Infosys Data Scientist: CV, palabras clave y entrevista

El proceso para un puesto de Data Scientist en Infosys es competitivo y tu CV puede quedarse en el primer filtro si no está optimizado. No basta con listar herramientas; hay que demostrar impacto real y hablar el lenguaje que ellos buscan. Esta guía te muestra cómo adaptar tu perfil y preparar la entrevista para una empresa de consultoría tecnológica global con presencia en Latinoamérica y España.

Por qué Infosys busca un perfil específico#

Infosys no es una startup. Es una consultora global que gestiona proyectos grandes para clientes en sectores como banca, retail y telecomunicaciones. Esto significa que valoran mucho la capacidad de trabajar en equipos multidisciplinarios, comunicar hallazgos a no técnicos y, sobre todo, entregar soluciones que escalen. Un error común es presentarse como un genio de los algoritmos aislado. Ellos buscan un profesional que entienda el negocio, gestione la expectativa del cliente y sea fiable en la ejecución.

Además, suelen usar tecnologías de los principales proveedores cloud (AWS, Azure, GCP). Si tu experiencia es solo con herramientas locales o on-premise, prepárate para explicar cómo trasladarías ese conocimiento a un entorno cloud-native.

Cómo ajustar tu currículum para Infosys#

Tu CV debe pasar primero un filtro automático. Los sistemas de seguimiento de candidatos (ATS) buscan palabras clave específicas. Para asegurarte de que el tuyo pase, usa nuestra herramienta para analizar tu CV con el detector de ATS gratuito. Luego, decodifica la descripción del puesto con el decodificador de ofertas gratuito para extraer los términos exactos que ellos usan.

Palabras clave que no pueden faltar

No pongas solo "Python" o "Machine Learning". Sé específico. Menciona frameworks, plataformas y metodologías concretas que aparezcan en la oferta de empleo.

• Modelos supervisados (regresión, clasificación).
• Técnicas no supervisadas (clustering, reducción de dimensionalidad).
• Herramientas de MLOps (MLflow, Kubeflow, Airflow).
• Plataformas cloud (AWS SageMaker, Azure ML, Vertex AI).
• Big Data (Spark, PySpark, Databricks).
• Visualización y reporting (Power BI, Tableau, Looker).
• Metodologías ágiles (Scrum, Kanban).
• Contenedores (Docker, Kubernetes).

El ejemplo concreto: de genérico a potente

Muchos candidatos escriben bullets que describen una tarea, no un resultado. La diferencia entre pasar o no está en el impacto.

Antes (genérico):

• Desarrollé modelos de machine learning para el departamento de marketing.

Después (orientado a resultados y con palabras clave):

• Lideré el desarrollo de un modelo de predicción de churn (XGBoost) en Python, desplegado en AWS SageMaker, que redujo la tasa de cancelación de clientes en un 8% trimestral, ahorrando un estimado de 150k USD en costes de adquisición.

La segunda versión es más fuerte. Usa el verbo "lideré", nombra el algoritmo (XGBoost), la plataforma (AWS SageMaker), da una métrica concreta (8%) y un impacto de negocio estimado. Esto es lo que un gerente de proyecto en Infosys quiere ver.

Preparando la entrevista técnica y de comportamiento#

El proceso suele tener varias fases: un screening inicial con RRHH, una o dos rondas técnicas y una entrevista final enfocada en el ajuste cultural y de comportamiento.

Rondas técnicas: demuestra tu proceso

No te limites a dar la respuesta correcta. Explica tu razonamiento paso a paso. Los entrevistadores quieren entender cómo piensas. Prepárate para preguntas como:

• "¿Cómo manejarías un dataset con un 40% de valores nulos en una variable clave?"
• "Explica el trade-off entre bias y variance en un modelo de regresión."
• "Diseña un sistema de recomendación para un cliente de e-commerce."

Para la tercera pregunta, no empieces por el algoritmo. Empieza por el negocio. Pregunta sobre el objetivo (aumentar ticket medio, mejorar retención), los datos disponibles y los recursos. Luego, propón una solución por fases: un MVP simple (filtrado colaborativo) y luego iteraciones más complejas.

Entrevista de comportamiento: el método STAR es tu amigo

Aquí es donde muchos técnicos fallan. Usan ejemplos vagos. La estructura STAR (Situación, Tarea, Acción, Resultado) te obliga a ser concreto. Practica tus respuestas en voz alta.

Ejemplo de respuesta a "Cuéntame de un proyecto que no salió como esperabas":

(Situación) En mi rol anterior, lideré un proyecto para prever la demanda de inventario para un cliente de retail. (Tarea) Mi objetivo era crear un modelo con un error porcentual absoluto medio (MAPE) inferior al 10%. (Acción) Tras analizar los datos, descubrí que la calidad era muy baja y faltaban históricos clave. En lugar de seguir adelante, presenté un informe detallado al cliente y al jefe de proyecto, explicando el riesgo de construir un modelo sobre una base inestable. Propuse una fase inicial de 4 semanas para limpiar y enriquecer los datos. (Resultado) Aunque retrasamos la entrega final, el cliente valoró la transparencia. El modelo resultante, construido sobre datos fiables, alcanzó un MAPE del 7.5%, superando el objetivo y evitando un proyecto fallido.

Esta respuesta muestra ownership, comunicación con el cliente y pensamiento crítico. Cualidades que una consultora como InfosYS valora por encima de todo.

Aspectos prácticos: salarios y modalidad de trabajo#

Los rangos salariales para un Data Scientist en Infosys varían mucho según el país y la experiencia. En España, para un perfil mid-level, las cifras reportadas suelen moverse entre los 35.000 y 50.000 euros brutos anuales. En México o Colombia, los rangos pueden ser de 40.000 a 70.000 USD anuales para perfiles similares, aunque esto depende si el rol es local o para un cliente internacional. Siempre verifica las ofertas actuales en portales de empleo como nuestro buscador de empleo. Infosys también suele ofrecer modalidades híbridas o remotas, pero esto depende totalmente del proyecto y el cliente final.

Herramientas gratis#

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

Preguntas frecuentes#

¿Cuánto tiempo tarda el proceso de selección en Infosys?

El proceso puede durar entre 3 y 6 semanas. Incluye revisiones de CV, varias entrevistas y, a veces, una prueba técnica. La velocidad depende de la urgencia del proyecto y la coordinación con el cliente final.

¿Es necesario tener experiencia en consultoría para entrar?

No es un requisito excluyente, pero ayuda. Si vienes de una empresa de producto, enfatiza tu experiencia trabajando con stakeholders internos (como marketing o finanzas) y gestionando proyectos con plazos definidos. Eso demuestra que puedes adaptarte a un entorno de cliente.

¿Qué tecnologías son las más demandadas por Infosys para Data Science?

Basándonos en ofertas públicas, buscan perfiles sólidos en Python (con pandas, scikit-learn, PySpark), SQL, y plataformas cloud como AWS o Azure. Experiencia con herramientas de MLOps y visualización (Power BI, Tableau) es un diferenciador muy común.

¿Cómo son las pruebas técnicas de Infosys?

Suelen ser mixtas. Pueden incluir un test de algoritmia en plataformas como HackerRank, preguntas teóricas de machine learning y un caso de estudio práctico donde debes proponer una solución a un problema de negocio. La claridad en tu razonamiento es clave.

¿Puedo aplicar desde fuera de España o Latinoamérica?

Depende. Para roles de "nearshore" para clientes en USA o Europa, suelen buscar candidatos en zonas horarias compatibles de LatAm. Para proyectos locales, contratan en el país. Especifican la modalidad en la oferta. Revisa las vacantes disponibles en nuestra bolsa de empleo para ver la ubicación exacta.