Como Cambiar From Teacher to Data Analyst

Llevas años explicando cosas complejas a personas que no las entienden y ahora quieres que alguien te contrate para analizar datos sin experiencia previa. El salto de docente a analista de datos es posible, pero no es rápido ni automático. Te digo qué transfieres, qué tienes que aprender desde cero y cómo demostrarlo sin mentir en el currículum.

Lo que ya sabes hacer y que en datos vale dinero#

Mucha gente piensa que empieza de cero. No es cierto. La docencia te deja varias capacidades que en un equipo de análisis se pagan y se buscan.

Comunicar resultados es la principal. Un analista que no sabe explicar un hallazgo a alguien que no lee gráficos es un problema. Tú llevas años haciendo exactamente eso. Traducir el lenguaje técnico a algo entendible es tu terreno.

Otra: trabajar con requisitos cambiantes. Cada curso te cambian el currículo, la normativa o el grupo y tú te adaptas sin dejar de funcionar. En datos, el negocio cambia de prioridad cada mes y hay que rehacer el análisis sin drama.

También tienes experiencia real con datos. Boletas, actas, informes de asistencia, estadísticas de calificaciones, encuestas de satisfacción. Has recopilado, limpiado, interpretado y presentado datos durante años. Que no llevaras SQL no significa que no hicieras análisis.

Y tienes una habilidad poco frecuente: sabes detectar cuándo alguien no entendió. Eso sirve para revisar tus propios informes antes de enviarlos y para preguntar bien a los stakeholders qué necesitan de verdad.

Lo que tienes que aprender desde cero#

Aquí no hay atajos. Necesitas herramientas técnicas que la docencia no enseña.

SQL es lo primero y lo que más te van a preguntar en entrevistas. No hace falta ser experto, pero sí poder escribir consultas con JOIN, GROUP BY, subconsultas y funciones de ventana. Dedícale semanas reales, no un fin de semana.

Después, una herramienta de visualización. Power BI o Tableau, elige una según lo que pidan las ofertas de tu zona. Y Excel avanzado, que sigue siendo el día a día de muchos equipos: tablas dinámicas, BUSCARV o XLOOKUP, INDEX-MATCH, formato condicional.

Python es útil pero no urgente. Para tu primer rol, pandas y matplotlib son suficientes. No te obsesiones con machine learning antes de conseguir el primer empleo, que es el error más común en transiciones de carrera.

Y una cosa menos técnica: aprender a pensar en métricas de negocio. ¿Qué significa que la retención baje un 3%? ¿Qué decisión cambia ese dato? Esto no lo enseña ningún curso y es lo que separa a un perfil contratado de otro descartado.

Tres proyectos de portafolio que demuestran que sabes#

Tres proyectos bien hechos valen más que diez genéricos de Kaggle. Hazlos con datos que entiendas, porque tu ventaja es precisamente el contexto educativo.

Proyecto uno: panel de rendimiento académico ficticio. Genera o consigue datos anonimizados de calificaciones, asistencia y demografía. Limpia en SQL, crea un dashboard en Power BI con filtros por centro y curso, y escribe un informe de una página con tres conclusiones accionables. El valor está en las conclusiones, no en el gráfico.

Proyecto dos: análisis de una encuesta. Coge datos abiertos de satisfacción docente o cualquier encuesta pública con respuestas abiertas. Limpia texto, categoriza respuestas, cruza variables y detecta patrones. Documenta el proceso completo en un README, incluidas las decisiones que descartaste.

Proyecto tres: automatización de un informe. Coge un informe que hacías a mano como docente, por ejemplo seguimiento mensual de asistencia, y automatízalo con Python o con Power Query. Sube el código, una muestra de salida y una explicación de cuánto tiempo ahorra. Esto demuestra pensamiento de proceso, no solo herramientas.

Publica los tres en GitHub con README en español claro. Incluye el problema, los datos, tu proceso, tus limitaciones y qué harías con más tiempo. Un README honesto sobre limitaciones impresiona más que uno perfecto.

Timeline realista: estudiar con empleo#

Si trabajas a tiempo completo, cuenta entre 9 y 15 meses desde empezar hasta tener opciones reales de entrevistas. Menos de 6 meses solo ocurre si ya tenías base técnica o si puedes dedicarle 30 horas semanales.

Con empleo, dedica entre 8 y 12 horas semanales. Menos que eso y el proceso se estira indefinidamente. Más que eso durante meses y acabas quemado antes de llegar a las entrevistas.

Un reparto que funciona: 3 meses de SQL y Excel a fondo, 2 meses de herramienta de visualización con el primer proyecto, 2 meses de Python básico y segundo proyecto, 2 meses de tercer proyecto, portafolio y currículum, y a partir del mes 10 aplicar a ofertas mientras sigues mejorando.

Si estás sin empleo y puedes dedicar 30 horas semanales, esos mismos pasos caben en 5 o 6 meses. Pero el mercado no se mueve a tu ritmo. Las ofertas de junior suelen exigir algo de experiencia, así que cuenta también tiempo de búsqueda aparte del estudio.

Cómo redactar el currículum de cambio de carrera#

No ocultes que vienes de la docencia. Los reclutadores lo verán de todos modos. Enmascararlo con un formato raro solo genera desconfianza.

Usa un formato cronológico inverso normal. Añade un resumen profesional de tres líneas máximo donde digas a qué aspiras y qué traes. Nada de frases vacías sobre pasión por los datos.

Reescribe tu experiencia docente en términos de datos y procesos. Ejemplo concreto. En vez de esto:

"Docente de Matemáticas en Instituto San Marcos, 2018-2024. Impartía clases de matemáticas a grupos de 30 alumnos."

Escribe esto:

"Analicé las calificaciones y la asistencia de 180 alumnos por trimestre para detectar riesgo de abandono, lo que permitió intervenir con 25 estudiantes en riesgo antes del cierre del curso. Creé un panel de seguimiento en Excel que redujo el tiempo de elaboración de informes de 4 horas a 45 minutos por trimestre."

Los números que uses deben ser tuyos y reales. Si no tienes cifras exactas, estima con honestidad y sé coherente.

Añade una sección de proyectos técnicos arriba de la experiencia si tu portafolio es lo más relevante. Pon enlaces a GitHub y al dashboard publicado. Y usa un verificador de compatibilidad con sistemas de seguimiento de candidatos antes de enviar nada, para asegurarte de que el formato no se rompe.

Estrategia para el primer puesto#

Tu objetivo no es "analista de datos senior en una consultora". Es cualquier rol donde puedas hacer análisis con supervisión y seguir aprendiendo. Amplía el rango de títulos: analista junior, analista de reporting, analista de business intelligence junior, analista de operaciones, analista de calidad en educación.

El sector educativo es tu puerta más fácil. Empresas de edtech, editoriales, consultoras educativas, administraciones públicas, universidades privadas. Ahí tu experiencia docente no es un extra, es el requisito que otros candidatos no cumplen.

Prepara la entrevista técnica con ejercicios reales de SQL en pantalla y un caso de negocio sencillo. Practica explicar un proyecto en 3 minutos: qué problema había, qué datos usaste, qué encontraste, qué recomendarías. Grábate y escúchate, que es la forma más rápida de mejorar.

Negocia con expectativas realistas. Los salarios de analista junior varían mucho según país, ciudad y sector, con rangos que van desde salarios de entrada modestos hasta cifras bastante mejores en multinacionales y fintech. Busca los datos actualizados de tu mercado en fuentes oficiales o en portales de empleo antes de poner una cifra sobre la mesa.

Aplica de forma constante. Veinte solicitudes bien personalizadas por semana valen más que cien genéricas. Usa las herramientas de análisis de ofertas para entender qué pide realmente cada vacante antes de adaptar tu currículum, y consulta las ofertas activas para calibrar qué se está pidiendo en tu zona.

Qué hacer esta semana#

• Escribe tu resumen profesional de tres líneas con el puesto objetivo claro
• Elige SQL como primera herramienta y bloquea 8 horas semanales en el calendario
• Busca 10 ofertas reales de analista junior y anota las tres herramientas que más se repiten
• Reescribe tres logros de tu etapa docente en términos de datos y resultados
• Crea la cuenta de GitHub y sube el primer README con el plan del proyecto uno
• Pide a alguien de tu entorno que te diga si tu currículum suena a docente o a analista

Herramientas gratis#

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

Preguntas frecuentes#

¿Mi experiencia docente cuenta como experiencia en datos?

No como experiencia formal de analista, pero sí como experiencia transferible. La clave está en cómo la redactas: enfatiza análisis, reporting, automatización y comunicación de resultados, no en la parte de dar clases.

¿Necesito un máster o una certificación para cambiar de profesor a analista de datos?

Para el primer puesto normalmente no. Un portafolio sólido y buenas respuestas técnicas pesan más que un título nuevo. Las certificaciones ayudan si son de herramientas concretas que piden las ofertas, no si son genéricas.

¿Qué herramienta aprendo primero, Python o SQL?

SQL. Es la que más se usa en el día a día y la que más te van a preguntar en entrevistas junior. Python puede esperar a que tengas SQL sólido y un proyecto terminado.

¿Cuánto tarda de media un cambio de docente a analista de datos?

Con empleo, entre 9 y 15 meses hasta tener entrevistas reales. Sin empleo y con dedicación alta, entre 5 y 8 meses. Los tiempos varían mucho según tu punto de partida y tu mercado local.

¿Qué hago si todas las ofertas piden experiencia previa?

Aplica igual si cumples la mayoría de requisitos, que los listados suelen ser una descripción ideal. Busca también puestos híbridos en educación, administración o consultoría donde tu perfil de docente sea un valor diferencial.