Empleos de Data Analyst en Barcelona 2026: Guía Práctica

Estás mirando ofertas de Data Analyst en Barcelona y todas piden lo mismo: SQL, Power BI, Python, inglés, experiencia en negocio, “mentalidad data-driven” y, por supuesto, 3 años de experiencia para un puesto junior. Si te suena, tranquilo: no estás solo. La buena noticia es que en 2026 Barcelona sigue siendo una de las mejores ciudades de España para entrar o crecer en datos, pero necesitas una estrategia clara para no perderte entre portales, pruebas técnicas y entrevistas eternas.

Empleos de Data Analyst en Barcelona 2026: Guía Práctica#

Barcelona tiene una mezcla muy interesante para perfiles de análisis de datos: startups, multinacionales, consultoras, ecommerce, gaming, fintech, movilidad, retail y centros tecnológicos de empresas grandes.

Esto significa más opciones, pero también más competencia. Un Data Analyst que sepa traducir datos en decisiones de negocio puede moverse entre sectores y negociar mejor.

En esta guía vamos a aterrizar lo importante:

1. Qué hace realmente un Data Analyst en Barcelona.
2. Qué salarios puedes esperar en 2026.
3. Qué habilidades están pidiendo empresas como Glovo, Cabify, BBVA, Telefónica o Inditex.
4. Cómo preparar tu CV, portfolio y entrevistas.
5. Dónde buscar ofertas sin perder horas.

Qué hace un Data Analyst en Barcelona en 2026#

Un Data Analyst no es solo alguien que “hace dashboards”. Esa es la parte visible. Lo importante es que ayuda a equipos de producto, marketing, operaciones, finanzas o ventas a tomar mejores decisiones.

En una empresa de ecommerce, por ejemplo, puedes analizar por qué cae la conversión en móvil. En una fintech, puedes estudiar patrones de abandono. En una empresa como Glovo, podrías mirar tiempos de entrega, zonas con más demanda o eficiencia operativa.

Las tareas más típicas son:

• Extraer datos con SQL.
• Limpiar y transformar datos.
• Crear dashboards en Power BI, Tableau, Looker o similares.
• Analizar métricas de negocio.
• Presentar conclusiones a equipos no técnicos.
• Medir experimentos A/B.
• Detectar oportunidades de mejora.
• Automatizar informes repetitivos.

La diferencia entre un perfil medio y uno muy bueno no está solo en saber programar. Está en hacer buenas preguntas.

Por ejemplo, no es lo mismo decir: “las ventas bajaron un 8%”. Eso es describir.

Mejor sería: “las ventas bajaron un 8%, principalmente por una caída del 15% en tráfico orgánico desde móvil, concentrada en usuarios nuevos de Madrid y Barcelona. La caída coincide con el cambio de landing del 3 de marzo”.

Eso ya ayuda a decidir.

Por qué Barcelona es fuerte para Data Analysts#

Barcelona combina empresas internacionales, talento local y un ecosistema tecnológico bastante activo. No necesitas trabajar solo para empresas españolas. Muchas compañías tienen equipos globales en Barcelona y trabajan en inglés.

Sectores con mucha demanda de Data Analyst:

• Ecommerce y retail digital.
• Delivery y movilidad.
• SaaS B2B.
• Fintech e insurtech.
• Turismo y travel tech.
• Gaming.
• Consultoría tecnológica.
• Telecomunicaciones.
• Banca.
• Healthtech.

Empresas reales donde suelen aparecer roles relacionados con datos:

• Glovo, en operaciones, growth, producto y logística.
• Cabify, en movilidad, pricing, producto y operaciones.
• Telefónica, en customer analytics, redes, ventas y datos corporativos.
• BBVA, en riesgo, fraude, producto digital y banca minorista.
• Inditex, en ecommerce, retail analytics, supply chain y customer insights.
• Mango, Desigual o Vueling, con equipos donde datos y negocio se cruzan mucho.
• King, Scopely o Socialpoint, en gaming analytics.

No todas publican siempre “Data Analyst” como título exacto. Busca también nombres parecidos.

Títulos de puesto que debes buscar

A veces el mismo trabajo aparece con otro nombre. Guarda estas búsquedas:

• Data Analyst.
• Business Analyst.
• Product Analyst.
• Marketing Data Analyst.
• Operations Analyst.
• BI Analyst.
• Reporting Analyst.
• Customer Insights Analyst.
• Growth Analyst.
• Junior Data Analyst.
• Analytics Consultant.
• Data Analytics Specialist.

Si solo buscas “Data Analyst Barcelona”, te estás dejando muchas ofertas fuera.

Salarios de Data Analyst en Barcelona en 2026#

Los salarios varían por sector, experiencia, inglés, herramientas y tipo de empresa. Una startup pequeña no paga igual que una multinacional o una fintech con negocio internacional.

Como referencia práctica para Barcelona en 2026:

Un perfil con SQL fuerte, buen inglés, experiencia en producto y capacidad de presentar a stakeholders puede acercarse antes a €50k o €60k.

Si vienes de marketing, finanzas, operaciones o consultoría, no descartes salarios buenos. Tu conocimiento de negocio pesa bastante si lo combinas con SQL y visualización.

Qué afecta más a tu salario

Hay factores que suben tu valor de mercado rápido:

1. Inglés profesional real.
2. SQL avanzado.
3. Experiencia con métricas de negocio.
4. Capacidad para explicar hallazgos sin jerga.
5. Conocimiento de producto digital.
6. Python para análisis, no necesariamente ingeniería.
7. Experiencia en herramientas cloud, como BigQuery, Snowflake o Databricks.
8. Saber trabajar con datos incompletos o sucios.

El error típico es obsesionarse con aprender diez herramientas. Mejor domina tres bien y demuestra impacto.

Por ejemplo:

• SQL para extraer y transformar.
• Power BI o Tableau para visualizar.
• Python o Excel avanzado para análisis exploratorio.

Con eso ya puedes competir en muchas ofertas.

Habilidades técnicas que más piden#

La mayoría de ofertas de Data Analyst en Barcelona repiten un patrón. No necesitas ser Data Engineer, pero sí moverte con confianza entre bases de datos, métricas y visualización.

SQL

SQL es la habilidad número uno. Si dudas entre estudiar Python o SQL primero, empieza por SQL.

Debes dominar:

• SELECT, WHERE, GROUP BY, HAVING.
• JOINs, especialmente LEFT JOIN e INNER JOIN.
• CTEs.
• Window functions.
• Subqueries.
• Limpieza básica de datos.
• Agregaciones por fecha, segmento, canal o país.
• Cálculo de cohortes.
• Métricas como retención, conversión, churn o ticket medio.

Una prueba técnica típica puede pedirte algo como:

“Calcula la tasa de conversión semanal por canal de adquisición y detecta qué canal empeoró más en las últimas cuatro semanas”.

Ahí no basta con saber sintaxis. Tienes que entender qué significa conversión, qué periodo usar y cómo evitar conclusiones flojas.

Power BI, Tableau, Looker

En España, Power BI aparece muchísimo, sobre todo en empresas grandes y consultoras. Tableau y Looker son comunes en scaleups, producto digital y equipos internacionales.

Lo importante no es poner gráficos bonitos. Es diseñar dashboards útiles.

Un buen dashboard responde preguntas como:

• ¿Vamos mejor o peor que el mes pasado?
• ¿Qué segmento explica el cambio?
• ¿Dónde está el problema?
• ¿Qué acción recomendamos?
• ¿Qué métrica no deberíamos mirar sola?

Si tu portfolio tiene un dashboard con 14 gráficos sin historia, no ayuda mucho. Mejor uno más simple, con contexto y decisiones claras.

Python

Python suma, aunque no siempre es obligatorio para roles junior. En muchos puestos se usa para análisis exploratorio, automatización o modelado ligero.

Enfócate en:

• pandas.
• numpy.
• matplotlib o seaborn.
• Jupyter Notebook.
• Limpieza de datos.
• Análisis descriptivo.
• Lectura de CSV, Excel y APIs.
• Automatización de tareas repetitivas.

No necesitas empezar por machine learning si tu objetivo es Data Analyst. Muchas ofertas lo mencionan, pero luego el día a día es SQL, dashboards y reuniones con negocio.

Excel y Google Sheets

Sí, Excel sigue vivo. Mucho.

En empresas grandes, equipos financieros o departamentos comerciales, Excel aparece cada semana. Un Data Analyst que maneja bien Excel puede conectar mejor con stakeholders.

Debes saber:

• Tablas dinámicas.
• XLOOKUP o BUSCARX.
• SUMIFS y COUNTIFS.
• Limpieza de datos.
• Power Query.
• Gráficos simples.
• Modelos rápidos para validar hipótesis.

No lo subestimes. A veces una decisión de €200k se toma con un análisis rápido en Excel porque el equipo lo necesita hoy.

Habilidades de negocio que te diferencian#

Aquí es donde mucha gente técnica se queda corta. Saber SQL te mete en la conversación. Entender el negocio te ayuda a crecer.

Un Data Analyst bueno sabe preguntar:

• ¿Qué decisión vamos a tomar con este análisis?
• ¿Quién va a usar el dashboard?
• ¿Qué pasa si esta métrica sube?
• ¿Cuál es el coste de actuar o no actuar?
• ¿Estamos midiendo usuarios, sesiones, pedidos o ingresos?
• ¿Este cambio es estacional o real?
• ¿Qué segmento está moviendo el promedio?

En Barcelona hay muchas empresas de producto digital. En esos entornos, se valora mucho que entiendas métricas como:

• Activación.
• Retención.
• Conversión.
• Churn.
• CAC.
• LTV.
• ARPU.
• Frecuencia de compra.
• Funnel de adquisición.
• Cohortes.
• NPS.
• Tiempo hasta primera compra.

Si quieres trabajar en fintech, mira riesgo, fraude, rentabilidad y producto financiero. Si apuntas a retail como Inditex o Mango, entiende stock, margen, devoluciones, conversión online y comportamiento por tienda.

Si quieres movilidad o delivery, como Cabify o Glovo, mira demanda, oferta, tiempos, pricing, zonas, eficiencia y satisfacción del usuario.

Cómo preparar un CV de Data Analyst para Barcelona#

Tu CV no debe parecer una lista de herramientas. Debe mostrar problemas resueltos.

Malo:

• “Uso de SQL, Power BI y Excel”.
• “Creación de reportes”.
• “Análisis de datos para marketing”.

Mejor:

• “Construí dashboards en Power BI para seguimiento de ventas, reduciendo el reporting manual de 6 horas semanales a 45 minutos”.
• “Analicé el funnel de conversión y detecté una caída del 12% en usuarios móviles, lo que ayudó al equipo de producto a priorizar cambios en checkout”.
• “Automaticé consultas SQL para seguimiento de churn mensual en una base de 80.000 clientes”.

La fórmula sencilla:

1. Acción.
2. Herramienta.
3. Métrica o resultado.
4. Contexto de negocio.

Ejemplo:

“Analicé cohortes de retención con SQL y Python para un producto SaaS B2B, identificando que los usuarios que completaban onboarding en 48 horas tenían un 22% más de retención a 90 días”.

Eso suena mucho más fuerte que “análisis de retención”.

Secciones clave del CV

Incluye estas partes:

• Titular claro: Data Analyst, BI Analyst, Product Analyst.
• Resumen de 3-4 líneas con tu foco.
• Herramientas técnicas agrupadas.
• Experiencia con bullets medibles.
• Proyectos relevantes si tienes poca experiencia.
• Educación y certificaciones.
• Idiomas, muy importante en Barcelona.

Ejemplo de titular:

“Data Analyst con 3 años de experiencia en SQL, Power BI y análisis de producto. Foco en conversión, reporting ejecutivo y automatización de métricas para equipos de negocio”.

Si buscas primer empleo, cambia el enfoque:

“Junior Data Analyst con portfolio en SQL, Power BI y Python. Experiencia en análisis de ventas, cohortes y dashboards orientados a decisiones de negocio”.

Portfolio: qué proyectos te ayudan de verdad#

Un portfolio no tiene que ser enorme. Tiene que demostrar que sabes pensar.

Mejor 3 proyectos buenos que 12 notebooks abandonados.

Proyecto 1: análisis de ecommerce

Puedes usar datos públicos o simulados. Lo importante es crear una historia:

• Ventas por categoría.
• Conversión por canal.
• Ticket medio.
• Devoluciones.
• Clientes recurrentes.
• Recomendaciones de negocio.

Entrega ideal:

• Dashboard en Power BI o Tableau.
• Repositorio con consultas SQL.
• Breve explicación del problema.
• 3 conclusiones claras.
• 3 acciones recomendadas.

Proyecto 2: análisis de producto digital

Analiza un funnel:

• Visita.
• Registro.
• Activación.
• Primera compra.
• Retención a 7, 30 y 90 días.

Puedes simular datos si no encuentras dataset perfecto. En la entrevista, sé transparente: “datos simulados con estructura realista”.

Lo que buscan es tu razonamiento.

Proyecto 3: análisis de marketing

Muy útil si quieres entrar por growth o performance.

Métricas:

• CAC.
• ROAS.
• Conversión por canal.
• Coste por lead.
• LTV estimado.
• Retención por campaña.

Este tipo de proyecto encaja muy bien con startups y scaleups en Barcelona.

Cómo presentar el portfolio

No mandes un link sin contexto. En tu CV o LinkedIn, pon algo como:

“Portfolio: 3 proyectos de análisis con SQL, Power BI y Python, incluyendo ecommerce, funnel de producto y marketing performance. Cada proyecto incluye hipótesis, análisis, dashboard y recomendaciones”.

Eso invita a hacer clic.

Dónde buscar empleos de Data Analyst en Barcelona#

No dependas de un solo portal. La búsqueda buena combina portales, LinkedIn, webs de empresas y networking.

Portales útiles

Busca en:

• LinkedIn Jobs.
• InfoJobs.
• JobFluent.
• Welcome to the Jungle.
• Indeed.
• Glassdoor.
• Tecnoempleo.
• Otta, si buscas startups internacionales.
• Wellfound, para startups.

Usa alertas con varias combinaciones:

• “Data Analyst Barcelona”.
• “BI Analyst Barcelona”.
• “Product Analyst Barcelona”.
• “SQL Analyst Barcelona”.
• “Power BI Barcelona”.
• “Analytics Consultant Barcelona”.
• “Business Intelligence Analyst Barcelona”.
• “Data Analyst remote Spain”.

Muchas empresas ofrecen híbrido en Barcelona, por ejemplo 2 o 3 días en oficina. Si te interesa remoto, filtra por España, pero revisa si piden vivir cerca de Barcelona.

Webs de empresas

Mira directamente las páginas de empleo de:

• Glovo.
• Cabify.
• BBVA.
• Telefónica.
• Inditex.
• Mango.
• Vueling.
• eDreams ODIGEO.
• Wallapop.
• Typeform.
• TravelPerk.
• Adevinta.
• Nestlé Global IT Hub.
• Zurich.
• HP.
• N26, si tiene roles abiertos en España.

Las ofertas buenas a veces se cierran rápido. Si aplicas en las primeras 48 horas, tienes más opciones de ser visto.

Cómo leer una oferta sin frustrarte#

Las ofertas suelen pedir demasiado. No te autoelimines por no cumplir el 100%.

Regla práctica:

• Si cumples el 60-70% y lo principal está cubierto, aplica.
• Si piden SQL y no sabes SQL, no apliques todavía.
• Si piden una herramienta similar a la que sabes, aplica.
• Si piden 3 años y tienes 1 año más buenos proyectos, aplica.
• Si piden inglés y no puedes mantener una entrevista, prioriza mejorarlo.

Distingue entre requisitos reales y lista de deseos.

Requisitos críticos suelen ser:

• SQL.
• Herramienta BI.
• Experiencia analítica.
• Comunicación.
• Inglés, si el equipo es internacional.

Lista de deseos:

• Conocer una industria exacta.
• Haber usado una herramienta concreta.
• Experiencia con cloud específica.
• Conocimientos de machine learning.
• Máster en datos.

No mientas, pero tampoco te quedes fuera por miedo.

Entrevistas para Data Analyst: qué esperar#

Un proceso típico en Barcelona puede tener entre 3 y 5 pasos:

1. Llamada con recruiter.
2. Entrevista con hiring manager.
3. Prueba técnica.
4. Entrevista de negocio o presentación.
5. Entrevista final con director o equipo.

En empresas grandes puede tardar más. En startups puede ir rápido, pero te pedirán pensar con mucha autonomía.

Preguntas comunes

Prepárate para preguntas como:

• Cuéntame un análisis del que estés orgulloso.
• ¿Cómo validarías si una campaña funcionó?
• ¿Qué harías si el dashboard muestra datos incorrectos?
• ¿Cómo explicarías churn a un equipo comercial?
• ¿Qué diferencia hay entre INNER JOIN y LEFT JOIN?
• ¿Cómo analizarías una caída de ventas del 10%?
• ¿Qué métricas mirarías para una app de delivery?
• ¿Cómo priorizas peticiones de varios equipos?
• ¿Has trabajado con datos incompletos?

Ten historias preparadas con estructura:

1. Contexto.
2. Problema.
3. Análisis.
4. Resultado.
5. Aprendizaje.

Pruebas técnicas

Las pruebas suelen ser de tres tipos:

• SQL en vivo o take-home.
• Caso de negocio con dataset.
• Dashboard y presentación.

Consejo de senior: no entregues solo el resultado. Explica tus supuestos.

Por ejemplo:

“Definí usuario activo como usuario con al menos una sesión en los últimos 30 días. Si el equipo usa otra definición, las métricas pueden cambiar”.

Eso demuestra madurez.

Qué estudiar si quieres entrar en 3-6 meses#

Si estás empezando, no intentes aprender todo a la vez. Haz un plan simple.

Mes 1: SQL y Excel

Objetivo: consultar datos y responder preguntas básicas.

• SQL diario, 45-60 minutos.
• Practica JOINs y agregaciones.
• Haz ejercicios con fechas.
• Repasa tablas dinámicas y Power Query.

Mes 2: Power BI o Tableau

Objetivo: crear dashboards entendibles.

• Modelado básico.
• Medidas.
• Filtros.
• Diseño visual.
• Storytelling con datos.

Haz un dashboard completo con un dataset público.

Mes 3: Python básico para análisis

Objetivo: limpiar y explorar datos.

• pandas.
• gráficos simples.
• notebooks claros.
• análisis exploratorio.
• exportar conclusiones.

No te pierdas en algoritmos complejos todavía.

Mes 4: portfolio y CV

Objetivo: tener algo que enseñar.

• 2 o 3 proyectos.
• CV adaptado a Data Analyst.
• LinkedIn optimizado.
• GitHub o Notion ordenado.
• Descripciones con impacto.

Mes 5-6: aplicar y entrevistar

Objetivo: conseguir entrevistas y mejorar con feedback.

• 10-15 aplicaciones bien hechas por semana.
• 5 mensajes de networking por semana.
• Simulacros de entrevista.
• Repaso de SQL.
• Ajuste de CV según respuestas.

No se trata de aplicar a 200 ofertas sin pensar. Se trata de aplicar mejor.

LinkedIn para Data Analysts en Barcelona#

LinkedIn puede traerte entrevistas si lo trabajas bien. No hace falta publicar cada día, pero tu perfil debe dejar claro qué haces.

Optimiza el titular

Evita:

“Buscando oportunidades”.

Mejor:

“Data Analyst | SQL, Power BI, Python | Product & Business Analytics | Barcelona”.

O si eres junior:

“Junior Data Analyst | SQL, Power BI, Python | Portfolio en ecommerce y product analytics | Barcelona”.

Usa el extracto para vender claridad

Ejemplo:

“Soy Data Analyst con foco en convertir datos en decisiones de negocio. Trabajo con SQL, Power BI y Python para analizar conversión, retención y rendimiento comercial. Me interesa ayudar a equipos de producto, marketing y operaciones a entender qué está pasando y qué acción tomar”.

Directo y útil.

Escribe a recruiters sin sonar genérico

Mensaje corto:

“Hola, Marta. He visto que trabajas roles de analytics en Barcelona. Soy Data Analyst con experiencia en SQL, Power BI y análisis de conversión. Estoy mirando oportunidades híbridas o remotas en producto, ecommerce o fintech. Te dejo mi perfil por si encaja con alguna búsqueda actual. Gracias”.

No mandes un párrafo de 30 líneas. Nadie lo lee.

Errores que te cuestan entrevistas#

Te digo los más comunes porque se repiten mucho.

1. CV demasiado genérico.
2. Poner herramientas sin impacto.
3. No tener SQL sólido.
4. Portfolio bonito pero sin conclusiones.
5. No adaptar el CV a cada tipo de oferta.
6. No preparar casos de negocio.
7. Hablar demasiado técnico con perfiles de negocio.
8. Aplicar tarde a ofertas muy competidas.
9. No practicar entrevistas en inglés.
10. Decir “sé machine learning” sin poder explicar un análisis simple.

Otro error típico: querer pasar a Data Scientist antes de dominar Analytics. Si estás buscando Data Analyst, enfócate. Ya habrá tiempo de crecer hacia Analytics Engineer, Data Scientist, Product Analytics Lead o Data Manager.

Rutas de crecimiento desde Data Analyst#

El rol de Data Analyst puede llevarte a varios caminos.

Senior Data Analyst

Más autonomía, análisis complejos, stakeholders importantes y mentoring. Salarios en Barcelona entre €48k y €65k son posibles si tienes buen perfil.

Product Analyst

Muy demandado en empresas digitales. Trabajas con product managers, experimentos, funnels y retención. Puede llegar a €45k-€70k en scaleups fuertes.

BI Analyst o BI Developer

Más foco en dashboards, modelos semánticos, reporting corporativo y gobierno de datos. Power BI, SQL y modelado son clave.

Analytics Engineer

Puente entre datos y negocio, con herramientas como dbt, SQL avanzado, Git y cloud. Muy buena salida si te gusta construir modelos de datos limpios.

Analytics Manager

Gestión de personas, estrategia de medición, prioridades y relación con dirección. Aquí la comunicación pesa tanto como la técnica.

Cómo negociar salario#

No esperes a la oferta final para pensar en dinero. Ten tu rango claro.

Si te preguntan expectativa salarial, puedes decir:

“Por el tipo de rol y mi experiencia, estoy buscando algo en el rango de €42k a €48k brutos anuales, dependiendo del paquete completo, responsabilidades y modelo de trabajo”.

Si eres junior:

“Estoy buscando un rango alrededor de €28k a €34k, según el rol, aprendizaje y condiciones”.

No digas solo “lo que tengáis presupuestado”. Eso te deja sin referencia.

Mira también:

• Bonus.
• Seguro médico.
• Tickets restaurant.
• Formación.
• Stock options.
• Días remotos.
• Horario flexible.
• Presupuesto para eventos o cursos.
• Revisión salarial a 6 o 12 meses.

A veces €3k menos con buen aprendizaje y equipo fuerte compensa. A veces no. Decide según tu momento.

Plan rápido para aplicar esta semana#

Si quieres moverte ya, haz esto en 7 días:

1. Actualiza tu CV con 5 bullets medibles.
2. Añade SQL, BI y métricas de negocio en tu titular.
3. Crea 3 alertas en LinkedIn.
4. Aplica a 10 ofertas bien elegidas.
5. Escribe a 5 recruiters de analytics en Barcelona.
6. Repasa 20 ejercicios de SQL.
7. Prepara una historia de impacto para entrevistas.
8. Sube un proyecto de portfolio o mejora uno existente.
9. Revisa si tu CV pasa filtros ATS.
10. Define tu rango salarial.

Pequeño detalle importante: muchas candidaturas se pierden antes de que una persona las vea. El ATS puede filtrar tu CV si no reconoce palabras clave de la oferta.

Por eso conviene revisar tu CV antes de aplicar, sobre todo si estás enviando muchas candidaturas y no recibes respuesta.

Si estás buscando empleos de Data Analyst en Barcelona en 2026, tu mejor jugada es combinar foco técnico, claridad de negocio y un CV que pase filtros. Antes de mandar la próxima candidatura, revisa gratis tu CV con el ATS Checker de JobRise y ajusta lo que te esté frenando.