Cómo escribir un CV de analista de datos que se lea

Qué busca primero quien selecciona

Quien revisa CVs de analistas de datos suele hacerlo rápido, a menudo entre reuniones, y busca dos cosas antes que nada: las herramientas que has usado realmente, y evidencia de que has convertido datos en una decisión que tomó otra persona. No "analicé datos para apoyar objetivos de negocio" — esa frase no dice nada y ya la han leído cien veces. Quieren SQL, y qué variante si les importa (Postgres, T-SQL, Snowflake). Quieren ver Python o R nombrados, no implícitos. Quieren una herramienta de BI — Tableau, Power BI, Looker — porque la mayoría de puestos de analista ahora están detrás de un dashboard que alguien más tiene que abrir. Si nada de esto es visible en el primer tercio de la página, el CV se deja de lado, no porque el candidato carezca de habilidad sino porque el lector no tuvo tiempo de averiguarlo.

Lo segundo que buscan es escala y relevancia: qué tan grande era el conjunto de datos, cuántas personas usaron lo que construiste, qué cambió por ello. Un CV de analista de datos que se lee como el resumen de investigación de un científico de datos, todo método y sin resultado, tiende a tener peor desempeño incluso cuando el trabajo subyacente fue sólido.

El vocabulario que tiene que estar, específicamente

El consejo genérico dice "usa palabras clave de la descripción del puesto". Para esta ocupación ese consejo necesita precisión. Las palabras que realmente separan el CV de un analista de uno adyacente — científico de datos, desarrollador de BI, ingeniero de datos — son cosas como: SQL joins y window functions, ETL o ELT (y qué herramientas — dbt, Airflow, SSIS), limpieza y preparación de datos (pandas, o dplyr si R), pruebas A/B y diseño de experimentos, análisis de cohortes o embudos, dashboarding e informes de autoservicio, y el almacén o plataforma específica (BigQuery, Redshift, Snowflake, Databricks). Si usas Excel en serio — tablas dinámicas, VLOOKUP/XLOOKUP, Power Query — dilo claramente; algunos empleadores, especialmente fuera del tech puro, todavía lo usan como filtro y desecharlo como algo por debajo del CV es un error.

Evita vocabulario que pertenece a un rol vecino a menos que realmente hiciste ese trabajo. "Construí y desplegué modelos de machine learning" es una afirmación de científico de datos o ingeniero de ML; si lo que hiciste fue construir una regresión logística en un notebook para informar un reporte, di eso en su lugar. Los hiring managers en este campo usualmente pueden notar la diferencia en una frase, y una afirmación inflada cuesta más credibilidad de la que gana una modesta pero verdadera.

Cualificaciones y certificados: qué tiene peso real

No hay licencia que obtener para este trabajo ni registro profesional al que pertenecer — a diferencia de, digamos, un contador o un ingeniero, la legitimidad de un analista de datos descansa enteramente en trabajo demostrado, no en credenciales. Un título en una materia cuantitativa (estadística, economía, matemáticas, ciencias de la computación) es común pero no universal, y muchos analistas vienen de otros trasfondos con un portafolio en su lugar. Si tienes uno, nombra la materia; "BSc" solo no dice nada al lector.

Los certificados son territorio disputado. El Google Data Analytics Certificate, el PL-300 de Microsoft (Power BI), y credenciales específicas de proveedores de Tableau o SQL se mencionan en anuncios de trabajo, particularmente en posiciones menos senior, y poner uno en el CV señala que has cubierto un syllabus definido. Lo que no hacen es sustituir trabajo mostrado — ningún hiring manager en este campo trata un certificado como equivalente a un dashboard que todavía está en uso productivo en algún lugar. Si tienes experiencia limitada, lista el certificado brevemente y usa el espacio que ahorras en un proyecto en lugar de una lista más larga de certificados.

Cómo se evidencia realmente la experiencia en este campo

La convención en esta ocupación es evidenciar experiencia a través de resultados atados a un artefacto específico — un reporte, un dashboard, un modelo, un experimento — no a través de una lista de tareas. "Responsable del reporte semanal de ventas" no dice nada que un hiring manager pueda verificar o imaginar. "Reconstruí el dashboard semanal de ventas en Power BI, reduciendo el tiempo de reporte manual de dos días a menos de una hora, adoptado por tres equipos regionales" es verificable, específico, y les dice qué eres capaz de hacer de nuevo.

Los números importan aquí más que en la mayoría de campos, porque toda la disciplina trata de cuantificar cosas, así que un CV que describe trabajo analítico sin una sola cifra se ve como una contradicción. Pero el número necesita ser tuyo para reclamarlo — si la adopción del dashboard o el incremento de ingresos fue un resultado de equipo, di "contribuí a" honestamente en lugar de implicar autoría única; en un campo tan pequeño, exagerar en un proyecto específico suele ser verificable por un hiring manager que conoce a alguien que estuvo ahí.

Donde las métricas formales no están disponibles — mucho trabajo de analítica interno nunca obtiene un número limpio de antes/después — describe la decisión a la que alimentó el análisis y quién actuó sobre ella. "El análisis fue usado por el equipo de pricing para ajustar la promoción de marzo" es más débil que un porcentaje pero mucho más fuerte que nada, y es honesto sobre lo que realmente puedes verificar.

Un enlace a un portafolio, GitHub, o un par de capturas de pantalla de dashboards anonimizados hace más por esta ocupación que por casi cualquier otra, porque el entregable es visual e inspeccionable. Si tienes uno, pon el enlace cerca del inicio, no enterrado al final bajo "referencias disponibles a pedido".

Qué omiten rutinariamente los candidatos de este trasfondo

Tres cosas aparecen ausentes una y otra vez en CVs de analistas de datos.

Primero, el trabajo mismo de limpieza y preparación de datos. Los analistas suelen saltar directo al hallazgo porque la limpieza se sintió como trabajo de base poco glamoroso, pero un hiring manager sabe que la mayor parte del tiempo real de un analista va a llevar datos desordenados, inconsistentes o incompletos a un estado usable, y quieren saber que puedes hacer eso, no solo consultar una tabla ordenada. Una línea como "consolidé datos de cuatro exportaciones de CRM desconectadas con nomenclatura de campos inconsistente" les dice más sobre tu competencia práctica que otro punto sobre dashboards.

Segundo, la comunicación con stakeholders. Este rol se sitúa entre datos crudos y personas que toman decisiones sin trasfondo técnico, y la capacidad de explicar un hallazgo a alguien en marketing u operaciones sin jerga es una habilidad distinta y verificable que los candidatos rara vez mencionan porque no se siente como "análisis". Si has presentado hallazgos a stakeholders no técnicos, escrito un reporte que un director realmente leyó, o cambiado cómo un equipo mide algo, dilo directamente.

Tercero, el contexto de dominio. "Analista de datos" cubre personas trabajando en marketing, finanzas, producto, salud, logística y más, y las preguntas de negocio específicas que hace cada dominio son diferentes — churn y lifetime value en un negocio de suscripción, conversión y atribución en e-commerce, reclamaciones y riesgo en seguros. Dejar el contexto de dominio fuera del CV hace que cada analista se vea intercambiable, cuando en la práctica un hiring manager en fintech usualmente quiere ver que has manejado datos financieros o transaccionales antes, no solo datos en general.

Qué hacer a continuación

Revisa tu CV y verifica que el primer tercio de la página nombra tus herramientas principales por sus nombres reales — SQL, la herramienta de BI específica, Python o R — no una paráfrasis de ellas. Luego verifica cada punto bajo experiencia: ¿nombra un artefacto (un dashboard, un reporte, un modelo, un experimento) y un resultado sobre el que alguien más actuó? Si un punto solo describe una actividad, reescríbelo o córtalo. Agrega una línea sobre limpieza o preparación de datos si falta, y una sobre una audiencia no técnica a la que hayas reportado, ya que ambas se asumen comúnmente en lugar de declararse. Si tienes un portafolio o muestras de dashboards, enlázalos cerca del inicio.

Si estás aplicando a más de un puñado de roles y cada uno quiere el CV enmarcado de forma ligeramente distinta — diferentes herramientas en primer plano, diferente experiencia de dominio destacada — esa reescritura es donde la mayoría de personas se quedan sin tiempo antes de quedarse sin aplicaciones. jobmarket.pro lee cada anuncio y prepara la aplicación desde un perfil que no puede inventar experiencia, que es el problema específico que este artículo ha estado describiendo.