Empleos de Data Analyst en Sevilla 2026: Guía Práctica

Estás mirando ofertas de Data Analyst en Sevilla y te pasa lo de siempre: piden SQL, Power BI, Python, inglés, experiencia en negocio, y encima no sabes si el sueldo que ponen es bueno o te están vendiendo humo. Tranquilo, vamos a aterrizarlo sin palabras raras, como si estuviéramos revisando tu búsqueda por WhatsApp.

Sevilla ya no es solo una ciudad “barata” para teletrabajar desde una terraza. En 2026, muchas empresas están montando equipos de datos en Andalucía, otras contratan híbrido desde Madrid o Barcelona, y también hay consultoras que buscan perfiles junior y mid para proyectos con bancos, retail, energía y movilidad.

La clave es saber qué ofertas sí merecen tu tiempo, cómo preparar tu CV para pasar filtros ATS, qué salario pedir y qué habilidades priorizar para que no estudies diez herramientas a la vez sin conseguir entrevistas.

Qué hace realmente un Data Analyst en Sevilla en 2026#

Un Data Analyst convierte datos en decisiones. Suena muy de LinkedIn, pero en el día a día significa sacar información útil de bases de datos, limpiar tablas, montar dashboards y explicar qué está pasando en ventas, clientes, operaciones o producto.

En una empresa como BBVA, por ejemplo, podrías analizar abandono de clientes, uso de tarjetas o rendimiento de campañas digitales. En Telefónica, podrías trabajar con datos de usuarios, incidencias, red comercial o consumo de servicios.

En Inditex, aunque la sede fuerte esté en Galicia, hay proyectos de retail, logística y ecommerce donde un analista puede medir ventas por tienda, stock, devoluciones o comportamiento online. En Cabify o Glovo, el análisis suele ir más hacia operaciones, precios, rutas, tiempos de entrega y retención de usuarios.

Tareas típicas del puesto

Si entras como Data Analyst, lo normal es que hagas varias de estas cosas:

1. Extraer datos con SQL desde bases como PostgreSQL, MySQL, BigQuery o Snowflake.
2. Limpiar y transformar datos en Excel, Python, dbt o herramientas internas.
3. Crear dashboards en Power BI, Tableau, Looker Studio o Qlik.
4. Medir KPIs como conversión, churn, margen, ventas, CAC, LTV o productividad.
5. Preparar informes para equipos de negocio.
6. Detectar errores en datos y documentar definiciones.
7. Explicar resultados a personas no técnicas.

Esto último pesa más de lo que parece. Muchas candidaturas fallan porque la persona sabe hacer queries, pero no sabe contar la historia detrás de los datos.

Data Analyst no es lo mismo que Data Scientist

Este punto te ahorra frustración. Un Data Analyst no necesita dominar machine learning avanzado para la mayoría de ofertas en Sevilla.

Sí ayuda saber Python, estadística y algo de modelado. Pero si estás empezando, el orden más rentable suele ser:

• SQL fuerte.
• Excel o Google Sheets avanzado.
• Power BI o Tableau.
• Métricas de negocio.
• Python para análisis, no para modelos complicados.
• Comunicación clara.

Si ya tienes eso, entonces puedes subir nivel con estadística, experimentos A/B, dbt, Airflow o cloud.

Cómo está el mercado de Data Analyst en Sevilla#

Sevilla tiene una mezcla interesante. Hay empresas locales, hubs tecnológicos, consultoras grandes, startups y ofertas remotas que permiten vivir en la ciudad aunque la empresa esté en Madrid, Barcelona, Valencia o incluso fuera de España.

En 2026, las ofertas suelen venir de cuatro tipos de empresas:

1. Consultoras tecnológicas

Aquí entran compañías como Accenture, NTT DATA, Deloitte, Capgemini, Inetum o Sopra Steria. Muchas contratan en Sevilla para proyectos de banca, energía, administración pública, retail y telecomunicaciones.

Ventaja: suelen aceptar perfiles junior si traes base técnica y ganas. Desventaja: el proyecto puede cambiar y a veces el trabajo es más de reporting que de análisis profundo.

Para empezar, es una puerta bastante realista.

2. Empresas grandes con equipos de datos

Aquí puedes encontrar oportunidades vinculadas a bancos, seguros, telecomunicaciones, energía o distribución. BBVA, CaixaBank, Telefónica, Endesa, Naturgy o compañías con sedes y proveedores en Andalucía pueden tener vacantes directas o mediante partners.

El proceso suele ser más exigente. Te pedirán SQL decente, experiencia con dashboards, entender negocio y saber manejarte con stakeholders.

3. Startups y scaleups

Cabify, Glovo, Factorial, TravelPerk, Fever o empresas SaaS similares pueden ofrecer posiciones remotas o híbridas. Aunque no todas tengan oficina en Sevilla, muchas aceptan candidatos desde España.

Aquí valoran mucho que sepas pensar en producto. No basta con hacer un dashboard bonito, tienes que responder preguntas como:

• ¿Por qué ha bajado la conversión?
• ¿Qué segmento de usuario deja más margen?
• ¿Qué cambios reducen cancelaciones?
• ¿Qué canal de marketing trae mejores clientes?

4. Pymes sevillanas que empiezan a ordenar datos

También hay empresas locales de logística, turismo, alimentación, formación, ecommerce o salud que necesitan su primer perfil de datos. Estos puestos pueden llamarse Data Analyst, Business Analyst, Reporting Analyst o BI Analyst.

En estos casos, probablemente tocarás muchas cosas: Excel, CRM, ERP, Power BI, automatización y reuniones con dirección.

No siempre pagan como una multinacional, pero puedes ganar experiencia muy útil.

Salarios de Data Analyst en Sevilla en 2026#

Vamos a lo que más te interesa: cuánto pedir.

Los salarios cambian por empresa, sector, idioma, remoto y experiencia. Pero para que tengas una referencia realista en España, estos rangos son razonables para 2026:

Junior Data Analyst, 0 a 2 años

Rango habitual en Sevilla: €22k a €30k brutos/año.

En consultora o pyme, puede salir algo como €22k, €24k o €26k. Si tienes buen inglés, SQL sólido, Power BI y prácticas decentes, puedes pelear por €28k o €30k.

Si una oferta pide SQL, Power BI, Python, inglés B2 y experiencia real, y te ofrece €20k, ojo. Puede servir si estás entrando desde cero, pero no lo vendas como “gran oportunidad” sin mirar el aprendizaje y las horas.

Data Analyst mid, 2 a 5 años

Rango habitual: €32k a €45k brutos/año.

Aquí ya deberías poder trabajar con autonomía. No solo haces dashboards, también defines métricas, revisas calidad de datos y explicas insights.

En empresas tipo fintech, ecommerce, movilidad, SaaS o remoto para Madrid/Barcelona, puedes ver €40k, €45k o incluso €50k si encajas muy bien.

Senior Data Analyst, 5+ años

Rango habitual: €48k a €70k brutos/año.

El senior bueno no es quien sabe más herramientas, sino quien ayuda al negocio a decidir mejor. Sabe decir “este dato no está bien”, “esta métrica está mal definida” o “la caída viene de este segmento, no de todo el producto”.

En remoto para empresas internacionales o scaleups, puedes ver sueldos de €65k, €70k o más, aunque la competencia también sube bastante.

BI Analyst vs Data Analyst, diferencia salarial

A veces el BI Analyst se centra más en dashboards, reporting y modelado en Power BI o Tableau. El Data Analyst suele tener más parte de investigación, métricas y análisis ad hoc.

En la práctica, muchas empresas mezclan ambos nombres.

Como referencia:

• BI Analyst junior: €23k a €30k.
• BI Analyst mid: €32k a €44k.
• BI Analyst senior: €45k a €60k.
• Data Analyst con producto o negocio fuerte: puede subir a €50k, €60k o €70k.

Habilidades que más te van a pedir#

No necesitas aprenderlo todo. Necesitas una combinación que haga que el recruiter piense: “esta persona puede entrar y aportar”.

SQL, la habilidad número uno

Si solo pudieras elegir una cosa, sería SQL. No el SQL de “SELECT * FROM tabla”, sino SQL para resolver preguntas reales.

Deberías manejar:

• JOINs.
• GROUP BY.
• CTEs.
• Window functions.
• Subqueries.
• CASE WHEN.
• Fechas y cohortes.
• Limpieza básica de datos.
• Optimización mínima de queries.

Ejemplo de pregunta típica en entrevista: “saca la tasa de retención de usuarios por mes de alta”. Otra: “calcula ventas por categoría y compara contra el mes anterior”.

Power BI o Tableau

En Sevilla, Power BI aparece muchísimo porque muchas empresas usan Microsoft. Si vienes de Excel y quieres dar el salto, Power BI es una apuesta muy práctica.

Aprende:

1. Modelado de datos.
2. Relaciones entre tablas.
3. DAX básico y medio.
4. Medidas calculadas.
5. Filtros y segmentadores.
6. Diseño claro de dashboards.
7. Publicación y permisos.

No hagas dashboards llenos de colores. Haz dashboards que respondan preguntas.

Excel sigue importando

Aunque a veces se desprecie, Excel sigue vivo en bancos, consultoras, pymes y equipos de negocio. Si sabes tablas dinámicas, XLOOKUP, Power Query y algo de automatización, suma.

No hace falta presentarte como “experto Excel” si buscas data, pero sí conviene demostrar que no te bloqueas cuando te pasan un archivo enorme con columnas raras.

Python, útil pero no siempre obligatorio

Python te abre puertas, sobre todo si sabes pandas, numpy, matplotlib, seaborn y notebooks. No necesitas aprender deep learning para un puesto normal de Data Analyst.

Lo importante:

• Leer CSV y Excel.
• Limpiar datos.
• Agrupar y cruzar tablas.
• Crear gráficos.
• Automatizar análisis repetidos.
• Conectarte a APIs básicas.
• Documentar lo que haces.

Si en una entrevista te preguntan por Python y tú enseñas un proyecto limpio, con un notebook bien explicado, ya vas por delante de mucha gente.

Inglés

En Sevilla puedes encontrar puestos en español, sí. Pero el inglés te permite acceder a remoto mejor pagado.

Con B2 real ya compites mejor. Con C1, te abres a empresas europeas que pagan bastante más que la media local.

No pongas “inglés medio” si no puedes tener una reunión. Mejor algo claro:

• “Inglés B2, reuniones y documentación técnica”.
• “Inglés C1, experiencia trabajando con equipos internacionales”.

Cómo crear un CV que pase filtros ATS#

El ATS es el sistema que muchas empresas usan para filtrar CVs. Si tu CV no contiene ciertas palabras clave o está mal formateado, puede quedarse fuera antes de que una persona lo vea.

No es justo, pero es real.

Palabras clave que deberías incluir

Si son verdad en tu caso, mete términos como:

• Data Analyst.
• Business Intelligence.
• SQL.
• Power BI.
• Tableau.
• Python.
• Excel.
• ETL.
• Data visualization.
• KPI.
• Dashboard.
• Reporting.
• DAX.
• BigQuery.
• Snowflake.
• PostgreSQL.
• Google Analytics.
• A/B testing.
• Cohort analysis.

No las metas todas a lo loco. Ponlas en experiencia, proyectos y habilidades.

Estructura recomendada

Tu CV debería tener:

1. Titular profesional.
2. Resumen de 3 o 4 líneas.
3. Habilidades técnicas agrupadas.
4. Experiencia con logros medibles.
5. Proyectos de datos si tienes poca experiencia.
6. Formación.
7. Certificaciones, si aportan.

Ejemplo de titular:

“Data Analyst junior con SQL, Power BI y Python, experiencia en dashboards comerciales y análisis de KPIs”.

Ejemplo de resumen:

“Analista de datos con experiencia creando dashboards en Power BI, consultas SQL y análisis de ventas. He trabajado con equipos comerciales para medir conversión, ticket medio y rendimiento por canal. Busco un rol de Data Analyst en Sevilla o remoto.”

Logros mejores que tareas

Evita frases tipo:

• “Responsable de informes”.
• “Uso de Excel”.
• “Apoyo al equipo de datos”.

Mejor:

• “Creé un dashboard en Power BI que redujo el tiempo de reporting semanal de 6 horas a 1 hora”.
• “Analicé ventas por canal y detecté una caída del 18% en conversión móvil”.
• “Automatizé limpieza de datos con Python, ahorrando 4 horas semanales al equipo”.

Los números ayudan mucho. No hace falta que sean enormes, solo creíbles.

Proyectos para conseguir tu primer empleo#

Si no tienes experiencia, necesitas pruebas. Un recruiter no puede adivinar que sabes analizar datos, tienes que enseñarlo.

No vale con subir un CSV a GitHub sin explicación. Tu proyecto debe contar una historia.

Proyecto 1: ventas de ecommerce

Puedes usar un dataset público de ventas online y construir un análisis con SQL y Power BI.

Preguntas que puedes responder:

• ¿Qué categorías venden más?
• ¿Cuál es el ticket medio?
• ¿Qué meses tienen más ingresos?
• ¿Qué clientes repiten?
• ¿Qué productos tienen margen bajo?
• ¿Dónde hay oportunidades de mejora?

Entregable ideal:

• Repositorio con SQL.
• Dashboard en Power BI.
• Readme explicando problema, datos, análisis y conclusiones.
• Capturas del dashboard.

Proyecto 2: movilidad urbana

Si te interesa Cabify, Glovo o movilidad, crea un análisis de viajes, tiempos o demanda por zona. Puedes usar datos abiertos de transporte o datasets simulados.

Ideas:

• Picos de demanda por hora.
• Tiempo medio de viaje.
• Zonas con más actividad.
• Cancelaciones.
• Relación entre clima y demanda.

Esto encaja muy bien con empresas de operaciones.

Proyecto 3: análisis de empleo

Puedes analizar ofertas de Data Analyst en España. Extrae datos manualmente o con una fuente pública, clasifica habilidades pedidas y crea conclusiones.

Métricas interesantes:

• Herramientas más pedidas.
• Salarios por ciudad.
• Porcentaje de remoto.
• Nivel de experiencia.
• Empresas que más publican.
• Diferencia entre Data Analyst, BI Analyst y Business Analyst.

Este proyecto es muy meta, pero funciona porque demuestra criterio de mercado.

Dónde buscar ofertas de Data Analyst en Sevilla#

No te quedes solo con un portal. La búsqueda buena combina varias fuentes y seguimiento.

Portales útiles

Revisa de forma recurrente:

• LinkedIn Jobs.
• InfoJobs.
• Indeed.
• Tecnoempleo.
• Welcome to the Jungle.
• Glassdoor.
• JobRise.io.
• Webs de empresas.
• Páginas de consultoras.

Busca con distintas palabras:

• Data Analyst Sevilla.
• Analista de datos Sevilla.
• BI Analyst Sevilla.
• Business Intelligence Sevilla.
• Reporting Analyst.
• Power BI Analyst.
• SQL Analyst.
• Data Analyst remote Spain.
• Analista datos remoto.

Muchas ofertas buenas no usan el título exacto “Data Analyst”.

Empresas a vigilar

Crea alertas para empresas como:

• BBVA.
• Telefónica.
• Inditex.
• Cabify.
• Glovo.
• Accenture.
• Deloitte.
• NTT DATA.
• Capgemini.
• Sopra Steria.
• Endesa.
• CaixaBank.
• Santander.
• Iberdrola.
• Freepik, que tiene base fuerte en Málaga, pero puede ofrecer remoto.
• CoverManager, empresa sevillana con producto digital.
• Emergya, tecnológica nacida en Sevilla.

No todas tendrán vacantes siempre, pero conviene seguirlas.

Cómo organizar tu búsqueda

Haz una tabla simple con columnas:

1. Empresa.
2. Puesto.
3. Fecha de aplicación.
4. Salario si aparece.
5. Modalidad, remoto, híbrido o presencial.
6. Herramientas pedidas.
7. Estado.
8. Próximo paso.
9. Contacto.
10. Notas de entrevista.

Esto parece básico, pero te evita aplicar dos veces a lo mismo o perder seguimiento cuando te llaman.

Cómo preparar entrevistas de Data Analyst#

La entrevista suele tener tres partes: recruiter, técnica y negocio. Si pasas las tres, estás muy cerca.

Preguntas de recruiter

Te pueden preguntar:

• Cuéntame tu experiencia.
• Por qué quieres cambiar.
• Qué salario buscas.
• Por qué Data Analyst.
• Qué disponibilidad tienes.
• Prefieres remoto, híbrido o presencial.
• Nivel de inglés.

Ten respuestas cortas. No improvises una historia de diez minutos.

Para salario, puedes decir:

“Para un rol de Data Analyst en Sevilla, con SQL, Power BI y Python, estoy valorando un rango de €32k a €38k según responsabilidades, modalidad y beneficios”.

Si eres junior:

“Estoy buscando algo en el rango de €24k a €28k, priorizando aprendizaje, buen equipo y proyectos reales de datos”.

Prueba técnica

Puede ser SQL, Power BI, Excel, Python o un caso de negocio.

Practica especialmente:

• JOINs con varias tablas.
• Agregaciones.
• Window functions.
• Filtrar fechas.
• Detectar duplicados.
• Calcular conversiones.
• Crear medidas en Power BI.
• Explicar un gráfico.

No basta con dar el número. Di qué harías para validar que el dato es correcto.

Caso de negocio

Ejemplo: “Glovo detecta que los pedidos han bajado un 12% en Sevilla esta semana. ¿Cómo lo analizarías?”

Buena respuesta:

1. Confirmaría que la caída es real y no un error de datos.
2. Compararía contra semanas anteriores y mismo periodo del año pasado.
3. Separaría por zona, hora, tipo de restaurante y canal.
4. Revisaría usuarios nuevos vs recurrentes.
5. Miraría cancelaciones, tiempos de entrega y disponibilidad de riders.
6. Comprobaría campañas, precios, clima o eventos locales.
7. Prepararía hipótesis y recomendaciones.

Eso demuestra pensamiento analítico, no solo técnica.

Errores que te pueden costar entrevistas#

Te digo los más comunes porque los veo todo el tiempo.

1. CV demasiado genérico

Si tu CV vale igual para Data Analyst, administrativo, marketing y atención al cliente, no está bien enfocado.

Adapta tu CV a datos. Aunque vengas de otro sector, traduce tu experiencia a métricas, procesos, informes y decisiones.

2. Aprender herramientas sin construir nada

Ver cursos no es experiencia. Un curso de Power BI está bien, pero un dashboard propio explicado vale más.

Por cada curso que hagas, crea un proyecto pequeño.

3. No saber explicar tus proyectos

Si dices “hice un análisis de ventas”, prepárate para explicar:

• Qué problema querías resolver.
• Qué datos usaste.
• Qué limpiaste.
• Qué métricas calculaste.
• Qué descubriste.
• Qué recomendarías.

Si no puedes explicarlo, parece copiado.

4. Pedir muy poco salario

Pedir poco no siempre ayuda. A veces transmite inseguridad o te mete en procesos de baja calidad.

Investiga rangos y da una banda razonable. Para Sevilla, si ya tienes 3 años de experiencia real, no te vendas por €24k salvo que haya una razón muy clara.

5. Ignorar el negocio

El mejor analista no es el que hace el gráfico más bonito. Es quien entiende qué decisión hay que tomar.

Antes de una entrevista, mira:

• Qué vende la empresa.
• Quiénes son sus clientes.
• Cómo gana dinero.
• Qué métricas pueden importarle.
• Qué problemas de datos podría tener.

Plan de 30 días para mejorar tus opciones#

Si quieres moverte ya, aquí tienes un plan simple.

Semana 1: CV y perfil

• Ajusta tu titular de LinkedIn.
• Reescribe tu CV con palabras clave.
• Añade logros medibles.
• Crea una sección de proyectos.
• Configura alertas de empleo.
• Revisa que tu CV sea compatible con ATS.

Semana 2: SQL y Power BI

• Practica 20 ejercicios de SQL.
• Repasa JOINs, CTEs y window functions.
• Crea un dashboard en Power BI.
• Publica capturas y explicación.
• Escribe un resumen de tu proyecto.

Semana 3: Aplicaciones y networking

• Aplica a 5 ofertas bien elegidas al día.
• Contacta con recruiters de consultoras.
• Escribe a 10 Data Analysts en Sevilla o remoto España.
• Pide feedback de tu CV.
• Guarda todo en una tabla.

Mensaje simple para LinkedIn:

“Hola, vi que trabajas en datos en Sevilla. Estoy buscando un rol de Data Analyst y estoy reforzando SQL y Power BI. ¿Te importaría contarme qué habilidades valoran más en tu equipo? Gracias.”

Semana 4: entrevistas

• Practica tu presentación de 60 segundos.
• Haz 10 ejercicios SQL cronometrados.
• Prepara 3 historias con método STAR.
• Simula un caso de negocio.
• Define tu rango salarial.
• Revisa preguntas sobre tus proyectos.

Qué perfil tiene más opciones en Sevilla#

El perfil con más opciones no es perfecto. Es alguien que demuestra que puede trabajar con datos reales y comunicarse bien.

Si quieres una receta clara, sería esta:

• SQL sólido.
• Power BI visible en portfolio.
• Excel avanzado.
• Python básico o medio.
• Inglés B2.
• 2 o 3 proyectos bien explicados.
• CV con logros y palabras clave.
• LinkedIn activo.
• Capacidad para hablar de negocio.

Con eso puedes competir en junior y mid. Para senior, tendrás que sumar experiencia real, ownership de métricas, relación con dirección y decisiones de impacto.

¿Merece la pena buscar Data Analyst en Sevilla en 2026?#

Sí, pero con estrategia. Si solo aplicas a cualquier oferta y esperas, se hará lento.

Sevilla tiene oportunidades presenciales e híbridas, y el remoto amplía mucho el mercado. La parte buena es que puedes vivir en una ciudad con coste más contenido que Madrid o Barcelona y optar a salarios de empresas nacionales o internacionales.

La parte menos bonita: hay competencia. Mucha gente ha hecho bootcamps, másteres y cursos. Por eso tu diferencia está en mostrar trabajo real, entender negocio y tener un CV que pase filtros.

No necesitas ser un genio de datos. Necesitas ser claro, constante y práctico.

Si hoy estás atascado, empieza por lo más directo: revisa tu CV, ajusta palabras clave, prepara un proyecto decente y aplica con cabeza. Y antes de enviar más candidaturas, comprueba si tu CV está pasando los filtros ATS con el verificador gratuito de JobRise: https://jobrise.io/es/free-ats-checker/