CV de analista de datos: herramientas, impacto, proyectos y ejemplo

Un buen CV de analista de datos muestra pronto dos cosas: qué herramientas dominas de verdad y qué decisiones cambiaron tus análisis. Coloca arriba un título claro y tus herramientas principales, como SQL, Python y Power BI, y escribe logros que unan la pregunta, el método y el resultado de negocio. Una página basta para perfiles júnior y dos para quienes tienen experiencia. Si tienes poca, uno o dos proyectos bien explicados pueden compensarla. Esta guía sirve para analistas de datos, BI y producto, recién graduados y personas que cambian de carrera, con ejemplos de antes y después y un modelo completo.

Empieza por tu especialidad y herramientas

Bajo tu nombre, pon un título preciso: “Analista de Datos | SQL, Power BI, Python”. Después, un resumen con el sector, el tipo de datos y un resultado fuerte.

Antes: Analista detallista al que le encanta trabajar con datos.

Después: Analista de datos con 4 años en e-commerce. Crea modelos SQL y paneles de Power BI para 3 departamentos, y dirigió el análisis de precios que mejoró un 6 % el margen.

Muestra profundidad, no solo nombres

Escribir “SQL” dice poco. Explica qué haces con él: uniones, funciones de ventana, optimización de consultas o modelos de datos. Mejor profundidad que una lista larga. Consulta la guía de habilidades.

• SQL: BigQuery, PostgreSQL o SQL Server; uniones, CTE y funciones de ventana.
• BI: Power BI con DAX y Power Query, Tableau o Looker.
• Python o R: pandas, limpieza, notebooks y automatización.
• Excel: Power Query, tablas dinámicas y modelos, muy usados en finanzas.
• Métodos: pruebas A/B, cohortes, previsiones y segmentación.

Respalda cada herramienta con un dato en tu experiencia: número de tablas, volumen o usuarios. Un certificado como PL-300 ayuda, pero no sustituye a las pruebas.

Une el análisis con las decisiones

A la empresa le interesa qué decisión apoyó tu análisis. Sigue este orden: de quién era la decisión, qué analizaste y qué pasó. Usa el patrón acción y resultado. Las cifras son ejemplos; incluye solo las que puedas explicar.

Antes: Elaboré informes semanales de ventas.

Después: Sustituí un informe manual por un panel de Power BI usado por 30 personas, ahorrando 6 horas semanales y ofreciendo cifras en el mismo día.

Antes: Analicé datos de clientes.

Después: Un análisis de cohortes con SQL y Python detectó una caída en el segundo mes; el cambio posterior en la bienvenida subió la retención 4 puntos.

Antes: Realicé pruebas A/B.

Después: Diseñé y analicé 12 pruebas A/B en el pago, frené 2 cambios perjudiciales y apoyé uno que subió la conversión un 3 %.

Antes: Limpié datos.

Después: Automaticé controles de calidad en Python para 40 tablas, con menos errores y una conciliación mensual de 3 horas en lugar de 2 días.

Si no puedes citar ingresos, di quién usa tu trabajo y qué cambió. Sé honesto con la atribución: escribe “apoyé” cuando el resultado sea de un equipo.

Usa bien los proyectos

Son clave si cambias de carrera o tienes poca experiencia. Elige uno o dos buenos, no todos los ejercicios de un curso.

• Pregunta: qué querías averiguar y por qué importa.
• Datos: fuente, tamaño y limpieza.
• Método y herramientas: el trabajo realizado.
• Hallazgo: una conclusión y recomendación claras.
• Enlace: GitHub, Tableau Public o un panel que funcione.

Adapta según el puesto y el nivel

• Finanzas e industria: Excel, Power BI, previsiones e informes.
• Digital y producto: SQL, Python, experimentos, embudos y eventos.
• Júnior: formación, prácticas y proyectos. Consulta el CV sin experiencia.
• Cambio de carrera: conocimiento del sector y nuevas habilidades, con la guía para cambiar de carrera.
• Sénior: estrategia de datos, definiciones comunes, mentoría e influencia.

Usa los nombres de herramientas de la oferta cuando sean ciertos y revisa las palabras clave por sector. Para código en producción, mira la guía de desarrolladores.

Un ejemplo breve y completo

La persona y las cifras son inventadas, pero el formato se puede reutilizar.

Sofía Vega | Analista de Datos | SQL, Power BI, Python | Sevilla | Teléfono | Correo | LinkedIn | github.com/ejemplo

Perfil: Analista de datos con 4 años en e-commerce; convierte datos de clientes y ventas en decisiones de precios y fidelización.

Experiencia: Analista de Datos, Comercio Sur, 2022 – actualidad. Panel para 30 usuarios de 3 departamentos, 6 horas semanales ahorradas. Análisis de precios, margen un 6 % mejor. 12 pruebas A/B.

Analista júnior, Insights Guadalquivir, 2020 – 2022. Modelos SQL sobre 40 tablas. Controles automatizados, conciliación de 2 días a 3 horas.

Habilidades: SQL (BigQuery), Power BI (DAX), Python (pandas), Excel. Formación: Grado en Estadística, Universidad de Sevilla, 2020. PL-300, 2023.

Errores frecuentes

• Listar herramientas sin demostrar su uso.
• Describir informes sin decir quién los usa.
• Atribuirte un resultado de toda la empresa.
• Revelar datos confidenciales.
• Mostrar proyectos sin conclusión.
• Errores en las cifras, muy graves para un analista.

Conclusión

Antes de postularte, comprueba que el título, las herramientas y tres resultados ligados a decisiones aparecen arriba en la primera página, y revisa cada cifra. La guía del CV profesional te ayudará con el formato.