Cómo Escribir un Currículum de Analista de Datos

Un currículum de analista de datos tiene una trampa concreta: es fácil enumerar herramientas (SQL, Python, Tableau) y viñetas técnicamente precisas pero olvidables ("analicé datos para encontrar información") que podrían describir a casi cualquiera del campo. Lo que realmente distingue a un currículum de analista sólido es mostrar la decisión que surgió del análisis, no solo el análisis en sí.

Empieza cada viñeta con el resultado de negocio, no con el método

La técnica es contexto; el impacto es el logro. Un lector — técnico o no — quiere saber qué cambió gracias a tu análisis:

Débil: "Analicé datos de abandono de clientes usando SQL y Python." Fuerte: "Construí un modelo de predicción de abandono en Python que identificaba cuentas en riesgo 45 días antes, permitiendo acciones de retención que ahorraron 180.000 € en ingresos recurrentes anuales."

Si no tienes una cifra en euros, otros números relevantes para un analista funcionan igual de bien: mejora de precisión, tiempo ahorrado al automatizar un informe manual, la escala de datos procesados, o el número de partes interesadas que ahora usan un panel que construiste.

Nombra tus herramientas específicamente

SQL, Python o R, herramientas de BI concretas (Tableau, Power BI, Looker), y cualquier método estadístico o de machine learning en el que seas competente — todo debe listarse con su nombre exacto, ya que reclutadores y responsables de contratación buscan directamente por estos términos. Nuestra guía de habilidades por tipo de empleo tiene una base más amplia de partida si no estás seguro de qué incluir; para este campo en concreto, prioriza las herramientas nombradas en las ofertas a las que postulas frente a un genérico "análisis de datos".

Muestra el pipeline completo, no solo el resultado final

Las viñetas de analista sólidas a menudo muestran una parte del proceso real — de dónde venían los datos, qué hiciste con ellos, y qué ocurrió como resultado:

"Consolidé datos de 4 fuentes desconectadas en un único pipeline automatizado, reduciendo el tiempo de generación de informes mensuales de 3 días a 4 horas y eliminando errores manuales recurrentes."

Esto cumple una doble función: demuestra capacidad técnica (el trabajo de pipeline) e impacto de negocio (tiempo ahorrado, errores eliminados) en una sola viñeta.

Certificaciones y métodos concretos que merece la pena nombrar

Si tienes una certificación relevante (Google Data Analytics, la certificación de datos de una plataforma cloud concreta, una credencial centrada en estadística) o has aplicado un método concreto y reconocible (pruebas A/B, análisis de cohortes, modelización de regresión), nómbralo directamente en lugar de describirlo de forma vaga — es una credencial concreta y buscable que una frase genérica no es.

Errores comunes

• Viñetas que describen el análisis pero nunca declaran el resultado. "Realicé análisis estadístico de datos de ventas" no le dice al lector nada sobre qué ocurrió después — cierra siempre el círculo.
• Una sección de habilidades rellena con herramientas usadas una vez, brevemente. Enumera aquello en lo que genuinamente puedes trabajar hoy; un conocimiento superficial de una herramienta de hace tres años pertenece a una respuesta de entrevista, no al currículum.
• No mencionar quién usó el análisis o actuó a partir de él. Incluso "presenté los hallazgos al equipo de marketing, lo que informó la reasignación de presupuesto del tercer trimestre" es un cierre más fuerte que terminar en el análisis en sí.

Preguntas frecuentes

¿Necesito un portfolio de proyectos de datos, como hace un desarrollador con GitHub? No es obligatorio, pero es cada vez más común y genuinamente útil — un par de proyectos personales bien documentados (un análisis de un conjunto de datos público, un panel que construiste) le dan al responsable de contratación algo concreto que revisar, de forma similar a como funciona el GitHub de un desarrollador de software.

¿Debo incluir ejemplos de consultas SQL o fragmentos de código en mi currículum? No — el currículum debe declarar qué construiste y su impacto en viñetas claras; guarda el código real o los ejemplos de consultas para un enlace de portfolio o la propia entrevista, donde hay espacio para explicarlo correctamente.

¿Cómo escribo este currículum si mi puesto actual es más amplio que "analista de datos"? Céntrate en las partes analíticas de tu trabajo real sin importar el título — extrae específicamente los proyectos y resultados centrados en datos, el mismo enfoque de adaptación usado para cualquier currículum orientado a un puesto ligeramente distinto de tu título actual.

¿Es distinto un currículum de ciencia de datos de uno de analista de datos? Relacionados pero distintos — los puestos de ciencia de datos suelen ponderar más el machine learning y la modelización, mientras que los de analista ponderan más el reporting orientado al negocio y el apoyo a la toma de decisiones. Ajusta qué proyectos y habilidades destacas según lo que enfatice la oferta concreta.