Ejemplos de currículum de analista de datos con plantillas

Ejemplos de currículum de analista de datos, de nivel inicial a data scientist, en BI e ingeniería analítica, con plantilla para copiar y el SQL y las herramientas a incluir.

Zubair Baqai · Actualizado el 25 oct 2026

El currículum de un analista de datos tiene que demostrar una cosa por encima de todas: que tu análisis cambió una decisión. Cualquiera puede listar SQL, Python y Tableau; los currículums que consiguen entrevistas muestran una pregunta que alguien hizo, el análisis que ejecutaste y qué hizo el negocio de forma diferente a raíz de ello. Los responsables de contratación escanean primero el stack técnico y luego buscan pruebas de que convertiste los datos en un resultado. A continuación encontrarás ejemplos de currículum de analista de datos para cada nivel y especialidad, desde un analista de nivel inicial hasta un data scientist sénior, cada uno enlazado a una muestra real que puedes abrir, además de las competencias, secciones y cifras que hacen que un currículum supere un sistema de seguimiento de candidatos (ATS) y llegue a un equipo de contratación.

Primero van los ejemplos, luego una plantilla de texto que puedes copiar y después los consejos de redacción que hay detrás de todos ellos: un perfil técnico conciso, puntos de análisis centrados en el impacto, la sección de competencias adecuada y las palabras clave que busca el software de contratación de una empresa. Las reglas generales que valen para cualquier currículum están reunidas en nuestra guía para escribir un currículum; esta página es la versión específica para datos.

Cómo se crearon estos ejemplos. Cada currículum de abajo es una plantilla real de Prezumi generada a partir de un perfil de analítica completo —el mismo editor que usarías para el tuyo—, no una maqueta estática. Los nombres, las empresas y las cifras son ilustrativos. El stack y las convenciones de contratación reflejan cómo los equipos de datos suelen filtrar currículums; varían según la empresa y el país, así que lee la oferta antes de copiar nada al pie de la letra.

Ejemplos de currículum de analista de datos por nivel y especialidad

"Datos" abarca un abanico de puestos que se parecen en un portal de empleo y que día a día se viven de forma muy distinta. Un analista de nivel inicial que construye cuadros de mando y un data scientist que lanza un modelo de previsión comparten herramientas y casi nada más de los problemas que resuelven, y sus currículums deberían ser tan distintos como lo es su trabajo. Cada ejemplo de abajo es un currículum real generado en una plantilla de Prezumi limpia y compatible con ATS, para que veas el formato exacto para tu nivel y especialidad y luego crees el tuyo a partir de la misma estructura. Haz clic en cualquier ejemplo para ampliarlo, o úsalo como tu perfil de partida con un solo toque.

Analista de datos de nivel inicial (nivel inicial)

El currículum de un analista de datos de nivel inicial tiene que demostrar que ya sabes hacer el trabajo esencial incluso sin años de experiencia. Este empieza por el stack —SQL primero, luego Excel, una herramienta de BI como Tableau o Power BI, y algo de Python o R— y luego hace que el análisis real cargue con el peso: un proyecto de fin de carrera, unas prácticas, un proyecto de Kaggle o de portfolio, o un cuadro de mando que creaste para una asociación estudiantil. Los mejores puntos de nivel inicial nombran la pregunta, los datos y la decisión o insight que salió de ahí, con un enlace en vivo a un cuadro de mando o notebook que un revisor puede abrir.

Por qué funciona este currículum

• El stack va primero, con SQL al frente —la única competencia por la que filtra toda oferta de analista—, luego Excel, una herramienta de BI y un lenguaje de scripting.
• Los proyectos se tratan como experiencia: un proyecto de fin de carrera, unas prácticas y un cuadro de mando de portfolio, cada uno con un enlace en vivo que un revisor puede abrir.
• Los puntos nombran la pregunta, los datos y el insight o la decisión, no solo "analicé datos en Python".
• Se mantiene limpio para el ATS, con encabezados estándar y los nombres exactos de las herramientas (SQL, Tableau, Power BI) por los que filtra un parser.

Analista de datos (media carrera)

Un analista de media carrera gestiona el ciclo completo de la pregunta a la recomendación, y este currículum lo refleja. Empieza por el stack y el área de negocio que apoya —marketing, producto, finanzas, operaciones— y luego muestra el trabajo: escribir SQL complejo contra un almacén de datos, construir y mantener cuadros de mando que los stakeholders de verdad usan, ejecutar análisis que respondieron a una pregunta real y presentar hallazgos a personas que tomaron una decisión a partir de ellos. Las cifras son los resultados que impulsó el análisis —ingresos, coste, retención o eficiencia— más la escala de los datos y los stakeholders atendidos.

Por qué funciona este currículum

• Nombra el área de negocio que apoya, así que un responsable ve el encaje con el sector, no solo las herramientas.
• Muestra el ciclo completo del analista: SQL complejo contra un almacén de datos, cuadros de mando en uso, análisis ejecutado y hallazgos presentados a quienes deciden.
• Cada punto de análisis se enlaza a un resultado —ingresos, coste, retención o una ganancia de eficiencia— en lugar de quedarse en "creé un informe".
• Cuantifica la escala: filas o eventos analizados, cuadros de mando mantenidos y stakeholders o equipos atendidos.

Analista de business intelligence (media carrera)

Un analista de BI construye la capa de informes sobre la que funciona toda la empresa, así que este currículum empieza por el stack de BI y almacén de datos —Tableau, Power BI o Looker sobre Snowflake, BigQuery o Redshift— y luego muestra el trabajo: diseñar modelos de datos y capas semánticas, construir cuadros de mando de autoservicio, definir las métricas en las que todos están de acuerdo y recortar la elaboración manual de informes que antes consumía una semana al mes. Las cifras son los cuadros de mando e informes adoptados, las horas de informes manuales ahorradas, la frescura y fiabilidad de los datos mejoradas, y las decisiones que la capa de BI ahora informa entre equipos.

Por qué funciona este currículum

• Empieza por el stack de BI y almacén de datos —Tableau, Power BI o Looker sobre Snowflake, BigQuery o Redshift— por el que filtra una oferta de BI.
• Muestra el trabajo de plataforma: modelos de datos, una capa semántica, definiciones de métricas consensuadas y cuadros de mando de autoservicio en los que confían otros equipos.
• Los resultados son concretos: informes adoptados, horas de informes manuales ahorradas y frescura y fiabilidad de los datos mejoradas.
• Enmarca el puesto como habilitador de decisiones en toda la empresa, no como productor de gráficos puntuales, que es la señal de BI de media carrera.

Analytics engineer (media carrera)

Un analytics engineer está entre la ingeniería de datos y el análisis, convirtiendo datos en bruto en modelos limpios, probados y documentados sobre los que construye el resto del equipo. Este currículum empieza por el stack de datos moderno —dbt, SQL, un almacén de datos en la nube y control de versiones— y luego muestra el trabajo: construir y probar modelos de transformación, mantener un almacén de datos bien documentado, hacer cumplir la calidad de los datos y dar a los analistas tablas fiables desde las que trabajar. Las cifras son los modelos construidos y probados, los incidentes de calidad de datos reducidos, el tiempo de ejecución del pipeline recortado y las horas de analista ahorradas al no rederivar la misma lógica por todas partes.

Por qué funciona este currículum

• Empieza por el stack de datos moderno —dbt, SQL, un almacén de datos en la nube, Git— que define el puesto de analytics engineer.
• Muestra la disciplina de ingeniería que a los analistas a menudo les falta: modelos de transformación probados, documentación y control de versiones.
• Los resultados se miden en fiabilidad y apalancamiento: incidentes de calidad de datos a la baja, tiempo de ejecución recortado y horas de analista ahorradas.
• Enmarca el trabajo como la construcción de la base sobre la que se apoyan los demás, que es exactamente como lee el impacto una oferta de analytics engineering.

Data scientist (sénior)

Un currículum de data scientist va más allá de los informes hacia el modelado y la experimentación, y los mejores mantienen a la vista el resultado de negocio. Este empieza por el stack —Python, SQL, las bibliotecas de ML y estadística— y luego muestra modelos y experimentos que se lanzaron: un modelo predictivo en producción, una prueba A/B que zanjó una decisión, una previsión en torno a la que el negocio planificó. Las cifras combinan el rendimiento del modelo (precisión, lift, o una métrica específica de la tarea) con el impacto posterior —ingresos, retención, coste o riesgo reducido—. Es un currículum sénior, así que también muestra liderazgo: fijar estándares de experimentación o mentorizar a analistas. Para un camino con mucha investigación, nuestra guía de CV académico explica cómo recoger las publicaciones por completo.

Por qué funciona este currículum

• Empieza por el stack de data science —Python, SQL, bibliotecas de ML, estadística— y los métodos que el puesto realmente usa.
• Muestra trabajo que se lanzó: un modelo en producción, una prueba A/B que zanjó una decisión, una previsión en torno a la que planificó el negocio, no notebooks que se quedaron en local.
• Combina las métricas del modelo (precisión, lift, AUC) con el resultado de negocio, que es lo que de verdad compra un responsable.
• A nivel sénior muestra liderazgo —estándares de experimentación fijados, analistas mentorizados— que marca el alcance más allá del análisis individual.

Ingeniero de aprendizaje automático (sénior)

Un ingeniero de ML en un equipo de datos gestiona el camino de un modelo a un servicio fiable en producción, así que este currículum se inclina hacia la ingeniería. Empieza por el stack —Python, los frameworks de ML, y las herramientas de MLOps y nube— y luego muestra modelos puestos en producción y mantenidos sanos: pipelines de features, servido de modelos, monitorización de la deriva y reentrenamiento. Las cifras son el impacto posterior que impulsó el modelo y las métricas de ingeniería a su alrededor: latencia de servido, uptime y el coste de la inferencia. Aquí es donde los datos se encuentran con el software, y el currículum debe demostrar que puedes con ambas mitades.

Por qué funciona este currículum

• Empieza por el stack donde los datos se encuentran con el software: Python, frameworks de ML, y herramientas de MLOps y nube.
• Muestra el camino completo a producción: pipelines de features, servido de modelos, monitorización de la deriva y reentrenamiento, no solo el entrenamiento del modelo.
• Combina el resultado de negocio con métricas de ingeniería —latencia de servido, uptime y coste de inferencia— demostrando ambas mitades del puesto.
• Nombra el trabajo de sistemas y fiabilidad que separa a un ingeniero de ML de un data scientist que entrega un notebook.

Una plantilla de currículum de analista de datos que puedes copiar

Aquí tienes un currículum completo de analista de datos de media carrera en texto plano: una sola columna, encabezados estándar y cifras reales. Es una plantilla en el sentido práctico: cambia tu propio stack, empresa y resultados y tendrás un currículum que un parser puede leer y un responsable de contratación puede repasar en segundos.

Mei Tanaka

Chicago, IL · mei.tanaka@email.com · (312) 555-0164 · linkedin.com/in/mei-tanaka · github.com/meitanaka

Perfil

Analista de datos con cuatro años apoyando a equipos de producto y marketing con SQL, Python y Tableau. Construyó los cuadros de mando de autoservicio que redujeron las peticiones de datos ad hoc un 60 % y ejecutó el análisis de cohortes que rediseñó el flujo de alta, elevando la retención a 30 días 9 puntos. Busca un puesto de analítica en un equipo orientado a producto.

Competencias

SQL (avanzado) · Python (pandas, scikit-learn) · Tableau · Power BI · dbt · Snowflake · Excel · Pruebas A/B · Estadística · Comunicación con stakeholders

Experiencia

Analista de datos — Lakefront Commerce, Chicago (2022–actualidad)

- Construyó 12 cuadros de mando de autoservicio en Tableau sobre un almacén de datos Snowflake, reduciendo las peticiones de datos ad hoc al equipo un 60 % y liberando unas 15 horas de analista a la semana.

- Ejecutó un análisis de cohortes y de embudo del flujo de alta que llevó a un rediseño del onboarding, elevando la retención a 30 días del 41 % al 50 %.

- Diseñó y analizó pruebas A/B para el equipo de marketing, incluida una prueba de la página de precios que subió la conversión un 7 % (340.000 $ anualizados).

- Definió la métrica north-star de la empresa y su lógica SQL en dbt, poniendo fin a meses de cifras contradictorias entre equipos.

Analista de datos junior — Prairie Media, Chicago (2020–2022)

- Escribió SQL para extraer y depurar datos de campañas para un informe de rendimiento semanal usado por el VP de Marketing.

- Automatizó un informe manual de Excel en Python, reduciendo una tarea semanal de 6 horas a 20 minutos.

Proyectos

Retrasos del transporte de Chicago — Analizó más de 2 M de registros de la CTA en Python; cuadro de mando interactivo y artículo. meitanaka.dev/cta

Formación

Grado en Estadística, University of Illinois Urbana-Champaign — 2016–2020

Certificaciones

Google Data Analytics Professional Certificate (2021) · Tableau Desktop Specialist (2022)

Lo que hace que este funcione: el perfil nombra un resultado concreto (60 % menos peticiones, +9 puntos de retención) en las dos primeras líneas, la sección de competencias enumera las herramientas exactas que escanea una oferta de datos con SQL primero, y cada punto de experiencia enlaza el análisis con una decisión o una cifra en dinero. La maqueta es deliberadamente sencilla para que un sistema de seguimiento de candidatos extraiga cada campo sin problemas, y el enlace del proyecto le da a un revisor algo que abrir.

Empieza cada punto de análisis por la decisión que cambió, no por la herramienta que usaste. "Construí un cuadro de mando en Tableau" es una tarea; "ejecuté el análisis de cohortes que rediseñó el onboarding y elevó la retención 9 puntos" es impacto. Las herramientas van en tu sección de competencias y como detalle de apoyo: el responsable de contratación compra tu capacidad de convertir datos en una decisión, así que pon la decisión primero y deja que el SQL y el Python la respalden.

Las competencias que poner en un currículum de analista de datos

Las competencias de datos se agrupan en categorías que escanean tanto un reclutador como un parser. Enumera las herramientas exactas —SQL primero, casi siempre— agrupadas para que el stack se lea de un vistazo, y mantenlo honesto: todo lo de esta lista puede salir en una prueba técnica o en un ejercicio para casa. Ajústate al vocabulario de la oferta donde sea cierto para ti.

Evita las barras de competencia y los porcentajes. "SQL 85 %" no le dice nada a un parser y se lee como relleno para un responsable de contratación, y encima invita al ejercicio para casa que lo deja en evidencia. Una lista agrupada y honesta con SQL al frente, más puntos que muestren las herramientas importantes produciendo una decisión, logra mucho más que cualquier gráfico.

Cómo redactar cada sección de un currículum de analista de datos

Escribe un perfil que nombre tu stack y una decisión que cambiaste

Dos o tres frases arriba: tu nivel y años, tu stack principal y la decisión más fuerte que impulsó tu análisis. "Analista de datos con cuatro años en SQL, Python y Tableau; construí los cuadros de mando que redujeron las peticiones ad hoc un 60 % y el análisis que elevó la retención 9 puntos" le dice más a un responsable de contratación que un párrafo sobre tu pasión por los datos. Nombra el área de negocio que has apoyado (producto, marketing, finanzas), porque la fluidez en el sector es una señal real. Evita una declaración de objetivos sobre lo que esperas aprender; el perfil describe lo que gana el equipo.

Convierte el análisis en decisiones y dinero

"Analicé datos de ventas" describe una tarea. "Ejecuté el análisis de fuga de clientes que identificó el segmento en riesgo, y la campaña de retención construida sobre él recuperó 280.000 $ al año" describe a un analista al que merece la pena contratar. El trabajo con datos se juzga por si cambió algo, así que un currículum que nombra el resultado destaca en un montón de listas de herramientas. Las cifras que pesan: ingresos o coste movidos por una decisión que informó tu análisis, eficiencia ganada (horas o peticiones ahorradas), retención o conversión elevada por una prueba, y la escala de los datos y los stakeholders que atendiste. Reclama solo lo que puedas explicar paso a paso a un entrevistador: te preguntarán cómo obtuviste la cifra.

Antes: Responsable de construir cuadros de mando e informes en Tableau. Después: Construyó 12 cuadros de mando de autoservicio en Tableau que redujeron las peticiones de datos ad hoc un 60 % y liberaron unas 15 horas de analista a la semana para trabajo más profundo.

Antes: Usé SQL y Python para analizar datos de clientes. Después: Ejecutó un análisis de cohortes en SQL y Python que rediseñó el flujo de alta, elevando la retención a 30 días del 41 % al 50 %.

Empieza por proyectos cuando la experiencia es escasa

Para el currículum de datos de alguien de nivel inicial o que cambia de carrera, un proyecto de análisis real hace el trabajo que harían años de experiencia. Dale a tus dos o tres proyectos más fuertes entradas reales: la pregunta que hiciste, el conjunto de datos y su tamaño, los métodos y herramientas, el insight que encontraste, y un enlace en vivo al cuadro de mando, notebook o artículo. Un revisor hará clic, así que déjalo legible: una pregunta clara, una visualización limpia y una conclusión enunciada valen más que un notebook desbordado sin narrativa. Una competición de Kaggle, un proyecto de fin de carrera, un análisis de prácticas y un cuadro de mando para un club cuentan todos; trata cada uno con el mismo rigor que un empleo.

Usa las palabras clave por las que filtran la oferta y el ATS

Las empresas pasan las solicitudes por un sistema de seguimiento de candidatos que analiza tu currículum y lo coteja con la oferta. Los sistemas varían —algunos descartan por un requisito indispensable que falte, como SQL, muchos solo ordenan candidatos para un reclutador—, pero un archivo compatible con el parser y escrito con las propias palabras de la oferta te da la mejor oportunidad en cualquier caso. Reutiliza los nombres exactos de las herramientas de la oferta donde sean honestos: si dice "Power BI", "dbt" o "BigQuery", usa esos términos en lugar de un genérico "herramientas de BI" o "almacén de datos". Mantén la maqueta compatible con el parser: una sola columna, encabezados estándar (Perfil, Competencias, Experiencia, Proyectos, Formación), un PDF con texto real, sin foto ni gráficos a dos columnas que enreden el análisis. Puedes comprobar qué extrae realmente un parser de tu archivo con el verificador de currículum ATS gratuito de Prezumi, y las plantillas compatibles con ATS te dan un punto de partida con una maqueta que ya pasa el filtro.

Datos sobre el salario de analista de datos

El sueldo en datos sube con fuerza a medida que el puesto pasa de los informes hacia el modelado y la ingeniería, y varía mucho según el sector y la categoría de la empresa. Los rangos de abajo son cifras ilustrativas de salario base en EE. UU. pensadas para mostrar cómo escala la retribución según el puesto; tu cifra real depende de la ubicación, el sector y de si hay equity en la ecuación. Para las medianas nacionales actuales, el Occupational Outlook Handbook de la Oficina de Estadísticas Laborales de EE. UU. es la fuente citable.

Dos cosas mueven estas cifras más que nada: la profundidad del trabajo técnico y el sector. El salto de analista a data scientist o analytics engineer —donde el modelado, la experimentación o el código de producción recaen sobre ti— es el mayor escalón individual, y el mismo puesto paga muy por encima de la media en tecnología, finanzas y salud. En el currículum, eso significa poner en primer plano el trabajo más técnico y de mayor apalancamiento que de verdad hayas hecho, y nombrar el sector y la escala de los datos que has manejado, porque ambos fijan la banda salarial tanto como el título.

Crea tu currículum de analista de datos en Prezumi

Prezumi guarda tu trayectoria en analítica como un único perfil y la convierte en cualquiera de más de 55 plantillas, así que escribes el stack, los proyectos y los resultados una sola vez. Importa un currículum existente para no tener que teclearlo de nuevo, elige una plantilla compatible con ATS que mantenga una sola columna limpia y exporta un PDF basado en texto gratis. Cuando solicites un puesto concreto, el editor de IA reescribe tus entradas reales para que encajen con esa oferta (solo puede reformular los datos que introdujiste, así que no se inventará una subida de retención), y el verificador ATS confirma que el archivo se analiza bien antes de enviarlo. Si es tu primer empleo en datos, nuestra guía de currículum para el primer empleo muestra cómo llenar un currículum con proyectos, prácticas y asignaturas en lugar de años de trabajo, y los ejemplos de CV de estudiante usan el mismo enfoque de una página. ¿Quieres mostrar el análisis en sí? Un sitio web de portfolio enlazado desde el currículum deja que un revisor abra tus cuadros de mando y notebooks con un clic. Para la carta que acompaña a la solicitud, el generador de cartas de presentación gratuito trabaja a partir de tu currículum y de la oferta.

Preguntas frecuentes

¿En qué debería centrarse un currículum de analista de datos?

En la prueba de que tu análisis cambió una decisión, respaldada por el stack técnico adecuado. Lista SQL primero —es la única competencia que filtra todo puesto de analista—, luego tus herramientas de programación, BI y estadística, y construye tu experiencia en torno al ciclo de la pregunta a la recomendación: qué te pidieron, qué analizaste y qué hizo el negocio de forma diferente. Cuantifica el resultado (ingresos, coste, retención, horas ahorradas) en lugar de quedarte en "construí un cuadro de mando", y enlaza a un proyecto que un revisor pueda abrir.

¿Cómo escribo un currículum de analista de datos sin experiencia?

Deja que los proyectos carguen con el peso. Dale a tus dos o tres proyectos de análisis más fuertes entradas reales con la pregunta, el conjunto de datos y su tamaño, las herramientas, el insight y un enlace en vivo al cuadro de mando, notebook o artículo. Un proyecto de fin de carrera, una competición de Kaggle, un análisis de prácticas y un cuadro de mando que creaste para un club o asociación estudiantil cuentan todos. Empieza con una sección de competencias (SQL primero) y un perfil que nombre tu stack, e incluye un certificado relevante como el Google Data Analytics. Nuestra guía de currículum para el primer empleo explica cómo llenar un currículum sin años de trabajo remunerado.

¿Es SQL la competencia más importante en un currículum de analista de datos?

Sí: es la única competencia que exige casi todo puesto de analista de datos, así que ponla primera en tu sección de competencias y muéstrala produciendo un resultado en tu experiencia. Después de SQL, lo habitual es una herramienta de BI (Tableau, Power BI o Looker), Excel avanzado y Python o R para análisis más profundo. Los puestos sénior y de analytics engineering añaden dbt, un almacén de datos en la nube y control de versiones. Ajústate a los nombres exactos de las herramientas de la oferta donde sean ciertos para ti, y prepárate para escribir SQL real en una prueba.

¿Cuál es la diferencia entre un currículum de analista de datos y uno de data scientist?

Un currículum de analista de datos se construye en torno a los informes y a responder preguntas de negocio con SQL, herramientas de BI y estadística directa, y se mide por las decisiones y la eficiencia que impulsó el análisis. Un currículum de data scientist añade modelado y experimentación —un modelo predictivo en producción, una prueba A/B que zanjó una decisión— y combina el rendimiento del modelo con el impacto posterior. Si pasas de analista a data scientist, pon en primer plano cualquier modelado, previsión o experimentación que de verdad hayas hecho.

¿Cómo cuantifico el impacto en un currículum de datos?

Nombra la decisión que cambió tu análisis y la cifra asociada. Las más persuasivas son los ingresos o el coste movidos por una decisión que informaste, la conversión o la retención elevada por una prueba que ejecutaste, la eficiencia ganada (horas o peticiones ad hoc ahorradas por un cuadro de mando o una automatización) y la escala de los datos y los stakeholders que atendiste. Escríbelas con contexto —"análisis de cohortes que elevó la retención a 30 días del 41 % al 50 %"— y reclama solo lo que puedas explicar paso a paso a un entrevistador, porque te preguntarán cómo llegaste ahí.

¿Cuánto debe medir un currículum de analista de datos?

Una página para nivel inicial y la mayoría de analistas con hasta unos diez años de experiencia. Dos páginas se justifican solo cuando una década o más de trabajo directamente relevante y de alto impacto las llena de verdad: un data scientist o líder sénior con un largo historial. Mantenlo denso y concreto; un responsable que escanea un montón prefiere ver una página fuerte con resultados claros que dos llenas de cada herramienta y curso.

¿Debería enumerar certificaciones de datos en mi currículum?

Ayudan más en el nivel inicial, donde transmiten que has aprendido las herramientas esenciales. Las reconocidas incluyen el Google Data Analytics Professional Certificate, las certificaciones de Tableau y Power BI, y para puestos más técnicos, las certificaciones de datos en la nube (AWS, GCP, Azure) o una certificación de dbt. Ponlas en una breve sección de Certificaciones. No sostendrán un currículum una vez que tengas experiencia real —eso lo hacen los resultados medidos—, pero un certificado relevante puede inclinar una decisión al principio de la carrera.

¿Debe un currículum de analista de datos incluir un enlace a un portfolio?

Sí, e importa más al principio de tu carrera. Un portfolio con dos o tres proyectos de análisis limpios —cada uno con una pregunta clara, un cuadro de mando o notebook legible y una conclusión enunciada— deja que un revisor vea cómo piensas, no solo qué herramientas listas. Pon el enlace en tu encabezado. Para candidatos de nivel inicial sobre todo, un portfolio sólido puede hacer más que una nota media. Un sitio web de portfolio enlazado desde el currículum te deja mostrar el análisis en sí con un clic.

¿Cómo hago que mi currículum de analista de datos sea compatible con ATS?

Usa una maqueta de una sola columna, encabezados de sección estándar (Perfil, Competencias, Experiencia, Proyectos, Formación) y un PDF que contenga texto real extraíble en lugar de una imagen. Reutiliza los nombres exactos de las herramientas de la oferta donde apliquen con honestidad —"Power BI", "Snowflake", "dbt"— y deja fuera gráficos a dos columnas, barras de competencia e iconos que enreden el análisis. El verificador de currículum ATS gratuito de Prezumi hace una extracción de texto real de tu archivo y te muestra qué saca un parser, para que confirmes que tu stack se lee bien antes de enviarlo.

¿Debe un currículum de analista de datos incluir foto?

No, para empleos en EE. UU., Reino Unido, Canadá y la mayor parte de Europa. Las empresas no necesitan una foto, muchas prefieren las solicitudes sin ella para evitar sesgos, y una foto puede hacer tropezar a un sistema de seguimiento de candidatos. Unos pocos países sí esperan una foto en cualquier CV; sigue la convención local si solicitas empleo en un sitio que claramente la pide, pero por defecto déjala fuera.

¿Cómo adapto mi currículum de datos a un puesto concreto?

Lee la oferta para ver el stack y el sector, y luego haz que el currículum refleje ambos. Pon en tu sección de competencias las herramientas exactas que nombre donde sean ciertas para ti, empieza la experiencia por el análisis más cercano a lo que hace el puesto, y ajusta el perfil para nombrar el área de negocio adecuada. No afirmes una herramienta que no hayas usado, pero sí reordena y reformula tu trabajo real para que el encaje sea evidente. El editor de IA de Prezumi reconfigura tus entradas reales para una oferta sin inventar nada, y el verificador ATS confirma que el archivo sigue analizándose con limpieza.

Sobre el autor

Zubair Baqai es ingeniero de IA y fundador de Prezumi. Lo creó después de investigar qué consigue entrevistas en empresas como Google, Meta, Microsoft y Amazon. Escribe las guías de Prezumi sobre el CV, los filtros ATS y los formatos de CV. Sobre Prezumi

Tu kit para buscar trabajo

Herramientas gratis para cada paso de una candidatura. Sin registro.

• Escribe una carta de presentación a medida — Sube tu currículum, pega la oferta de empleo, elige un estilo y obtén una carta ajustada al puesto en menos de un minuto.
• Convierte tu CV en una web — Convierte tu CV en una web personal en vivo con un CV online a juego y un enlace compartible para reclutadores.
• Comprueba si el ATS puede leer tu CV — Sube tu PDF y obtén una puntuación instantánea de extracción de texto, orden de lectura, secciones, datos de contacto y fuerza del contenido.
• Escribe una carta de renuncia — Pon tu nombre, tu puesto y tu último día, elige un tono y obtén una carta de renuncia limpia y profesional para copiar o descargar en PDF.
• Convertir a currículum Harvard — Pasa cualquier currículum al formato Harvard que usan estudiantes y recién titulados: vista previa al instante y descarga del PDF gratis.
• Traduce tu currículum — Traduce tu CV entre inglés, español, alemán, francés, italiano, portugués, turco y árabe, conservando el diseño y las fechas.
• Mejora el texto débil de tu CV — Encuentra clichés, verbos débiles, puntos vagos y métricas que faltan. Obtén una puntuación de texto de 0–100 y mejores reescrituras.
• Convierte a CV Europass — Convierte cualquier CV al formato estilo Europass que esperan los empleadores europeos — previsualiza al instante y descarga el PDF gratis.
• Convierte tu GPA y tus notas — Convierte entre GPA de EE. UU., porcentaje, notas por letra, honours del Reino Unido, ECTS y CGPA sobre 10 — y comprueba si te graduaste cum laude.

Explora las páginas principales