Saltar al contenido principal

210+ candidaturas de media por puesto de data analyst en 2026

Crea un CV Data Analyst que supere los filtros ATS

74% de las ofertas de datos filtran automáticamente por competencias analíticas y herramientas BI específicas que la mayoría de candidatos no destacan lo suficiente.

Descubre las palabras clave ATS esenciales, la estructura ideal y las estrategias probadas para CV de data analyst en 2026

Crear mi CV Data Analyst Ver las palabras clave esenciales
74%
De las ofertas de datos filtran
por herramientas y skills específicos
210+
Candidaturas de media
por puesto de data analyst
7 seg
Tiempo de escaneo ATS
medio en un CV de datos
32K€
Salario mediano
data analyst en España 2026

PALABRAS CLAVE ATS DATA

Las palabras clave que el ATS busca en un CV de data analyst

Los ATS no buscan solo «Excel». Escanean combinaciones de herramienta + método + contexto de negocio. Estas son las palabras clave más discriminantes por categoría.

SQL y Bases de datos

SQL es el filtro número 1 en los CV de data analyst. Los ATS verifican no solo la presencia de la palabra, sino también el nivel de complejidad asociado.

SQL PostgreSQL MySQL BigQuery Snowflake Redshift Joins complejos Window Functions CTE Consultas optimizadas Procedimientos almacenados NoSQL MongoDB Data Warehouse Data Lake ETL ELT dbt

Herramientas BI y Visualización

Las herramientas de Business Intelligence son marcadores de perfil. Cada herramienta que dominas abre un segmento de ofertas diferente.

Power BI Tableau Looker Metabase Google Data Studio Qlik Sisense Diseño de dashboards Seguimiento de KPI Data storytelling Informes automatizados Visualización interactiva DAX Medidas calculadas Modelado dimensional

Python y Programación Data

Python se ha vuelto casi obligatorio para los puestos de data analyst mid-senior. Los ATS filtran por librerías específicas.

Python Pandas NumPy Matplotlib Seaborn Plotly Jupyter Notebook Google Colab Scikit-learn Regresión Clasificación Clustering R Tidyverse ggplot2 API REST Web scraping Automatización

Competencias analíticas y de Negocio

Las palabras clave de negocio demuestran que no solo manipulas datos, sino que generas valor para la empresa.

Análisis exploratorio Análisis descriptivo Análisis predictivo A/B Testing Tests estadísticos Regresión lineal Segmentación de clientes Análisis de cohorte Funnel analysis ROI Churn LTV CAC NPS Data quality Data governance Data cleaning

Herramientas Cloud y Data Engineering

Los data analysts modernos interactúan con pipelines cloud. Estas competencias te diferencian del perfil «solo Excel».

Google BigQuery AWS Athena Azure Synapse Airflow Fivetran Stitch Talend Google Sheets avanzado Excel avanzado (Power Query, VBA) Git GitHub Notion Confluence RGPD Anonimización Data privacy

Consejo pro: habla el lenguaje del sector objetivo

Un data analyst de e-commerce y uno de finanzas no usan los mismos KPI. Si la oferta menciona «churn rate» o «funnel de conversión», esos términos deben aparecer en tu CV. Adapta tu vocabulario de negocio a cada candidatura. Saber más sobre palabras clave ATS.

ESTRUCTURA ÓPTIMA DEL CV DATA

Cómo estructurar tu CV Data Analyst

El orden de las secciones de un CV de data analyst influye directamente en tu puntuación ATS. Esta es la estructura que mejor funciona para perfiles analíticos.

01

Resumen analítico (3-4 líneas máx.)

Tu pitch orientado a datos. El reclutador debe identificar tu especialización, tus herramientas principales y tu impacto en el negocio de inmediato.

  • Años de experiencia + sector (marketing, finanzas, producto, RRHH...)
  • Herramientas clave: SQL + herramienta BI principal + Python si aplica
  • Impacto cuantificado: ahorros, ingresos, optimizaciones logradas
  • Volumen de datos: tamaño de datasets, número de fuentes
02

Competencias técnicas (herramientas por categoría)

Sección crítica para los ATS de datos. Organiza tus herramientas en categorías legibles que reflejen tu stack analítico.

  • Data: SQL (PostgreSQL, BigQuery), Python (Pandas, NumPy), R
  • BI y Visualización: Power BI, Tableau, Looker, Google Data Studio
  • Cloud: GCP, AWS, Snowflake, dbt
  • Otros: Excel avanzado, Git, Airflow, Google Sheets
  • Indica tu nivel real de SQL (joins complejos, window functions, CTE)
03

Experiencia profesional (insights e impacto)

Cada puesto debe demostrar que transformas datos en bruto en decisiones de negocio, no solo que ejecutas consultas.

  • Formato: Cargo | Empresa | Herramientas | Fechas
  • 3-5 viñetas por puesto centradas en el impacto de negocio de los análisis
  • Menciona el volumen de datos manejado (filas, fuentes, frecuencia)
  • Describe el proceso completo: recolección, limpieza, análisis, presentación
04

Proyectos data (portfolio)

Un portfolio de datos es un diferenciador potente. Demuestra que sabes llevar un análisis de principio a fin.

  • 2-3 proyectos con descripción del problema, enfoque y resultado
  • Incluye los datasets usados, la metodología y las visualizaciones
  • Enlaces a GitHub, Kaggle o artículos en Medium si están disponibles
  • Competiciones Kaggle o proyectos con datos abiertos muestran iniciativa
05

Formación y Certificaciones

Las certificaciones data son señales fuertes para los ATS, especialmente para perfiles en transición profesional.

  • Titulación, universidad, especialización en datos si aplica
  • Google Data Analytics Certificate, IBM Data Analyst, Microsoft Power BI
  • Formaciones en DataCamp, Coursera, Platzi si son significativas
  • Bootcamps de datos reconocidos (Ironhack, Le Wagon, etc.)
06

Soft skills analíticas (integradas, no listadas)

Las soft skills de un data analyst se demuestran en tus viñetas de experiencia, no en una lista aislada.

  • Pensamiento crítico y capacidad de cuestionar los datos
  • Comunicación de insights a interlocutores no técnicos
  • Rigor en la limpieza y validación de datos

ANTES Y DESPUÉS

Verdaderas transformaciones de CV data

Descubre cómo reformular tus experiencias en datos para maximizar el impacto ATS y convencer al hiring manager.

01 Resumen profesional

Antes (genérico)

Data analyst con experiencia en análisis de datos y reporting. Buen manejo de Excel y SQL. Busco un puesto estimulante en el área de datos.

Sin herramienta BI, sin especialización, sin cifras

Después (optimizado ATS)

Data Analyst especializado en e-commerce, 4 años de experiencia. Experto SQL (BigQuery) y Power BI. Diseño de 15+ dashboards monitorizados por dirección, identificando 280K€ de ahorro anual mediante análisis de recorridos de cliente sobre 2M+ de transacciones.

Especialización nombrada, herramientas precisas, impacto cuantificado

02 Viñeta de experiencia

Antes (vago)

Creé informes para el equipo de marketing a partir de los datos de clientes.

Sin herramienta, sin volumen, sin resultado

Después (optimizado ATS)

Diseñé un dashboard Power BI de análisis de cohorte sobre 800K usuarios, alimentado diariamente vía pipeline SQL (BigQuery + dbt). Reducción del churn en un 12% al identificar los segmentos de riesgo.

Herramienta BI, volumen de datos, pipeline, KPI impactado

03 Sección de competencias

Antes (débil)

Competencias: Excel, SQL, Python, análisis de datos, reporting, comunicación

Lista plana, sin profundidad, sin herramienta BI

Después (optimizado ATS)

SQL: PostgreSQL, BigQuery (Window Functions, CTE, consultas optimizadas) BI: Power BI (DAX, modelado), Tableau, Looker Python: Pandas, NumPy, Matplotlib, Jupyter Cloud: GCP, Snowflake, dbt, Airflow Negocio: A/B Testing, segmentación, funnel analysis, análisis de cohorte

Categorizado con nivel de detalle, herramientas + métodos + contexto

04 Proyecto data

Antes (insustancial)

Proyecto personal de análisis de datos con Python

Sin tema, sin dataset, sin resultado

Después (optimizado ATS)

Análisis predictivo de churn en telecomunicaciones (Kaggle): limpieza de 7K filas, feature engineering (Pandas), modelo logístico (Scikit-learn, AUC 0.87). Dashboard Tableau interactivo publicado en Tableau Public. Código y notebook en GitHub.

Tema claro, dataset, método, resultado cuantificado, enlaces

ERRORES COMUNES

Errores de CV Data Analyst que te eliminan

Estos errores clásicos hacen fracasar incluso a data analysts experimentados en el screening ATS.

Poner «dominio de Excel» sin especificar el nivel

Todo el mundo pone «Excel» en su CV. Los ATS buscan indicadores de nivel avanzado: Power Query, tablas dinámicas, VBA, Power Pivot. «Excel» a secas no genera ningún match relevante.

Solución: Especifica: «Excel avanzado (Power Query, Power Pivot, macros VBA, tablas dinámicas complejas)». O mejor: pasa a Power BI y menciona ambos.

Describir tareas en lugar de insights

«Creé informes semanales» no dice nada sobre tu valor analítico. Los ATS y reclutadores quieren ver el insight, la recomendación, el impacto en el negocio.

Solución: Fórmula tipo: «Identifiqué [insight] mediante [método/herramienta] sobre [volumen de datos], logrando [decisión/ahorro/ganancia] de [X%/K€]».

No mencionar SQL o mencionarlo sin contexto

SQL es el filtro binario más común para puestos de data analyst. Escribir simplemente «SQL» no basta; los reclutadores quieren saber tu nivel real.

Solución: Especifica el SGBD (PostgreSQL, BigQuery, Snowflake) y el nivel («Window Functions, CTE, consultas sobre tablas de 10M+ filas»). El contexto lo cambia todo.

Ignorar los volúmenes de datos

Analizar 100 filas en Excel y analizar 5M de filas en BigQuery no es el mismo trabajo. Los volúmenes señalan tu capacidad de escalado y activan matches ATS diferentes.

Solución: Menciona sistemáticamente: número de filas/fuentes, frecuencia de actualización, número de dashboards/usuarios.

No tener portfolio de datos

A diferencia de otros perfiles, los data analysts pueden mostrar su trabajo: dashboards en Tableau Public, notebooks en Kaggle, repositorios en GitHub. No hacerlo es desperdiciar una ventaja única.

Solución: Crea 2-3 proyectos visibles online. Publica un dashboard en Tableau, un notebook en Kaggle o un artículo en Medium analizando un dataset público.

EL ENFOQUE INTELIGENTE

Deja que JobAlign cree tu CV Data Analyst automáticamente

Deja de pasar horas adaptando tu CV de datos manualmente. JobAlign analiza cada oferta de datos y genera un CV optimizado en pocos minutos.

Detección de herramientas y KPI solicitados

La IA identifica cada herramienta BI, SGBD y KPI de negocio mencionado en la oferta y los hace corresponder con tu experiencia analítica.

Formato optimizado ATS

Diseño limpio de una sola columna con estructura adaptada a perfiles de datos. Garantizado para ser procesado correctamente por todos los ATS principales.

Único por candidatura

Cada CV se adapta al puesto de datos específico. Tu Power BI se destaca para una oferta BI, tu Python para una oferta de data science.

CV data en 1 clic

Indica «Data Analyst» y JobAlign genera un CV analítico completo con las herramientas adecuadas, KPI y tus experiencias reformuladas para la oferta objetivo.

Generar mi CV Data Analyst

Listo en menos de 3 minutos. Sin compromiso.

Guías de CV por profesión

CV Director de Proyectos

CV Director de Proyectos: palabras clave ATS, estructura y consejos para conseguir una entrevista.

CV Responsable de Marketing

CV Responsable de Marketing: palabras clave ATS, estructura y consejos para conseguir una entrevista.

CV Comercial

CV Comercial: palabras clave ATS, estructura y consejos para conseguir una entrevista.

CV Desarrollador de Software

CV Desarrollador de Software: palabras clave ATS, estructura y consejos para conseguir una entrevista.

CV Contable

CV Contable: palabras clave ATS, estructura y consejos para conseguir una entrevista.

CV Responsable de RRHH

CV Responsable de RRHH: palabras clave ATS, estructura y consejos para conseguir una entrevista.

CV Product Manager

CV Product Manager: palabras clave ATS, estructura y consejos para conseguir una entrevista.

FAQ

Preguntas frecuentes

Preguntas habituales sobre CV de data analyst y optimización ATS para datos.

¿Es necesario saber programar para ser data analyst en 2026?
SQL es imprescindible. Python es muy recomendable para puestos mid-senior. Los puestos junior aún pueden limitarse a SQL + Excel + herramienta BI, pero la tendencia apunta claramente hacia más programación. Menciona siempre tu nivel de SQL con precisión.
¿Power BI o Tableau? ¿Cuál poner en el CV?
Pon el que pide la oferta. Si no especifica, Power BI tiene más demanda en grandes empresas y en España, Tableau en startups y entornos anglosajones. Si dominas ambos, menciona los dos con un nivel diferenciado.
¿Cómo destacar entre cientos de candidaturas de data analyst?
Tres palancas: 1) Especialización sectorial («data analyst e-commerce», no solo «data analyst»), 2) Impacto cuantificado en cada viñeta de experiencia, 3) Portfolio visible (dashboards en Tableau Public, notebooks en GitHub, artículos en Medium).
¿Son necesarias las certificaciones de datos para pasar los ATS?
Ayudan significativamente, sobre todo para perfiles en transición profesional. Google Data Analytics Certificate, IBM Data Analyst y Microsoft Power BI son las más reconocidas. Los ATS las usan como cualificadores, no como filtros duros.
¿Qué extensión debe tener un CV de data analyst?
1 página idealmente, 2 páginas máximo para perfiles de 8+ años. La primera página debe contener tu stack de datos (SQL, BI, Python), tus 2 experiencias más relevantes y tu mayor impacto cuantificado. El portfolio puede ir como enlace.
¿Puede JobAlign crear un CV de data analyst adaptado automáticamente?
Sí. JobAlign importa tu perfil de LinkedIn, analiza la oferta de datos objetivo y genera un CV completamente personalizado y optimizado para ATS en menos de 3 minutos. Adapta automáticamente tus herramientas, KPI y vocabulario de negocio al puesto específico.

¿Listo para conseguir tu próximo puesto en datos?

Crea un CV de data analyst optimizado para ATS y adaptado a cada oferta en menos de 3 minutos.

Crear mi CV Data Analyst

CV personalizado «Data Analyst» listo en 3 min. 88% de tasa de superación ATS.