Currículum de analista de datos: modelo, perfil y consejos
Equipo de CVclick · Actualizado el
El currículum de analista de datos debe mostrar las herramientas que usas con soltura (SQL, Excel, Python, Power BI o Tableau), el tipo de datos y de negocio con el que has trabajado y decisiones que se tomaron gracias a tus análisis. Enlaza dos o tres proyectos en GitHub o cuadros de mando publicados, con datos reales o públicos.
Currículum de analista de datos listo para editar
Con el perfil, los logros y las competencias de esta guía ya escritos. Cambia lo que quieras y pon tus datos. Gratis y sin tarjeta.
Qué debe llevar el currículum de analista de datos
- Datos de contacto: nombre, teléfono, correo y ciudad.
- Perfil profesional de dos o tres frases, con tu experiencia y lo que buscas.
- Experiencia, de la más reciente a la más antigua, con logros y no solo tareas.
- Formación y certificados relacionados con el puesto.
- Competencias, herramientas e idiomas.
Cada proyecto del portfolio debe contestar a una pregunta de negocio: qué querías saber, de dónde salían los datos, qué hiciste y qué conclusión sacaste. Sin una pregunta, un cuadro de mando es solo un gráfico bonito.
Ejemplo de perfil profesional
Analista de datos con 3 años en el departamento de operaciones de una empresa de comercio electrónico. Extraigo y limpio datos con SQL y Python, construyo cuadros de mando en Power BI para dirección y analizo ventas, devoluciones y logística. Busco un puesto de analista en una empresa de producto o de servicios con cultura de datos.
Cámbialo con tus datos reales: años de experiencia, tipo de empresa o establecimiento y lo que mejor sabes hacer.
Cómo describir tu experiencia
En cada puesto escribe de tres a cinco puntos que empiecen por un verbo y cuenten lo que conseguiste, no solo lo que hacías.
Mejor no: Hacer informes para dirección.
Mejor así: Sustituí 6 informes manuales en Excel por un cuadro de mando en Power BI que se actualiza solo y ahorra al equipo unas 10 horas al mes.
Mejor no: Análisis de datos de ventas.
Mejor así: Analicé las devoluciones por categoría y detecté un problema de tallas en 3 productos, cuya corrección redujo las devoluciones de esa familia.
Usa tus cifras reales. Si no las tienes exactas, describe el resultado sin número: mejoré, reduje, abrí, coordiné.
Competencias que conviene incluir como analista de datos
- SQL para consultas, uniones, agregaciones y funciones de ventana.
- Python (pandas, NumPy, Matplotlib) o R para limpieza y análisis.
- Visualización y cuadros de mando con Power BI, Tableau o Looker Studio.
- Excel avanzado: tablas dinámicas, Power Query y modelos sencillos.
- Estadística aplicada: muestreo, pruebas A/B, correlación y regresión.
- Traducir preguntas de negocio en indicadores y explicar resultados a perfiles no técnicos.
Formación y certificados
- Grado en Matemáticas, Estadística, Economía, Ingeniería Informática, Ciencia de Datos o ADE con orientación cuantitativa.
- Técnico Superior en DAM o DAW y el curso de especialización de FP en Inteligencia Artificial y Big Data, si vienes de la Formación Profesional.
- Másteres o bootcamps de análisis de datos: pon las horas y enlaza el proyecto final.
- Certificaciones de herramientas, si están vigentes: Microsoft Power BI Data Analyst, Tableau o Google Data Analytics.
Preguntas frecuentes
¿Puedo ser analista de datos sin carrera de matemáticas o informática?
Sí. Muchos analistas vienen de economía, ADE, marketing o ingeniería y han aprendido SQL y una herramienta de visualización. Lo que más pesa es demostrarlo con proyectos y en la prueba técnica.
¿Qué diferencia hay entre analista de datos y científico de datos?
El analista responde preguntas de negocio con datos históricos, consultas y cuadros de mando; el científico de datos suele construir modelos predictivos y de aprendizaje automático. Las ofertas mezclan a veces los nombres: guíate por las tareas que piden.
¿Dónde consigo datos para un proyecto de portfolio?
En portales de datos abiertos como datos.gob.es, el INE o los de tu comunidad y ayuntamiento, y en repositorios públicos como Kaggle. Usar datos españoles reales hace que el proyecto sea más fácil de comentar en la entrevista.