Amazon Data Analyst: CV, palabras clave y entrevista

No consigues que tu perfil de analista de datos pase el primer filtro en Amazon. Es frustrante, lo sé. El proceso es conocido por ser exigente y estandarizado, y un CV genérico no tiene ninguna oportunidad. No es una cuestión de suerte, sino de entender qué buscan y cómo lo buscan. Aquí no hay magia, solo trabajo previo y estrategia.

Vamos a desglosar qué necesitas para llegar a la entrevista y qué esperar una vez dentro. Hablaremos de tu CV, de las palabras clave que realmente importan y de cómo estructurar tus respuestas.

Cómo ajustar tu CV para que lo lean#

Tu CV no es un resumen de tu vida laboral. Es un documento de marketing. Para Amazon, debe hablar un idioma muy específico. Lo primero es entender que probablemente pasará por un sistema de seguimiento de candidatos (ATS). Si no contiene las palabras clave correctas, un humano nunca lo verá. Puedes usar una herramienta como el analizador de CVs para ATS para ver cómo puntúa tu documento.

La clave está en las "Leadership Principles". Son 16, pero no tienes que demostrar los 16 en cada línea. Céntrate en los más relevantes para un analista: Customer Obsession, Ownership, Dive Deep, Insist on the Highest Standards y Bias for Action. Tu CV debe gritar estos principios a través de ejemplos concretos, no enumerándolos.

Para encontrar las palabras clave exactas, no adivines. Usa un descodificador de ofertas de empleo para analizar las descripciones de puestos de Amazon Data Analyst que te interesen. Te dará una lista de habilidades técnicas y blandas que repiten.

Ejemplo práctico: reescribir una línea del CV#

Un error común es describir tareas. Amazon quiere ver impacto. Vamos a transformar una línea típica.

Antes:

• Encargado de crear informes semanales de ventas en Tableau.

Después:

• Identifiqué un error de 15% en el cálculo de comisiones de vendedores (Dive Deep), diseñé y desplegué un dashboard en Tableau que corrigió el proceso, recuperando 50.000€ en pagos incorrectos en el siguiente trimestre (Ownership, Customer Obsession).

La diferencia es obvia. La segunda versión muestra iniciativa, pensamiento analítico y un resultado medible. No dice "fui proactivo", lo demuestra.

Tu lista de comprobación antes de enviar el CV#

Antes de apretar el botón de "Enviar", revisa estos puntos:

• ¿Cada experiencia laboral demuestra al menos uno de los Leadership Principles con un ejemplo concreto?
• ¿Has incluido las palabras clave técnicas que aparecen en la oferta (SQL, Python, Redshift, QuickSight, etc.)?
• ¿Los resultados están cuantificados? Usa porcentajes, cifras de dinero o ahorro de tiempo.
• ¿El formato es limpio, sin columnas complicadas ni gráficos que el ATS no pueda leer?
• ¿Has personalizado el CV para la oferta específica, o es el mismo para todas?

Qué esperar en la entrevista#

Si tu CV pasa el filtro, el siguiente paso es la entrevista. El proceso suele tener varias fases: una llamada con un reclutador, una o dos rondas técnicas y una o más rondas de entrevistas de principios (las famosas "loop interviews").

Las entrevistas técnicas no son un examen de memoria. Quieren ver cómo piensas. Te pueden poner un caso de negocio realista: "Tenemos un aumento del 20% en los artículos devueltos en la categoría de electrónica en Alemania. ¿Cómo investigarías el problema?". No buscan la respuesta perfecta, sino tu proceso. Debes estructurar tu respuesta: aclarar suposiciones, definir métricas, proponer un plan de análisis y explicar qué harías con los resultados.

Las entrevistas de principios se basan en el método STAR (Situación, Tarea, Acción, Resultado). Prepárate con al menos dos ejemplos por cada Leadership Principle importante. No uses ejemplos vagos. Sé específico.

Ejemplo de respuesta en entrevista#

Pregunta: Cuéntame una vez que tuviste que tomar una decisión con datos incompletos (Bias for Action).

Respuesta (estructura STAR):

• Situación: En mi anterior empresa, detectamos una caída súbita del 10% en la tasa de conversión de la web un viernes por la tarde. No teníamos datos de analítica web granulares para ese día aún.
• Tarea: Mi jefe necesitaba una recomendación para el lunes: revertir el último cambio o mantenerlo.
• Acción: En lugar de esperar a tener todos los datos, tomé una muestra pequeña pero representativa de las sesiones de usuario de las últimas 4 horas con un script rápido en Python. Analicé el comportamiento en el funnel y vi que el abandono ocurría en el nuevo paso de "selección de envío". Con esa evidencia parcial pero clara, recomendé revertir el cambio.
• Result: Se revirtió el cambio el sábado por la mañana. La conversión volvió a la normalidad el lunes. Mi jefe valoró que actué rápido evitando una pérdida de ventas de todo el fin de semana.

Esta respuesta muestra Ownership, Dive Deep y Bias for Action sin usar esas palabras. Es creíble y detallada.

El contexto del mercado laboral#

Las ofertas para Amazon Data Analyst en España suelen centrarse en sus centros de operaciones y tecnología en Madrid y Barcelona. En Latinoamérica, los hubs principales están en México, Costa Rica y Brasil. Los rangos salariales varían mucho según el país, la experiencia y el nivel del puesto (L4, L5, etc.). Te recomiendo buscar en portales especializados para tener una idea, pero ten en cuenta que son datos autodeclarados. Lo oficial te lo dirá el reclutador.

El mercado es competitivo. No solo compites con gente de tu país, sino con candidatos de toda la región. Por eso, la preparación y la personalización de tu candidatura son más importantes que nunca. Revisa las ofertas actualizadas en el portal de empleo para ver qué perfiles piden ahora mismo. Y si quieres seguir profundizando en estrategias de búsqueda, el blog de jobrise tiene más recursos.

Preguntas frecuentes#

¿Qué nivel de experiencia piden para un puesto de Data Analyst en Amazon?

Suelen buscar desde analistas junior (L4) hasta perfiles senior (L5 y L6). Para un L4, a veces vale con 1-2 años de experiencia y proyectos sólidos. Para roles más altos, piden 3-5 años demostrando impacto y liderazgo técnico. La titulación es relevante, pero la experiencia práctica y el encaje cultural pesan más.

¿Es obligatorio saber Python y SQL?

Sí. SQL es innegociable para cualquier rol de analista de datos en Amazon. Python (o a veces R) es muy común, especialmente para análisis más complejos, automatización y trabajo con grandes volúmenes de datos. Conocer su ecosistema de BI (como QuickSight) es un plus, pero no siempre un requisito excluyente.

¿Cuánto tarda el proceso de selección desde que envío el CV?

Es muy variable. Puede ir desde tres semanas hasta dos o tres meses. Depende de la urgencia de la contratación, del número de candidatos y de la coordinación entre entrevistadores. No dudes en preguntar plazos al reclutador en la primera llamada.

¿Las entrevistas de principios son tan importantes como las técnicas?

Absolutamente. Son igual de importantes, y en muchos casos, decisivas. Puedes ser un genio técnico, pero si no demuestras que vives los Leadership Principles, no te contratarán. La cultura de Amazon es muy fuerte y buscan un encaje perfecto.

¿Puedo aplicar a varias ofertas de Data Analyst a la vez en Amazon?

Sí, puedes, pero hazlo con cabeza. Si aplicas a 10 puestos muy diferentes, puede dar la impresión de que no tienes un perfil claro. Es mejor enfocarse en 2 o 3 ofertas que se ajusten bien a tu experiencia y personalizar cada solicitud. El reclutador verá todas tus aplicaciones.