Como Cambiar From Customer Support Representative to Data Analyst

Llevas años resolviendo tickets, y ahora quieres que ese trabajo te lleve a analizar datos en vez de seguir contestando chats. La buena noticia: parte de lo que ya haces vale más de lo que crees. La mala: nadie te va a contratar como Data Analyst solo por saber Excel y querer aprender.

Vamos por partes, sin adornos.

Qué se transfiere de verdad#

No todo lo de soporte sirve, pero sí más de lo que parece. Lo que importa es que puedas nombrarlo en términos que un hiring manager de datos entienda.

• Investigar un problema desde un síntoma hasta la causa raíz. Eso es análisis, aunque lo llames "debuggear un ticket".
• Traducir lo que dice el cliente a algo que el equipo técnico pueda usar. Traducir datos a decisiones es el mismo trabajo, con otro público.
• Manejar volumen sin perder el detalle. Soporte te enseña a priorizar, y priorizar es media analítica.
• Escribir con claridad. Un buen resumen de incidente se parece mucho a un buen hallazgo de datos.
• Trabajar con herramientas internas, CRMs, bases de conocimiento, a veces consultas simples sobre la base de clientes.

Si alguna vez exportaste un CSV del CRM, filtraste filas o armaste un gráfico para tu manager, ya tienes un punto de partida real.

Qué hay que aprender desde cero#

Aquí es donde muchos se atascan, porque intentan aprenderlo todo a la vez. Lo mínimo que te van a pedir en un primer rol es esto:

• SQL a nivel intermedio: joins, group by, subconsultas, window functions básicas. Es lo primero y lo que más pesa.
• Excel o Google Sheets a fondo: tablas dinámicas, búsqueda de valores, limpieza rápida. Sigue siendo la herramienta más usada en la práctica.
• Una herramienta de visualización: Tableau o Power BI. Con una basta, no ambas.
• Python o R solo si el rol lo pide. Para el primer trabajo suele ser opcional. Aplázalo si te frena aprender lo anterior.
• Estadística descriptiva y algo de probabilidad: medias, medianas, percentiles, correlación, muestreo. Nada de fórmulas exóticas.

Lo que no necesitas para empezar: machine learning, deep learning, ingeniería de datos, ni cinco certificaciones. Te van a hacer perder meses.

Tres proyectos de portafolio que demuestran que sabes#

Un portafolio de tres proyectos bien hechos vale más que diez tutoriales copiados. Que cada proyecto responda una pregunta de negocio concreta, no solo muestre un gráfico bonito.

Proyecto 1: análisis de tickets de soporte

Consigue un dataset público de tickets o rellena uno tú mismo con datos anonimizados si tu empresa te lo permite. Responde: ¿cuáles son las causas más frecuentes, cuánto tardan en resolverse y qué patrones hay por canal o por turno? Entrega un informe corto con tres hallazgos y una recomendación accionable.

Proyecto 2: análisis de churn o de satisfacción

Usa un dataset de suscripciones o de encuestas de satisfacción. Busca qué variables se asocian con clientes que se van o con bajas puntuaciones. Aquí se ve si sabes hacer segmentaciones y si evitas sacar conclusiones falsas de correlaciones.

Proyecto 3: dashboard operativo

Toma cualquiera de los dos anteriores y conviértelo en un dashboard en Tableau o Power BI pensado para un manager que tiene cinco minutos. Menos filtros, más claridad. Este proyecto demuestra que piensas en quien toma la decisiones, no solo en el dato.

Sube todo a GitHub con un README que explique el problema, los datos, el proceso y las limitaciones. La honestidad sobre lo que no pudiste resolver suma puntos.

La línea de tiempo realista, con trabajo en paralelo#

Esto depende de cuántas horas semanales le dediques, y hay que decirlo sin adornos: si trabajas a jornada completa en soporte, prepárate para un proceso largo.

• Con 5 a 7 horas semanales, entre 9 y 14 meses hasta estar listo para aplicar con garantías.
• Con 10 a 15 horas semanales, entre 5 y 8 meses.
• Con dedicación completa, tipo bootcamp intensivo, entre 3 y 5 meses, pero asumiendo coste económico y sin ingresos.

Ojo, "listo para aplicar" no significa que el primer mes consigas trabajo. La búsqueda en sí suele llevar entre 2 y 6 meses más, y varía mucho según el país, el mercado y el idioma en que trabajes. Desconfía de quien prometa un plazo fijo.

Un reparto que funciona bien: 40% SQL, 25% visualización y análisis, 20% proyectos de portafolio, 15% estadística y teoría. El CV y la preparación de entrevistas entran aparte, en las últimas semanas.

Cómo escribir el CV de cambio de carrera#

El error clásico es listar tareas de soporte esperando que el lector adivine que sirven para datos. No lo hará. Tú tienes que traducir.

Truco: usa el verbo de datos, no el del puesto anterior. En vez de "atendía consultas de clientes", escribe lo que analizaste y qué resultado tuvo.

Antes:

• Atendía tickets de clientes y escalaba problemas al equipo técnico.

Después:

• Analicé patrones de 200 tickets semanales para identificar las tres causas raíz más frecuentes, lo que redujo los escalados al equipo técnico en un 25% en seis meses.

Los números no tienen que ser exactos al decimal, pero sí reales y defendibles en una entrevista. Si no tienes la cifra, estima con honestidad y di cómo la calculaste.

Estructura sugerida del CV:

• Un resumen de tres líneas donde dices a qué aspiras y qué traes desde soporte.
• Una sección de proyectos de datos, antes que la experiencia laboral si hace falta.
• La experiencia de soporte reescrita con foco en análisis, herramientas y resultados.
• Una sección de habilidades técnicas concreta: SQL, Power BI, Excel, Python básico si aplica.

Conviene pasar el CV por un comprobador de formato compatible con ATS antes de enviarlo, porque muchos filtros automáticos descartan documentos con tablas o columnas raras.

Estrategia para el primer rol#

El primer trabajo como analista casi nunca es el puesto soñado. Es una puerta de entrada. Apunta a puestos junior, de analista de operaciones, analista de soporte o analista de negocio en equipos pequeños, donde puedas seguir aprendiendo sin que te exijan tres años de experiencia previa.

Los puestos donde ya conoces el negocio son tu mejor baza. Si tu empresa actual tiene un equipo de datos, habla con ellos. Un cambio interno es más fácil que convencer a un desconocido. Muchas transiciones empiezan por ahí.

Cuando busques ofertas, lee la descripción con calma y adapta tu CV a cada una. Un decodificador de ofertas de empleo te ayuda a ver qué piden de verdad y qué es relleno, y así priorizas qué estudiar.

Cuando quieras ver qué se está pidiendo en tu zona o en remoto, revisa las ofertas de empleo publicadas y fíjate en las herramientas que se repiten. Es la mejor manera de ajustar tu plan de estudio a la demanda real.

Y si quieres seguir aprendiendo sobre cómo se prepara una transición así, en el blog de jobrise hay más guías con ejemplos concretos de CV y entrevistas.

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 título universitario en estadística o informática?

No siempre, pero depende del país y de la empresa. En muchas pymes y startups pesa más el portafolio y el SQL que el título, mientras que en banca o consultoría grande a veces lo piden como requisito de filtrado. Revisa las ofertas en tu mercado para ver qué se repite.

¿Qué certificación me conviene hacer primero?

Ninguna es obligatoria, pero una certificación de SQL o de Power BI puede ayudar si tu CV es muy nuevo en datos. Elige una que tenga proyectos prácticos, no solo vídeos. La certificación no sustituye al portafolio.

¿Cuánto se gana como Data Analyst junior?

Los rangos varían mucho según país, ciudad y si es remoto. En general se mueve por encima del soporte al cliente junior, pero sin cifras garantizadas. Consulta fuentes oficiales y portales salariales actualizados de tu país antes de negociar.

¿Puedo hacer la transición sin dejar mi trabajo actual?

Sí, y es lo más habitual. Dedica entre 5 y 10 horas semanales de forma constante y acepta que el proceso tardará más, entre 8 y 14 meses hasta estar listo. La constancia pesa más que la intensidad de un mes.

¿Qué hago si no consigo entrevistas?

Revisa primero el CV, porque es el filtro más común. Pídele a alguien de datos que te lo critique, ajusta el lenguaje a cada oferta y asegúrate de que pasa el filtro automático con un comprobador de formato ATS. Si sigues sin respuestas tras 30 o 40 envíos, el problema está en el CV, no en el mercado.