Google Data Scientist: CV, palabras clave y entrevista

Has enviado tu currículum a Google tres veces y ni siquiera te llaman. O te llaman, pasas la primera pantalla y luego te quedas en blanco en la entrevista técnica. El problema no es que no sepas, es que no estás comunicando lo que Google quiere escuchar en el formato que ellos esperan.

Google no es una startup con un departamento de datos improvisado. Tienen un proceso de selección estructurado y muy competitivo. Entender eso es el primer paso para dejar de postular a ciegas.

El CV: pasar el filtro ATS y al reclutador humano#

Tu CV tiene dos lectores. Primero, el sistema de seguimiento de candidatos (ATS) que busca palabras clave. Después, un reclutador que dedica entre seis y diez segundos a la primera lectura. Si no convences a ambos, no avanzas.

Para el ATS, necesitas que tu CV contenga los términos exactos que Google usa en la descripción del puesto. No pongas "análisis de datos" si la oferta dice "advanced analytics". Usa la misma terminología. Puedes decodificar las ofertas de Google con nuestra herramienta gratuita para encontrar las palabras clave ocultas en la descripción del puesto.

Para el reclutador humano, cada línea debe demostrar impacto, no solo listar tareas. El formato "Acción + Contexto + Resultado" funciona. Pero en Google, el resultado debe ser lo más cuantificable posible. No digas "mejoré el rendimiento del modelo". Di en cuánto y por qué.

Ejemplo práctico de un bullet point reescrito

Antes (vago): "Desarrollé modelos de machine learning para predecir la rotación de clientes."

Después (específico y con impacto): "Diseñé y desplegué un modelo de gradient boosting (XGBoost) para predecir la rotación de clientes a 90 días, lo que aumentó la precisión en un 15% respecto al modelo anterior y permitió al equipo de marketing retener a 1.200 usuarios en el primer trimestre tras su implementación."

La segunda versión muestra la técnica (XGBoost), el problema de negocio (rotación), el resultado medible (15% más de precisión, 1.200 usuarios retenidos) y el impacto real.

Antes de enviar tu CV, asegúrate de que pasa el filtro técnico. Puedes usar nuestro comprobador gratuito de compatibilidad con sistemas ATS para detectar errores de formato que impiden que el software lea tu documento correctamente.

Las palabras clave que Google realmente busca#

No todas las habilidades pesan igual. En una oferta de Data Scientist en Google, hay un núcleo técnico que aparece casi siempre. Tenerlos en tu CV es casi obligatorio.

• Python (con librerías como Pandas, NumPy, Scikit-learn, TensorFlow o PyTorch).
• SQL avanzado (consultas complejas, optimización, no solo SELECT *).
• Estadística inferencial y diseño de experimentos (A/B testing).
• Machine Learning supervisado y no supervisado.
• Visualización de datos (Tableau, Looker, o matplotlib/seaborn).
• Comunicación de resultados a audiencias no técnicas.
• Conocimiento de productos de Google (Ads, Cloud, Search) es un diferencial.

Inclúyelos de forma natural en la sección de experiencia, no solo en una lista de habilidades. Si usaste BigQuery en un proyecto, ponlo en el bullet point que describe ese proyecto.

Preparar la entrevista: más allá del código#

La entrevista de Data Scientist en Google tiene varias etapas. No te van a pedir solo que resuelvas un problema de codificación. Evalúan cómo piensas, cómo comunicas y cómo defines un problema antes de resolverlo.

Las cuatro áreas de evaluación

1. Resolución de problemas y análisis: Te dan un caso de negocio ambiguo. Por ejemplo, "las ventas de Google Home cayeron un 10% el mes pasado, ¿cómo investigarías?". No buscan la respuesta correcta, sino tu estructura de pensamiento.
2. Codificación técnica: Problemas de algoritmos y estructuras de datos en un lenguaje como Python o R. La dificultad es media-alta, similar a LeetCode medio.
3. Machine Learning y estadística: Preguntas teóricas y prácticas. "¿Cuándo usarías una regresión logística vs. un random forest?" o "Explica qué es el p-value".
4. Googleyness y liderazgo: Evalúan si encajas en la cultura. Preguntas sobre situaciones pasadas con el método STAR (Situación, Tarea, Acción, Resultado).

Ejemplo de respuesta estructurada (método STAR)

Pregunta: "Cuéntame de una vez que tuviste que convencer a un equipo escéptico sobre tu análisis de datos."

Respuesta: "En mi puesto anterior, mi análisis mostraba que una nueva función de la app aumentaba el engagement, pero el equipo de producto no quería priorizar su desarrollo por falta de recursos. Mi tarea era presentar los datos de forma que demostraran el valor de negocio. Preparé una presentación no solo con las métricas de engagement, sino también con una proyección de cómo eso se traduciría en retención de usuarios a 6 meses, usando datos históricos de funciones similares. Presenté tres escenarios conservadores. El equipo aceptó priorizar la función en el siguiente sprint, y tras su lanzamiento, la retención a 30 días subió un 8%, validando el análisis inicial."

Esta respuesta muestra habilidad técnica, pensamiento de negocio y capacidad de influencia. Es exactamente lo que quieren escuchar.

Para practicar, puedes buscar ofertas similares en nuestro portal de empleo en tecnología y usarlas para simular casos de negocio.

Herramientas gratis#

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

Preguntas frecuentes#

¿Qué nivel de experiencia pide Google para Data Scientist?

Los niveles van desde L3 (recién graduado) hasta L6+ (senior). Para un puesto estándar de Data Scientist (L4/L5), suelen pedir entre 2 y 5 años de experiencia relevante. Pero un portafolio de proyectos sólido o un máster con investigación publicada pueden compensar falta de años formales.

¿Es necesario tener un máster o doctorado para entrar?

No es un requisito explícito en todas las ofertas, pero es muy común entre los candidatos que pasan las entrevistas. Un máster en estadística, informática o un campo cuantitativo es el estándar. Si no lo tienes, necesitas demostrar una experiencia técnica profunda y proyectos personales de alto impacto.

¿Cuánto pagan a un Data Scientist en Google en España?

Los salarios varían mucho según el nivel, la ubicación (Madrid, Barcelona) y la negociación. Los rangos reportados para niveles L4 suelen estar entre los 55.000€ y 75.000€ brutos anuales, más bonus y acciones. Son cifras orientativas. Para datos actualizados, consulta fuentes como Glassdoor o Levels.fyi, y pregunta siempre durante el proceso.

¿Google España contrata directamente o todo pasa por EEUU?

Google tiene oficinas en Madrid y Barcelona con equipos de ingeniería y producto. Contratan directamente para esos centros. Sin embargo, algunos roles de Data Scientist pueden estar asignados a equipos globales, lo que implica colaboración con Mountain View u otras sedes. La oferta debe especificar la ubicación y el equipo.

¿Qué distingue a un buen candidato de uno excelente?

Los excelentes no solo resuelven el problema técnico, sino que cuestionan el problema de negocio. En la entrevista, antes de escribir código, preguntan: "¿Qué métrica de éxito nos importa? ¿Qué restricciones hay de latencia o coste?". Demuestran que piensan como un dueño del producto, no solo como un técnico que ejecuta tareas.