Meta Data Scientist: CV, palabras clave y entrevista

Llevas semanas enviando tu CV para puestos de Data Scientist y solo recibes silencio. Es frustrante. El problema no eres tú, es que tu perfil no está comunicando lo que Meta necesita leer. Para entrar en una FAANG, no basta con ser buen profesional. Hay que hablar su idioma. Aquí te explico cómo afinar tu currículum, qué buscar en las ofertas y cómo preparar la entrevista sin inventarte nada.

Entiende qué busca un Data Scientist en Meta#

Meta no contrata perfiles genéricos. Buscan gente que pueda trabajar con volúmenes de datos que la mayoría de empresas nunca verá. El foco suele estar en impacto medible: crecimiento de producto, optimización de anuncios, recomendaciones o integridad de la plataforma.

No te quedes con el título de la oferta. Lee las responsabilidades. Aparecen Python, SQL y algún framework como PyTorch o Spark. Pero lo que realmente importa es cómo has usado esas herramientas para mover una métrica de negocio. Eso es lo que debes destacar.

Antes de aplicar, usa un decodificador de ofertas de empleo para entender qué palabras clave son las que más pesan en esa vacante concreta. Luego asegúrate de que tu CV las incluya de forma natural.

Cómo adaptar tu CV para Meta#

Tu CV tiene que pasar dos filtros: el ATS (sistema de seguimiento de candidatos) y un humano que dedica unos 10 segundos a la primera lectura. Ambos buscan lo mismo: palabras clave relevantes y evidencia de impacto.

Estructura tu CV así:

• Resumen profesional de 2-3 líneas. Enfocado en tu especialidad (ej. experimentación A/B, modelos de NLP, sistemas de recomendación).
• Experiencia laboral con bullets orientados a resultados.
• Habilidades técnicas en una sección clara.
• Educación y publicaciones relevantes (si las tienes).

No pongas una lista interminable de tecnologías sin contexto. Es mejor decir "construí pipelines de datos en Spark" que listar "Spark" en la sección de skills y ya.

Ejemplo de bullet reescrito

Antes: "Responsable del análisis de datos de usuarios y creación de dashboards en Tableau."

Después: "Diseñé y desplegué un modelo de churn prediction con XGBoost sobre 12M de usuarios, reduciendo la tasa de abandono mensual en 3,2 pp en el trimestre siguiente. El proyecto se integró en el pipeline de retención y gestioné su monitorización con Airflow."

La diferencia es clara. El segundo dice qué hiciste, cómo lo hiciste y qué resultado tuvo. Eso es lo que un hiring manager de Meta quiere ver.

Antes de enviar, haz una revisión automática de tu CV para comprobar que está optimizado para los sistemas de filtrado.

Palabras clave que debes incluir#

Las palabras clave no son un truco, son el lenguaje del sector. Si tu CV no las contiene, el ATS puede descartarlo antes de que alguien lo lea.

Revisa cada oferta y extrae los términos que se repiten. En roles de Data Scientist en Meta suelen aparecer:

• Experimentación y A/B testing
• Modelado predictivo
• SQL y Python (a veces R)
• PyTorch, Spark, Hive
• Causal inference
• Product analytics
• Machine learning
• Estadística inferencial

No las metas como una lista. Intégralas en tus bullets de experiencia. Si en tu trabajo actual usas inferencia causal para evaluar campañas, dilo explícitamente. Usa las mismas palabras que la oferta.

Preparar la entrevista técnica#

Meta tiene un proceso de entrevista estructurado. No es un café informal. Para Data Scientist, lo típico incluye:

• Ronda de coding (Python o SQL, a veces ambos).
• Ronda de análisis de datos y product sense.
• Ronda de estadística y machine learning.
• Ronda de diseño de experimentos.

No te van a preguntar por los valores de la empresa. Te van a poner un caso real o simulado y ver cómo piensas.

Ejemplo de respuesta a una pregunta de product sense

Pregunta: "Un equipo de producto lanza un cambio en el algoritmo de recomendaciones en Reels. Las métricas de engagement suben, pero el tiempo total de sesión baja. ¿Qué haces?"

Respuesta débil: "Miraría los datos más de cerca."

Respuesta fuerte: "Primero revisaría la segmentación: ¿la bajada de sesión ocurre en todos los grupos o solo en uno? Luego miraría si hay un efecto de sustitución: ¿los usuarios están viendo más Reels pero menos contenido de feed? También comprobaría la ventana temporal. Si el efecto es en los primeros días, puede ser novelty wear-off. Propondría un experimento con holdout más largo antes de tomar una decisión de rollback."

Esa respuesta muestra pensamiento estructurado, conocimiento de experimentación y pragmatismo. Es lo que esperan.

El proceso en Meta y el mercado hispanohablante#

Si aplicas desde España o Latinoamérica, hay cosas que debes saber. Meta contrata en España (Madrid, principalmente) y tiene hubs en Londres y Dublín que a veces absorben candidatos de la región. Las ofertas en LatAm suelen ser más escasas y muchas veces para roles de contractor.

Los salarios varían mucho. En España, un Data Scientist con 3-5 años de experiencia puede esperar rangos de 50.000 a 80.000 euros brutos anuales, pero esto depende del nivel, las acciones (RSUs) y el bonus. En puestos remotos desde LatAm, los rangos reportados son más amplios. Siempre verifica con fuentes actualizadas como Levels.fyi, Glassdoor o la propia oferta.

Sobre visados, no hay garantías. Si te contratan para una sede europea, la empresa suele gestionar la reubicación, pero el proceso puede tardar meses y depende de tu nacionalidad y del puesto. No asumas nada: pregunta directamente en el proceso.

Para buscar ofertas activas en empresas que contratan desde tu región, puedes explorar portales especializados en empleo tech.

Checklist antes de aplicar#

Antes de darle al botón de "Apply", asegúrate de que tienes esto:

• CV en formato ATS-friendly (sin columnas, sin gráficos, sin fotos).
• Las palabras clave de la oferta integradas en tus bullets de experiencia.
• Al menos 2 bullets con métricas concretas (%, pp, usuarios, revenue).
• Sección de skills con las tecnologías que menciona la oferta.
• Perfil de LinkedIn actualizado y coherente con tu CV.
• Un portafolio o GitHub con proyectos relevantes (si aplica).

Si cumples todo esto, tu candidatura tiene mucho más recorrido que el 80% de los CVs que llegan sin preparar.

Herramientas gratis#

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

Preguntas frecuentes#

¿Necesito tener experiencia en una FAANG para entrar en Meta?

No. Lo que necesitas es demostrar que puedes trabajar con datos a escala y generar impacto medible. Si vienes de una startup donde construiste un modelo que mejoró la conversión en un 15%, eso vale más que un nombre de empresa reconocido.

¿Cuánto tarda el proceso de selección en Meta?

Entre 4 y 8 semanas es lo habitual, desde el primer contacto hasta la oferta. Puede alargarse si hay muchas rondas o si la contratación implica reubicación y visado.

¿Puedo aplicar desde Latinoamérica para un puesto en Europa?

Sí, pero ten en cuenta que la empresa debe estar dispuesta a patrocinar tu visado y reubicación. No todos los puestos lo permiten. Pregunta esto en la primera llamada de screening para no perder tiempo.

¿Qué diferencia a un Data Scientist de un Machine Learning Engineer en Meta?

El Data Scientist se centra en análisis, experimentación y product insights. El MLE se centra en construir y desplegar modelos en producción. En la práctica hay solapamiento, pero las entrevistas son distintas.

¿Es útil tener publicaciones o un portafolio de proyectos?

Sí, especialmente si no vienes de una empresa reconocible. Un GitHub con proyectos de ML bien documentados o un blog técnico donde explicas tus análisis puede marcar la diferencia en la primera criba.