Empleos de Data Analyst en Bogota 2026: Guía Práctica

Estás mirando ofertas de Data Analyst en Bogotá y todas piden cosas distintas: SQL avanzado, Power BI, Python, inglés B2, experiencia en negocio, dashboards, modelos, storytelling, cloud. Y claro, te preguntas lo mismo que muchos: “¿por dónde empiezo para que sí me llamen en 2026?”

La buena noticia: Data Analyst sigue siendo uno de los roles más buscados en Colombia, sobre todo en Bogotá, porque muchas empresas ya tienen datos, pero todavía necesitan gente que los ordene, los explique y los convierta en decisiones. La mala: la competencia subió. Ya no basta con decir “manejo Excel y hago reportes”.

En esta guía te voy a aterrizar qué están pidiendo las empresas, cuánto podrías ganar, qué habilidades priorizar, cómo armar tu CV y cómo prepararte para entrevistas sin perder meses estudiando cosas que no te van a mover la aguja.

Por qué Bogotá sigue siendo fuerte para Data Analysts en 2026#

Bogotá concentra sedes corporativas, startups, bancos, consultoras, empresas de telecomunicaciones, retail, logística y operaciones regionales. Eso hace que haya demanda constante de perfiles analíticos.

Vas a ver vacantes en sectores como:

• Banca y fintech
• Retail y e-commerce
• Telecomunicaciones
• Salud
• Logística
• BPO y contact centers
• Consultoría
• Tecnología
• Gobierno y analítica pública

Empresas como BBVA, Telefónica, Cabify, Rappi, Mercado Libre, Globant, Accenture, Deloitte, KPMG, Bancolombia, Davivienda y Falabella suelen publicar roles relacionados con datos en Colombia. Algunas ofertas son 100% presenciales en Bogotá, otras híbridas, y varias remotas para equipos regionales.

También hay empresas europeas que contratan talento latinoamericano para roles remotos. Por ejemplo, compañías como Inditex, Telefónica o BBVA tienen equipos de datos en España y LatAm, y aunque muchas posiciones requieren estar en un país específico, sus descripciones sirven para entender estándares salariales y técnicos.

En España, un Data Analyst puede ver rangos entre €30k y €45k, y perfiles senior o analytics engineers pueden moverse hacia €55k o incluso €70k en empresas grandes. En Bogotá, los salarios se expresan normalmente en pesos colombianos, pero comparar contra euros te ayuda si buscas remoto internacional.

Qué hace realmente un Data Analyst#

Un Data Analyst no es solo la persona que “hace dashboards”. Ese es el resultado visible, pero el trabajo real tiene más capas.

Normalmente vas a hacer cosas como:

1. Entender una pregunta de negocio.
2. Traducirla a datos medibles.
3. Buscar fuentes confiables.
4. Limpiar y unir tablas.
5. Crear métricas.
6. Detectar patrones.
7. Explicar hallazgos.
8. Proponer acciones.
9. Medir si esas acciones funcionaron.

Ejemplo sencillo: una app de delivery tipo Glovo o Rappi ve que los pedidos bajaron en ciertas zonas de Bogotá. Un Data Analyst puede revisar si el problema viene de tiempos de entrega, precios, falta de repartidores, promociones, clima, horarios o competencia.

No se trata solo de decir “las ventas bajaron 12%”. La parte valiosa es responder “por qué bajaron, dónde, desde cuándo, a quién afecta y qué podemos probar esta semana”.

Tipos de empleos de Data Analyst en Bogotá#

No todos los roles con el título “Data Analyst” son iguales. En 2026 verás varios nombres parecidos, pero con enfoques distintos.

Data Analyst generalista

Es el rol más común. Trabajas con SQL, Excel, Power BI o Tableau, y haces análisis para áreas como ventas, marketing, operaciones, finanzas o producto.

Suele ser buena entrada si vienes de administración, economía, ingeniería, contaduría, mercadeo o carreras afines.

Business Intelligence Analyst

Este rol se centra más en dashboards, reporting, KPIs y seguimiento del negocio. Power BI es muy común en Bogotá, aunque Tableau y Looker también aparecen.

Aquí te van a pedir saber construir tableros claros, mantener fuentes de datos y hablar con usuarios no técnicos.

Product Data Analyst

Muy común en startups, fintech, apps y e-commerce. Analizas comportamiento de usuarios, funnels, retención, conversión y experimentos.

Puedes ver este tipo de puesto en empresas parecidas a Cabify, Mercado Libre, Rappi o plataformas SaaS.

Marketing Data Analyst

Trabajas con campañas, adquisición, CAC, ROAS, tráfico web, CRM, email marketing y segmentación.

Herramientas típicas:

• Google Analytics 4
• Looker Studio
• SQL
• Excel o Google Sheets
• Meta Ads
• Google Ads
• HubSpot o Salesforce

Financial Data Analyst

Muy presente en bancos, aseguradoras y fintech. Combina análisis de negocio, riesgo, rentabilidad, cartera, fraude o modelos financieros.

BBVA, Davivienda, Bancolombia y aseguradoras grandes suelen buscar perfiles con buen manejo numérico y atención al detalle.

People Analytics Analyst

Recursos Humanos también se volvió más analítico. Aquí se miden rotación, ausentismo, desempeño, compensación, clima laboral y headcount.

Es una buena vía si vienes de psicología organizacional, administración o HR y quieres pasar a datos.

Salarios de Data Analyst en Bogotá en 2026#

Los rangos cambian según experiencia, inglés, sector, empresa y modalidad. Pero para que tengas una referencia realista, puedes pensar así:

Junior Data Analyst

Rango aproximado mensual en Bogotá:

• COP $2.800.000 a $4.500.000

Perfil típico:

• 0 a 2 años de experiencia
• SQL básico o intermedio
• Excel avanzado
• Power BI básico o intermedio
• Proyectos personales o prácticas
• Capacidad de explicar hallazgos simples

Si tienes inglés B2 y buen portafolio, puedes competir mejor incluso sin mucha experiencia formal.

Data Analyst semi senior

Rango aproximado mensual:

• COP $4.500.000 a $8.000.000

Perfil típico:

• 2 a 5 años de experiencia
• SQL sólido
• Power BI, Tableau o Looker
• Python básico o intermedio
• Métricas de negocio
• Comunicación con stakeholders
• Experiencia en un sector específico

Aquí ya esperan que puedas tomar un problema medio ambiguo y avanzar sin que te expliquen cada paso.

Senior Data Analyst

Rango aproximado mensual:

• COP $8.000.000 a $14.000.000 o más

Perfil típico:

• 5 o más años de experiencia
• SQL avanzado
• Modelado de datos
• Storytelling ejecutivo
• Experimentos, cohortes o análisis predictivo básico
• Capacidad de priorizar
• Influencia en decisiones de negocio

Si trabajas remoto para empresa internacional, puedes ver rangos equivalentes a €35k, €45k o más al año, según país contratante y tipo de contrato.

Analytics Engineer o Data Analyst técnico

Este perfil mezcla análisis con ingeniería ligera. Suele trabajar con dbt, BigQuery, Snowflake, Airflow, Git y modelos de datos.

En empresas internacionales, estos roles pueden estar entre €45k y €70k al año si eres senior y tienes inglés fuerte.

Habilidades que más pesan para conseguir entrevistas#

Si tienes poco tiempo, no intentes aprender todo. En 2026, para Data Analyst en Bogotá, estas habilidades deberían ir primero.

1. SQL

SQL es la base. Si tu CV dice Data Analyst y no muestra SQL, muchas empresas te van a descartar.

Debes poder hacer:

• SELECT, WHERE, GROUP BY, ORDER BY
• JOINs
• Subconsultas
• CTEs
• Window functions
• CASE WHEN
• Agregaciones
• Fechas
• Limpieza básica de datos

Ejemplo de pregunta típica:

“Calcula el número de usuarios activos por mes y el porcentaje que repite compra al mes siguiente”.

No basta con saber la sintaxis. Tienes que explicar cómo piensas.

2. Power BI o Tableau

En Bogotá, Power BI aparece muchísimo porque muchas empresas usan Microsoft. Si quieres una herramienta principal para empezar, elige Power BI.

Debes saber:

• Conectar fuentes
• Transformar datos en Power Query
• Crear medidas con DAX
• Diseñar dashboards simples
• Usar filtros y segmentaciones
• Publicar reportes
• Explicar KPIs

No llenes el dashboard de gráficos. Un buen tablero responde preguntas rápido.

3. Excel avanzado

Aunque suene básico, Excel sigue vivo. En bancos, operaciones, finanzas, retail y consultoría, te lo van a pedir.

Aprende bien:

• Tablas dinámicas
• BUSCARX
• Power Query
• Validaciones
• Fórmulas condicionales
• Gráficos
• Limpieza de bases
• Modelos simples

Excel puede ser tu ventaja si vienes de un rol administrativo y quieres pasar a análisis.

4. Python

Python no siempre es obligatorio para Data Analyst junior, pero ayuda mucho. Sobre todo si quieres ir hacia automatización, análisis avanzado o ciencia de datos.

Enfócate en:

• pandas
• numpy
• matplotlib o seaborn
• notebooks
• limpieza de datos
• lectura de CSV y Excel
• análisis exploratorio

No necesitas construir redes neuronales para tu primera vacante. Mejor domina análisis reales.

5. Inglés

El inglés puede duplicar tus oportunidades. Muchas empresas en Bogotá trabajan con equipos regionales o clientes internacionales.

No tienes que sonar perfecto. Pero sí poder:

• Leer documentación
• Entender una reunión
• Explicar un análisis
• Escribir hallazgos
• Presentar un dashboard

Si tienes B2, ponlo claro en el CV. Si no lo tienes, empieza a practicar entrevistas en inglés desde ya.

Qué estudiar si empiezas desde cero#

Si hoy estás perdido, usa una ruta simple de 12 semanas. No perfecta, simple.

Semanas 1 a 3: bases de datos y Excel

Objetivo:

• Entender tablas
• Limpiar datos
• Hacer análisis descriptivo
• Crear reportes simples

Practica con datasets públicos de ventas, transporte, clima, empleo o e-commerce.

Tareas concretas:

1. Limpia una base en Excel.
2. Crea 5 tablas dinámicas.
3. Responde 10 preguntas de negocio.
4. Presenta 3 conclusiones en texto.

Semanas 4 a 6: SQL

Objetivo:

• Consultar datos
• Unir tablas
• Crear métricas
• Trabajar con fechas

Practica en plataformas como Mode SQL Tutorial, HackerRank, DataLemur o LeetCode Database.

No hagas ejercicios sueltos para siempre. Crea un mini proyecto con una base de pedidos, usuarios y productos.

Semanas 7 a 9: Power BI

Objetivo:

• Crear un dashboard de negocio
• Hacer modelo de datos básico
• Usar DAX
• Diseñar visualizaciones limpias

Proyecto recomendado:

“Dashboard de ventas de una tienda online en Colombia”.

Incluye:

• Ventas por ciudad
• Margen por categoría
• Clientes recurrentes
• Ticket promedio
• Crecimiento mensual
• Productos más vendidos

Semanas 10 a 12: portafolio y CV

Objetivo:

• Tener 2 o 3 proyectos publicables
• Mejorar LinkedIn
• Ajustar tu CV a ofertas reales
• Practicar entrevistas

Tu portafolio no tiene que ser enorme. Tiene que ser claro.

Proyectos que sí ayudan a conseguir empleo#

Un error común es hacer proyectos que se ven bonitos, pero no dicen nada. Por ejemplo, un dashboard lleno de colores sobre películas sin una pregunta de negocio.

Mejor crea proyectos parecidos a problemas reales.

Proyecto 1: análisis de ventas retail

Imagina una empresa tipo Inditex o Falabella con tiendas físicas y online.

Preguntas:

• ¿Qué categoría crece más?
• ¿Qué ciudad tiene mejor margen?
• ¿Qué productos tienen alta venta y baja rentabilidad?
• ¿Qué días venden más?
• ¿Qué recomendaciones harías?

Entregables:

• SQL queries
• Dashboard Power BI
• Resumen ejecutivo de 1 página

Proyecto 2: análisis de churn en suscripción

Imagina una app con usuarios mensuales.

Preguntas:

• ¿Qué porcentaje cancela?
• ¿En qué mes se van más usuarios?
• ¿Qué comportamientos predicen cancelación?
• ¿Qué segmentos retienen mejor?

Este proyecto ayuda para fintech, SaaS, telecomunicaciones y apps.

Proyecto 3: análisis de campañas de marketing

Ideal si quieres entrar a marketing analytics.

Preguntas:

• ¿Qué canal trae clientes más baratos?
• ¿Dónde el ROAS es mejor?
• ¿Qué campaña convierte mejor?
• ¿Qué presupuesto moverías?

Incluye métricas como CAC, CPC, CTR, conversión y revenue.

Proyecto 4: operaciones de delivery

Piensa en una empresa tipo Cabify o Glovo.

Preguntas:

• ¿Qué zonas tienen mayor demora?
• ¿Qué horarios concentran cancelaciones?
• ¿Cómo cambia la demanda por día?
• ¿Qué ciudades necesitan más capacidad?

Este tipo de proyecto muestra pensamiento operativo, algo muy valorado.

Cómo debe verse tu CV de Data Analyst#

Tu CV tiene que pasar dos filtros: el ATS y una persona con poco tiempo. Si no se entiende en 10 segundos, pierdes.

Estructura recomendada

Usa este orden:

1. Nombre y contacto
2. Título profesional
3. Resumen corto
4. Skills técnicos
5. Experiencia
6. Proyectos
7. Educación
8. Certificaciones
9. Idiomas

No pongas párrafos largos. Usa bullets con impacto.

Ejemplo de resumen

“Data Analyst con experiencia en análisis comercial, SQL, Power BI y Excel avanzado. He construido dashboards de ventas, reportes de KPIs y análisis de clientes para apoyar decisiones de negocio. Interés en roles de BI, producto y analítica comercial.”

Si eres junior:

“Data Analyst junior con formación en SQL, Power BI, Excel y Python. Portafolio con proyectos de ventas, churn y marketing analytics. Experiencia previa en administración y reporting, con foco en convertir datos en decisiones claras.”

Cómo escribir experiencia con impacto

Evita esto:

• “Responsable de reportes en Excel”.
• “Apoyo al área comercial”.
• “Manejo de bases de datos”.

Mejor así:

• “Automatizé reportes semanales en Excel y Power Query, reduciendo el tiempo de preparación de 4 horas a 45 minutos”.
• “Construí dashboard en Power BI para seguimiento de ventas por ciudad, categoría y canal”.
• “Analicé comportamiento de clientes y detecté caída de conversión del 18% en el canal digital”.
• “Creé consultas SQL para consolidar información de ventas, inventario y clientes”.

Si no tienes cifras exactas, usa rangos o contexto real. Pero no inventes resultados.

Palabras clave para pasar filtros ATS#

Muchas empresas usan sistemas ATS para filtrar CVs. Eso significa que tu hoja debe incluir palabras parecidas a la oferta.

Palabras que suelen aparecer:

• Data Analyst
• Business Intelligence
• SQL
• Power BI
• Tableau
• Excel avanzado
• Python
• pandas
• KPI
• Dashboard
• Reporting
• ETL
• Data visualization
• DAX
• Power Query
• Google Analytics
• BigQuery
• Snowflake
• Data modeling
• Stakeholders
• Business analysis

No metas palabras al azar. Si no sabes BigQuery, no lo pongas. Pero si has usado SQL en PostgreSQL, puedes decir SQL con PostgreSQL.

Dónde buscar empleos de Data Analyst en Bogotá#

No dependas de una sola plataforma. Lo mejor es crear una rutina semanal.

Plataformas principales

Revisa:

• LinkedIn Jobs
• Computrabajo
• Magneto
• Elempleo
• Torre
• Indeed
• Get on Board
• Wellfound para startups
• Páginas de carrera de empresas

En LinkedIn, busca con variantes:

• Data Analyst Bogotá
• Analista de datos
• Analista BI
• Business Intelligence Analyst
• Reporting Analyst
• Product Analyst
• Marketing Analyst
• Analista SQL
• Analista Power BI
• Data Analyst remote Latam

Empresas para monitorear

Puedes revisar carreras en:

• BBVA
• Telefónica
• Bancolombia
• Davivienda
• Mercado Libre
• Rappi
• Cabify
• Globant
• Accenture
• Deloitte
• KPMG
• EY
• Falabella
• Claro
• Movistar
• Nubank
• Addi

No esperes a que salga una oferta perfecta. Aplica cuando cumplas cerca del 70% de los requisitos.

Cómo prepararte para entrevistas#

Las entrevistas de Data Analyst suelen tener tres partes: conversación de experiencia, prueba técnica y caso de negocio.

Preguntas comunes

Te pueden preguntar:

1. ¿Cómo defines un KPI?
2. ¿Qué harías si los datos tienen valores faltantes?
3. Explica un dashboard que hayas creado.
4. ¿Cuál es la diferencia entre INNER JOIN y LEFT JOIN?
5. ¿Cómo analizarías una caída de ventas?
6. ¿Cómo priorizas solicitudes de varias áreas?
7. ¿Qué métrica usarías para medir retención?
8. ¿Cómo explicarías un hallazgo técnico a un gerente?

Practica respuestas cortas. No te vayas por las ramas.

Prueba técnica SQL

Te pueden dar tablas como:

• users
• orders
• products
• payments
• sessions

Y pedirte:

• ventas por mes
• clientes activos
• top productos
• tasa de recompra
• promedio por usuario
• cohortes simples

Antes de escribir SQL, aclara la métrica. Eso muestra madurez.

Caso de negocio

Ejemplo:

“Los pedidos en Bogotá bajaron 15% en las últimas dos semanas. ¿Cómo lo investigarías?”

Respuesta fuerte:

1. Confirmo si la caída es real o error de datos.
2. Comparo contra semanas anteriores y mismo periodo del año pasado.
3. Segmento por zona, canal, hora, tipo de usuario y categoría.
4. Reviso métricas relacionadas: tráfico, conversión, cancelaciones, ticket, disponibilidad.
5. Busco eventos externos como promociones, clima, festivos o cambios de precio.
6. Propongo hipótesis y pruebas.
7. Presento recomendaciones priorizadas.

No necesitas adivinar la causa. Necesitas mostrar método.

Errores que te quitan oportunidades#

Muchos candidatos no fallan por falta de talento, sino por detalles.

Evita esto:

• CV de 4 páginas.
• Portafolio sin explicación.
• Decir “sé Python” pero no poder limpiar un CSV.
• Dashboards llenos de gráficos sin conclusiones.
• Aplicar sin adaptar el CV.
• No saber explicar un JOIN.
• No tener ejemplos de impacto.
• Poner nivel de inglés falso.
• Hablar solo de herramientas y no de negocio.
• No hacer preguntas al entrevistador.

Una buena pregunta al final puede ser:

“¿Qué decisiones esperan mejorar con este rol en los primeros 3 meses?”

Eso te hace sonar como alguien que piensa en impacto, no solo en tareas.

Plan semanal para aplicar sin quemarte#

Buscar empleo puede sentirse pesado. Si aplicas sin orden, te frustras rápido.

Usa una rutina simple:

Lunes

• Buscar 15 ofertas.
• Guardar 8 que sí encajan.
• Revisar palabras clave comunes.

Martes

• Adaptar CV a 3 ofertas.
• Enviar aplicaciones.
• Contactar 3 recruiters o líderes de datos.

Miércoles

• Practicar SQL 45 minutos.
• Mejorar un proyecto del portafolio.
• Publicar un avance en LinkedIn.

Jueves

• Aplicar a 3 ofertas más.
• Practicar una respuesta de entrevista.
• Revisar empresas objetivo.

Viernes

• Hacer seguimiento.
• Registrar respuestas.
• Ajustar estrategia.

Lleva una tabla con:

• Empresa
• Cargo
• Fecha
• Link
• Estado
• Contacto
• Versión de CV
• Próximo paso

Parece simple, pero te da control.

Qué certificaciones valen la pena#

Las certificaciones ayudan, pero no reemplazan proyectos. Si tienes presupuesto limitado, prioriza práctica.

Algunas opciones útiles:

• Microsoft Power BI Data Analyst
• Google Data Analytics Certificate
• IBM Data Analyst
• SQL avanzado en plataformas reconocidas
• Certificaciones de Tableau
• Google Analytics para marketing analytics

Si estás empezando, una certificación puede darte estructura. Pero acompáñala con proyectos visibles.

Cómo destacar si vienes de otra carrera#

Muchos Data Analysts no empezaron en sistemas. Eso no es problema si conectas tu experiencia anterior con datos.

Ejemplos:

• Si vienes de ventas: sabes de clientes, pipeline, cuotas y revenue.
• Si vienes de finanzas: sabes de presupuesto, margen, variaciones y control.
• Si vienes de marketing: sabes de campañas, conversión y segmentación.
• Si vienes de operaciones: sabes de tiempos, capacidad, calidad y procesos.
• Si vienes de recursos humanos: sabes de rotación, headcount y desempeño.

Tu historia debe sonar así:

“Ya entendía el negocio, ahora uso datos para tomar mejores decisiones”.

Eso es mucho más fuerte que decir “quiero cambiarme a tecnología porque paga mejor”.

Cómo usar LinkedIn para que te encuentren#

LinkedIn no es solo para aplicar. También es un buscador de candidatos.

Ajusta tu perfil con estas partes:

Titular

Ejemplos:

• Data Analyst | SQL, Power BI, Excel | Business Intelligence
• Analista de Datos | Power BI, SQL, Python | Bogotá
• Junior Data Analyst | Dashboards, KPIs, SQL | Open to Work

Acerca de

Escribe 5 o 6 líneas, no una novela.

Incluye:

• Qué haces
• Herramientas
• Tipos de análisis
• Sectores de interés
• Portafolio
• Contacto

Actividad

Publica cosas simples:

• Un dashboard que creaste
• Una consulta SQL explicada
• Un aprendizaje de Power BI
• Un análisis de datos públicos
• Una reflexión sobre métricas

No tienes que volverte influencer. Solo mostrar señales de que estás activo.

Qué esperar en 2026#

El rol de Data Analyst no desaparece por la IA. Cambia.

Las empresas van a valorar más a quienes puedan combinar herramientas, criterio de negocio y comunicación. La IA puede ayudarte a escribir consultas, limpiar datos o resumir hallazgos, pero alguien tiene que validar si la métrica tiene sentido.

En 2026, diferenciarte no será saber una herramienta secreta. Será poder responder buenas preguntas con datos confiables y explicar tus conclusiones sin sonar complicado.

Si dominas SQL, Power BI, Excel, algo de Python, inglés y pensamiento de negocio, vas a tener una base muy competitiva para Bogotá y para roles remotos.

Checklist final antes de aplicar#

Antes de enviar tu próxima candidatura, revisa esto:

• ¿Tu CV tiene SQL, Power BI y Excel si la oferta los pide?
• ¿Tu experiencia tiene logros medibles?
• ¿Tienes 2 o 3 proyectos claros?
• ¿Tu LinkedIn coincide con tu CV?
• ¿Puedes explicar un dashboard en 2 minutos?
• ¿Puedes resolver un JOIN sin mirar apuntes?
• ¿Tienes una respuesta para “cuéntame de ti”?
• ¿Adaptaste el CV a la oferta?
• ¿Incluiste palabras clave del cargo?
• ¿Tu portafolio abre sin pedir permisos?

Si la respuesta es sí a la mayoría, ya estás por delante de muchos candidatos.

Y si no estás seguro de si tu CV pasa filtros ATS, revisa tu hoja antes de seguir aplicando a ciegas. Puedes probar gratis el verificador de CV de JobRise aquí: https://jobrise.io/es/free-ats-checker/