo em vez de tocar os três. Em cibersegurança, o combo é SIEM + SOC + resposta a incidentes. Em martech, é CRM + automação + funil.

Se você vai mudar de área. A matriz de correlação diz onde a ponte é curta e onde é longa. Dados → IA é curto: Python e machine learning já circulam nas duas. Marketing tech → dados é longo, porque os requisitos técnicos quase não se sobrepõem — planeje isso como formação nova, não como transição lateral.

Onde procurar. Se você não está em São Paulo, o filtro mais produtivo são as vagas que não declaram cidade: são um terço da base e concentram 72% de todas as vagas que se declaram remotas (171 de 238). Com a ressalva honesta: "sem cidade" não garante remoto — a maior parte dessas vagas simplesmente não informa o modelo. E procure toda semana, porque metade do estoque tem menos de 30 dias de vida.

13. Metodologia e limites

Fonte. Adzuna Job Search API, coleta paginada em 2026-09-22, com 25 consultas de taxonomia cobrindo dados, IA, cibersegurança e marketing tech. Só vagas com country=br.

Tratamento. 4.149 anúncios coletados → 3.780 vagas únicas após remover republicações (mesmo empregador + mesmo título, 8,9% do total). Cargo e nível foram classificados por regras sobre o título, em duas dimensões independentes; skills, por um dicionário de 68 termos com expressões regulares sobre título e descrição, normalizados sem acento. As regras de associação usam suporte, confiança e lift; a matriz de correlação usa coeficiente phi; os pares de skills, lift e índice de Jaccard.

O que isso não é.

• Não é o mercado brasileiro inteiro. É o que a Adzuna indexa. Vagas publicadas só no LinkedIn, em ATS próprio ou por indicação não estão aqui.
• Descrição truncada em ~500 caracteres. Todo suporte de skill é subestimado; a comparação relativa entre skills e entre cargos é que sustenta as conclusões, não o valor absoluto.
• A série temporal é estoque, não fluxo. Anúncio velho sai do ar, então a curva sobe perto da data de coleta por sobrevivência. Não leia como crescimento.
• Nível é o que o título declara. 35,9% das vagas não declaram, e ficaram de fora dos cortes de senioridade.
• Complexidade de 1 a 5 é curadoria minha, baseada em pré-requisitos e tempo típico até uso produtivo. É o único número deste post que não sai do dado — trate como opinião fundamentada e discorde à vontade.
• Sem salário. Nenhuma das 4.149 vagas coletadas traz faixa salarial informada pelo empregador; 640 têm apenas uma estimativa calculada pelo próprio agregador. Preferi não publicar número de salário a publicar um número ruim.
• Correlação não é causa. Lift alto entre skill e cargo mede coocorrência no texto do anúncio. Não prova que aprender a skill causa a contratação.

Se você quiser reproduzir: a coleta vem da API de busca da Adzuna, a classificação e as regras de associação são pandas puro, e as métricas são as clássicas de mineração de regras — suporte, confiança, lift, Jaccard e coeficiente phi. Nada aqui depende de ferramenta paga.