Wise Data Scientist: CV, palabras clave y entrevista

Llevas semanas puliendo tu CV y el de Wise no te llama. Es frustrante. No es que tu perfil sea malo, es que probablemente no estás hablando el idioma que ellos buscan. Wise es una fintech con una cultura muy específica, y tu aplicación tiene que reflejar que la entiendes.

Vamos a desglosar cómo adaptar tu CV, qué palabras clave usar y cómo preparar la entrevista para que destaques, sin inventar nada ni sonar a robot.

Entiende qué busca Wise realmente#

Antes de tocar tu CV, piensa en el negocio de Wise. Su misión es hacer que el dinero se mueva de forma barata, rápida y transparente entre países. Un Data Scientist allí no trabaja en un vacío. Tu trabajo tiene un impacto directo en las comisiones que paga un usuario en España al enviar dinero a México, o en la detección de fraude en una transferencia a Reino Unido.

Buscan gente que sea obsesiva con los datos, pero que también entienda el "por qué" detrás del análisis. Quieren ver que puedes conectar un modelo de machine learning con una mejora real para el cliente. Tu CV y tus respuestas deben gritar: "resuelvo problemas de negocio con datos".

Adapta tu CV: menos teoría, más impacto#

El primer filtro es casi siempre un sistema de seguimiento de candidatos (ATS). Si tu CV no tiene las palabras clave correctas, ni siquiera lo leerá un humano. Puedes usar una herramienta como nuestro comprobador de CVs compatible con ATS para ver cómo se lee tu documento.

No se trata de rellenar el CV con palabras, sino de usar el lenguaje del sector y de la empresa. Mira sus ofertas de empleo en la bolsa de empleo de Wise y en nuestro blog sobre análisis de ofertas. Fíjate en las palabras que repiten.

Aquí tienes un ejemplo de cómo transformar una línea genérica de tu CV en algo que Wise entendería.

Antes:

• Responsable del análisis de datos y creación de modelos predictivos.

Después:

• Desarrollé un modelo de gradient boosting para predecir el abandono de usuarios en la plataforma, lo que permitió lanzar una campaña de retención que redujo la tasa de churn en un 8% en el siguiente trimestre.

La segunda versión es específica, nombra una técnica (gradient boosting) y, lo más importante, cuantifica el resultado en el negocio (8% de reducción en churn).

Checklist para tu CV

• Usa un formato limpio y simple. Nada de columnas o gráficos complejos que el ATS no pueda leer.
• Incluye una sección de "Habilidades" clara con herramientas como Python (Pandas, Scikit-learn), SQL, y plataformas de datos en la nube (AWS, GCP).
• En cada experiencia, empieza con un verbo de acción y termina con un resultado medible. Piensa en "aumenté", "reduje", "automatizé", "optimicé".
• Personaliza el resumen profesional al principio. Menciona tu interés en fintechs o en la misión de Wise si es genuino.
• Revisa la descripción del puesto. Usa el decodificador de descripciones de empleo para extraer las habilidades clave que ellos mismos piden y asegúrate de que están en tu CV.

Las palabras clave que no pueden faltar#

Más allá de las técnicas de modelado, Wise valora un perfil de Data Scientist con visión de producto y conocimiento del mundo fintech. Integra estas palabras clave de forma natural en tu CV y en tus respuestas de entrevista.

• Análisis de producto (Product Analytics): Entender cómo los usuarios interactúan con el producto y qué métricas importan.
• Experimentación A/B: Diseñar y analizar tests para validar hipótesis de negocio.
• Fraude y Riesgo (Fraud & Risk): Experiencia en la detección de actividades sospechosas es un plus enorme en una empresa de pagos.
• Modelos de Retención y Churn: Predecir qué usuarios van a dejar de usar el servicio.
• Optimización de Comisiones: Analizar el impacto de los cambios de precios en el comportamiento del usuario.
• SQL y Python: Son el estándar. No basta con listarlos, demuestra en qué los usaste.
• Colaboración con equipos de producto y ingeniería: Muestra que sabes trabajar en equipo multidisciplinar.

Prepara la entrevista: la lógica sobre todo#

El proceso de entrevista en Wise suele ser riguroso. Espera varias rondas: una inicial con RRHH, una técnica sobre un caso de estudio, y una o dos finales con el equipo de Data Science y el Hiring Manager.

La clave no es dar la respuesta "perfecta", sino mostrar tu proceso de pensamiento. Te pondrán un caso de negocio real. Por ejemplo: "Hemos notado que los usuarios de un nuevo corredor (ej. España a Colombia) están abandonando el flujo de pago en el último paso. ¿Cómo investigarías esto?".

Aquí tienes un guion para una buena respuesta.

Ejemplo de respuesta estructurada:

"Entiendo. El problema es que los usuarios llegan al final pero no completan. Mi primer paso sería entender el 'dónde' y el 'qué'. Usaría SQL para analizar los logs de eventos y ver en qué punto exacto de la página de pago se van. ¿Es al ver las comisiones? ¿Al pedir los datos del beneficiario?

Luego, segmentaría a los usuarios. ¿El abandono es mayor en móviles que en escritorio? ¿En usuarios nuevos versus recurrentes? Esto me ayudaría a formular hipótesis. Quizás el formulario no es claro en móvil o la tasa de comisión mostrada es más alta de lo esperado para ciertos montos.

Si la hipótesis es la comisión, propondría un experimento A/B. Por ejemplo, mostrar una barra de progreso en el cálculo de la tarifa para dar más transparencia. Mi métrica de éxito principal sería la tasa de conversión del último paso, y la secundaria el valor medio de la transacción, para asegurarnos de que no estamos atrayendo solo transferencias pequeñas. Finalmente, presentaría los resultados al equipo de producto con una recomendación clara."

Esta respuesta funciona porque es lógica, usa datos (SQL, logs), menciona técnicas clave (segmentación, A/B test) y siempre vuelve al impacto en el negocio.

Sobre el salario y el trabajo remoto#

Wise se posiciona como una empresa con salarios competitivos. Los rangos para un Data Scientist en Europa pueden variar mucho, desde unos 50.000€ hasta más de 90.000€ brutos anuales dependiendo de la experiencia y el país. Esto es una referencia. Siempre debes negociar basándote en tu valor y en las cifras actualizadas que puedas encontrar en portales de empleo. Nunca aceptes un número solo porque lo leíste aquí.

Suelen ofrecer flexibilidad y trabajo remoto o híbrido, pero las políticas pueden cambiar. Pregunta siempre en la entrevista cuál es la modalidad exacta para el puesto que te ofrecen.

Preguntas frecuentes#

¿Qué nivel de inglés necesito para trabajar en Wise?

Wise es una empresa global y el inglés es el idioma principal de trabajo. Necesitas un nivel alto, al menos C1, para poder comunicarte con fluidez en reuniones, presentar tus análisis y escribir documentación técnica sin problemas.

¿Cuánto dura el proceso de selección en Wise?

No hay una cifra fija, pero suelen ser procesos de varias semanas. Pueden pasar de 3 a 6 semanas desde la primera entrevista hasta la oferta final, dependiendo de la agilidad de ambas partes y del número de rondas.

¿Qué herramientas de Data Science son las más importantes para Wise?

Python y SQL son innegociables. Además, valoran mucho la experiencia con herramientas de visualización como Looker o Tableau, y conocimientos de plataformas en la nube como GCP o AWS para manejar grandes volúmenes de datos.

¿Es mejor tener experiencia en fintech para entrar?

No es un requisito obligatorio, pero es un diferenciador muy potente. Si no tienes experiencia directa en fintech, enfatiza proyectos donde hayas trabajado con datos transaccionales, de riesgo, o de optimización de precios en otros sectores.

¿Qué tipo de preguntas hacen en la entrevista técnica?

Espera preguntas de SQL de nivel intermedio-avanzado, preguntas sobre cómo diseñarías un experimento A/B para un problema de negocio concreto, y preguntas sobre tu experiencia pasada con modelos de machine learning. El foco está en tu razonamiento, no en memorizar definiciones.