Analista de Datos
Los currículums de analista de datos tienen el problema contrario a casi todos: la evidencia suele estar ahí, pero enterrada bajo herramientas. Una página que empieza con SQL, Python, Tableau, Power BI, dbt y Excel le dice a quien contrata qué sabes manejar, no qué has descubierto. La pregunta interesante siempre es qué cambió porque tú miraste.
La lista de herramientas es el mínimo y va abajo
Casi todos los analistas preseleccionados saben SQL y alguna herramienta de visualización. Enumerarlas es necesario —los filtros sí buscan esas palabras—, pero encabezar con ellas gasta tu espacio más valioso en lo menos distintivo que tienes.
Hay una excepción que merece sitio: dominio real de una herramienta poco común en tu mercado, o del dialecto concreto que menciona la oferta. SQL específico de un almacén de datos, responsabilidad sobre modelos de dbt o Python en producción del que dependen otras personas son afirmaciones distintas de «familiaridad», y conviene decirlas como tales.
Un análisis solo termina cuando alguien hizo algo
La línea más fuerte en un currículum de analista nombra una decisión. «Construí un modelo de abandono» es trabajo. «Descubrí que el abandono se concentraba en cuentas activadas sin llamada de bienvenida, lo que hizo obligatoria esa llamada para cuentas de más de 10.000 €» es una decisión, y es la versión que sobrevive a una entrevista.
Aquí está también el límite honesto. Los analistas a menudo no son dueños de la decisión, e inflar eso hasta convertirlo en propiedad es lo que más fácilmente se derrumba ante una repregunta. «La recomendación se adoptó» es cierto, verificable y suficiente. Si no se adoptó, el análisis sigue siendo buen material: cuenta qué encontraste y qué cambió en la forma de plantear la pregunta.
Cifras que significan algo sin tu contexto
Los analistas están más cómodos con los números que la mayoría de candidatos y, curiosamente, suelen usarlos peor. «Mejoré el rendimiento de las consultas un 40 %» es ilegible para quien no conoce el punto de partida: un 40 % sobre un proceso de ocho horas importa; sobre cuatro segundos, no.
Da la base: «reduje la carga nocturna de 6 horas a 3,5, lo que adelantó el cierre de informes de las 10:00 a antes de la reunión diaria». La segunda mitad es la que aterriza, porque convierte una cifra técnica en algo que a alguien no técnico puede importarle.
Los porcentajes sin denominador tienen el mismo problema. Un aumento del 30 % en una prueba con 200 usuarios es una historia sobre ruido; con 200.000 es un resultado. Si el denominador es confidencial, un orden de magnitud sigue siendo mucho mejor que nada.
Dónde suelen descartarse estos currículums
El fallo más común es una página de cuadros de mando. Contar cuadros de mando mide actividad, no valor, y «más de 40 cuadros de mando» puede sugerir sin querer que nadie en la organización sabía responder a sus propias preguntas. Uno solo, con la decisión que sostiene, es más fuerte que cuarenta enumerados.
El segundo es el análisis sin pregunta. Describir métodos —segmentación, análisis de cohortes, pruebas A/B— sin la pregunta que respondían se lee como trabajo de clase. La pregunta es lo que demuestra criterio sobre dónde invertir esfuerzo.
El tercero es un currículum indistinguible del de un ingeniero de datos o un científico de datos. Los evalúan personas distintas buscando evidencias distintas, y una página que intenta satisfacer a las tres no suele satisfacer a ninguna. Elige el puesto de la oferta que tienes delante y encabeza con la evidencia que le corresponde.
Términos que aparecen en casi todas las ofertas.
- SQL
- Da por hecho que es un filtro. La profundidad se demuestra con lo que construiste, no con la palabra.
- Comunicación con áreas de negocio
- Quién recibió el análisis y qué hizo después. Esa frase es toda la afirmación.
- Cuadros de mando / BI
- Un cuadro de mando y la decisión que sostiene, no un recuento.
- Pruebas A/B
- Tamaño de muestra y decisión tomada. Una prueba sin denominador invita a la repregunta equivocada.
- Python / R
- Di si era exploratorio o algo que otras personas ejecutaban en producción. Son trabajos distintos.
Añade un término solo cuando tu propia experiencia lo respalde. ApplySpan señala los requisitos que no puedes acreditar en lugar de escribirlos por ti.
Preguntas
¿Debe un currículum de analista de datos incluir portafolio o GitHub?+
Inclúyelo si contiene trabajo que puedas comentar a fondo. Un enlace a tres cuadernos de tutorial es peor que ningún enlace, porque invita a que te juzguen por tu peor artefacto público en lugar de por tu mejor trabajo descrito.
¿Cómo describo un análisis cuyos resultados son confidenciales?+
Describe la forma sin la cifra: la decisión que informó, la dirección del cambio o un orden de magnitud. «Reduje las devoluciones del segmento afectado en torno a un tercio» no revela nada y sigue siendo evaluable.
¿Es distinto un currículum de analista de datos y uno de científico de datos?+
Sí, e intentar servir a ambos suele costarte los dos. La criba de analista busca la pregunta, la respuesta y la decisión. La de científico busca profundidad de modelado y validación. La misma experiencia puede sostener cualquiera de las dos, pero el énfasis tiene que elegir.