Airbnb Data Scientist: CV, palabras clave y entrevista

Llevas meses perfeccionando tu CV y tu perfil de GitHub, pero cada vez que aplicas a una oferta como Data Scientist en una gran tech, la respuesta es el silencio. El problema no es tu talento, es que un CV genérico no sobrevive al primer filtro de una empresa como Airbnb. Su proceso es específico y tu preparación debe serlo también.

No te voy a vender la idea de que es fácil. Las empresas tecnológicas con sede en EE. UU. como Airbnb contratan en España y Latinoamérica, pero el proceso sigue estándares globales muy altos. Esto es lo que necesitas saber para dejar de ser invisible y empezar a ser un candidato real.

Entiende el rol de Data Scientist en Airbnb#

Antes de tocar tu CV, olvida la definición genérica de "data scientist". En Airbnb, el rol se divide. Por un lado están los Data Scientist de Producto (Product Data Science), que trabajan directamente con los equipos de producto, diseño e ingeniería para medir el impacto de nuevas funcionalidades, diseñar experimentos (A/B tests) y entender el comportamiento de los usuarios. Su enfoque es muy práctico y orientado a métricas de negocio.

Por otro lado, están los Data Scientist más centrados en algoritmos y modelos de Machine Learning. Estos roles se parecen más a los de un ML Engineer y se enfocan en desarrollar sistemas de recomendación, modelos de pricing dinámico o sistemas de detección de fraude. Tu CV y tu preparación deben reflejar claramente a cuál de los dos perfiles te diriges. No puedes ser ambas cosas a la vez.

Cómo adaptar tu CV para el filtro automático (ATS)#

La mayoría de los CVs ni siquiera son leídos por una persona. Primero pasan por un sistema de seguimiento de candidatos (ATS) que busca palabras clave. Si no las tienes, estás fuera. Tu primer paso es descifrar qué busca Airbnb en sus ofertas de empleo.

Usa una herramienta como nuestro decodificador de descripciones de puesto para analizar las ofertas de Airbnb en la sección de empleo. Te dirá exactamente qué habilidades y términos son los prioritarios. Luego, asegúrate de que tu CV pase el filtro de compatibilidad con ATS para no ser descartado por errores de formato.

Tu CV debe ser un espejo de la descripción del puesto. No mientas, pero sí utiliza su vocabulario.

• Elimina el resumen personal genérico al principio. Opcionalmente, pon un breve titular con tu rol principal y años de experiencia.
• La sección de "Habilidades" debe ir al principio. Lista herramientas y técnicas: Python, R, SQL, Pandas, Scikit-learn, TensorFlow, PyTorch, Spark, Hive, Tableau, Looker, A/B testing, causal inference, experimentación.
• Cada punto de tu experiencia profesional debe empezar con un verbo de acción y cuantificar el resultado.
• Adapta cada punto usando las palabras clave que encontraste en la oferta de Airbnb.

Ejemplo de bullet point reescrito

Imagina que en tu CV original tienes esto:

• "Responsable del análisis de datos de usuarios."

Es vago y no dice nada. Ahora, mira esta versión adaptada para un rol de Data Scientist de Producto en Airbnb:

• "Lideré el análisis de la tasa de conversión para la nueva función 'Experiencias', utilizando SQL para extraer datos de 2M+ usuarios y Python para realizar un análisis de cohortes, lo que identificó un cuello de botella en el checkout y propuso una solución que aumentó la conversión en un 12% tras un A/B test."

La diferencia es abismal. La segunda versión muestra impacto, herramientas y metodología.

Las palabras clave que Airbnb realmente busca#

Aunque cada oferta es diferente, hay patrones claras. Las empresas de este calibre no buscan generalistas, buscan especialistas con bases sólidas.

• Habilidades Técnicas: Python (con sus librerías: Pandas, NumPy, Scikit-learn), SQL (es no negociable), R. Para roles más avanzados, Spark, Hive y herramientas de la nube (AWS, GCP).
• Estadística y Causalidad: A/B testing, inferencia causal, diseño de experimentos, significancia estadística. Esto es el pan de cada día en un rol de producto.
• Machine Learning: Regresión, clasificación, clustering, modelos de series temporales. Para roles de algoritmos, se esperan conocimientos de deep learning (TensorFlow, PyTorch) y sistemas de recomendación.
• Visualización y Comunicación: Tableau, Looker, Matplotlib. Pero más importante que la herramienta es la capacidad de contar una historia con los datos.

Preparándote para la entrevista#

El proceso de entrevistas en Airbnb es conocido por ser riguroso. Aunque no puedo darte las preguntas exactas, sí puedo decirte que se divide en varias etapas y que debes prepararte para cada una.

1. Entrevista técnica de SQL: Resolución de problemas complejos en un editor de código compartido. Practica con consultas que involucren múltiples tablas, funciones de ventana (window functions) y CTEs (Common Table Expressions).
2. Entrevista de coding en Python: Algoritmos y estructuras de datos, similar a lo que verías en LeetCode, pero con un enfoque en la manipulación de datos (Pandas) y la implementación de modelos de machine learning desde cero.
3. Entrevista de caso de negocio/producto: Te dan un problema de negocio real de Airbnb ("¿Cómo medirías el éxito de la nueva política de cancelación flexible?") y tienes que estructurar tu respuesta, definir métricas y proponer un plan de análisis.
4. Entrevista de comportamiento (Behavioral): Basada en sus valores fundamentales. Prepárate para hablar de situaciones pasadas usando el método STAR (Situación, Tarea, Acción, Resultado).

Ejemplo de respuesta para un caso de producto

Pregunta del entrevistador: "Airbnb está considerando introducir una nueva función que permite a los anfitriones ofrecer descuentos por estancias largas (más de 28 días). ¿Cómo medirías el éxito de esta nueva función?"

Una respuesta estructurada podría ser:

"Para medir el éxito, primero definiría el objetivo principal de la función. Supongamos que es aumentar el número de reservas de larga duración y mejorar la ocupación de los anfitriones.

Mi métrica principal (primary metric) sería la tasa de conversión de búsquedas a reservas para estancias de más de 28 días. Querría ver un aumento estadísticamente significativo en el grupo de tratamiento.

También vigilaría métricas secundarias para detectar efectos no deseados:

• Para los anfitriones: El ingreso promedio por noche en estancias largas vs. cortas. No queremos que el descuento sea tan alto que perjudique sus ganancias.
• Para los huéspedes: La satisfacción del huésped para estas estancias, medida a través de reseñas.
• Métricas de guardia (guardrail metrics): No debería haber una caída en el precio medio por noche (ADR) a nivel global ni un aumento en las cancelaciones de estas reservas.

El experimento sería un A/B test a nivel de anfitrión. Una mitad de los anfitriones elegibles vería la nueva función y la otra no. Mediría los resultados durante al menos 8 semanas para capturar el efecto completo de las estancias largas."

Consideraciones para el mercado de España y Latinoamérica#

La mayoría de los roles de Data Scientist en Airbnb se publican para sus oficinas en San Francisco, Nueva York o Seattle. Sin embargo, la contratación remota o en hubs europeos (como Dublín o París) es posible. Si aplicas desde España, sé consciente de que la competencia es global.

Las bandas salariales para un Data Scientist en Airbnb en EE. UU. pueden rondar los 150.000 - 200.000 USD anuales en total compensation (salario base más acciones y bonus), según datos públicos. Estas cifras varían mucho según la experiencia y la ubicación. Si te contratan en España, el salario será ajustado al mercado local y al nivel de vida, y será considerablemente más bajo en cifras brutas, aunque competitivo para el mercado europeo. Investiga siempre los rangos salariales actualizados para tu ubicación y nivel de experiencia. No hay garantías de visado, así que si la oferta es para EE. UU., infórmate bien sobre el proceso de visado H-1B o L-1 con un abogado especializado.

Herramientas gratis#

• chequeo ATS gratis
• decodificador de ofertas
• empleos
• blog

Preguntas frecuentes#

¿Qué perfil busca Airbnb para un Data Scientist?

Buscan perfiles con una base estadística muy sólida, excelente dominio de SQL y Python, y experiencia demostrable en el diseño y análisis de A/B tests. Para roles de producto, la habilidad para comunicar hallazgos a equipos no técnicos es tan importante como la técnica.

¿Cuánto tarda el proceso de selección en Airbnb?

El proceso completo puede durar entre 4 y 8 semanas. Incluye una llamada con el reclutador, una o dos entrevistas técnicas iniciales, una o más entrevistas de caso y una "onsite" (virtual o presencial) de varias horas con diferentes miembros del equipo.

¿Necesito un máster o un PhD para ser Data Scientist en Airbnb?

No es un requisito excluyente, pero es muy común. Muchos candidatos tienen un máster o un doctorado en campos cuantitativos como Estadística, Matemáticas, Informática o Economía. La experiencia profesional relevante y proyectos sólidos pueden compensar la falta de un título avanzado.

¿Es mejor aplicar a un rol de Data Scientist o de Machine Learning Engineer?

Depende de tus intereses y habilidades. Si te apasiona el análisis de datos, la experimentación y trabajar con equipos de producto para tomar decisiones, Data Scientist de Producto es tu rol. Si prefieres diseñar, entrenar y desplegar modelos complejos en producción, apunta a Machine Learning Engineer.

¿Cómo puedo encontrar las ofertas de empleo actuales de Airbnb?

La fuente más fiable es siempre la página de carreras oficial de la empresa. También puedes configurar alertas de empleo en portales de trabajo y filtrar por la compañía. Consulta nuestro portal de empleo para ver ofertas actualizadas en el sector tecnológico.