Ejemplo de CV de analista de datos
El CV de un analista de datos lo revisa un responsable de contratación, un líder de analytics o un reclutador que busca tres pruebas antes que nada: que sabes extraer y dar forma a los datos (SQL más un lenguaje de scripting), que puedes convertirlos en algo sobre lo que una empresa actuará (dashboards, modelos, recomendaciones claras) y que tu trabajo anterior movió una métrica real. La contratación en analytics tiene convenciones que los consejos genéricos de CV pasan por alto. Las herramientas se comprueban al pie de la letra — SQL, Python o R y una plataforma de BI como Power BI, Tableau o Looker son requisitos obligatorios, no un extra, y quien revisa busca exactamente las herramientas que usa su equipo. Un portafolio o un conjunto de proyectos concretos pesa tanto como los años de experiencia, porque es la forma más rápida de confirmar que de verdad puedes hacer el trabajo. Y los puntos que ganan son los que cuantifican: una línea que dice «creé dashboards» pierde frente a «rehíce el dashboard de retención en Looker, reduje el retraso de los informes de 3 días a 15 minutos y descubrí un factor de churn que valía 140.000 £ al año». Este ejemplo cubre la estructura que destaca esas señales en el orden en que las buscan los analistas que contratan, el bloque de habilidades técnicas que hace el trabajo de verificación, las secciones de resumen y portafolio que prueban tu capacidad, los puntos de experiencia que te meten en la lista corta y los errores habituales que dejan a buenos analistas por debajo del corte. Todo es editable en el editor de Cvida: úsalo como punto de partida y adáptalo a tu dominio, a tu stack y al nivel del puesto que persigues.
Por qué un CV de analista de datos es distinto de uno genérico
La contratación en analytics se mueve por señales que la mayoría de los consejos genéricos ignoran. Empieza por lo que la hace diferente:
- Las herramientas se verifican, no se dan por sentadas: SQL es la base, luego un lenguaje de scripting (Python o R) y una plataforma de BI (Power BI, Tableau, Looker, Qlik) — enumera las herramientas exactas que pide el puesto y quien revisa las contrastará con la oferta antes de decidir entrevistarte
- Un portafolio demuestra lo que los puntos solo afirman: un GitHub público, un perfil de Tableau Public o dos o tres proyectos documentados permiten confirmar en dos minutos que sabes limpiar, consultar, modelar y visualizar datos reales
- Cuantificar es el estándar de oro: ingresos influidos, horas de informes manuales automatizadas, latencia de decisión reducida, precisión de modelo ganada, costes ahorrados — los puntos vagos de «analicé datos» suenan a relleno
- El contexto del dominio importa: e-commerce, fintech, salud, SaaS y marketing analytics tienen cada uno sus métricas (LTV, churn, CAC, retención por cohortes, conversión de embudo) — nombrar las que has manejado demuestra que entiendes el negocio, no solo la consulta
- La comunicación forma parte del puesto: gestionar stakeholders, convertir el análisis en una recomendación y presentar a públicos no técnicos separan a los analistas que contratan de los que solo se filtran
Trata tu CV como el atajo del responsable hacia un «sí». Un líder de analytics que lo lea debería poder confirmar tu stack, ver pruebas de trabajo real y leer al menos un resultado cuantificado en dos minutos — y si no puede, no entras en la lista corta por bueno que fueras una vez en el puesto.
La estructura de CV que funciona para puestos de analista de datos
La mayoría de los CV de analista de datos funcionan mejor en este orden: pone delante las señales que los analistas que contratan buscan primero:
- Encabezado: nombre, título profesional (p. ej. «Analista de datos — SQL, Python, Power BI»), ciudad / región, email, teléfono, LinkedIn y un enlace al portafolio o GitHub
- Resumen (3–4 líneas): años de experiencia, dominio, stack principal y un resultado cuantificado destacado
- Habilidades técnicas: agrupadas por tipo — consulta (SQL), lenguajes (Python / R), BI y visualización, modelado de datos / data warehousing, estadística — para que se escaneen en segundos
- Experiencia: puestos en orden cronológico inverso con empresa + sector + contexto de equipo, 4–6 puntos centrados en resultados cada uno
- Proyectos / portafolio: dos o tres piezas concretas con el problema, las herramientas y el resultado medible — esenciales para perfiles júnior y de reconversión
- Formación: titulación + institución, más cualquier asignatura cuantitativa o con mucha carga de análisis
- Certificaciones: Google Data Analytics, Microsoft Power BI (PL-300), Tableau Desktop Specialist, certificaciones de datos en la nube y cursos relevantes
Mantenlo en 1 página con menos de 5 años de experiencia y 2 páginas cuando seas analista sénior o líder con personas o proyectos grandes a tu cargo. Pon el enlace al portafolio en el encabezado para que sobreviva incluso a un vistazo de 10 segundos.
Los fundamentos de estructura y extensión de CV sobre los que se apoya este ejemploEl bloque de habilidades técnicas: SQL, Python, BI y estadística
Aquí se decide si puedes hacer el trabajo desde el primer día o necesitas meses de adaptación. Agrúpalo para que un lector ocupado lo escanee en segundos:
- Consulta: SQL — especifica dialectos y profundidad (funciones de ventana, CTE, optimización de consultas en Postgres, MySQL, BigQuery, Snowflake, Redshift)
- Lenguajes: Python (pandas, NumPy, scikit-learn, matplotlib / seaborn) o R (tidyverse, ggplot2, Shiny) — nombra las librerías que de verdad usas, no solo el lenguaje
- BI y visualización: Power BI (DAX, Power Query), Tableau, Looker / LookML, Qlik, Looker Studio
- Modelado de datos y pipelines: dbt, modelado dimensional, ETL / ELT, Airflow, diseño de data warehouse, control de versiones con Git
- Estadística y métodos: tests A/B, regresión, contraste de hipótesis, previsión, análisis de cohortes y de embudo, segmentación — los métodos analíticos detrás de las herramientas
Enumera primero las herramientas que nombra la oferta — tanto las personas como los filtros ATS buscan una coincidencia exacta. No infles la lista con herramientas que has tocado una vez; un entrevistador técnico sondeará todo lo que afirmes, y una afirmación floja cuesta más que una omisión honesta.
Cómo elegir y presentar las habilidades que de verdad mueven un CVEl resumen: dominio, stack y un resultado cuantificado
Tres o cuatro líneas en la parte superior. Debe responder qué tipo de analista eres, en qué trabajas y un resultado que pruebe que entregas:
- Línea 1: título + años + dominio. Ejemplo: «Analista de datos con 5 años en e-commerce y analytics de suscripción.»
- Línea 2: stack principal + contexto de escala. Ejemplo: «SQL y Python a diario sobre un warehouse de 40 millones de filas en BigQuery; responsable de la capa de reporting Looker de la empresa.»
- Línea 3: resultado destacado con un número. Ejemplo: «Construí un modelo de predicción de churn que señalaba cuentas en riesgo 30 días antes y alimentó una campaña que recuperó 210.000 £ de ARR.»
- Línea 4 (opcional): qué buscas. Ejemplo: «Busco un puesto de Analista de datos sénior en un equipo de producto o crecimiento donde el análisis guíe las decisiones de roadmap.»
- Qué quitar: «atento al detalle», «apasionado por los datos», «aprendo rápido» — todos los candidatos lo dicen; un número y una herramienta nombrada hacen la persuasión
Un resumen que nombra un dominio, un stack y un resultado medible gana siempre frente a uno lleno de adjetivos. Si aún no puedes poner un número en la línea 3, abre con un proyecto del portafolio: la prueba de trabajo convence más que una autodescripción.
Cómo redactar logros de CV que se cuantifican en dinero, tiempo o riesgoPortafolio y proyectos: demostrar que puedes hacer el trabajo
Para los analistas, el portafolio suele ser el factor decisivo — sobre todo en los primeros puestos y en la reconversión. Convierte «sé hacer esto» en «aquí está la prueba». Cada proyecto debería mostrar:
- La pregunta: el problema real de negocio o de investigación que te propusiste responder, en una frase sencilla
- Los datos y las herramientas: de dónde vinieron los datos, cómo los limpiaste y modelaste y qué herramientas usaste (SQL, Python, la capa de BI)
- El método: el análisis en sí — la consulta, el modelo, el test — descrito para que un revisor técnico pueda juzgar el rigor
- El visual: un dashboard, un gráfico o un notebook que se pueda abrir de verdad — alójalo en Tableau Public, GitHub o una web personal
- El resultado: qué reveló el análisis y, donde sea posible, qué decisión o cambio impulsó
Dos proyectos sólidos y bien documentados ganan a diez a medias. Elige problemas cercanos al dominio que persigues, redacta cada uno como un breve caso práctico y enlázalos desde el encabezado para que el revisor no tenga que buscar. Un portafolio que refleja el trabajo real del puesto es lo más parecido a una prueba gratuita que puedes ofrecer.
Puntos de experiencia: la cuantificación que te mete en la lista corta
Aquí es donde se desinflan la mayoría de los CV de analista: describen tareas en vez de impacto. Reescribe cada punto en torno a un resultado que le importe a una empresa:
- Empieza por el resultado y luego el método: «Recorté 12 horas semanales de informes automatizando en Python y Power BI un proceso manual de Excel» gana a «Responsable de los informes semanales»
- Pon un número en la mayoría de los puntos: ingresos influidos, % de eficiencia ganada, horas ahorradas, tasa de error reducida, usuarios / filas / consultas a escala — incluso una estimación con una base declarada gana a ninguna
- Nombra las herramientas dentro del punto: «…en SQL y dbt», «…con un dashboard de Looker», «…usando un modelo de scikit-learn» — sirve además como cobertura de palabras clave para ATS
- Muestra al stakeholder: quién usó el análisis y qué hizo con él — «di al equipo de crecimiento un desglose de embudo que subió la conversión de checkout un 8%»
- Usa verbos fuertes y concretos: construí, automaticé, modelé, predije, segmenté, optimicé — no «ayudé con», «trabajé en» o «participé en»
Un revisor ojea los puntos en segundos. Si la primera mitad de cada línea lleva un verbo y un número, sobrevives al vistazo — y un analista que cuantifica su propio trabajo es justo el analista que un responsable quiere cuantificando el suyo.
Cómo formatear puntos y palabras clave para que pasen los filtros ATSFormación, certificaciones y la ruta de aprendizaje del analista
Analytics es uno de los campos más flexibles en cuanto a credenciales dentro del tech — se contrata por igual a titulados, a gente de bootcamp y a autodidactas con portafolio. Presenta con confianza la ruta que seguiste:
- Titulación: materia + institución + calificación, y destaca las asignaturas cuantitativas (estadística, econometría, informática, matemáticas) aunque la titulación en sí no sea «de datos»
- Certificaciones que pesan: Google Data Analytics Professional Certificate, Microsoft PL-300 (Power BI Data Analyst), Tableau Desktop Specialist, dbt, certificaciones de datos de AWS / Azure / GCP
- Bootcamps y cursos: nombra el programa, el proyecto final y las herramientas cubiertas — un proyecto final documentado vale más que el certificado solo
- Ruta autodidacta: abre con el portafolio y las plataformas que has completado (DataCamp, competiciones de Kaggle, freeCodeCamp) — los rankings de Kaggle son una prueba concreta y verificable
- Mantenlo al día: enumera las certificaciones con el año obtenido y poda lo desfasado, para que la sección transmita un aprendizaje activo y continuo
Ninguna ruta gana por sí sola — lo que convence es la combinación de una credencial y la prueba de que sabes aplicarla. Un analista autodidacta con dos buenos proyectos de portafolio gana a menudo a un titulado sin trabajo demostrable.
Errores habituales que dejan a buenos analistas por debajo del corte
Incluso analistas capaces se filtran por motivos evitables. Comprueba los tuyos contra esta lista antes de postular:
- Listar herramientas sin profundidad ni prueba: un muro de logos sin proyectos ni puntos cuantificados suena a relleno de palabras clave, y la entrevista técnica lo destapa rápido
- Describir tareas, no impacto: «creé informes», «analicé datos», «mantuve dashboards» — sin número, sin stakeholder, sin resultado
- Esconder u omitir el portafolio: para los analistas suele ser el activo más persuasivo y, aun así, falta o queda enterrado
- Un CV genérico para cada puesto: no reflejar el stack nombrado en la oferta (Power BI vs Tableau, Python vs R) te cuesta tanto la coincidencia ATS como el vistazo humano
- Sobrecargar el diseño: infografías densas, barras de «porcentaje» de habilidades y gráficos de colores dañan la legibilidad y rompen el parseo ATS — la estructura limpia y los números reales ganan
Casi todos se reducen a un solo hábito: mostrar impacto y prueba en vez de listar funciones y herramientas. Corrige eso y superas el filtro que descarta a la mayoría de los candidatos antes de que un humano lea con atención.
Más tácticas para CV de tech y datos, ATS y pruebas técnicasNotas finales y la prueba del responsable de contratación
Antes de enviarlo, pasa tu CV por la misma prueba rápida que hará un responsable de contratación de analytics:
- Prueba de stack: ¿puede confirmar SQL, un lenguaje de scripting y una herramienta de BI en los primeros 10 segundos?
- Prueba de evidencia: ¿hay un enlace a portafolio o proyecto que pueda abrir, y funciona?
- Prueba de impacto: ¿lleva al menos un punto por puesto un número ligado a un resultado de negocio?
- Prueba de coincidencia: ¿refleja el CV las herramientas y el dominio nombrados en la oferta?
- Prueba de legibilidad: ¿estructura limpia, sin barras de habilidades, se parsea bien como texto plano para ATS?
Si puedes responder «sí» a las cinco, tu CV cumple su función: te mete en la sala donde tu análisis habla por sí mismo. Construye y adapta el tuyo en el editor de Cvida, pon tu dominio y tu stack y abre con los números que prueban tu trabajo.