Ejemplos de currículum vitae de analista de datos & guía de redacción

El Bureau of Labor Statistics proyecta un crecimiento del empleo del 34 % para científicos de datos y analistas de datos hasta 2034 — aproximadamente 108.400 nuevas vacantes por año — lo que convierte a esta en una de las cuatro ocupaciones de más rápido crecimiento en la economía estadounidense. Con un salario anual mediano de 112.590 USD (mayo 2024, datos del BLS) y SQL apareciendo en más del 80 % de las ofertas de empleo, la demanda de profesionales que puedan transformar conjuntos de datos sin procesar en decisiones que generen ingresos nunca ha sido tan concreta. Sin embargo, la mayoría de los CV de analista de datos fallan antes de que un humano los lea: enumeran herramientas sin contexto, omiten el impacto cuantificado y entierran el pensamiento analítico que los gerentes de contratación realmente buscan. Esta guía proporciona tres ejemplos completos de CV, estrategias de optimización ATS y los patrones de lenguaje específicos que hacen que los CV de analista de datos superen tanto los filtros automatizados como el escrutinio del comité de contratación.

Tabla de contenidos

1. Por qué importa el rol de analista de datos
2. Ejemplo de CV de analista de datos nivel inicial
3. Ejemplo de CV de analista de datos nivel intermedio
4. Ejemplo de CV de analista de datos senior
5. Habilidades clave para analistas de datos
6. Ejemplos de resumen profesional
7. Errores comunes en CV de analista de datos
8. Consejos de optimización ATS
9. Preguntas frecuentes
10. Fuentes

Por qué importa el rol de analista de datos

Los analistas de datos se encuentran en la intersección de la estrategia de negocio y la ejecución técnica. Cada decisión de precios en una empresa SaaS, cada ajuste de cadena de suministro en un minorista y cada estudio de resultados de pacientes en un sistema hospitalario depende de alguien que pueda escribir una consulta SQL limpia, construir un dashboard que un VP realmente use y traducir un valor p en una recomendación de dotación de personal. El rol ha evolucionado de la generación de informes de back-office a una función estratégica de primera línea: el 69,3 % de las ofertas de empleo actuales buscan analistas especializados en dominios que combinen rigor estadístico con conocimiento específico de la industria, según un análisis de tendencias de contratación de LinkedIn de 2025. La trayectoria de compensación refleja este alcance ampliado. Los analistas de datos de nivel inicial ganan entre 65.000 y 80.000 USD anuales, los profesionales de nivel intermedio obtienen de 80.000 a 120.000 USD, y los analistas senior con responsabilidades de liderazgo alcanzan de 120.000 a 160.000 USD, dependiendo del mercado y la especialización. En áreas metropolitanas de alto costo como San Francisco, Nueva York y Seattle, la compensación senior supera regularmente los 170.000 USD cuando se incluyen acciones y bonificaciones. El BLS reporta que el 10 % superior de los científicos de datos (SOC 15-2051) ganó más de 194.410 USD en mayo de 2024 — una cifra que captura el techo para profesionales en la trayectoria de analista que avanzan hacia roles de nivel principal o staff. Lo que hace indispensables a los analistas de datos es su posición como traductores. Los ingenieros construyen la infraestructura de datos; los analistas de datos hacen que esa infraestructura sea inteligible para las personas que asignan presupuestos. Un análisis de Statology de 2025 sobre las preferencias de los gerentes de contratación encontró que los empleadores ahora favorecen a candidatos que tratan herramientas de visualización como Tableau y Power BI como "medios para la narrativa" en lugar de fábricas de dashboards. Los analistas que ascienden más rápido son aquellos que pueden entrar en una revisión trimestral de negocio, presentar un análisis de retención de cohortes y responder preguntas de seguimiento sobre la metodología, el linaje de datos y el intervalo de confianza — todo sin buscar una laptop.

Ejemplo de CV de analista de datos nivel inicial

Jordan Alvarez

**Chicago, IL** | [email protected] | (312) 555-0184 | linkedin.com/in/jordanalvarez

Resumen profesional

Analista de datos orientado al detalle con 1,5 años de experiencia en extracción de datos basada en SQL, desarrollo de dashboards y análisis estadístico. Construyó y mantuvo 12 dashboards de Tableau para más de 85 stakeholders internos en un minorista Fortune 500. Titular del Google Data Analytics Professional Certificate con capacidad demostrada para reducir el esfuerzo de informes manuales mediante automatización con Python.

Experiencia profesional

**Analista de datos junior** | Target Corporation | Chicago, IL | Junio 2024 – Presente - Escribió y optimizó más de 40 consultas SQL contra un data warehouse Snowflake para extraer datos de rendimiento de ventas semanales en 1.900 ubicaciones de tiendas, reduciendo el tiempo promedio de ejecución de consultas de 14 minutos a 2,3 minutos mediante indexación y reestructuración de CTEs - Construyó 8 dashboards de Tableau que rastrean rotación de inventario, efectividad de rebajas y velocidad de ventas regional, adoptados por 65 gerentes de merchandising como su interfaz principal de informes - Automatizó un informe manual de mermas basado en Excel usando Python (pandas + openpyxl), eliminando 12 horas de trabajo semanal de analista y reduciendo errores de ingreso de datos en un 94 % - Realizó análisis de pruebas A/B para 3 campañas promocionales en tienda, identificando una ubicación de exhibición en caja que aumentó la conversión de compras por impulso en un 17 % en 230 ubicaciones de prueba - Limpió y validó 2,4 millones de registros de transacciones de clientes para un proyecto de segmentación de programa de fidelización, marcando 18.000 entradas duplicadas que habían inflado las métricas de retención en un 3,2 % **Pasante de analítica de datos** | Groupon | Chicago, IL | Enero 2024 – Mayo 2024 - Analizó datos de clics y conversión para 1.200 páginas de ofertas usando SQL (PostgreSQL) y Google Analytics, identificando 15 categorías de bajo rendimiento que fueron posteriormente reestructuradas - Creó un informe semanal de engagement de correo electrónico en Looker Studio que rastreaba tasas de apertura, tasas de clics y tendencias de cancelación de suscripción en 4 millones de segmentos de suscriptores - Diseñó un modelo de pronóstico basado en Excel para la demanda estacional de ofertas que predijo el volumen del Q4 2024 con una precisión del 6 %, informando la asignación presupuestaria de adquisición de comerciantes de 2,1 millones de USD - Asistió a analistas senior en la construcción de un conjunto de datos de predicción de abandono de clientes mediante la unión de 7 tablas fuente y la ingeniería de 23 características conductuales en Python

Educación

**Licenciatura en Estadística** | University of Illinois at Chicago | Mayo 2023 - Promedio: 3,7/4,0 - Cursos relevantes: Análisis de regresión aplicada, Sistemas de bases de datos, Computación estadística con R, Teoría de la probabilidad

Certificaciones

• Google Data Analytics Professional Certificate – Google/Coursera (2023)
• Tableau Desktop Specialist – Tableau/Salesforce (2024)

Habilidades técnicas

**Lenguajes y consultas**: SQL (PostgreSQL, Snowflake), Python (pandas, NumPy, matplotlib), R **Visualización**: Tableau, Looker Studio, Google Analytics **Herramientas y plataformas**: Excel (BUSCARV, tablas dinámicas, Power Query), Snowflake, Google BigQuery, Jupyter Notebooks, Git

Ejemplo de CV de analista de datos nivel intermedio

Priya Raghavan

**Austin, TX** | [email protected] | (512) 555-0297 | linkedin.com/in/priyaraghavan | github.com/praghavan

Resumen profesional

Analista de datos con 4 años de experiencia diseñando marcos analíticos, construyendo plataformas de BI de autoservicio y colaborando con equipos de producto y marketing para impulsar la toma de decisiones basada en datos. Lideró la migración de informes legacy en Excel a un stack Tableau + dbt para más de 200 usuarios en una empresa de e-commerce de 400 millones de USD. Competente en análisis de cohortes, diseño de pruebas A/B y modelado dimensional con un historial de generación de insights que influyeron directamente en decisiones de ingresos anuales por más de 8 millones de USD.

Experiencia profesional

**Analista de datos II** | Wayfair | Austin, TX | Marzo 2023 – Presente - Diseñó una plataforma analítica de autoservicio basada en Tableau con 34 dashboards interconectados, reduciendo el volumen de solicitudes de datos ad-hoc en un 62 % y liberando 20 horas-analista por semana en el equipo de producto - Diseñó e implementó un modelo de valor de vida del cliente (CLV) usando Python (scikit-learn) y BigQuery, segmentando 3,8 millones de clientes en 5 niveles de valor que informaron una reasignación de 4,2 millones de USD en gasto de marketing hacia canales de adquisición de alto CLV - Construyó una capa de transformación dbt con 47 modelos que estandarizó definiciones de datos en 12 sistemas fuente, resolviendo una discrepancia de 3 años entre finanzas y marketing sobre "cuál es el número de ingresos correcto" - Colaboró con el equipo de producto para diseñar marcos de pruebas A/B para 9 experimentos de flujo de checkout, analizando embudos de conversión con 2,1 millones de sesiones e identificando un cambio de transparencia de envío que aumentó la tasa de completado de pedidos en un 11,3 % - Creó un pipeline automatizado de detección de anomalías en Python que monitorea 28 KPIs diariamente y activa alertas de Slack cuando las métricas se desvían más de 2 desviaciones estándar, detectando un error de precios de 340.000 USD dentro de los 45 minutos posteriores a su despliegue **Analista de datos** | Accenture | Austin, TX | Julio 2021 – Febrero 2023 - Proporcionó soporte analítico para 4 clientes empresariales (salud, retail, servicios financieros, logística), produciendo más de 60 análisis ad-hoc y 15 dashboards recurrentes en Power BI y Tableau - Construyó un pipeline ETL usando Python y Apache Airflow que consolidó datos de readmisión de pacientes de 3 sistemas hospitalarios en un warehouse unificado de Snowflake, habilitando el primer análisis comparativo entre instalaciones del cliente - Realizó un análisis de costos de cadena de suministro para un minorista de 1.200 millones de USD, identificando 3,1 millones de USD en oportunidades de ahorro anuales mediante consolidación de almacenes y renegociación con transportistas respaldado por 18 meses de datos de envío - Desarrolló un modelo de regresión que predice las necesidades de personal del centro de llamadas basado en el volumen estacional de tickets, reduciendo los costos de exceso de personal en 420.000 USD anuales mientras mantenía el cumplimiento de SLA en el percentil 95 - Capacitó a 25 stakeholders no técnicos en informes de autoservicio de Power BI a través de una serie de 4 talleres, resultando en una disminución del 40 % en las solicitudes a la cola de analistas en 90 días

Educación

**Maestría en Analítica de Negocios** | University of Texas at Austin (McCombs School) | Mayo 2021 **Licenciatura en Economía** | University of California, Davis | Junio 2019

Certificaciones

• Microsoft Certified: Power BI Data Analyst Associate – Microsoft (2022)
• IBM Data Analyst Professional Certificate – IBM/Coursera (2021)
• dbt Analytics Engineering Certification – dbt Labs (2024)

Habilidades técnicas

**Lenguajes y consultas**: SQL (Snowflake, BigQuery, PostgreSQL, Redshift), Python (pandas, scikit-learn, matplotlib, seaborn), R **BI y visualización**: Tableau (Server + Desktop), Power BI (DAX, Power Query), Looker **Ingeniería de datos**: dbt, Apache Airflow, Fivetran, Stitch **Plataformas y herramientas**: Snowflake, Google BigQuery, AWS Redshift, Excel (modelado avanzado), Jupyter, Git, Jira

Ejemplo de CV de analista de datos senior

Marcus Chen

**San Francisco, CA** | [email protected] | (415) 555-0361 | linkedin.com/in/marcuschen | github.com/mchen-analytics

Resumen profesional

Analista de datos senior y líder de equipo de analítica con 8 años de experiencia construyendo plataformas analíticas de nivel empresarial, mentorizando analistas junior e impulsando decisiones estratégicas mediante análisis cuantitativo riguroso. Gestionó un equipo de analítica de 6 personas en una startup fintech Serie D, estableciendo el primer marco de gobernanza de datos y la jerarquía de KPIs de la empresa. Entregó 27 millones de USD en impacto empresarial medible a través de iniciativas de optimización de precios, detección de fraude y segmentación de clientes. Profunda experiencia en ingeniería analítica basada en SQL, modelado estadístico con Python y narración de datos a nivel ejecutivo.

Experiencia profesional

**Analista de datos senior / Líder de equipo de analítica** | Stripe | San Francisco, CA | Enero 2022 – Presente - Lidera un equipo de 6 analistas de datos que respaldan las verticales de pagos, riesgo y éxito del comerciante, realizando revisiones de código semanales y estableciendo guías de estilo SQL que redujeron los incidentes de producción relacionados con consultas en un 78 % - Diseñó un marco de segmentación de comerciantes usando clustering k-means sobre 14 dimensiones conductuales en 280.000 comerciantes activos, informando directamente una reestructuración de niveles de precios que generó 12 millones de USD en ingresos recurrentes anuales incrementales - Construyó un dashboard de detección de anomalías de fraude en tiempo real en Looker conectado a BigQuery, procesando 4,2 millones de transacciones diarias y marcando patrones sospechosos que previnieron 8,3 millones de USD en contracargos fraudulentos en 18 meses - Estableció el primer consejo de gobernanza de datos de la empresa, definiendo 340 definiciones de métricas, reglas de propiedad y SLAs de calidad de datos en 8 equipos de ingeniería y 4 unidades de negocio - Desarrolló un marco de KPIs ejecutivo (12 métricas North Star con 45 indicadores de soporte) presentado trimestralmente a la dirección ejecutiva, influyendo directamente en 3 pivotes estratégicos a nivel de junta directiva incluyendo la priorización de mercados internacionales - Colaboró con el equipo de ingeniería ML para productivizar un modelo de predicción de abandono (AUC 0,87), traduciendo las salidas del modelo en playbooks de retención accionables que redujeron el abandono anual de comerciantes del 14,2 % al 9,8 % **Analista de datos** | Spotify | Nueva York, NY | Agosto 2019 – Diciembre 2021 - Analizó datos de comportamiento de escucha de 180 millones de usuarios activos mensuales, construyendo marcos de análisis de cohortes que identificaron una caída de engagement del 23 % en la ventana de 30 a 60 días posterior al registro — hallazgos que moldearon la hoja de ruta de rediseño del onboarding - Creó un modelo de atribución de publicidad de podcasts usando Python y BigQuery, vinculando impresiones de anuncios con eventos de conversión en 3.400 títulos de podcasts y permitiendo al equipo de ventas demostrar un ROAS de 3,2x a los anunciantes - Construyó 22 dashboards de Tableau para el equipo de Content Economics rastreando costos de regalías, márgenes por stream y utilización del catálogo, adoptados por más de 40 stakeholders incluyendo el VP de Content Strategy - Realizó un análisis de elasticidad de precios regional en 14 mercados usando modelado de regresión, proporcionando la base de datos para una estrategia de precios internacionales escalonada que aumentó los ingresos de suscriptores fuera de EE. UU. en un 19 % - Automatizó el pipeline semanal de informes de rendimiento de artistas usando Python (pandas + Airflow), consolidando datos de 5 sistemas fuente y eliminando 8 horas de reconciliación manual de datos por semana **Analista de datos junior** | Deloitte (Consulting – Strategy & Analytics)** | Nueva York, NY | Junio 2017 – Julio 2019 - Proporcionó análisis de datos para 6 compromisos de consultoría en los sectores de servicios financieros, medios y bienes de consumo, produciendo entregables orientados al cliente incluyendo modelos de dimensionamiento de mercado, análisis comparativos competitivos y estudios de segmentación de clientes - Construyó un modelo de puntuación de riesgo de incumplimiento crediticio para un banco top-10 de EE. UU. usando regresión logística y árboles de decisión (Python, scikit-learn), procesando 1,2 millones de registros de préstamos y mejorando la precisión de identificación de incumplimiento temprano en un 22 % - Creó una suite de dashboards de Power BI para un conglomerado de medios rastreando métricas de audiencia multiplataforma en 8 cadenas y más de 200 programas, reemplazando un informe manual trimestral que requería 3 semanas-analista de producción - Analizó 450 millones de USD en datos de gasto de adquisiciones para un cliente de bienes de consumo, identificando 18 millones de USD en ahorros por consolidación de proveedores mediante clustering de gasto a nivel de categoría y recomendaciones de renegociación de contratos

Educación

**Maestría en Estadística Aplicada** | Columbia University | Mayo 2017 **Licenciatura en Matemáticas** | University of Michigan | Mayo 2015

Certificaciones

• Google Data Analytics Professional Certificate – Google/Coursera (2020)
• Microsoft Certified: Power BI Data Analyst Associate – Microsoft (2021)
• Tableau Certified Data Analyst – Tableau/Salesforce (2022)
• AWS Certified Cloud Practitioner – Amazon Web Services (2023)

Habilidades técnicas

**Lenguajes y consultas**: SQL (BigQuery, Snowflake, Redshift, PostgreSQL), Python (pandas, scikit-learn, statsmodels, matplotlib, seaborn), R, Spark SQL **BI y visualización**: Tableau (Server + Desktop + Prep), Power BI (DAX, M), Looker, Mode Analytics **Infraestructura de datos**: dbt, Apache Airflow, Fivetran, Snowflake, BigQuery, AWS (S3, Redshift, Glue), Databricks **Métodos estadísticos**: Análisis de regresión, pruebas de hipótesis, pruebas A/B, análisis de cohortes, clustering, pronóstico de series temporales **Liderazgo**: Gestión de equipos (6 reportes directos), gobernanza de datos, comunicación con stakeholders, liderazgo de proyectos multifuncionales

Habilidades clave para analistas de datos

Los sistemas de seguimiento de candidatos buscan términos técnicos específicos antes de que un reclutador abra tu archivo. Las siguientes 28 habilidades aparecen con mayor frecuencia en las ofertas de empleo de analista de datos y deben integrarse de forma natural en tus viñetas de experiencia, resumen y sección de habilidades.

Habilidades técnicas

• **SQL** (PostgreSQL, MySQL, Snowflake SQL, BigQuery Standard SQL, T-SQL)
• **Python** (pandas, NumPy, matplotlib, seaborn, scikit-learn, statsmodels)
• **R** (ggplot2, dplyr, tidyr, R Markdown)
• **Tableau** (Desktop, Server, Prep Builder, campos calculados, expresiones LOD)
• **Power BI** (DAX, Power Query/M, modelado de datos, seguridad a nivel de fila)
• **Looker** (LookML, explores, dimensiones personalizadas)
• **Excel** (tablas dinámicas, BUSCARV/BUSCARX, Power Query, formato condicional, macros/VBA)
• **Google BigQuery**
• **Snowflake**
• **AWS Redshift**
• **dbt** (data build tool – transformación y documentación)
• **Apache Airflow** (orquestación de DAGs, programación)
• **Jupyter Notebooks**
• **Git** (control de versiones para código analítico)
• **Google Analytics / GA4**

Métodos analíticos

• **Pruebas A/B** y diseño de experimentos
• **Análisis de cohortes** y modelado de retención
• **Análisis de regresión** (lineal, logística, multivariada)
• **Pruebas de hipótesis estadísticas** (pruebas t, chi-cuadrado, ANOVA)
• **Pronóstico de series temporales**
• **Segmentación de clientes** y clustering (k-means, jerárquico)
• **Diseño de pipelines ETL** y transformación de datos
• **Modelado dimensional** y diseño de esquema estrella
• **Gobernanza de datos** y aseguramiento de calidad
• **Desarrollo de marcos de KPIs**

Comunicación empresarial

• **Narración de datos** y presentaciones ejecutivas
• **Gestión de stakeholders** y recopilación de requisitos
• **Colaboración multifuncional** (producto, ingeniería, marketing, finanzas)

Ejemplos de resumen profesional

Analista de datos nivel inicial (0–2 años)

Analista de datos con licenciatura en Estadística y el Google Data Analytics Professional Certificate, con 1 año de experiencia práctica consultando conjuntos de datos a gran escala en SQL y construyendo dashboards de Tableau para equipos multifuncionales. Automatizó 3 informes recurrentes de Excel usando Python (pandas), reduciendo el tiempo de informes semanales en 15 horas. Busca aplicar una sólida base estadística y habilidades de visualización para impulsar resultados empresariales medibles en un entorno analítico dinámico.

Analista de datos nivel intermedio (3–5 años)

Analista de datos con 4 años de experiencia diseñando plataformas de BI de autoservicio, realizando análisis de pruebas A/B y construyendo pipelines ETL en entornos de Snowflake y BigQuery. Lideró una implementación de dbt que estandarizó 47 modelos de datos en 12 sistemas fuente, resolviendo discrepancias de informes de ingresos que habían persistido durante 3 años. Microsoft Certified Power BI Data Analyst Associate con capacidad demostrada para traducir conjuntos de datos complejos en recomendaciones estratégicas para stakeholders de producto, marketing y nivel ejecutivo.

Analista de datos senior (6+ años)

> Analista de datos senior y líder de equipo con 8 años de experiencia construyendo infraestructura analítica, estableciendo marcos de gobernanza de datos y entregando más de 27 millones de USD en impacto empresarial cuantificable en los sectores fintech y medios. Gestiona un equipo de analítica de 6 personas con responsabilidad sobre definiciones de KPIs, estándares de revisión de código SQL y cadencias de informes a stakeholders. Experto en modelado estadístico con Python, implementaciones empresariales de Tableau y la traducción de hallazgos analíticos en recomendaciones estratégicas a nivel C-suite.

Errores comunes en CV de analista de datos

1. Enumerar herramientas sin demostrar pensamiento analítico

Escribir "Competente en SQL, Python, Tableau y Excel" en una sección de habilidades no dice nada al gerente de contratación sobre cómo usas esas herramientas. Cada mención de herramienta debe aparecer dentro de una viñeta de experiencia que muestre el problema de negocio que resolviste. "Escribí consultas SQL" es una tarea; "Optimicé 40 consultas de BigQuery procesando 12 millones de eventos diarios, reduciendo los costos de cómputo del pipeline en un 34 %" es una contribución.

2. Omitir el impacto cuantificado en las viñetas de experiencia

Los analistas de datos están en el negocio de la medición, así que un CV sin cuantificación es un problema de credibilidad inmediato. Cada viñeta debe contener al menos un número: registros procesados, horas ahorradas, ingresos influenciados, tasa de error reducida, usuarios de dashboard atendidos o rendimiento de consultas mejorado. Si no puedes cuantificar el resultado, describe la escala de los datos con los que trabajaste.

3. Usar "Responsable de" en lugar de verbos de acción

Frases como "Responsable de mantener dashboards" y "Ayudé con el análisis de datos" señalan un contribuyente pasivo. Reemplaza cada instancia con un verbo de acción directo: "Construí", "Automaticé", "Diseñé", "Analicé", "Optimicé", "Reduje", "Identifiqué", "Migré". El verbo debe transmitir propiedad, no proximidad.

4. No distinguir niveles de competencia en SQL

Existe una brecha enorme entre escribir una sentencia SELECT y construir un modelo dimensional con funciones ventana, CTEs y joins entre bases de datos. Si tus habilidades en SQL son avanzadas, demuéstralo en tus viñetas: menciona CTEs, funciones ventana (ROW_NUMBER, LAG, LEAD), ajuste de rendimiento, análisis de planes de consulta o diseño de esquemas. Un genérico "SQL" en una lista de habilidades no comunica tu capacidad real.

5. Ignorar el contexto empresarial de tus análisis

Una viñeta que dice "Realicé análisis de cohortes sobre datos de usuarios" se detiene antes de la única parte que importa: qué sucedió como resultado de tu análisis. ¿El análisis de cohortes reveló un precipicio de retención que condujo a un cambio de producto? ¿Informó una reasignación de marketing? Los gerentes de contratación quieren ver la decisión que tu análisis habilitó, no solo la metodología que utilizaste.

6. Tratar el resumen profesional como una declaración de objetivo

"Busco una posición de analista de datos donde pueda aprovechar mis habilidades" es una declaración de objetivo de 2005. Tu resumen debe leerse como un caso de estudio comprimido: años de experiencia, la escala de datos con los que has trabajado, 1–2 logros destacados con números y la experiencia de dominio específica que aportas. Debe ganarse los próximos 30 segundos de tiempo de lectura.

7. Descuidar habilidades de ingeniería de datos y pipelines

Los roles modernos de analista de datos requieren cada vez más familiaridad con la orquestación ETL, transformaciones dbt y monitoreo de calidad de datos. Si has construido o mantenido pipelines de datos — incluso simples — incluye esa experiencia. La línea entre "analista" e "ingeniero de analítica" se está difuminando, y los candidatos que demuestran conciencia de infraestructura se destacan en grupos de candidatos competitivos.

Consejos de optimización ATS

1. Reflejar los nombres exactos de herramientas de la descripción del puesto

El software ATS realiza coincidencia de palabras clave, y los sinónimos frecuentemente fallan. Si la oferta dice "Tableau", escribe "Tableau" — no "software de visualización de datos". Si dice "BigQuery", no sustituyas por "base de datos de Google Cloud". Coincide con las mayúsculas y la ortografía exactamente: "Power BI" (no "PowerBI" o "power bi"), "dbt" (minúsculas), "pandas" (minúsculas).

2. Incluir tanto acrónimos como términos completos

Algunas plataformas ATS buscan "ETL" mientras que otras buscan "extract, transform, load". Incluye ambos en el primer uso: "Diseñé un pipeline de extracción, transformación y carga (ETL) usando Apache Airflow". Esto aplica para CLV/customer lifetime value, KPI/key performance indicator, DAG/directed acyclic graph y BI/business intelligence.

3. Usar una sección dedicada de habilidades técnicas con listas categorizadas

Los parsers ATS extraen habilidades de manera más confiable de una sección claramente etiquetada como "Habilidades técnicas" o "Habilidades". Organiza por categoría (Lenguajes, Visualización, Plataformas) en lugar de una única lista separada por comas. Esto mejora tanto la precisión del parseo automático como la velocidad de escaneo humano.

4. Evitar gráficos, tablas, iconos y diseños de múltiples columnas

Los sistemas ATS leen texto secuencialmente. Las columnas, cajas de texto, barras de progreso que muestran "SQL: 90 %" e iconos incrustados confunden a los parsers y pueden causar que secciones completas se descarten. Usa un diseño de una sola columna con encabezados de sección estándar (Experiencia, Educación, Habilidades, Certificaciones) y viñetas simples.

5. Colocar SQL y Python en tus primeras tres viñetas de experiencia

Muchas plataformas ATS dan mayor peso a las palabras clave que aparecen antes en el documento. Dado que SQL y Python son las dos habilidades más solicitadas en las ofertas de analista de datos (SQL aparece en más del 80 % y Python en aproximadamente el 65 %), asegúrate de que aparezcan prominentemente en las primeras viñetas de tu rol más reciente — no enterradas en la página dos.

6. Incluir los nombres de certificaciones exactamente como fueron emitidos

Escribe "Google Data Analytics Professional Certificate" en lugar de "Google Analytics Cert" o "Certificado de Datos de Coursera". El ATS puede estar buscando el nombre completo de la credencial. Incluye la entidad emisora después de un guion: "Microsoft Certified: Power BI Data Analyst Associate – Microsoft."

7. Guardar como PDF a menos que la solicitud especifique lo contrario

PDF preserva el formato y es parseado de manera confiable por plataformas ATS modernas (Greenhouse, Lever, Workday, iCIMS). Solo usa .docx si la oferta de empleo lo requiere explícitamente. Evita formatos .pages, .txt o basados en imagen.

Preguntas frecuentes

¿Qué habilidades técnicas debe incluir un analista de datos en su CV en 2025?

SQL es innegociable — aparece en más del 80 % de las ofertas de empleo de analista de datos. Python (específicamente pandas, NumPy y matplotlib) sigue de cerca con aproximadamente el 65 % de las ofertas. Para visualización, Tableau y Power BI dominan: Tableau aparece en el 28,1 % de los listados y Power BI en el 24,7 %, según un análisis de datos de contratación de 2025. Excel sigue siendo relevante y se referencia en el 41,3 % de las ofertas, particularmente para roles en finanzas y consultoría. Las plataformas de datos en la nube (Snowflake, BigQuery, Redshift) y herramientas de transformación como dbt son cada vez más esperadas para roles de nivel intermedio y senior. Incluye solo herramientas con las que puedas demostrar competencia — los entrevistadores verificarán las afirmaciones con ejercicios de codificación en vivo o estudios de caso.

¿Cuánto debe medir un CV de analista de datos?

Una página para candidatos de nivel inicial con 0–3 años de experiencia. Dos páginas son aceptables para nivel intermedio (4–6 años) y esperadas para analistas senior (7+ años) que tienen múltiples roles, certificaciones y experiencia de liderazgo que documentar. La restricción clave es la densidad, no la longitud: cada línea en la página debe contener un logro cuantificado o una cualificación directamente relevante. Si tu segunda página contiene relleno (listas de cursos, habilidades blandas genéricas o viñetas sin números), recórtala a una página.

¿Los CV de analista de datos necesitan certificaciones?

Las certificaciones no son estrictamente requeridas pero proporcionan una señal medible, particularmente para candidatos sin maestría o aquellos en transición desde otro campo. Las tres certificaciones más reconocidas son el Google Data Analytics Professional Certificate (mejor para construir un portafolio de nivel inicial), el Microsoft Certified: Power BI Data Analyst Associate (mejor para roles enfocados en BI) y el IBM Data Analyst Professional Certificate (mejor para roles técnicos enfocados en Python). Una encuesta del BLS de 2024 encontró que los profesionales con una certificación o licencia enfrentaban tasas de desempleo más bajas y ganaban más en promedio que aquellos sin ellas. Coloca las certificaciones en una sección dedicada con el nombre completo de la credencial y la entidad emisora.

¿Cómo escribo viñetas de experiencia de analista de datos que pasen el filtro ATS?

Cada viñeta debe seguir la estructura: [Verbo de acción fuerte] + [qué hiciste, incluyendo herramientas específicas] + [resultado cuantificado]. Por ejemplo: "Automaticé un informe semanal de conciliación de ingresos usando Python (pandas) y Airflow, reduciendo el tiempo de preparación manual de 6 horas a 15 minutos y eliminando 12 discrepancias mensuales de datos." Este formato logra tres cosas simultáneamente — contiene palabras clave coincidentes con ATS (Python, pandas, Airflow, conciliación de ingresos), demuestra capacidad técnica a través de especificaciones y prueba valor de negocio mediante cuantificación. Evita comenzar viñetas con "Responsable de" o "Asistí con", que señalan seguimiento de tareas en lugar de propiedad.

¿Debo incluir un portafolio de GitHub o proyectos personales en mi CV de analista de datos?

Sí, si los proyectos están pulidos y son relevantes. Un perfil de GitHub con proyectos analíticos bien documentados (archivos README limpios, metodología clara, código reproducible) proporciona evidencia tangible de tus habilidades que un CV por sí solo no puede ofrecer. Incluye 2–3 proyectos que demuestren diferentes capacidades: un análisis intensivo en SQL, un pipeline de datos en Python o modelo estadístico, y un proyecto de visualización. Enlaza tu GitHub en el encabezado del CV junto a LinkedIn. Sin embargo, un GitHub vacío o desorganizado es peor que no tener GitHub — solo inclúyelo si los repositorios reflejan el estándar de calidad que quieres que los gerentes de contratación asocien con tu trabajo.

Fuentes

1. Bureau of Labor Statistics. "Data Scientists: Occupational Outlook Handbook." U.S. Department of Labor, 2024. https://www.bls.gov/ooh/math/data-scientists.htm — Salario mediano 112.590 USD (mayo 2024), crecimiento proyectado del 34 % 2024–2034, ~108.400 vacantes anuales.
2. Bureau of Labor Statistics. "Occupational Employment and Wages, May 2023: Data Scientists (15-2051)." U.S. Department of Labor. https://www.bls.gov/oes/2023/may/oes152051.htm — Percentiles salariales detallados y empleo por industria.
3. Bureau of Labor Statistics. "Employment Projections 2024-2034." U.S. Department of Labor, 2024. https://www.bls.gov/news.release/pdf/ecopro.pdf — Empleo total en EE. UU. proyectado en 175,2 millones, crecimiento general del 3,1 %.
4. Coursera. "7 Popular Data Analytics Certifications: Your 2026 Guide." Coursera, 2025. https://www.coursera.org/articles/data-analytics-certification — Comparación de certificaciones: detalles y períodos de validez de Google, IBM, Microsoft, Tableau.
5. Statology. "What Hiring Managers Really Wanted in 2025: The Data Skills Behind the Job Ads." Statology, 2025. https://www.statology.org/what-hiring-managers-really-wanted-in-2025-the-data-skills-behind-the-job-ads/ — Tasas de aparición en ofertas: SQL, Python, Tableau (28,1 %), Power BI (24,7 %), Excel (41,3 %); 69,3 % expertos de dominio vs. 30,7 % preferencias de contratación versátiles.
6. 365 Data Science. "Data Analyst Job Outlook 2025: Trends, Salaries, and Skills." 365 Data Science, 2025. https://365datascience.com/career-advice/data-analyst-job-outlook-2025/ — Tendencias salariales, análisis de volumen de contratación y desglose de demanda de habilidades.
7. Coursera. "How Much Do Data Analysts Earn in 2026? Your Salary Guide." Coursera, 2025. https://www.coursera.org/articles/how-much-do-data-analysts-make-salary-guide — Rangos salariales por nivel de experiencia e industria.
8. Glassdoor. "Data Analyst: Average Salary & Pay Trends 2025." Glassdoor, 2025. https://www.glassdoor.com/Salaries/data-analyst-salary-SRCH_KO0,12.htm — Datos de compensación a tasa de mercado por niveles de experiencia y geografías.
9. BioSpace. "Data Scientist Fourth Fastest-Growing U.S. Job, Says BLS." BioSpace, 2024. https://www.biospace.com/job-trends/data-scientist-fourth-fastest-growing-u-s-job-says-bls — Ranking del BLS de científico de datos como la 4ª ocupación de más rápido crecimiento.
10. Syracuse University iSchool. "Best Data Analytics Certifications for 2025." Syracuse University, 2025. https://ischool.syracuse.edu/best-data-analytics-certification/ — Análisis de ROI de certificaciones, datos de prima salarial para profesionales certificados (aumento del 10–25 %).