Google Data Engineer: CV, palabras clave y entrevista

Llevas semanas enviando currículums para puestos de ingeniero de datos en Google y no consigues ni una primera entrevista. El problema no es tu experiencia, sino que tu CV no está optimizado para pasar los filtros automáticos y el ojo entrenado de los reclutadores. Este es un proceso con reglas propias que puedes aprender y dominar.

La realidad es que Google recibe miles de solicitudes. Tu CV tiene entre 5 y 10 segundos para causar una buena impresión. Necesitas dejar de lado los formatos genéricos y empezar a hablar el lenguaje que ellos buscan. Vamos a desglosar cómo hacerlo paso a paso.

El filtro automático: sobreviviendo al ATS#

Antes de que un ser humano lo lea, tu CV debe pasar por un sistema de seguimiento de candidatos (ATS). Este software escanea tu documento en busca de palabras clave relevantes para el puesto. Si no están, tu CV probablemente será descartado sin más.

La clave es la correspondencia directa. Analiza la descripción del puesto y extrae las tecnologías y conceptos que mencionan. No basta con listar "Python"; si piden "desarrollo de pipelines de datos con Python", usa esa frase. Un buen punto de partida es usar herramientas como el decodificador de descripciones de puesto para identificar qué términos son los más importantes.

Una vez tengas esa lista, asegúrate de que aparezcan de forma natural en tu CV, especialmente en la sección de experiencia. No hagas trampa. Si no tienes experiencia con una tecnología, no la pongas. Pero si la has usado en un proyecto personal o en un curso, inclúyela.

Para asegurarte de que tu CV está bien estructurado para los sistemas automáticos, puedes pasar tu documento final por el verificador de compatibilidad con ATS. Te dará una puntuación y te dirá qué palabras clave faltan.

Adaptando tu CV para el rol de Data Engineer en Google#

Google no busca un perfil genérico. Buscan gente que entienda sus problemas a escala. Tu CV debe reflejar que has trabajado con volúmenes de datos importantes y que conoces sus herramientas.

El vocabulario clave que debes usar

Más allá de lenguajes como Python, SQL o Java, presta atención a los servicios de la nube. Para un puesto en Google, el conocimiento de Google Cloud Platform (GCP) es casi siempre un requisito. Sé específico.

• BigQuery: No pongas solo "SQL". Menciona "escritura de consultas complejas en BigQuery para análisis de datos a gran escala".
• Dataflow (Apache Beam): Es el estándar para streaming y batch en GCP. Si tienes experiencia, destácalo.
• Cloud Storage y Dataproc: Muestra que sabes gestionar el almacenamiento y el procesamiento de datos (Hadoop/Spark) en la nube de Google.
• Conceptos de arquitectura: Usa términos como "data lakehouse", "ETL/ELT", "orquestación de pipelines" (Airflow, Composer), "modelado de datos" y "calidad de datos".

No es necesario que domines todo, pero demuestra que entiendes el ecosistema. Si estás buscando qué tecnologías están en auge, echa un vistazo a las ofertas en el portal de empleo para ver qué piden las empresas líderes.

El bullet point que marca la diferencia

La diferencia entre un CV que se descarta y uno que avanza está en los detalles de tus logros. No describas tus tareas, cuenta tus impactos.

Ejemplo de un bullet genérico:

• Responsable de la creación de pipelines de datos.

Ejemplo de un bullet específico y con impacto (el que debes usar):

• Diseñé e implementé un pipeline de streaming con Apache Beam (Dataflow) para procesar 50 millones de eventos diarios, reduciendo la latencia de los reportes de 4 horas a 15 minutos.

La segunda versión es mucho más potente. Usa un verbo de acción fuerte ("Diseñé e implementé"), nombra la tecnología ("Apache Beam (Dataflow)"), cuantifica el volumen ("50 millones de eventos diarios") y, lo más importante, mide el resultado ("reduciendo la latencia... a 15 minutos"). Este formato demuestra competencia y resultados.

Preparación para la entrevista técnica#

Si tu CV funciona, pasarás a las entrevistas. Para un rol de Data Engineer en Google, el proceso suele tener varias fases: una llamada inicial con el reclutador, una o dos entrevistas técnicas por teléfono y, finalmente, el "onsite" (que ahora suele ser virtual), que consta de 4 o 5 entrevistas más.

Las entrevistas se centran en tres áreas principales:

1. Entrevistas de codificación: Estructuras de datos y algoritmos. Es como una entrevista de Software Engineer. Prepárate para resolver problemas en un editor de código compartido usando Python, Java o el lenguaje que prefieras. Practica en plataformas como LeetCode.
2. Entrevistas de diseño de sistemas de datos: Este es el core del puesto. Te plantearán un problema de negocio, como "Diseña un sistema para detectar fraude en transacciones en tiempo real", y esperan que diseñes una arquitectura de datos completa. Debes hablar de ingestión, procesamiento, almacenamiento, orquestación y cómo garantizarías la calidad y la escalabilidad del sistema.
3. Entrevistas de "Googleyness" y liderazgo: Buscan gente que pueda trabajar en equipo, comunicar ideas complejas y tomar la iniciativa. Prepara ejemplos concretos de tu experiencia usando el método STAR (Situación, Tarea, Acción, Resultado).

Ejemplo de respuesta a una pregunta de diseño

Pregunta: "Imagina que tienes que construir un data warehouse para un equipo de marketing que quiere analizar el rendimiento de sus campañas en redes sociales. ¿Cómo lo harías?"

Una respuesta estructurada podría ser:

"Primero, definiría las métricas clave con los stakeholders: clics, impresiones, conversiones y coste por adquisición. Luego, diseñaría un proceso ETL. La extracción se haría mediante APIs de las plataformas de redes sociales, probablemente usando un script en Python que se ejecutaría diariamente. La transformación y carga se realizaría en BigQuery. Crearía un esquema de estrella, con una tabla de hechos para los eventos de la campaña y tablas de dimensiones para 'campañas', 'anuncios' y 'plataformas'. Esto permite consultas rápidas y flexibles. Para la orquestación, usaría Cloud Composer (una versión gestionada de Airflow) para asegurar que el pipeline se ejecuta a diario y maneja los fallos. Finalmente, conectaría BigQuery a una herramienta de visualización como Looker Studio para que el equipo de marketing pueda crear sus propios dashboards."

Esta respuesta demuestra un pensamiento estructurado, conocimiento de las herramientas de GCP y una mentalidad orientada a resolver problemas de negocio.

El contexto del mercado en España y Latinoamérica#

Es importante ser realista. Aunque Google tiene oficinas en Madrid, Barcelona y otras ciudades, muchas de las posiciones de Data Engineer se publican para trabajar de forma remota o se basan en otros hubs europeos. No te limites a buscar solo en tu país. El proceso de selección es global y en inglés, así que un buen nivel de idioma es imprescindible.

En cuanto al salario, las cifras que circulan por internet suelen referirse al mercado estadounidense. En Europa y Latinoamérica, los salarios son diferentes y varían mucho según el país y el nivel de experiencia. No te fíes de números concretos. Investiga en portales de empleo locales como Glassdoor o Levels.fyi para tener una idea del rango en tu zona, pero ten en cuenta que son datos autodeclarados. El reclutador te dará la cifra oficial durante el proceso.

Herramientas gratis#

• chequeo ATS gratis
• decodificador de ofertas
• empleos
• blog

Preguntas frecuentes#

¿Qué nivel de experiencia necesito para un puesto de Data Engineer en Google?

Google busca perfiles desde recién graduados hasta expertos. Sin embargo, para los puestos de nivel intermedio (L4) y senior (L5), suelen pedir al menos 3-5 años de experiencia relevante trabajando con pipelines de datos a gran escala, idealmente en un entorno cloud.

¿Es obligatorio saber GCP o puedo entrar solo con experiencia en AWS o Azure?

No es estrictamente obligatorio, pero sí muy recomendable. Demuestra un interés y un conocimiento previo del ecosistema de Google. Si tu experiencia es en AWS, asegúrate de que tus fundamentos de arquitectura de datos sean sólidos y de que puedas explicar los conceptos equivalentes en GCP durante la entrevista.

¿El proceso de entrevista se realiza en inglés?

Sí, prácticamente la totalidad del proceso, desde la primera llamada con el reclutador hasta la última entrevista técnica, se realiza en inglés. Es un requisito no negociable para trabajar en un equipo global como los de Google.

¿Cuánto dura el proceso de selección completo?

El proceso suele ser largo. Desde la primera interacción hasta la oferta final, pueden pasar entre uno y tres meses. Depende de tu disponibilidad, la del equipo entrevistador y los tiempos internos de aprobación de cada fase.

¿Puedo aplicar a Google si no vivo en España o Latinoamérica?

Por supuesto. Las ofertas de Google para Data Engineer son globales. Puedes aplicar desde cualquier país si cumples los requisitos del puesto. Muchas posiciones ofrecen reubicación o la posibilidad de trabajar en remoto desde una lista de países aprobados por la empresa.