Data Analyst
Preguntas frecuentes sobre la contratación para el puesto de Data Analyst, y los errores que más la hacen fracasar.
Errores comunes al contratar para este puesto
Contratar por dominio de herramienta en lugar de por razonamiento sobre datos
Una persona candidata que enumera 8 herramientas en su CV (Tableau, Power BI, Looker, Mode, Metabase, dbt, Airflow, Snowflake) no necesariamente razona mejor sobre datos que otra con dominio profundo de SQL más una BI tool. La fluidez analítica vive en la capacidad de encuadrar una pregunta de negocio, segmentar hipótesis y diagnosticar inconsistencias; las herramientas se aprenden en 2-4 semanas. Pondere el ejercicio de SQL en vivo y el caso de análisis por encima de la lista de herramientas del CV.
Confundir Data Analyst, Data Engineer y Data Scientist
El·la Data Analyst responde a preguntas de negocio con datos existentes: SQL, BI, análisis exploratorio, comunicación a stakeholders. El·la Data Engineer construye y mantiene los pipelines que entregan esos datos: ingesta, transformación, orquestación. El·la Data Scientist trabaja con modelos predictivos: machine learning, estadística inferencial, experimentación. Muchas pymes mezclan los tres roles en una sola oferta (buscamos perfil que haga SQL más dbt más Airflow más modelos predictivos), lo que produce frustración por parte de la persona candidata o fracaso por parte de la empresa. Encuadre el scope de forma explícita en la oferta; si necesita varios perfiles, contrate de forma secuencial empezando por Data Analyst.
Subestimar la importancia de la comunicación con negocio
Un·a Data Analyst en pyme habla casi a diario con PMs, marketing, finanzas y a veces directamente con dirección. Contratar un perfil técnicamente sólido pero flojo en comunicación produce dashboards densos que nadie usa, análisis brillantes que no cambian decisiones y frustración por parte de los stakeholders. Evalúe la comunicación explícitamente en la entrevista (presentación del caso de análisis a una audiencia mixta, prueba de simplificación de un concepto técnico) y no solo el SQL.
Pedir pruebas técnicas de 8 horas o más para perfiles entry o mid
Una prueba take-home de 8 horas se transforma en la práctica en 16-24 horas (con inversión emocional incluida), desmotiva a los mejores perfiles (que tienen otras opciones en paralelo) y no aporta mejor señal que un ejercicio de SQL en vivo de 45 minutos más un caso de análisis acotado a 4 horas de preparación. Mida la calidad del razonamiento, no la exhaustividad. Acote el tiempo esperado de forma explícita y acepte soluciones incompletas pero bien argumentadas.
Ignorar el match entre stack y perfil
Un·a Data Analyst sólido·a en SQL más Looker más Snowflake no se vuelve productivo·a de inmediato en SAS más Tableau más SQL Server; necesita 3-6 semanas de adaptación. Un perfil con stack cercana a la suya estará operativo·a en 1-2 semanas. Para un perfil mid-level pesa más la fit de stack que la seniority absoluta. Sea explícito·a con su stack en la oferta; eso ya filtra perfiles mal encajados y reduce el ratio de incorporaciones que fracasan a los 6 meses.