CV de Data Analyst: ejemplos y palabras clave para 2026

Tu CV de Data Analyst no recibe respuesta. Lo envías a decenas de ofertas en LinkedIn y portales, pero el silencio es la única constante. El problema no es tu experiencia, es cómo la presentas a los sistemas automáticos y a los reclutadores. Este artículo te da la estructura, las palabras clave y los ejemplos exactos para que tu currículum pase el filtro y llegue a una entrevista en 2026.

La estructura que funciona para analistas de datos#

Olvida los diseños creativos con columnas, gráficos o fotos. Para un rol técnico como Data Analyst, la claridad y la compatibilidad con sistemas ATS (Applicant Tracking System) lo son todo. Usa un diseño de una sola columna, con un formato cronológico inverso (tu trabajo más reciente primero).

La estructura básica debe incluir: Nombre e información de contacto, un resumen profesional breve, experiencia laboral, habilidades técnicas y educación. Si tienes certificaciones relevantes, como las de Google, IBM o herramientas específicas, añádelas en una sección propia. El objetivo es que un reclutador pueda escanear tu perfil en 10 segundos y entender qué haces, qué herramientas dominas y qué resultados has logrado.

Palabras clave que los sistemas ATS buscan#

Los sistemas ATS filtran CVs basándose en la coincidencia de palabras clave con la descripción del puesto. Tu trabajo es decodificar esas ofertas. Para ello, puedes usar una herramienta como nuestro decodificador de descripciones de empleo para extraer los términos clave de cada oferta. Luego, intégralos de forma natural en tu CV.

Aquí tienes una tabla con las palabras clave más demandadas para 2026, divididas en categorías. No las pongas todas; elige las que coincidan con tu perfil y con la oferta.

Cómo transformar tus logros con métricas#

La sección de experiencia no es un listado de tareas. Es una galería de tus impactos. Cada bullet debe demostrar cómo usaste tus habilidades para generar un resultado medible. La fórmula es: Acción + Contexto + Resultado Cuantificable.

Aquí tienes tres ejemplos de cómo transformar bullets genéricos en declaraciones de impacto.

Ejemplo 1: Análisis de ventas

• Antes: Realizaba informes de ventas mensuales.
• Después: Automaticé 5 informes de rendimiento de ventas en Tableau, reduciendo el tiempo de generación de 8 a 2 horas semanales y proporcionando datos en tiempo real al equipo comercial.

Ejemplo 2: Limpieza de datos

• Antes: Limpiaba bases de datos de clientes.
• Después: Desarrollé un script en Python (Pandas) para limpiar y deduplicar una base de datos de 2M de registros de clientes, mejorando la precisión de la segmentación en un 15%.

Ejemplo 3: Test A/B

• Antes: Participé en tests A/B para la web.
• Después: Analice los resultados de 12 tests A/B para la página de checkout, identificando un cambio de diseño que aumentó la tasa de conversión en un 7,2%.

Para inspirarte con más ejemplos de cómo estructurar estas frases, puedes buscar en nuestro blog más artículos sobre redacción de currículums.

Adaptar tu cv: junior vs. senior#

No es lo mismo tu primer empleo que tener ocho años de experiencia. Tu CV debe reflejarlo.

Si eres junior o cambias de carrera:

• Usa un objetivo o resumen profesional al inicio que destaque tu formación, certificaciones y entusiasmo por los datos.
• La sección de "Proyectos" es tu mejor amiga. Incluye proyectos personales, de bootcamps o de cursos (como los de Kaggle). Describe el problema, las herramientas que usaste (SQL, Python, Power BI) y el resultado.
• Pon la sección de "Educación" y "Habilidades" antes que la experiencia laboral, especialmente si esta no es relevante.

Si eres senior:

• Empieza con un "Resumen Profesional" de 3-4 líneas que resuma tus años de experiencia, tus especializaciones (ej. "experto en modelado de datos para e-commerce") y tus logros más impactantes.
• La experiencia es el rey. Cada puesto debe tener 4-6 bullets enfocados en resultados de negocio, no solo en tareas técnicas.
• No necesitas listar cada herramienta básica. Concéntrate en las avanzadas y en las metodologías complejas que has implementado.

Checklist final antes de enviar tu cv#

Pasa esta lista antes de apretar "enviar".

• ¿El archivo es .docx o .pdf? (Revisa la oferta, a veces piden uno específico).
• ¿Usas un diseño limpio de una sola columna?
• ¿Incluyes las palabras clave técnicas de la descripción del empleo?
• ¿Cada bullet de experiencia empieza con un verbo de acción fuerte?
• ¿Tus logros están cuantificados con números, porcentajes o escalas de tiempo?
• ¿Revisaste la ortografía y la gramática al menos dos veces?
• ¿El tamaño de letra es legible (10-12pt) y los márgenes son correctos?

Una última recomendación: antes de enviar, usa nuestro verificador de CVs gratuito para comprobar la compatibilidad con sistemas ATS. Te dará un reporte de posibles mejoras.

Herramientas gratis#

• jobrise.io/es/free-ats-checker/
• jobrise.io/es/free-jd-decoder/
• jobrise.io/es/jobs/
• jobrise.io/es/blog/

Preguntas frecuentes#

¿Debo poner una foto en mi CV de Data Analyst?

Para empresas en España, es común y generalmente aceptado. Sin embargo, para empresas internacionales o estadounidenses, mejor omítela. Investiga la cultura de la empresa. Si tienes dudas, no incluirla es la opción más segura y universal.

¿Qué hago si no tengo experiencia laboral formal en análisis de datos?

Enfócate en los proyectos. Crea una sección "Proyectos de Análisis de Datos" y describe trabajos de cursos, bootcamps, Kaggle o iniciativas personales. Detalla el problema, las herramientas que usaste (SQL, Python, Power BI) y el resultado o el insight que descubriste.

¿Cuántas páginas debe tener mi CV?

Una página es el estándar ideal para perfiles junior y mid-level (hasta 7-8 años de experiencia). Dos páginas son aceptables para perfiles muy senior con una trayectoria extensa y relevante. Siempre prioriza la calidad y la relevancia sobre la cantidad.

¿Es necesario incluir un enlace a mi portafolio o GitHub?

Sí, es muy recomendable, especialmente si tienes proyectos que demuestran tus habilidades. Un portafolio con dashboards en Tableau Public o un GitHub limpio con tus scripts en Python o R es una prueba directa de tu capacidad técnica.

¿Cómo describo herramientas que conozco pero no domino a nivel experto?

Sé honesto. Puedes usar términos como "conocimiento práctico de...", "experiencia con..." o "familiaridad con...". Evita poner herramientas en la lista de "habilidades" si solo has leído sobre ellas, ya que podrían preguntarte por ellas en una entrevista.