Saltar al contenido
Laxu Resume
Adapta mi currículum

Ejemplos de currículum/Currículum para practicante de analista de datos

Currículum para practicante de analista de datos — viñetas que realmente cuantifican lo que analizaste

Las prácticas de analista de datos viven en una intersección incómoda: lo suficientemente técnicas para requerir SQL y Python en el currículum, pero lo suficientemente orientadas a negocio para que el reclutador que te filtra puede no evaluar la profundidad técnica por sí mismo. Entonces el currículum tiene que leerse en dos niveles — pasar el escaneo de palabras clave que hace el ATS, y contar una historia coherente de negocio para el humano que lo lee después.

Lo que eso significa en la práctica: cada viñeta tiene un tamaño de dataset, una query o modelo, y un resultado de negocio que el trabajo movió. "Analicé datos de usuarios" se corta. "Construí un modelo de churn sobre 480K registros de suscriptores que el equipo de retención usó para priorizar su lista de win-back de Q3" pasa el filtro. Esta página recorre cómo escribir el tipo de viñeta que hace ambas cosas — además de una herramienta gratis que se encarga del matching de la vacante por ti.

Adapta tu currículum de analista en 2 minutos Ver reescrituras de viñetas →

La señal

Qué buscan realmente los reclutadores.

  • SQL en cada viñeta de analista que involucró consultar datos — incluyendo el tamaño del dataset, ya que "consulté Postgres" se lee muy distinto para 1K filas vs 1M.

  • Una herramienta de BI específica (Tableau, Power BI, Looker o Mode) — "visualización de datos" genérica es pobre en palabras clave y la mayoría de los ATS están afinados a nombres específicos.

  • Python o R para análisis más allá de lo que Excel puede hacer, con al menos una viñeta que mencione una librería (pandas, scikit-learn, statsmodels) para que la densidad de palabras clave suba.

  • Métodos estadísticos nombrados explícitamente (pruebas A/B, regresión, inferencia causal) — "toma de decisiones basada en datos" sola no activará el filtro de palabras clave.

  • Un resultado del lado del negocio en cada viñeta: ingresos movidos, churn reducido, decisión cambiada, horas ahorradas. La historia que cuenta la viñeta es lo que te lleva más allá del lector humano.

  • Un link a GitHub o portafolio con 1-2 análisis reales (un dashboard, un notebook, un writeup). Los portafolios de analistas valen más que los de carrera de CS porque son más raros.

Antes → Después

Viñetas reales, afiladas.

Estas son las reescrituras que realmente devolvemos. Sin métricas inventadas, sin relleno de buzzwords — solo el trabajo original, sacado a la superficie con más claridad.

Antes

Analicé datos de usuarios y di insights al equipo de marketing.

Después

Escribí queries SQL contra un log de eventos de 12M filas para identificar los 3 puntos principales de abandono en onboarding; el equipo de marketing reconstruyó la secuencia de bienvenida basada en los hallazgos, subiendo retención D7 en 4 puntos.

Dos cambios: sacar a la superficie la escala real de los datos, y la decisión específica de negocio que el análisis movió. Los reclutadores leen "analicé" y se desconectan; leen "subida de 4 puntos en D7" y quieren la entrevista.

Antes

Construí dashboards en Tableau para el equipo.

Después

Construí 6 dashboards en Tableau cubriendo cohortes de suscripción, movimiento de MRR y churn — adoptados como artefacto de revisión semanal por el equipo de producto de 12 personas.

Cantidad de dashboards, qué cubrieron y (críticamente) quién los usó realmente. Un dashboard que nadie abre es un ticket de JIRA; uno que el equipo revisa semanalmente es impacto operacional.

Antes

Usé Python para limpiar y procesar datos.

Después

Escribí un pipeline en pandas que limpió y unió 4 exports CSV dispares (3.2M filas total) en una tabla analítica unificada; reduje un proceso manual recurrente de 6 horas a un job programado de 12 minutos.

"Usé Python" es el equivalente de analista de "usé una computadora." Nombrar la librería, el alcance de los datos y el tiempo ahorrado lo convierte en una viñeta real.

Antes

Trabajé con stakeholders para entender necesidades de negocio.

Borrar. "Trabajé con stakeholders" no le dice nada al lector sobre qué hiciste realmente. Si llevaste las reuniones, escríbelo. Si escribiste un memo que cambió una decisión, escríbelo. Cualquier cosa más específica que "trabajé con" aterriza mejor.

Densidad de palabras clave

Las palabras clave que los reclutadores buscan.

Cada una debería aparecer al menos una vez en tu línea de habilidades y al menos una vez en una viñeta que pruebe que la has usado.

SQLPythonRExcelTableauPower BILookerpandasestadísticapruebas A/BregresiónETLvisualización de datosbusiness intelligencediseño de experimentos

Lo que mata el puntaje

Trampas de ATS a evitar.

"Analítica de datos" genérica sin un stack

Los reclutadores buscan SQL y Tableau, no "analítica de datos." Si tu línea de habilidades dice "Analítica de Datos" sin listar las herramientas reales, te van a filtrar con escaneos básicos.

Visualizaciones de hoja de cálculo como única salida

Los gráficos de Excel están bien para el primer borrador, pero un currículum de analista que lista "creé tablas pivote en Excel" como stack de visualización se lee junior comparado con uno que lista Tableau, Looker o incluso Plotly.

Mencionar hallazgos sin resultados de negocio

"Encontré que los usuarios prefieren el flujo nuevo" es media viñeta. "Encontré que los usuarios prefieren el flujo nuevo; el equipo lo lanzó como default y vio una subida de 3.2% en conversión" es la viñeta completa. Al ATS no le importa, pero al humano que viene después sí.

Línea de soft skills que ocupa media página

"Comunicación fuerte, atención al detalle, resolución de problemas" es relleno universal. Mejor usar el espacio para una viñeta más de análisis.

FAQ

Lo que estudiantes preguntan.

  • ¿Necesito saber Python Y R?

    Una sola está bien. La mayoría de las prácticas de analista en LATAM y EE. UU. son Python-leaning hoy; R es más común en académico, biotech y algunos contextos financieros. Elige una, lístala y respáldala con una viñeta que mencione una librería real (pandas, dplyr, scikit-learn). Listar ambas sin profundidad es peor que elegir una.

  • ¿Qué tan importante es SQL?

    No negociable. Casi toda vacante de analista lista SQL en los requisitos; los currículums sin SQL usualmente se filtran antes de que un humano los vea. Si has usado SQL en clase, en una práctica, en un proyecto o en una competencia de Kaggle, lístalo y agrega una viñeta que mencione una query que escribiste y qué reveló.

  • ¿Debo incluir Kaggle o DataCamp?

    Kaggle: sí, si has tenido un buen lugar en una competencia o tienes un notebook público fuerte. "Certificaciones de DataCamp" solas son señal débil — muestran esfuerzo pero no capacidad. Mejor listar una competencia de Kaggle o un proyecto self-driven donde analizaste un dataset público y escribiste los hallazgos.

  • ¿Necesito portafolio?

    Fuertemente preferido. Un portafolio corto (una página de Notion, un sitio personal, incluso un repo público de GitHub con 1-2 notebooks pulidos) mejora significativamente las tasas de respuesta. No necesita ser elaborado — un writeup de un análisis con las queries SQL y el gráfico es suficiente para diferenciarte.

  • ¿Cómo adapto un currículum de analista a una vacante específica?

    Lee las herramientas requeridas en la vacante (variante de SQL, herramienta de BI, métodos estadísticos) y verifica que cada una aparezca al menos una vez en tu línea de habilidades y al menos una vez en una viñeta que pruebe que la usaste. Luego identifica el vertical industrial de la vacante (e-commerce vs fintech vs salud) y reformula tu viñeta más relevante para reflejar ese lenguaje. O pega la vacante en nuestro adaptador y lo hacemos en dos minutos.

  • ¿Qué número fuerte se puede poner en una viñeta de analista?

    El tamaño del dataset, la mejora en runtime o la métrica de negocio movida. Evita números redondos que se ven inventados ("aumenté la eficiencia un 50%" se lee fabricado). Los números reales le ganan a los números impresionantes — "reduje el tiempo de query de 8.4s a 2.1s" es más creíble que "hice las queries 4x más rápidas."

Deja de reescribir viñetas a medianoche.

Pega la vacante, sube tu currículum, recibe la versión adaptada con puntaje, palabras clave faltantes y viñetas reescritas — usualmente en menos de 15 segundos. La primera es gratis.

Adapta tu currículum de analista en 2 minutos Ver precios

Puestos relacionados

También vale la pena leer

    Currículum para Practicante de Analista de Datos — ejemplos + herramienta gratis — Laxu Resume