Booking.com Data Scientist: CV, palabras clave y entrevista

Llevas meses mirando ofertas de Data Scientist y, de repente, aparece una en Booking.com. Parece perfecta, pero el CV que usas para startups locales no va a funcionar aquí. El mercado es global, la competencia es brutal y tu CV tiene 30 segundos para convencer a un reclutador en Ámsterdam o en cualquier otro hub remoto. No es el momento de mandar un CV genérico.

El objetivo es claro: pasar el primer filtro humano y el ATS (Applicant Tracking System) para llegar a la entrevista técnica. Booking.com no busca un perfil que lo haga todo, sino alguien que resuelva problemas de negocio específicos con datos. Tu CV y tu preparación deben reflejar eso.

El CV: traducir tu experiencia al lenguaje de Booking#

Tu CV es un documento de marketing, no tu biografía. Debe responder a una pregunta: ¿cómo has usado el machine learning y el análisis de datos para mejorar un producto o un resultado de negocio? Olvida las listas de tecnologías. Enfócate en el impacto.

Primero, optimiza para el ATS. Usa palabras clave directamente de la descripción del puesto. No inventes, pero sí adapta tu lenguaje. Si la oferta pide "A/B testing" y "causal inference", asegúrate de que esos términos aparezcan en tu CV si tienes esa experiencia.

Revisa siempre cómo se ve tu CV en un sistema de seguimiento de candidatos. Puedes usar una herramienta gratuita como el comprobador de CV para ATS para detectar problemas de formato o palabras clave que el software no reconoce.

El lenguaje del impacto: números y contexto

Booking.com vive de los datos. Cada experimento tiene un KPI. Tu CV debe reflejar esa mentalidad. No digas "mejoré el modelo". Di cuánto lo mejoraste y para qué sirvió.

Aquí tienes un ejemplo de cómo reescribir un punto de tu experiencia de forma genérica a una específica y con impacto, algo que una empresa como Booking valoraría.

Antes (genérico):

• Desarrollé un modelo de machine learning para predecir el churn de clientes.

Después (con impacto y contexto):

• Desarrollé y desplegué un modelo de gradient boosting para predecir el abandono de usuarios en el checkout, identificando el 85% de los casos de alto riesgo con 30 días de antelación. El modelo alimentó una campaña de retención por email que redujo el churn en un 4% en el segmento analizado.

La segunda versión es mucho más potente. Muestra la técnica (gradient boosting), el problema de negocio (abandono en checkout), el resultado (85% de recall) y el impacto final (4% de reducción de churn). Esto es lo que un hiring manager quiere ver.

Palabras clave para un puesto de Data Scientist en Booking

No pongas esto en una sección aparte. Integra estas palabras de forma natural en la descripción de tus proyectos y responsabilidades.

• Machine Learning (específica: gradient boosting, deep learning, NLP)
• Python (y sus librerías: Pandas, Scikit-learn, PyTorch/TensorFlow)
• SQL (fundamental, no es negociable)
• A/B Testing y Experimentación
• Inferencia Causal
• Métricas de producto (KPIs, conversión, retención)
• Despliegue de modelos (MLOps, Docker, Airflow)
• Análisis de datos a gran escala (Spark)
• Visualización de datos (Tableau, Looker, Matplotlib)

Usa un descodificador de descripciones de puesto para analizar las ofertas de Booking.com que te interesen y encontrar los términos exactos que ellos usan. Adapta tu CV para cada aplicación seria.

La entrevista: demostrar pensamiento estructurado#

Si tu CV funciona, el siguiente paso suele ser una conversación con un reclutador y luego una o varias entrevistas técnicas. El proceso varía, pero la estructura es bastante estándar en el sector tech.

No esperen que sepas todo. Quieren ver cómo piensas, cómo descompones un problema y cómo comunicas tus decisiones. La humildad y la curiosidad son tan importantes como el conocimiento técnico.

Las fases típicas del proceso

El camino suele ser más o menos este. Prepárate para cada etapa.

• Filtro inicial con el reclutador: Encaje cultural, motivaciones y expectativas salariales.
• Entrevista técnica (toma de caso): Un problema de negocio o de datos para resolver en una hora. Puede ser en vivo o como tarea para casa.
• Entrevista de código: Preguntas de SQL y Python. Aquí se evalúa tu fluidez y tu capacidad para escribir código limpio y eficiente.
• Entrevista de "fit" o de comportamiento: Preguntas tipo "cuéntame una vez que..." para evaluar tus habilidades blandas y cómo encajas en su cultura.
• Entrevista con el hiring manager: Una conversación más estratégica sobre el equipo, los proyectos y tu crecimiento.

Ejemplo de respuesta: una pregunta de producto

En la fase de caso, es común que te hagan preguntas de producto. No hay una respuesta correcta, pero sí una forma correcta de estructurarla.

Pregunta: "Los usuarios de nuestra app en el segmento de viajes de negocios están reservando menos hoteles con spa que el año pasado. ¿Cómo investigarías esto?"

Una respuesta estructurada podría ser:

"Mi primer paso sería validar la hipótesis con datos. Me aseguraría de que la caída es estadísticamente significativa y no un efecto estacional. Luego, segmentaría el análisis para ver si el descenso es global o se concentra en ciertos mercados, tipos de hotel o dispositivos.

Si la caída es real, investigaría tres frentes. Primero, el producto: ¿ha cambiado el flujo de reserva para hoteles con spa? ¿Hay un bug que dificulta la búsqueda o la reserva? Segundo, la competencia: ¿han lanzado competidores ofertas agresivas en este nicho? Tercero, el usuario: ¿ha cambiado el comportamiento de búsqueda? ¿Usan otros términos?

Para diagnosticar, usaría análisis de funnel para ver dónde se caen los usuarios, haría análisis de texto en las búsquedas y revisaría los logs de errores. Finalmente, propondría un A/B test para probar una hipótesis concreta, como simplificar el filtro de 'spa' o mostrar una recomendación más prominente en la página de resultados."

Esta respuesta muestra pensamiento lógico, conocimiento de herramientas de análisis y una mentalidad orientada a la acción y a la experimentación.

Expectativas salariales y el factor remoto#

Booking.com tiene oficinas en Ámsterdam, pero contrata en remoto en varios países de Europa. Los salarios varían mucho según la ubicación, la experiencia y el nivel. No creas cifras exactas que encuentres en internet sin más.

Los rangos reportados para un Data Scientist con unos años de experiencia suelen estar entre los 70.000 y 110.000 euros brutos anuales en Europa Occidental, pero esto es solo una referencia. El paquete total incluye acciones (RSUs), bonos y beneficios. Investiga en fuentes fiables como Glassdoor o Levels.fyi, pero siempre pregunta directamente en el proceso. La legislación y los costes de vida cambian. Verifica siempre la información oficial de la empresa o en portales de empleo actualizados. Puedes empezar mirando las ofertas de trabajo para ver qué se está pidiendo en el mercado ahora mismo.

Preguntas frecuentes#

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

No es un requisito excluyente, pero es muy común. Muchos candidatos tienen un máster o un doctorado en campos cuantitativos. Lo que realmente importa es que puedas demostrar proyectos sólidos y un profundo entendimiento de los fundamentos, tanto si lo has aprendido en la universidad como de forma autodidacta.

¿Cuánto dura el proceso de selección completo?

El proceso puede durar entre 4 y 8 semanas desde la primera llamada hasta la oferta final. Depende de la agendación de entrevistas y de la rapidez con la que se tomen las decisiones. Es un proceso riguroso, así que la paciencia es clave.

¿Las preguntas técnicas son muy teóricas?

Mezclan teoría y práctica. Pueden preguntarte sobre los fundamentos de un algoritmo, pero lo más probable es que te pidan que lo apliques a un caso de negocio real. La capacidad para explicar conceptos complejos de forma sencilla es tan importante como saber implementarlos.

¿Qué herramientas de MLOps usa Booking.com?

Booking es una empresa grande y los stacks tecnológicos pueden variar entre equipos. Lo seguro es que usan herramientas estándar de la industria para orquestación (como Airflow), contenedores (Docker) y monitorización de modelos. Enfócate en los principios de MLOps más que en una herramienta específica.

¿Cómo puedo destacar si no tengo experiencia en la industria de los viajes?

Es muy común. Los principios de Data Science son transferibles. Enfócate en mostrar cómo has resuelto problemas de negocio complejos en tu industria anterior. Demuestra curiosidad por el sector de los viajes: investiga sus KPIs, sus desafíos y sus oportunidades. Lee el blog de jobrise para estar al día de las tendencias del mercado laboral tech.