Currículum de analista de business intelligence (analista BI): ejemplos y guía para redactarlo

Este ejemplo es un analista BI de nivel intermedio que se encarga tanto del modelo semántico como de los dashboards. La persona, las empresas y los centros de estudio son ficticios. Si tu trabajo está más cerca de los informes que del modelado, mantén la estructura y cambia los logros de modelado por logros de informes y de relación con las áreas de negocio.

A las ofertas de BI llegan montones de currículums que repiten «dashboard» sin demostrar nada. Cuatro comprobaciones deciden el primer filtro.

• ¿Escribes SQL o arrastras filtros? Di qué tipo de SQL: funciones de ventana, CTE, procedimientos almacenados, optimización de consultas. Nombrar el data warehouse (Snowflake, BigQuery, Redshift, SQL Server) le dice al responsable qué dialecto dominas ya.
• ¿Hay una herramienta que conozcas más allá de los gráficos? Cualquiera hace un gráfico de barras. La cuestión es si sabes modelar. En Power BI eso significa DAX, esquemas en estrella, actualización incremental y seguridad a nivel de fila. En Tableau, extracciones, expresiones LOD y permisos. En Looker, LookML.
• ¿Tu trabajo cambió alguna decisión? Un dashboard que nadie abrió no es un logro. Da los usuarios semanales, los informes retirados, las horas ahorradas o el indicador operativo que se movió.
• ¿Sabes hablar con negocio? El BI está entre los equipos técnicos y la gente que hace las preguntas. Un logro sobre sesiones de requisitos, un programa de formación o una demo a las áreas de negocio lo cubre, y la mayoría de candidatos lo omite.

“La mitad de los currículums me dicen que crearon dashboards interactivos para las áreas de negocio. Esa frase no me dice nada. Dime cuántas personas lo abrieron la semana pasada, qué sustituyó y qué hizo alguien de otra manera gracias a él. Esa versión del logro consigue una llamada el mismo día.”

Tres líneas. Años, stack, la escala de lo que gestionas y un resultado. Olvídate de adjetivos como «detallista»: las cifras ya hacen ese trabajo.

El patrón: qué construiste, con qué datos, a qué escala y qué cambió. Diez reescrituras de las frases que aparecen en casi todos los currículums de BI.

Agrúpalas para que quien hace la selección pueda cotejarlas línea a línea con la oferta. No exageres tu nivel, porque la prueba técnica suele ser una pregunta de SQL en directo y un recorrido por un dashboard que hayas creado.

• Consultas y modelado: SQL (joins, CTE, funciones de ventana, planes de ejecución), modelado dimensional, esquema en estrella, dimensiones lentamente cambiantes, definición de indicadores
• Herramientas de BI: Power BI (DAX, Power Query M, modelos semánticos, actualización incremental, seguridad a nivel de fila), Tableau (Desktop, Server, expresiones LOD, extracciones), Looker y LookML, Qlik Sense
• Data warehouses y plataformas: Snowflake, BigQuery, Redshift, Databricks, SQL Server, Postgres
• Pipelines de datos: dbt, Azure Data Factory, SSIS, Fivetran, Airflow
• Scripting: Python con pandas, o R si esa es tu formación. No pongas los dos si no usas los dos.
• Forma de trabajar: Git y pull requests, Jira, sesiones de requisitos, documentación, catálogos de datos
• Las competencias transversales que importan aquí: convertir una pregunta vaga en un indicador, decir que no a una cuarta versión del mismo gráfico y hacer demos a gente a la que no le gustan las reuniones

Para este puesto no hay ninguna habilitación oficial, así que las certificaciones sirven como prueba de una herramienta concreta. Solo tres o cuatro marcan de verdad la diferencia.

• Microsoft Certified: Power BI Data Analyst Associate (PL-300). La que más se pide por su nombre en las ofertas de Power BI.
• Microsoft Certified: Fabric Analytics Engineer Associate (DP-600), si tu empresa trabaja con Microsoft Fabric.
• Tableau Certified Data Analyst, o Tableau Desktop Specialist como versión de entrada más ligera.
• SnowPro Core Certification para entornos Snowflake, y la dbt Analytics Engineering Certification si escribes modelos dbt.
• La CBIP de TDWI es la certificación independiente de fabricantes. Es estadounidense y en España se ve poco; pesa más en grandes empresas y multinacionales que en start-ups.
• Titulación: la mayoría de las ofertas piden un grado en Ingeniería Informática, Matemáticas o Estadística, Economía, ADE o análisis de negocio, y muchas aceptan experiencia en su lugar. Pon el título y deja fuera la nota media a partir de tu primer empleo.

Aquí el portfolio pesa más que en la mayoría de puestos de analista, porque tu trabajo es visual. Enlaza un repositorio de GitHub con el código SQL y dbt, y un informe de Power BI publicado o un perfil de Tableau Public. Dos proyectos terminados con una explicación escrita del modelo de datos valen más que ocho capturas de pantalla.

Nadie espera experiencia en producción para un puesto junior. Lo que esperan es ver que sabes modelar datos y explicarlos. Construye el currículum en torno a proyectos en lugar de empleos.

1. 1Perfil profesional: tu grado o bootcamp, tus herramientas y el proyecto sobre el que te encantaría que te preguntaran.
2. 2Una sección de proyectos justo debajo del perfil, por encima de cualquier experiencia sin relación. Dos o tres proyectos, cada uno con la fuente de datos, el número de filas, el modelo que construiste y la pregunta que responde.
3. 3Enseña el modelo, no solo el gráfico. Escribe las tablas de hechos y de dimensiones. Ese detalle separa a quien ha leído un tutorial de quien lo ha entendido.
4. 4Pruebas de SQL: un repositorio con consultas, o un logro que nombre los joins y las funciones de ventana que usaste.
5. 5PL-300 o Tableau Desktop Specialist si ya la tienes. A este nivel es la credibilidad más barata que puedes conseguir.
6. 6Después, cualquier experiencia laboral reescrita en clave de datos: informes que montaste en Excel, un proceso que mediste, una hoja de cálculo que automatizaste. Los empleos en comercio y hostelería cuentan si presentas bien las cifras.
7. 7Limítalo a una página y pon el enlace a GitHub o Tableau Public en la cabecera.

• Una página si estás empezando o llevas pocos años; hasta dos con más experiencia. En analítica nadie lee una tercera.
• La foto es habitual en España, pero opcional; la fecha de nacimiento no hace falta. Indica tu ciudad, porque el trabajo híbrido ha vuelto y quien selecciona filtra por ubicación.
• Una sola columna, títulos sencillos y nada de barras de nivel en las competencias. Es irónico en un puesto de visualización, pero un «cuatro de cinco puntos» no le dice nada a quien contrata y confunde al ATS.
• Pon una línea compacta con tu stack técnico cerca del principio para que se vea sin hacer scroll.
• Enlaza el portfolio o GitHub en la cabecera, no al final.
• Copia el título de la oferta. Si buscan un desarrollador/a BI y tú te defines como analista de reporting, usa su título en el perfil profesional y deja tu cargo real en la experiencia laboral.

Los títulos se solapan y la diferencia importa para las palabras clave. Las ofertas de analista y desarrollador/a BI se inclinan por construir el modelo, el pipeline y la capa de informes. Las de analista de datos, por responder preguntas con análisis y estadística. Si la oferta menciona ETL, modelos semánticos, DAX o LookML, usa vocabulario de BI. Si menciona diseño de experimentos, análisis de cohortes o tests A/B, tira hacia analista de datos. La misma persona, dos vocabularios, y el ATS solo lee el que hayas usado.