Perfil de Analista de datos: qué evaluar antes de contratar
En muchas empresas chilenas el analista de datos (data analyst o analista BI) es el cargo donde se nota primero si el aviso salió mal: piden un “unicornio” que limpie ETL, modele ML y arme Power BI… y después se frustran con alguien que solo sabe una de las tres. Por eso merece un perfil explícito —no un dump de tools— y una decisión con evidencia.
El perfil con taxonomía (código 2511.3) está en el Diccionario de Cargos — analista de datos.
Qué hace (versión operable)
Más allá del título, el rol suele combinar:
- Extraer, limpiar y normalizar datos de fuentes internas / APIs.
- Definir o sostener indicadores y calidad de datos.
- Construir tableros e insights (Power BI, Tableau, BigQuery, etc. según stack).
- Traducir resultados a decisiones de negocio (no solo “bonito el gráfico”).
- Documentar y conversar con stakeholders sin perder rigor.
Si el aviso mezcla “analista BI” con “científico de datos” o “data engineer”, el shortlist se ensucia. El diccionario de cargos ancla habilidades; el descriptor fino se cierra en conversación contigo.
No lo confundas con estos roles
| Título | Énfasis habitual |
|---|---|
| Analista de datos / BI | Preguntas de negocio con datos existentes; reportes, KPIs, storytelling. |
| Científico de datos | Modelado estadístico / ML, predicción, experimentación más profunda. |
| Ingeniero de datos | Pipelines, arquitectura, confiabilidad del dato en producción. |
| Analista de sistemas | Requisitos y puente negocio–sistemas; no necesariamente BI. |
Sinónimos útiles en avisos Chile/LATAM: data analyst, analista BI, analista de inteligencia de negocios. Si publicas solo el nombre MAPHA sin sinónimos, pierdes candidatos.
Qué suele fallar (y no se ve en el CV)
| Riesgo | Señal en el proceso |
|---|---|
| Dashboard sin dueño de calidad | Habla de tools, evita fuentes, limpiezas y supuestos |
| “SQL genérico” sin impacto | No puede narrar un caso donde el insight cambió una decisión |
| Confunde correlación con causa | Entrevista STAR débil en errores metodológicos propios |
| Stack eterno en el aviso | 40 tools deseables; el mercado bueno se autoexcluye |
| Baja confidencialidad / gobernanza | Minimiza acceso a datos sensibles o cumplimiento |
Esas variables se abordan mejor con evaluación psicolaboral de finalistas + caso práctico acotado (SQL + lectura de negocio) que con “me gusta su GitHub”.
Qué conviene pedir en el aviso (esenciales vs ruido)
Del perfil 2511.3, en la práctica conviene priorizar esenciales del tipo:
- SQL / bases relacionales y consulta de fuentes.
- Calidad, limpieza y normalización de datos.
- Visualización y exploración (Power BI, Tableau u equivalente de tu stack).
- Interpretar resultados y comunicar a no técnicos.
- Pensamiento analítico, plazos y confidencialidad.
Deja como deseables lenguajes o nubes específicas (Python/R, Spark, AWS/Azure/GCP, ML ligero) solo si de verdad pesan en los primeros 90 días. El listado completo —esenciales y deseables— se descarga desde la ficha del diccionario.
Mercado activo vs. búsqueda directa
Para la mayoría de analistas BI el mercado activo (portales + red) alcanza si el descriptor y la banda están claros. Sale a búsqueda directa / headhunting cuando el stack es escaso, el rol es híbrido senior (analytics + liderazgo de datos), hay confidencialidad o el aviso lleva semanas sin finalistas defendibles. La evaluación de finalistas cierra el ciclo en ambos caminos.
Cierre
Si estás abriendo o reemplazando un analista de datos (u otro rol de analytics crítico), revisemos el perfil y el camino en 15 minutos.
Agendar reunión · Evaluación psicolaboral · Headhunting
Para armar el aviso con taxonomía clara: perfil analista de datos (2511.3).
© Obrii. Contenido original. Reproducción no autorizada.