Scorecard de entrevista para Analista de Datos
Un scorecard estructurado para entrevistar a un Analista de Datos: seis competencias con pesos, qué es realmente un 1 y qué es un 5, y preguntas que sacan evidencia en vez de opiniones. Imprimilo o copialo a tu ATS.
El scorecard para Analista de Datos
| Competencia | Peso | Puntaje 1 — cómo se ve | Puntaje 5 — cómo se ve |
|---|---|---|---|
| Convertir una pregunta de negocio en una pregunta medible Si puede convertir un pedido difuso en una pregunta concreta que los datos disponibles puedan responder, que es lo que evita la mayor parte del análisis desperdiciado. | 20% | Toma el pedido literal y construye exactamente lo que le pidieron, sin chequear qué decisión hay detrás ni si los datos alcanzan para sostenerla. | Recuerda un pedido que reformuló, qué pregunta propuso en su lugar y la repregunta al stakeholder que terminó cambiando el alcance del trabajo. |
| SQL y corrección en la extracción Si los números que produce son efectivamente correctos, porque todo lo que viene después — dashboards, presentaciones, decisiones — hereda cualquier error de acá. | 20% | Escribe queries que devuelven las filas correctas pero no puede explicar por qué un join las duplicó, ni cómo verificó el conteo contra otra fuente. | Describe cómo chequea un resultado antes de compartirlo: conteo de filas contra un total conocido, revisión de registros puntuales y un segundo camino al mismo número. |
| Definición y consistencia de métricas Si una misma métrica significa lo mismo en todos los reportes, porque las definiciones que se contradicen son lo que rompe la confianza en el área de datos. | 16% | No sabe cómo se definía en los bordes una métrica central de su rol anterior: qué usuarios contaban, qué ventana de tiempo aplicaba, qué exclusiones había. | Nombra una definición que escribió o corrigió, qué ambigüedad resolvió y cómo logró que otros equipos adoptaran esa misma versión. |
| Diseño de reportes y dashboards Si lo que entrega realmente se usa, algo que depende de mostrar los pocos números que cambian conductas y no todo lo que el warehouse puede graficar. | 16% | Mide su propio éxito por cantidad de dashboards entregados, y no sabe cuáles se siguen abriendo ni qué acción disparó alguno de ellos. | Describe un dashboard que recortó o dio de baja, qué preguntas tenía que responder y cómo se enteró de qué paneles no usaba nadie. |
| Calidad de datos y reconciliación Si detecta datos rotos antes que el stakeholder, porque el analista suele ser la primera persona en posición de notar que un pipeline falló. | 16% | Reporta los números tal como los devuelve el warehouse y describe la calidad de datos como una responsabilidad del equipo de data engineering. | Recuerda una discrepancia que persiguió — un evento duplicado, un campo de tracking cambiado — cómo la demostró y qué les dijo a quienes usaban el número viejo. |
| Comunicación con stakeholders y recomendación Si el análisis llega a una decisión, porque presentar hallazgos sin implicancia deja la interpretación en manos de quien argumente más fuerte. | 12% | Muestra gráficos y deja que la audiencia saque la conclusión, y no puede nombrar una recomendación suya con la que alguien haya estado en desacuerdo. | Dice la recomendación, con cuánta confianza y qué la cambiaría, y recuerda haberle dicho a un stakeholder que los números no sostenían el plan. |
Los pesos suman 100. Acordalos antes de la primera entrevista, no después: ajustar pesos cuando ya hay puntajes es la forma en que un panel justifica a su favorito.
Preguntas que sacan evidencia
Cada una pide algo que ya pasó, con suficiente detalle como para verificarlo. Las hipotéticas premian el ensayo, no la trayectoria.
- ¿Qué análisis tuyo cambió una decisión? ¿Cuál fue el hallazgo y cómo lo validaste antes de presentarlo?
- ¿Cuándo tus números no coincidieron con los de otro equipo? ¿Cómo encontraste de dónde venía la diferencia?
- ¿Qué métrica tuviste que definir o redefinir? ¿Dónde estaban los casos borde y con quién tuviste que alinear para que quedara firme?
- ¿Qué dashboard o reporte construiste que después no se usó? ¿Cómo te diste cuenta y qué hiciste al respecto?
- ¿Qué chequeos hiciste sobre el último resultado antes de que saliera de tus manos, y qué llegó a detectar esa rutina la última vez?
Señales de alarma
- No puede describir cómo verifica un número antes de mandárselo a un stakeholder.
- Solo reporta cuántos dashboards o reportes produjo, nunca una decisión que haya salido de ellos.
- Trata los problemas de calidad de datos como tarea de otro equipo, sin un solo ejemplo de haber detectado uno.
- No recuerda ningún caso en que los datos contradijeran lo que el stakeholder esperaba.
Cómo usar este scorecard
- Acordá los pesos con el panel antes de que alguien entreviste, y dejalos por escrito.
- Cada entrevistador puntúa todas las competencias por separado, con una nota que cite lo que el candidato dijo textualmente.
- Comparen los puntajes antes de discutirlos. Discutir primero ancla al panel en quien habla más fuerte.
Armar un scorecard a medida → · Cadena booleana para buscar Analista de Datos →
Preguntas frecuentes
¿Qué conviene evaluar en una entrevista de analista de datos?
Un ejercicio de SQL en vivo o para llevar, con una trampa puesta a propósito — un join que multiplica filas, una columna llena de nulos — y una pregunta de negocio deliberadamente incompleta. El primero mide corrección; la segunda mide si repregunta antes de construir.
¿Un analista de datos necesita saber Python?
Depende del stack. SQL no se negocia. Python o R pesan cuando el rol incluye automatización, trabajo estadístico o limpieza más allá de lo que resuelve el warehouse. Si el puesto es reportar sobre tablas ya modeladas, conviene darle mucho más peso a SQL, definición de métricas y comunicación.
¿Cómo comparo candidatos de analytics que vienen de industrias distintas?
Se puntúan las conductas transferibles — encuadre de la pregunta, hábitos de verificación, disciplina con las métricas — y no la familiaridad con el rubro, manteniendo los mismos pesos para todos. Verdict puntúa el CV igual, citando el fragmento exacto detrás de cada dimensión, de modo que la lista corta se pueda defender después.
Cuando lo que está en juego es una contratación real, usá evidencia
Estas herramientas son heurísticas rápidas. Verdict lee el CV contra tu descripción de puesto y puntúa seis dimensiones con citas textuales como evidencia — un documento de contratación que podés defender.