Currículums por puesto
Data analyst: tools en Skills, decisiones en Experiencia
Lista SQL, Python y tools de BI bajo un título Skills que Workday pueda mapear. Pon la pregunta de negocio, el grain de los datos y la decisión en las viñetas de Experiencia. Un enlace a GitHub es extra; Greenhouse puede no abrirlo. No vuelques cada librería en cada línea.
Redactado por EnhanceCV Editorial Team·Revisión editorial: CPRW
Publicado 27 de agosto de 2026·Última actualización 27 de agosto de 2026
Puntos clave
- · Skills guarda el stack: SQL, Python, dbt, Tableau, Power BI, Looker, Excel — palabras que Greenhouse teclea de verdad.
- · Experiencia guarda la pregunta: métrica, grain, audiencia y qué cambió después del dashboard o la query.
- · Workday guarda una URL si es texto en el cuerpo. No clona tu repo ni ejecuta el notebook.
- · Business analyst vs data analyst es otra oferta. Copia los sustantivos que de verdad usaste; no intercambies cargos.
- · Una columna, comprueba el parseo. Reconstruye en el editor Enhance CV si SQL no llegó a Skills.
SQL en Skills, la pregunta de negocio en Experiencia
Punto clave: Los reclutadores hacen grep de SQL. Los hiring managers preguntan qué decisión cambió el dashboard. Separa esos trabajos en la página.
Las ofertas de analyst en Greenhouse casi siempre listan SQL en la primera pantalla. El matching de skills de Workday en bancos, retail y sanidad hace lo mismo. Si SQL solo aparece dentro de una viñeta densa sobre “analizar grandes datasets”, algunos extractos no lo tokenizan como skill. Pon SQL, el warehouse (Snowflake, BigQuery, Redshift, Databricks SQL) y la tool de BI bajo un título Skills. Luego escribe viñetas que partan de una pregunta que el negocio hizo, no de una lista de joins.
Una viñeta útil nombra la métrica, el grain, quién la consumía y un resultado que puedes defender: “Dashboard semanal de stockout a nivel SKU en Tableau para 12 planners; tras el lanzamiento, los PO de emergencia bajaron de 9 por semana a 4 (ops stand-up, T1 2025).” Eso es análisis. “Usé SQL, Python y Tableau para generate insights” es un dump de tools que podría ir en el archivo de cualquiera. El stack va una vez en Skills y una vez, ligero, en la línea que lo usó — el mismo corte que un currículum de ingeniero de software.
Alinea el título solo si es verdad. El trabajo de business analyst (requisitos, process maps, UAT) no es sinónimo de escribir SQL de warehouse. Data analyst no es automáticamente “data scientist”. Si la oferta dice Data Analyst y tu badge decía Business Analyst, puedes escribir “Business Analyst (reporting SQL / Tableau)” cuando ese era el trabajo — no inventes PyTorch. Workday guarda el campo de cargo; el hiring manager sigue leyendo las viñetas. Adaptar a la oferta es copiar sustantivos que puedes demostrar, no restylear el badge.
Qué copiar de la oferta
- Warehouses y BI: Snowflake, BigQuery, Redshift, Synapse, Tableau, Power BI, Looker, Qlik, Excel Power Query.
- Lenguajes y transforms: SQL, Python, R, dbt, Airflow — solo si los escribiste o fuiste dueño.
- Sustantivos de dominio: LTV, churn, census, claims, SKU, funnel, A/B — las palabras que ya usa su Slack.
- No pegues toda la lista “nice to have”. Los humanos lo notan. En la entrevista te pedirán una window function.
Dos tracks — product analytics y analyst de FP&A — son dos archivos. LinkedIn puede ser más ancho. La subida a Workday no. Listas sin stuffing: keywords y skills.
Qué hace Workday con GitHub, Tableau y un dump de tools
Punto clave: Una URL es texto. Un notebook no es un historial laboral. Las barras de Python no mapean a un campo de proficiency que los reclutadores crean.
El flujo de Workday parsea contacto, empleadores, fechas, formación y un cubo de skills. Una URL de GitHub en el cuerpo puede caer en un campo web o en el blob. Rara vez clonan el repo desde el ATS. Quizá cliquen LinkedIn. Pon la URL una vez junto a LinkedIn y prueba el trabajo en viñetas: “modelos dbt del mart de orders, PRs en GitHub, build diario en Airflow.” Si la única prueba es el enlace, la búsqueda de Greenhouse de “dbt” puede perderte.
Los enlaces a Tableau Public y Looker Studio tienen el mismo límite. Ayudan a un humano después de encontrarte. No sustituyen “SQL” bajo Skills. Las capturas de dashboards embebidas en un archivo de dos columnas son fotos — ver dos columnas ATS. Escribe el nombre del dashboard, el grain y la audiencia.
Los dumps de tools en cada viñeta (“SQL, Python, Pandas, NumPy, Seaborn, Tableau, Excel”) desplazan la decisión. Greenhouse indexa las palabras, pero el hiring manager deja de leer. Stack en Skills. Uno o dos sustantivos en la viñeta. Taleo es peor si el dump vive en un cuadro de texto. Títulos estándar: Experiencia laboral, Formación, Skills, Proyectos (opcional, bootcamp o clase con fechas). Currículum ATS y formato Workday.
Proyectos vs empleos
- Trabajo pagado primero, cronología inversa, fechas mes–año que Workday ordene.
- Proyectos seleccionados solo si usan el stack de la oferta y puedes demostrarlos. Fecha el proyecto.
- Las listas de asignaturas son débiles. “Capstone: SQL sobre 50k filas, Looker studio para un equipo mock de merchandising” es una viñeta.
- El rank de Kaggle es opcional y fácil de vender de más. Prefiere una pregunta de negocio que formulaste.
Archivo: PDF seleccionable o .docx. PDF o Word. Tras exportar, comprobador ATS. Luego lee el autofill para que SQL no desaparezca de Skills.
Reescribe líneas de analyst: tres transformaciones
Punto clave: SQL y dashboards son prueba solo cuando responden una pregunta. Copia el patrón. Conserva tu warehouse y tus cifras.
Tres ediciones constantes: ops retail, funnel de marketing, close de finanzas. Si no puedes nombrar la decisión, la línea sigue siendo un dump de tools.
Antes
Usé SQL y Tableau para analizar datos y construir dashboards para stakeholders.
Después
Escribí SQL en Snowflake para un extract diario de stockout SKU-ubicación; dashboard Tableau usado por 12 planners en el stand-up de ops de las 8:30; los PO de emergencia bajaron de 9/semana a 4 en T1 2025.
Antes
Realicé análisis de datos en Python para generate insights y apoyar la toma de decisiones.
Después
Python + pull de BigQuery de paid search por campaña (grain: día × campaña); Looker studio para Growth; pausé 6 campañas con CAC por encima de 80 $ tras la revisión a 14 días (mar 2025).
Antes
Responsable de reporting y de trabajar con grandes datasets en todo el negocio.
Después
Dueño del puente de revenue de cierre de mes en Excel + SQL Server (grain: SKU × canal); acorté las preguntas de finanzas de ~2 días a same-day en el Slack de close (seis cierres, 2025).
¿Sin warehouse de producción? Escribe el grain de clase o prácticas con honestidad: “dataset de curso de 50k filas en PostgreSQL, dashboard para un brief mock de merchandising.” Sigue parseando SQL. Inventar tenure en Snowflake no. Más métricas honestas: logros. Oficio de línea: viñetas.
Tres a cinco viñetas en el asiento más relevante. Empleos de reporting viejos pueden comprimirse a dos líneas más fechas. Una lista de dos páginas de cada pull ad-hoc es cómo no se lee el dashboard de stockout.
Playbook de 12 pasos: un dashboard, una query, una decisión
Punto clave: No empieces listando librerías. Empieza por el warehouse de la oferta y una decisión que aún puedas nombrar.
Noventa minutos. Oferta, último dashboard que enviaste, una query que aún puedas correr o pegar como texto. Escribe en el editor Enhance CV si quieres títulos que Workday ya mapea.
- Rodea SQL, warehouse, tool de BI, Python/R y sustantivos de dominio en la oferta.
- Archivo nuevo. Nombre, ciudad/región, teléfono, email, LinkedIn, URL opcional de GitHub en el cuerpo — no en una forma de encabezado.
- Titular: cargo verdadero más dominio (product analyst, finance analyst) si es verdad — no “data wizard”.
- Empleos en cronología inversa. Empresa, cargo, ciudad, mes–año.
- Bajo el rol más relevante, ocho viñetas sucias: preguntas que respondiste, no tools que tocaste.
- Borra listas de librerías. Quédate con métrica, grain, audiencia, tool, resultado.
- Reescribe las conservadas: verbo + objeto + warehouse o BI + decisión o cambio de tiempo.
- Skills agrupadas: lenguajes, warehouses, BI, métodos (A/B, forecasting) que puedas defender. Sin estrellas.
- Formación: título, centro, año. Bootcamp como formación o un bloque de proyectos fechado, no un empleador falso.
- Proyectos opcionales: dos como máximo, fechados, mismo stack que la oferta.
- Exporta texto seleccionable. Confirma que SQL se marca bajo Skills.
- Pega currículum + oferta en el comprobador ATS. Sube a Workday o Greenhouse y lee el autofill de Skills.
El resumen al final: cargo, años, dominio, un dashboard o query con resultado. Ejemplos de perfil para la forma. No pegues el 40% de lift de otra persona.
BA vs DA: si aplicas a BA, abre con requisitos, proceso, UAT y SQL solo como apoyo de reporting. Si aplicas a DA, abre con SQL de warehouse y BI. Un archivo que reclama ambos por igual suele fallar los dos filtros de Greenhouse.
Haz esto, evita aquello
Punto clave: Las plantillas de analyst fallan cuando optimizan una caja de tools. Workday y los hiring managers optimizan una pregunta más un stack que puedan buscar.
Filtro de escritorio. Si no está en la tabla: ¿podrías recrear la query o el dashboard en una pantalla de 45 minutos?
Prueba de analyst parseable vs. teatro de toolbox
| Tema | Haz | Evita |
|---|---|---|
| SQL | Bajo Skills y en la viñeta que lo usó. | Enterrado solo dentro de “analicé datos”. |
| Dashboards | Nombre, grain, audiencia, qué cambió. | Un collage de capturas en un sidebar. |
| GitHub | URL en el cuerpo más una viñeta que nombra el trabajo del repo. | Solo el enlace, sin fechas ni grain. |
| Python | Si escribiste código de análisis en producción o bien documentado. | Un dump de librerías que importaste una vez en un notebook. |
| Cargo | Badge verdadero; paréntesis si el trabajo se solapaba. | Data scientist en un asiento solo de Excel. |
| Layout | Una columna, títulos mapeados. | Nubes de tools a dos columnas y medidores de skills. |
Bootcamps: fecha el programa bajo Formación. Pon dos proyectos con grain y tools bajo Proyectos o bajo un bloque tipo capstone con fechas. No listes el bootcamp como tres empleadores. Currículum de estudiante y sin experiencia si el trabajo pagado es flaco.
Casos límite: BA vs DA, bootcamp, sin acceso a producción
Punto clave: El corte se mantiene: stack en Skills, decisión en Experiencia. Solo cambia cuán honesto es el grain.
Ofertas de business analyst. Requisitos, workshops, scripts de UAT, process maps. SQL y Tableau solo si construiste el reporte. No compitas como analyst de warehouse con un archivo solo de BA — ni como BA con un archivo puro de SQL. Elige la requisition.
Sin acceso a producción. El grain de prácticas y de clase vale si está etiquetado. “Base PostgreSQL de clase, 50k filas, Looker studio para un brief mock de merchandising” es mejor que insinuar ownership de Snowflake.
Datos sensibles. No publiques hechos a nivel cliente. Usa grain y nombres de sistema: “extract a nivel claims en SAS, formado en HIPAA.” El sustantivo de la oferta (claims, HIPAA) sigue yendo en texto.
Cambio desde ops o finanzas. Conserva cargos verdaderos. Muestra el primer SQL o dashboard con fechas. Cambio de carrera. No escondas las fechas del empleo viejo en una nube funcional.
Si hay dos dashboards, quédate con el que puedes reconstruir en un screen de 45 minutos: grain, warehouse, audiencia y la decisión que siguió. Un tablero de stockout SKU-semana en Tableau gana a “insights para stakeholders”. Si no puedes nombrar el stand-up que lo usó, la línea sigue siendo un dump de tools. SQL bajo Skills para que Workday lo tokenice; la viñeta lleva la pregunta.
GitHub y Tableau Public ayudan después de que te encuentren. No sustituyen fechas de trabajo pagado. La URL una vez en el cuerpo, luego el mart, el PR o el notebook en una viñeta con fecha. Greenhouse buscando dbt pierde un archivo que solo es un link.
Hoy: una oferta, tres viñetas con grain y una decisión, puntúa, sube, lee Skills. Enhance CV vuelve al editor y al checker.
Preguntas frecuentes
¿SQL va en Skills o en cada viñeta?
En Skills como título mapeado, y una vez en las viñetas que de verdad lo usaron. Repetir SQL, Python y Tableau en cada línea desplaza la pregunta de negocio que los lectores de Greenhouse terminan.
¿Workday abre mi GitHub?
Casi nunca. Puede guardar la URL como texto. Pon el enlace en el cuerpo y describe modelos dbt, PRs o notebooks en una viñeta con fechas. La búsqueda sigue necesitando los nombres de tools en el extracto.
¿Cómo muestro Tableau o Power BI sin capturas?
Nombra el dashboard, el grain, la audiencia y un resultado. Las capturas en columnas suelen fallar el parseo. Un enlace público es extra para humanos, no un sustituto de Skills.
¿Business analyst vs data analyst en el currículum?
Usa el badge que tuviste. Un paréntesis solo cuando el trabajo se solapaba de verdad. Aplicar a ambos con un archivo híbrido suele perder los dos filtros. Dos subidas adaptadas.
¿Puedo listar cada librería de Python?
No. Lista Python bajo Skills si lo escribes, y nombra Pandas o PySpark en una viñeta solo si lo demostrarías. Un dump de 15 librerías parece un temario.
¿Dónde van los proyectos del bootcamp?
Formación para las fechas del programa, luego dos proyectos fechados con grain y tools — o un bloque capstone con fechas. No inventes empleadores. El gráfico de empleo de Workday debe seguir siendo honesto.
¿Es segura una plantilla de analyst de dos columnas?
No para Workday o Greenhouse. Las nubes de tools en un rail suelen tirar SQL de Skills. Una columna. Ver dos columnas ATS.
¿Cómo comprobar el archivo antes de aplicar?
Selecciona todo en el PDF y luego el comprobador ATS de Enhance CV contra la oferta. Tras subir, lee el autofill de Workday o Greenhouse para Skills, empleadores y fechas. Corrige vacíos antes de Submit.
Escribe el siguiente borrador de analyst en un layout que el parser ya mapea
Abre el editor Enhance CV, conserva sustantivos reales de warehouse y BI, y corta los dumps de librerías. Puntúa contra la oferta y sube a Workday o Greenhouse.