CV de analista de datos sin experiencia: guía práctica

No tener el título de “Analista de Datos” en tu historial laboral no significa que tu CV esté vacío. Significa que tienes que ser más estratégico sobre qué incluyes y cómo lo presentas. Esta guía cubre exactamente eso: cómo construir un CV competitivo cuando vienes de otra carrera o acabas de graduarte.

Identifica el trabajo analítico que ya hiciste

Casi cualquier rol tiene una capa analítica si sabes dónde mirar. Un coordinador de marketing que generó reportes de campañas en Excel, un asistente administrativo que limpió bases de datos de clientes, un maestro que analizó resultados de evaluaciones para ajustar su método de enseñanza: todos realizaron trabajo analítico real.

El error más común es describir esas tareas con lenguaje genérico. Cambia “elaboré reportes” por algo concreto: “construí un dashboard en Google Sheets que consolidó datos de tres fuentes y redujo el tiempo de reporte semanal de 4 horas a 45 minutos”. El número no tiene que ser impresionante; tiene que ser real y específico.

Revisa cada puesto anterior con esta pregunta: ¿recopilé datos, los limpié, los analicé o los presenté a alguien para tomar una decisión? Si la respuesta es sí en algún punto, tienes material para trabajar.

Si estás haciendo una transición de carrera más amplia, la guía de CV para cambio de carrera te ayuda a estructurar ese reencuadre de experiencia de forma coherente.

Proyectos personales y académicos: cómo listarlos

Para un perfil sin experiencia formal, los proyectos son el núcleo del CV, no un complemento. Deben aparecer en una sección dedicada llamada “Proyectos” o “Proyectos de Análisis de Datos”, ubicada inmediatamente después del resumen profesional, antes de la experiencia laboral.

Cada proyecto necesita cuatro elementos:

• Nombre del proyecto con un enlace a GitHub o Tableau Public si existe
• Herramientas utilizadas (Python, SQL, Tableau, Power BI, etc.)
• Problema que resolviste en una línea
• Resultado o hallazgo concreto

Ejemplo de formato:

Análisis de ventas minoristas — Python, Pandas, Matplotlib Limpié y analicé un dataset de 50,000 registros de Kaggle para identificar patrones de estacionalidad. Encontré que el 38% de las ventas anuales se concentraban en seis semanas, lo que orientó una recomendación de estrategia de inventario.

Si el proyecto fue parte de un curso, indícalo. No hay problema en decir “Proyecto del curso de Google Data Analytics”. Lo que importa es que demuestres el proceso de pensamiento y el manejo de herramientas.

Certificaciones que valen la pena mencionar

No todas las certificaciones tienen el mismo peso ante un reclutador. Las que tienen reconocimiento real en el mercado latinoamericano y global para perfiles de entrada son:

• Google Data Analytics Professional Certificate (Coursera) — cubre SQL, R, Tableau y el proceso completo de análisis
• IBM Data Analyst Professional Certificate (Coursera) — incluye Python, Excel y cognos
• Microsoft Power BI Data Analyst (PL-300) — especialmente útil si los postings que te interesan mencionan Power BI
• DataCamp Data Analyst with Python/SQL — válido como complemento, aunque tiene menos peso que los anteriores

Lístalas en una sección “Certificaciones” con el nombre exacto, la institución emisora y el año de obtención. No incluyas certificaciones que tengan más de cuatro años si no puedes demostrar que las habilidades siguen activas en proyectos recientes.

Estructura de la sección de habilidades técnicas

La sección de habilidades tiene que ser escaneable y honesta. Agrupa por categoría:

Lenguajes y consultas: SQL (JOINs, subconsultas, agregaciones), Python (Pandas, NumPy, Matplotlib, Seaborn)

Visualización: Tableau Public, Power BI, Google Looker Studio

Herramientas y plataformas: Excel avanzado (tablas dinámicas, VLOOKUP, Power Query), Google Sheets, Jupyter Notebook

Bases de datos: MySQL, PostgreSQL, BigQuery (básico)

No pongas barras de progreso ni porcentajes de dominio. Son visuales que los ATS ignoran y que los reclutadores técnicos encuentran poco informativos. Si no puedes escribir una consulta SQL con múltiples JOINs sin buscar la sintaxis, no pongas “SQL avanzado”. La honestidad evita conversaciones incómodas en la entrevista técnica.

Para entender mejor cómo diferenciar habilidades técnicas de habilidades blandas en tu CV, consulta la guía de hard skills vs soft skills.

Objetivo profesional vs. resumen: qué usar aquí

El debate entre objetivo y resumen tiene una respuesta clara para este escenario: usa un resumen orientado al valor, no un objetivo centrado en ti.

Un objetivo dice “Busco una posición de analista de datos para desarrollar mis habilidades”. Eso le dice al reclutador lo que tú quieres. Un resumen dice qué puedes aportar.

Ejemplo de resumen para este perfil:

“Profesional con 3 años en operaciones comerciales y formación en análisis de datos (Google Data Analytics Certificate, 2024). Experiencia práctica en SQL, Python y Tableau a través de proyectos independientes con datasets reales. Orientado a traducir datos en recomendaciones accionables para equipos de negocio.”

Tres a cuatro oraciones. Sin adjetivos vacíos como “apasionado” o “proactivo”. Menciona años de experiencia relevante aunque sea en otro campo, la certificación más reciente y las herramientas que dominas.

Estrategia de palabras clave para ATS en postings de nivel inicial

Los sistemas de seguimiento de candidatos filtran CVs antes de que un humano los vea. Para postings de analista de datos junior o de entrada, las palabras clave que aparecen con más frecuencia incluyen: SQL, Python, Excel, análisis de datos, visualización de datos, Power BI, Tableau, ETL, limpieza de datos, dashboards, KPIs y reportes.

La táctica concreta es esta: descarga la descripción del puesto, pégala en un procesador de texto y busca los términos técnicos que se repiten. Luego verifica que esos términos aparezcan en tu CV con la misma ortografía y capitalización que usa el posting. Si el posting dice “Power BI” y tú escribiste “PowerBI”, el ATS puede no hacer la conexión.

No rellenes el CV con palabras clave sin contexto. Incorpóralas en los bullets de experiencia y proyectos de forma natural. Si quieres profundizar en esta estrategia, la guía de optimización ATS cubre el proceso con más detalle, y la guía sobre cómo adaptar tu CV a la descripción del puesto te muestra cómo hacerlo posting por posting.

Herramientas como TailorMyJob pueden automatizar parte de este proceso al comparar tu CV contra una descripción de puesto específica e identificar las brechas de palabras clave antes de que apliques.

Formato y extensión del CV

Una página es suficiente y recomendable para este perfil. Si tienes más de ocho años de experiencia en otro campo y proyectos extensos, dos páginas son aceptables, pero la segunda página debe ganarse su lugar.

Usa un formato de una columna con fuente legible (Calibri, Arial o Georgia en 10-11pt). Los formatos de dos columnas con tablas o cuadros de texto causan problemas en muchos parsers de ATS. Si tienes dudas sobre qué plantilla usar, revisa las recomendaciones en la guía de plantillas de CV compatibles con ATS.

Orden recomendado de secciones para este perfil:

1. Resumen profesional
2. Habilidades técnicas
3. Proyectos de análisis de datos
4. Certificaciones
5. Experiencia laboral
6. Educación

Este orden pone lo más relevante para el rol al inicio, donde el reclutador dedica los primeros segundos de lectura. Los estudios sobre comportamiento de reclutadores sugieren que el escaneo inicial dura aproximadamente 6-7 segundos antes de decidir si seguir leyendo.

Lo que no debes incluir

Evita listar habilidades blandas en la sección de habilidades técnicas. “Trabajo en equipo” y “comunicación efectiva” no pertenecen ahí; si son relevantes, demuéstralas en los bullets de experiencia con ejemplos concretos.

No incluyas foto, estado civil, ni número de identificación a menos que el posting lo solicite explícitamente. En la mayoría de los mercados latinoamericanos esto ya no es estándar para roles tecnológicos.

Tampoco incluyas proyectos sin resultados. Un proyecto que solo dice “analicé datos de ventas con Python” no aporta información útil. Si no tienes un resultado numérico, describe el hallazgo o la decisión que habilitó el análisis.