Como Cambiar From Accountant to Data Analyst

Llevas años cerrando libros, conciliando cuentas y explicando por qué los números no cuadran, y ahora quieres que ese trabajo sea analizar datos en lugar de registrarlos. El salto es real, pero no es tan largo como crees: buena parte de lo que ya haces es análisis de datos, solo que nadie lo llama así. Lo que cambia son las herramientas y la forma de entregar el resultado.

Este mapa te dice qué se traslada, qué hay que aprender desde cero, qué proyectos te sirven de prueba y cuánto tarda todo si trabajas a la vez.

Lo que ya sabes hacer y que un data analyst necesita#

Un contador analiza variaciones, detecta anomalías, explica diferencias entre periodos y defiende sus conclusiones frente a auditores o jefes que no son técnicos. Eso es exactamente lo que hace un data analyst, solo que con datos de ventas, marketing o producto en lugar de asientos contables.

Tres cosas que llevas años haciendo y que en análisis de datos valen dinero:

• Formular preguntas antes de tocar el dato. Antes de conciliar, ya sabes qué esperas encontrar. Esa disciplina evita el error clásico del analista novato: abrir el dataset y mirar a ver qué aparece.
• Entender que un número sin contexto es peligroso. Sabes que una cifra puede estar bien calculada y mal interpretada, y que las definiciones de "ingreso" o "cliente activo" cambian según el departamento.
• Explicar lo técnico a quien no lo es. Tu trabajo diario consiste en traducir normas contables a lenguaje de negocio. Eso se traslada directo a explicar un dashboard a dirección.

También llegas con Excel en un nivel que a la mayoría de candidatos junior les cuesta: tablas dinámicas, BUSCARV o XLOOKUP, INDEX-MATCH, validación de datos y fórmulas anidadas. No es poco. Es la herramienta que más se usa en equipos de datos reales.

Lo que hay que aprender desde cero#

Aunque la lógica se parezca, el stack es distinto. Esto es lo que tendrás que dominar:

• SQL. Es lo primero y lo que más pesa en entrevistas. Necesitas escribir consultas con JOIN, GROUP BY, subconsultas y funciones de ventana para responder preguntas sobre datos que no caben en un Excel.
• Python o R, con foco en pandas si eliges Python. No necesitas ser ingeniero de software: necesitas limpiar datos, agregar, unir fuentes y automatizar lo que hoy harías a mano.
• Una herramienta de visualización: Power BI o Tableau. Power BI suele ser más accesible si vienes de entornos Microsoft, y se entiende bien con lo que ya sabes de tablas dinámicas.
• Estadística aplicada. Medias, medianas, percentiles, correlación, muestreo y pruebas de hipótesis. Nada de fórmulas por memorizar: entender cuándo una diferencia es real y cuándo es ruido.
• Modelado de datos. Cómo se estructuran tablas de hechos y dimensiones, y por qué un esquema en estrella hace que tus consultas no se rompan.

Lo que no necesitas al principio: machine learning, deep learning, ingeniería de datos o arquitecturas en la nube. Aprende eso después, cuando ya estés dentro.

Proyectos de portafolio que prueban la transición#

Tres proyectos bastan si están bien hechos y explican decisiones, no solo muestran gráficos. El truco es que cada uno responda a una pregunta de negocio concreta.

Proyecto 1: análisis de variación presupuestaria. Consigue un dataset público de finanzas o usa datos sintéticos de tu propio trabajo, siempre anonimizados. Compara presupuesto contra real por línea y periodo, identifica las tres mayores desviaciones y escribe por qué crees que ocurrieron. Entrega: notebook en Python o consulta en SQL, un dashboard en Power BI y un informe de una página. Este proyecto habla tu idioma actual y el del puesto al que aspiras.

Proyecto 2: detección de anomalías en transacciones. Genera o descarga un dataset de movimientos con valores atípicos. Usa percentiles y reglas de negocio para marcar los sospechosos, y calcula cuánto tiempo ahorraría ese filtro a un equipo de auditoría. Entrega: script documentado y una tabla de resultados con los casos marcados.

Proyecto 3: dashboard de métricas operativas. Elige un dataset de ventas o suscripciones y construye un dashboard con KPIs definidos por ti: tasa de crecimiento, retención, ticket medio, margen. Documenta cómo calculaste cada métrica y qué decisiones debería tomar alguien con esa información. Este proyecto demuestra que piensas como analista, no como técnico.

Publica los tres en GitHub con un README claro y añade un post breve explicando tu proceso. Si quieres ver cómo otros resuelven casos parecidos, en el blog de jobrise hay ejemplos de portafolios que funcionan en procesos reales.

Cuánto tarda el cambio si trabajas a la vez#

La respuesta honesta: entre seis meses y un año y medio, dependiendo de cuántas horas reales puedas dedicar y de tu punto de partida en Excel y lógica.

Si puedes meter diez horas semanales de estudio enfocado, cuenta unos cuatro meses para SQL y lo básico de Python, otros dos o tres para la herramienta de visualización y los proyectos, y uno o dos más para buscar empleo. Si solo tienes cinco horas semanales, duplica esos plazos sin dramatizar: es mejor avanzar lento que quemarte en dos meses y abandonar.

Lo que más alarga el proceso no es la dificultad técnica: es estudiar sin objetivo concreto. Fija un proyecto como meta desde la semana uno y deja de coleccionar cursos.

Cómo escribir el currículum de cambio de carrera#

Tu currículum no debe disculparse por venir de contabilidad. Debe mostrar que ya has hecho análisis, solo que con otros nombres.

Ejemplo de cómo reescribir una experiencia:

Antes: "Responsable de conciliaciones bancarias y cierre mensual en SAP."

Después: "Analicé desviaciones entre presupuesto y real en 12 centros de coste, identifiqué tres causas raíz de las diferencias recurrentes y reduje el tiempo de cierre mensual en dos días al automatizar la conciliación en Excel con fórmulas y tablas dinámicas."

Misma experiencia, distinta lectura. La segunda muestra pensamiento analítico, impacto cuantificable y uso de herramientas.

Mantén una sección de habilidades técnicas arriba, con SQL, Python, Power BI y Excel en ese orden. Debajo, una sección de proyectos con los tres que acabas de construir, enlazados a GitHub. Y en el resumen inicial, dos líneas: de dónde vienes, qué sabes hacer con datos y qué tipo de rol buscas. Nada de "apasionado por los datos".

Antes de enviar nada, pasa el currículum por un verificador de compatibilidad con sistemas ATS para asegurarte de que no se pierde formato. Y si tienes una oferta concreta, decodifica la descripción del puesto para ver qué palabras clave te piden y ajusta tu documento antes de aplicar.

Estrategia para el primer rol#

El primer puesto no tiene por qué llamarse "data analyst". Data analyst junior, business intelligence analyst, financial analyst con foco en datos, o analista de reporting son puertas equivalentes. Empieza mirando vacantes en sectores donde tu experiencia contable suma: fintech, banca, consultoría, seguros, SaaS de facturación. Puedes filtrar ofertas por sector y nivel en el buscador de empleo de jobrise.

Aplica a puestos donde pidan SQL y una herramienta de visualización, y donde el resto se pueda aprender sobre la marcha. Si la oferta pide tres años de Python y machine learning, déjala pasar: esas descripciones suelen estar infladas y el proceso te hará perder semanas.

Cuando entres a un proceso, prepara un caso práctico. Lo más común es que te den un dataset y te pidan responder preguntas en una hora. Practica eso con cronómetro: leer la pregunta, escribir la consulta, revisar que los números cuadran, explicar el resultado en voz alta.

Herramientas gratis#

• jobrise.io/es/free-ats-checker/
• jobrise.io/es/free-jd-decoder/
• jobrise.io/es/jobs/
• jobrise.io/es/blog/

Preguntas frecuentes#

¿Necesito un máster o una certificación para cambiar?

No para el primer rol. Un portafolio con proyectos reales y SQL sólido pesa más que un título nuevo en la mayoría de procesos junior. Las certificaciones de Power BI o cloud ayudan más adelante, cuando ya estás dentro y quieres crecer.

¿Se valora mi experiencia contable o la verán como algo ajeno?

Se valora si la presentas como análisis. La contabilidad aporta rigor, atención al detalle y conocimiento de negocio, que son justo lo que falla en muchos analistas técnicos. El error es escribir tu currículum como si pidieras otro puesto de contabilidad.

¿Cuánto puedo esperar ganar en el primer puesto de data analyst?

Los rangos varían mucho según país, sector y tamaño de empresa, y junior suele empezar por debajo de un perfil con dos años de experiencia. Consulta las fuentes oficiales de tu país y portales de empleo actualizados antes de negociar, porque las cifras cambian rápido.

¿Qué herramienta elijo primero, Power BI o Tableau?

Power BI si vienes de entornos Microsoft y quieres algo que se parezca a lo que ya haces en Excel. Tableau si apuntas a startups o empresas de producto. Lo importante es dominar una y entender los conceptos de visualización, que son los mismos en las dos.

¿Puedo hacer la transición sin dejar mi empleo actual?

Sí, es el camino más común y el que menos riesgo tiene. La clave es proteger horas fijas de estudio cada semana y avanzar hacia proyectos concretos en lugar de cursos sueltos. El proceso tarda más, pero llegas a las entrevistas sin la presión de haber dejado tu puesto.