Empleos de Data Analyst en Berlin 2026: Guía Práctica

Estás mirando ofertas de Data Analyst en Berlín y todo parece pedir lo mismo: SQL perfecto, dashboards, inglés fluido, algo de Python, experiencia con negocio, y si puede ser, alemán. La duda real es más incómoda: “¿Estoy listo para aplicar o me van a filtrar en 10 segundos?”

La buena noticia: Berlín sigue siendo una ciudad muy fuerte para perfiles de datos en 2026. La menos cómoda: ya no basta con decir “sé Power BI” o “hice un bootcamp”. Las empresas quieren gente que pueda traducir datos en decisiones, explicar métricas sin marear, y trabajar con equipos de producto, marketing, finanzas u operaciones.

En esta guía te cuento cómo está el mercado, qué salarios puedes esperar, qué skills pesan más, cómo adaptar tu CV y dónde buscar empleos de Data Analyst en Berlin 2026 sin perder semanas enviando candidaturas a ciegas.

Por qué Berlín sigue siendo atractiva para Data Analysts en 2026#

Berlín mezcla startups, scaleups, empresas internacionales y hubs tecnológicos de compañías grandes. Eso genera mucha demanda de perfiles que sepan entender datos de clientes, producto, ventas, logística, riesgo, fraude o marketing.

No es raro ver ofertas de Data Analyst, Product Analyst, BI Analyst, Marketing Analyst, Operations Analyst o Financial Data Analyst. Muchas veces el título cambia, pero el trabajo base es parecido: limpiar datos, crear dashboards, analizar comportamiento y contar una historia útil.

Empresas como Delivery Hero, Zalando, N26, Trade Republic, Flix, HelloFresh, GetYourGuide y Babbel han convertido Berlín en un punto fuerte para datos. También hay presencia de grandes compañías europeas y españolas como BBVA, Telefónica o Inditex, que aunque no siempre contratan directamente en Berlín para todos sus equipos, sí buscan talento de datos en Europa y con opción híbrida o remota.

La ciudad también atrae talento internacional. Eso tiene dos efectos:

1. Puedes trabajar en inglés en muchas empresas.
2. La competencia es alta, sobre todo en puestos junior.

Si vienes de España o LatAm, Berlín puede ser buena opción si ya tienes base técnica y puedes demostrar impacto. Si tu CV solo lista herramientas, te costará más.

Salarios de Data Analyst en Berlín en 2026#

Los salarios varían bastante por industria, tamaño de empresa, seniority y si el puesto está más cerca de BI, producto o data science. Como referencia realista para 2026:

• Junior Data Analyst: €40k a €50k brutos al año.
• Data Analyst con 2 a 4 años de experiencia: €50k a €65k.
• Senior Data Analyst: €65k a €80k.
• Product Analyst o Analytics Engineer con buen SQL y modelado: €70k a €90k.
• Lead Data Analyst o Analytics Manager: €85k a €110k.

En startups pequeñas, puedes ver ofertas de €38k o €42k para perfiles junior. En fintech, SaaS o empresas de producto con buena financiación, es más común ver rangos de €60k a €75k para perfiles mid.

Por ejemplo, un Data Analyst en una fintech tipo N26 o Trade Republic puede moverse entre €55k y €75k si tiene experiencia sólida en SQL, métricas de producto y experimentación. En una empresa de ecommerce como Zalando, un perfil senior puede acercarse a €80k, sobre todo si sabe trabajar con stakeholders y no solo crear reportes.

Comparado con Madrid o Barcelona, Berlín suele pagar más en bruto. Pero el coste de vida, alquiler y fiscalidad también pesan. Un salario de €60k en Berlín no se siente igual que €60k en una ciudad más barata.

Ojo con el salario neto

En Alemania los impuestos y contribuciones sociales son altos. Como idea rápida, si ganas €60k brutos al año, tu neto mensual puede estar cerca de €3.000 a €3.300, dependiendo de tu situación personal, clase fiscal, seguro médico e iglesia registrada.

No negocies solo mirando el bruto. Mira también:

• Bonus anual.
• Acciones o stock options.
• Presupuesto de formación.
• Trabajo remoto.
• Ayuda de relocation.
• Días de vacaciones, muchas empresas ofrecen 28 a 30.
• Seguro médico y beneficios de movilidad.

Qué hace realmente un Data Analyst en Berlín#

Un Data Analyst no es solo “la persona de los dashboards”. En empresas modernas, especialmente en Berlín, se espera que te metas en los problemas del negocio.

Tus tareas pueden incluir:

• Escribir queries SQL para extraer datos de Snowflake, BigQuery, Redshift o PostgreSQL.
• Crear dashboards en Tableau, Looker, Power BI, Metabase o Mode.
• Medir funnels de conversión.
• Analizar cohortes de usuarios.
• Detectar caídas de revenue, retención o activación.
• Ayudar a definir KPIs.
• Preparar análisis para equipos de producto, marketing, ventas u operaciones.
• Presentar insights a managers.
• Diseñar tests A/B junto a producto o growth.
• Documentar métricas para evitar discusiones eternas sobre “qué significa usuario activo”.

En empresas como Glovo o Cabify, por ejemplo, un analista puede trabajar con datos de demanda, tiempos de entrega, pricing, retención de conductores o eficiencia operativa. En Inditex, un perfil de datos puede mirar ventas por canal, rotación de inventario, comportamiento online o predicción de demanda.

La clave es esta: las empresas no pagan por dashboards bonitos. Pagan por mejores decisiones.

Skills más demandadas para Data Analyst en Berlin 2026#

Si quieres maximizar tus opciones, ordena tus skills por impacto real. No necesitas saberlo todo, pero sí debes parecer fiable desde el primer vistazo.

1. SQL fuerte, no solo básico

SQL sigue siendo la skill número uno. Si tu SQL es flojo, vas a sufrir entrevistas técnicas.

Debes dominar:

• Joins.
• CTEs.
• Window functions.
• Agregaciones.
• Subqueries.
• Limpieza de datos.
• Fechas y cohortes.
• Optimización básica.
• Validación de resultados.

En entrevistas, es común que te pidan calcular retención, ingresos por usuario, conversión por funnel o usuarios activos por semana. No basta con sacar el número. Tienes que explicar supuestos.

Ejemplo típico:

“Calcula la tasa de conversión de usuarios que se registran y hacen su primera compra en los primeros 7 días.”

Ahí debes pensar en cohortes, fecha de registro, fecha de compra, duplicados, usuarios test, cancelaciones y zona horaria.

2. Herramientas BI

Power BI, Tableau y Looker aparecen mucho. En startups de Berlín, Looker y Tableau son bastante frecuentes. En empresas más corporativas, Power BI tiene mucha presencia.

No pongas “Power BI avanzado” si solo has hecho dos gráficos. Mejor describe proyectos:

• “Construí un dashboard de churn con segmentación por plan y país.”
• “Automaticé reporting semanal de ventas, reduciendo 4 horas de trabajo manual.”
• “Creé métricas de activación para un funnel de onboarding.”

Eso suena mucho más creíble.

3. Python o R, útil pero no siempre obligatorio

Python aparece en muchas ofertas, pero para Data Analyst suele ser un plus, no siempre requisito central. Lo más útil:

• Pandas.
• NumPy.
• Visualización con matplotlib, seaborn o plotly.
• Notebooks.
• Limpieza de datasets.
• Análisis exploratorio.
• Automatización de tareas repetitivas.

Si apuntas a Product Analyst o Analytics Engineer, Python suma más. Si apuntas a BI Analyst, SQL y dashboards pesan más.

4. Métricas de negocio

Esta parte separa a los candidatos normales de los buenos. Aprende métricas según sector:

SaaS:

• MRR.
• ARR.
• Churn.
• Expansion revenue.
• CAC.
• LTV.
• Activation rate.

Ecommerce:

• Conversion rate.
• AOV.
• Repeat purchase rate.
• Cart abandonment.
• Gross margin.
• Return rate.

Marketplace o delivery:

• Supply demand balance.
• Time to delivery.
• Utilization.
• Take rate.
• Order frequency.
• Retention by cohort.

Fintech:

• Fraud rate.
• Default rate.
• KYC completion.
• Transaction volume.
• Risk segmentation.
• Cost per acquisition.

Si aplicas a BBVA o a una fintech en Berlín, hablar de riesgo, fraude, conversión digital o customer lifetime value te hace sonar mucho más preparado.

5. Comunicación con stakeholders

Esta skill no se ve en un certificado, pero decide muchas contrataciones.

Un buen Data Analyst puede decir:

• “Este dato no responde la pregunta, necesitamos separar usuarios nuevos y recurrentes.”
• “La conversión subió, pero el tráfico de baja calidad también.”
• “No recomiendo lanzar esta campaña todavía, el test no tiene muestra suficiente.”
• “El dashboard no está roto, cambió la definición de usuario activo.”

En entrevistas, prepara historias donde hayas explicado datos a personas no técnicas. Usa ejemplos simples y resultados claros.

Alemán e inglés: qué idioma necesitas#

En Berlín, muchas ofertas de Data Analyst piden inglés fluido. El alemán es un plus enorme, pero no siempre obligatorio.

Puedes encontrar trabajo solo con inglés si:

• Tienes experiencia demostrable.
• Aplicas a startups internacionales.
• Tu perfil técnico es fuerte.
• Tu CV está bien adaptado al mercado alemán.
• Puedes comunicarte muy bien en reuniones.

El alemán se vuelve más importante en:

• Empresas tradicionales.
• Consultoras locales.
• Roles con clientes alemanes.
• Sector público o salud.
• Equipos de finanzas o compliance.

Si tienes B1 o B2 de alemán, ponlo claramente. Si estás aprendiendo, también puedes incluir “German: A2, currently improving”. No exageres. Si pones C1, te pueden entrevistar en alemán.

Tipos de puestos que deberías buscar#

No busques solo “Data Analyst”. En Berlín las ofertas se esconden bajo varios títulos.

Prueba con:

• Data Analyst.
• Product Analyst.
• BI Analyst.
• Business Intelligence Analyst.
• Marketing Data Analyst.
• Growth Analyst.
• Operations Analyst.
• Financial Analyst, si tiene componente de datos.
• Revenue Analyst.
• Analytics Consultant.
• Junior Analytics Engineer.
• Reporting Analyst.

Si tienes perfil más técnico, mira también:

• Analytics Engineer.
• Data Quality Analyst.
• Data Operations Analyst.
• CRM Analyst.
• Customer Insights Analyst.

Un truco simple: lee las tareas, no solo el título. Si pide SQL, dashboards, KPIs y análisis, probablemente es un rol adecuado.

Dónde buscar empleos de Data Analyst en Berlín#

Para 2026, te conviene mezclar portales globales, sitios alemanes y páginas directas de empresas.

Portales útiles

• LinkedIn Jobs.
• StepStone.
• Indeed Alemania.
• Glassdoor.
• Wellfound, antes AngelList.
• Berlin Startup Jobs.
• Honeypot.
• Arbeitnow.
• Otta.
• The Hub.
• JobRise.

En LinkedIn, usa filtros y alertas. Busca términos en inglés y alemán:

• “Data Analyst Berlin”.
• “BI Analyst Berlin”.
• “Product Analyst Berlin”.
• “Datenanalyst Berlin”.
• “Business Intelligence Berlin”.
• “Analytics Engineer Berlin”.

Empresas a mirar directamente

Te recomiendo crear una lista de empresas y revisar sus career pages cada semana. Algunas buenas opciones:

• Zalando.
• Delivery Hero.
• HelloFresh.
• N26.
• Trade Republic.
• Flix.
• GetYourGuide.
• Babbel.
• SoundCloud.
• Omio.
• Auto1 Group.
• Miro.
• Adjust.
• Contentful.
• SAP, con opciones en Alemania.
• Telefónica Germany.
• BBVA, para roles europeos o remotos.
• Inditex, para analítica de retail y ecommerce.
• Cabify y Glovo, si te interesa movilidad, operaciones o delivery.

No te limites a Berlín si aceptas remoto híbrido. Muchas empresas alemanas contratan para equipos distribuidos.

Cómo adaptar tu CV para el mercado alemán#

Aquí es donde mucha gente pierde oportunidades. Mandan el mismo CV genérico a 80 ofertas y luego dicen que “el mercado está mal”.

Tu CV debe pasar tres filtros:

1. ATS, el sistema que escanea palabras clave.
2. Recruiter, que mira tu perfil en segundos.
3. Hiring manager, que quiere ver impacto real.

Estructura recomendada

Usa una estructura simple:

1. Nombre, ciudad, email, LinkedIn, portfolio o GitHub si aplica.
2. Título profesional: “Data Analyst”, “BI Analyst”, “Product Analyst”.
3. Resumen de 3 a 4 líneas.
4. Skills técnicas.
5. Experiencia profesional con logros medibles.
6. Proyectos relevantes, si tienes poca experiencia.
7. Educación y certificaciones.
8. Idiomas.

Evita diseños raros con columnas complicadas si vas a aplicar online. Muchos ATS leen mal formatos demasiado creativos.

Ejemplo de resumen bueno

“Data Analyst con 3 años de experiencia en SQL, Tableau y Python, enfocado en análisis de producto y métricas de crecimiento. He creado dashboards ejecutivos, análisis de cohortes y modelos de reporting que redujeron trabajo manual y mejoraron decisiones de marketing. Busco rol en Berlín en producto, fintech o ecommerce.”

Es claro, directo y contiene palabras que el recruiter busca.

Cómo escribir bullets de experiencia

No escribas:

• “Responsable de dashboards.”
• “Análisis de datos de ventas.”
• “Uso de SQL y Power BI.”

Eso suena plano.

Mejor:

• “Creé un dashboard de ventas en Power BI usado por 25 managers, reduciendo el reporting manual de 6 horas a 1 hora semanal.”
• “Analicé cohortes de usuarios y detecté una caída del 12% en activación durante el onboarding móvil.”
• “Escribí queries SQL para segmentar clientes por valor, ayudando al equipo de CRM a aumentar la tasa de conversión en 8%.”
• “Definí KPIs de retención junto a producto y documentación de métricas para evitar inconsistencias entre equipos.”

Los números no tienen que ser espectaculares. Tienen que ser creíbles.

Proyectos que te pueden abrir puertas si eres junior#

Si no tienes experiencia laboral fuerte, necesitas proyectos. Pero no proyectos de tutorial copiado. Haz algo que parezca problema real.

Ideas de proyectos para portfolio

1. Análisis de ecommerce

   • Dataset de ventas online.
   • KPIs: revenue, AOV, conversión simulada, productos top, devolución.
   • Dashboard en Power BI o Tableau.
   • Recomendaciones de negocio.

2. Análisis de retención SaaS

   • Cohortes mensuales.
   • Churn.
   • Activación.
   • Segmentos por plan.
   • Insight final: dónde se pierde más usuario.

3. Análisis de movilidad tipo Cabify

   • Viajes por zona y hora.
   • Demanda pico.
   • Tiempo medio de espera.
   • Ingresos por conductor.
   • Ideas para balancear oferta y demanda.

4. Marketing performance

   • CAC por canal.
   • ROAS.
   • Conversion rate.
   • Funnel completo.
   • Recomendación de inversión.

5. Dashboard financiero tipo fintech

   • Volumen de transacciones.
   • Fraude simulado.
   • Segmentos de riesgo.
   • Alertas por comportamiento raro.

Cada proyecto debería tener:

• Objetivo.
• Dataset.
• Herramientas usadas.
• Preguntas de negocio.
• Capturas del dashboard.
• Código SQL o notebook.
• Conclusiones claras.

Si puedes, crea una página simple en Notion, GitHub Pages o tu web personal. El recruiter no tiene tiempo para descifrar carpetas desordenadas.

Cómo preparar entrevistas técnicas#

Las entrevistas suelen tener varias fases:

1. Llamada con recruiter.
2. Entrevista con hiring manager.
3. Prueba técnica o live SQL.
4. Caso de negocio.
5. Entrevista cultural o con stakeholders.

Preguntas comunes

Te pueden preguntar:

• ¿Cómo definirías un usuario activo?
• ¿Cómo medirías si una nueva feature fue exitosa?
• ¿Qué harías si dos dashboards muestran números distintos?
• ¿Cómo investigarías una caída del 20% en revenue?
• ¿Cómo calcularías retención semanal?
• ¿Cuándo usarías media vs mediana?
• ¿Qué sesgos puede tener este análisis?
• ¿Cómo explicarías un insight técnico a marketing?

La respuesta buena casi siempre empieza con preguntas. No corras a calcular.

Por ejemplo, si te dicen: “Cayó la conversión un 15%, ¿qué haces?”

Podrías responder:

1. Confirmo que el dato es real y no un problema de tracking.
2. Comparo por dispositivo, país, canal y versión de app.
3. Reviso cambios recientes en producto o campañas.
4. Separo usuarios nuevos y recurrentes.
5. Miro volumen absoluto, no solo porcentaje.
6. Propongo hipótesis y próximos análisis.

Eso muestra criterio.

SQL que deberías practicar

Practica problemas de:

• Ranking por usuario.
• Primer evento por usuario.
• Retención por cohortes.
• Revenue acumulado.
• Conversión entre eventos.
• Detección de duplicados.
• Agrupación por semanas.
• Window functions con ROW_NUMBER, LAG, SUM OVER.
• Cálculo de percentiles si tu motor SQL lo permite.

Plataformas útiles:

• StrataScratch.
• DataLemur.
• LeetCode SQL.
• HackerRank SQL.
• Mode SQL Tutorial.

Cómo negociar una oferta en Berlín#

Cuando llegues a oferta, no digas sí demasiado rápido. Incluso si te da miedo perderla, hay formas educadas de negociar.

Primero, investiga rangos. Usa Glassdoor, Levels.fyi, Kununu, LinkedIn Salary y conversaciones con gente del sector.

Si te preguntan expectativa salarial, puedes decir:

“Para roles de Data Analyst con mi experiencia en Berlín estoy viendo rangos entre €60k y €70k. Me gustaría entender el paquete completo, incluyendo bonus, vacaciones, remoto y crecimiento.”

Si te ofrecen €58k y tú buscabas €65k, responde con calma:

“Gracias, me interesa mucho el rol. Por mi experiencia en SQL, BI y análisis de producto, y por los rangos actuales en Berlín, me sentiría más cómodo cerca de €65k. ¿Hay margen para acercarnos a esa cifra?”

No hace falta sonar agresivo. Solo claro.

Cosas que también se negocian

• Relocation package.
• Primer mes remoto.
• Cursos o certificaciones.
• Equipo de trabajo.
• Bonus.
• Stock options.
• Revisión salarial a los 6 meses.
• Más vacaciones.
• Presupuesto para coworking.

A veces no suben base salary, pero sí mejoran el paquete.

Errores que te pueden dejar fuera#

Te dejo una lista muy directa porque estos fallos se repiten mucho.

• Usar el mismo CV para todos los roles.
• Poner 20 herramientas y no demostrar impacto.
• Decir “Python avanzado” y fallar preguntas básicas.
• No saber explicar tus proyectos.
• Hacer dashboards bonitos pero sin conclusión.
• No adaptar keywords al puesto.
• Aplicar solo a ofertas con más de 500 candidatos.
• No escribir a recruiters o hiring managers.
• No practicar entrevistas en inglés.
• Ignorar métricas de negocio.
• Hablar solo de técnica y nada de decisiones.

Un Data Analyst que comunica bien suele ganar al candidato que sabe una herramienta más, pero no sabe explicar nada.

Plan de 30 días para conseguir entrevistas#

Si quieres moverte ya, usa un plan simple.

Semana 1: CV y foco

• Define 2 o 3 tipos de rol: Product Analyst, BI Analyst, Marketing Analyst.
• Actualiza tu CV con logros medibles.
• Crea una versión base en inglés.
• Ajusta tu LinkedIn.
• Haz una lista de 40 empresas en Berlín.
• Revisa si tu CV pasa un ATS.

Semana 2: portfolio y SQL

• Mejora 1 proyecto fuerte.
• Publica dashboard o capturas.
• Escribe 10 queries SQL avanzadas.
• Practica cohortes y funnels.
• Prepara 5 historias de impacto con método STAR.

Semana 3: aplicaciones inteligentes

• Aplica a 8 a 12 ofertas bien elegidas.
• Adapta el CV a cada una.
• Escribe mensajes cortos a recruiters.
• Contacta con empleados de empresas objetivo.
• Registra todo en una hoja de seguimiento.

Semana 4: entrevistas y ajuste

• Haz simulacros en inglés.
• Practica preguntas de negocio.
• Revisa pruebas técnicas anteriores.
• Ajusta tu CV según respuestas.
• Sigue aplicando, pero con calidad.

No necesitas enviar 200 candidaturas. Necesitas enviar mejores candidaturas.

Mensaje corto para contactar recruiters#

Puedes usar algo así por LinkedIn:

“Hola, vi que estáis contratando un Data Analyst en Berlín. Tengo 3 años de experiencia con SQL, Tableau y análisis de producto, especialmente en funnels, cohortes y reporting para equipos de negocio. Me interesa mucho el rol y creo que mi experiencia encaja bien. ¿Te puedo enviar mi CV?”

Corto, humano y específico.

Si escribes a alguien del equipo de datos:

“Hola, estoy explorando roles de Data Analyst en Berlín y vi que trabajas en el equipo de analytics de [empresa]. Me interesó mucho el foco en producto y crecimiento. ¿Te podría hacer 2 preguntas rápidas sobre el equipo y el proceso?”

No pidas referral en el primer mensaje como si fuera un cajero automático. Primero conversa.

Qué perfil tiene más opciones en 2026#

El perfil que mejor lo tiene no es necesariamente el que más herramientas sabe. Es quien combina:

• SQL fuerte.
• BI claro.
• Buen criterio de negocio.
• Inglés fluido.
• Proyectos o experiencia con impacto.
• Capacidad para explicar.
• CV adaptado al ATS.
• Curiosidad por producto, cliente o revenue.

Si tienes 1 a 2 años de experiencia y un buen portfolio, puedes aspirar a €45k a €55k. Si tienes 3 a 5 años y ya has trabajado con stakeholders, €60k a €75k es razonable. Si eres senior con dominio de producto, experimentación y métricas, puedes mirar rangos de €75k a €90k, incluso más en compañías muy competitivas.

Berlín no es “fácil”, pero sí premia a quien llega preparado. La diferencia entre recibir silencio y conseguir entrevistas suele estar en cómo presentas tu experiencia.

Antes de aplicar a empleos de Data Analyst en Berlín, revisa si tu CV está preparado para pasar filtros automáticos y llegar a una persona real. Puedes probar gratis el verificador ATS de JobRise aquí: revisa tu CV con el ATS Checker gratuito.