CV de Analista de Datos en Perú: 3 ejemplos listos (2026)

Buscaste un ejemplo de CV de Analista de Datos porque lo necesitas ya: hoy lo envías, o mañana te gana alguien con un CV más claro. No te voy a marear con teoría. Aquí tienes 3 CV completos (mid, junior y senior) para Perú, con bullets que puedes copiar y ajustar en minutos.

La diferencia entre “me llaman” y “me ignoran” casi siempre está en lo mismo: herramientas concretas (SQL/Power BI/Python), impacto medible y contexto de negocio. Vamos a eso.

Ejemplo de CV #1 (perfil mid-level) — Analista de Datos

Valeria Huamán Rojas

Analista de Datos
Lima, Perú · valeria.huaman@gmail.com · +51 987 654 321

Resumen profesional
Analista de Datos con 4+ años en retail y e-commerce, especializada en modelado de datos y dashboards en Power BI con SQL Server. Reduje en 35% el tiempo de reporting automatizando ETL en Python y consultas SQL para ventas y stock. Busco un rol de Data Analyst orientado a analítica comercial y optimización de márgenes.

Experiencia

Analista de Datos — AndeRetail S.A.C., Lima
03/2022 – 02/2026

• Automaticé un pipeline de limpieza y consolidación (Python, pandas) para 12 fuentes (POS, e-commerce, logística), reduciendo errores de conciliación de ventas de 4.8% a 1.2%.
• Optimizé 25+ consultas (SQL Server, índices, CTE) para el datamart comercial, bajando el tiempo de carga diaria de 52 min a 18 min.
• Construí 8 dashboards en Power BI (DAX, Power Query) para ventas, quiebres y rotación, elevando el uso mensual de reportes de 40 a 160 usuarios.
• Implementé un modelo de segmentación RFM (Python, scikit-learn) que incrementó la tasa de recompra en campañas de email de 9.5% a 12.1%.
• Definí KPIs y diccionario de datos con Comercial y Operaciones, reduciendo en 30% las discusiones por “números distintos” entre áreas.

Analista de Información — QoriMarket Digital, Lima
01/2020 – 02/2022

• Estandaricé métricas de embudo (GA4 + BigQuery) y generé un tablero de conversión, identificando un drop-off en checkout que se corrigió y subió la conversión en 0.7 pp.
• Diseñé un esquema estrella para campañas (dim_fecha, dim_canal, fact_sesiones) en BigQuery, reduciendo el tiempo de análisis ad-hoc de 2 horas a 20 minutos.

Educación
Ingeniería de Sistemas — Universidad Nacional Mayor de San Marcos, Lima, 2015–2019

Habilidades
SQL (SQL Server, BigQuery), Power BI, DAX, Power Query, Python (pandas, numpy), scikit-learn, ETL, Modelado dimensional (Kimball), Data Warehouse, Git, Excel avanzado (Power Pivot), GA4, Estadística aplicada, A/B testing, Data storytelling, Calidad de datos, KPI design

Desglose por secciones (por qué este CV funciona)

Este ejemplo funciona porque suena a alguien que ya vive en datos: menciona stack real (SQL Server/BigQuery, Power BI, Python), problemas típicos (ETL, datamarts, discrepancias de KPIs) y resultados con números. En Perú, muchos reclutadores filtran rápido buscando “Power BI + SQL + métricas” y luego validan si sabes aterrizarlo a negocio.

Desglose del Resumen profesional

El resumen no dice “soy responsable y proactiva”. Dice: años, especialidad, herramientas y un impacto medible. Eso le da al reclutador una foto mental en 8 segundos.

Weak version:

Analista de datos con experiencia en reportes y manejo de bases de datos. Me adapto rápido y trabajo en equipo. Busco una oportunidad para crecer.

Strong version:

Analista de Datos con 4+ años en retail y e-commerce, especializada en modelado de datos y dashboards en Power BI con SQL Server. Reduje en 35% el tiempo de reporting automatizando ETL en Python y consultas SQL para ventas y stock. Busco un rol de Data Analyst orientado a analítica comercial y optimización de márgenes.

Lo que cambió: pasaste de “intenciones” a pruebas (herramientas + logro + foco). Y sí: “Data Analyst” como sinónimo ayuda cuando el ATS está configurado en inglés.

Desglose de Experiencia

Los bullets están escritos como deberían estar en un CV de Analista de Business Intelligence / Analista BI: verbo de acción + herramienta + contexto + resultado. Además, cada línea “cierra” en negocio (errores, tiempos, adopción, conversión, recompra).

Fíjate en el patrón: no es “hice dashboards”, es “construí 8 dashboards… elevando el uso…”. Eso es lo que te diferencia de alguien que solo ejecuta.

Weak version:

Realicé dashboards en Power BI para el área comercial.

Strong version:

Construí 8 dashboards en Power BI (DAX, Power Query) para ventas, quiebres y rotación, elevando el uso mensual de reportes de 40 a 160 usuarios.

El cambio clave: herramientas específicas (DAX/Power Query), temas concretos (quiebres/rotación) y un indicador de adopción (usuarios). Eso demuestra impacto, no solo actividad.

Desglose de Habilidades

Aquí no se trata de “poner muchas”. Se trata de poner las que el ATS y el hiring manager esperan ver para Perú: SQL + Power BI casi siempre arriba, y luego Python/ETL/modelado si apuntas a roles más completos.

En ofertas locales suele repetirse el combo Power BI + SQL + Excel avanzado, y en empresas más data-driven aparece BigQuery/Azure/AWS y algo de ML básico. Puedes validar tendencias revisando descripciones en portales como LinkedIn Jobs y Indeed Perú.

Ejemplo de CV #2 (perfil junior) — Data Analyst / Analista de Datos

Diego Paredes Salazar

Data Analyst
Arequipa, Perú · diego.paredes.ds@gmail.com · +51 956 112 480

Resumen profesional
Analista de Datos junior con 1+ año apoyando analítica de operaciones y finanzas, con foco en SQL, Excel Power Pivot y Power BI. Automaticé reportes semanales con Power Query y reduje 6 horas/semana de trabajo manual en conciliaciones. Busco un puesto de Analista de Datos e Informes para crecer en modelado y visualización.

Experiencia

Analista de Datos Junior — SurLogística Perú S.R.L., Arequipa
07/2024 – 02/2026

• Consolidé 3 fuentes de despacho (CSV, ERP, Google Sheets) con Power Query, reduciendo de 2 días a 4 horas el cierre semanal de OTIF.
• Creé un tablero de productividad en Power BI (DAX) para 5 almacenes, detectando cuellos de botella y bajando 9% el tiempo promedio de picking.
• Escribí consultas SQL (PostgreSQL) para auditoría de guías y facturas, disminuyendo incidencias por duplicados de 120 a 35 por mes.

Practicante de Analítica — FinanPro Consultores, Arequipa
01/2023 – 06/2024

• Diseñé una plantilla de control de gastos (Excel, Power Pivot) con reglas de validación, reduciendo 25% los errores de clasificación contable.
• Preparé un dataset para análisis de morosidad (SQL + Excel) y generé un informe mensual que aceleró la toma de decisiones de cobranza en 3 días.

Educación
Bachiller en Ingeniería Industrial — Universidad Nacional de San Agustín, Arequipa, 2018–2022

Habilidades
SQL (PostgreSQL), Power BI, DAX, Power Query, Excel avanzado (Power Pivot, tablas dinámicas), Limpieza de datos, KPI operativos (OTIF, lead time), Modelado básico, Estadística descriptiva, Control de calidad de datos, Google Sheets, Documentación de métricas, Storytelling con datos, Gestión de stakeholders

Qué cambia respecto al ejemplo mid-level (y por qué está bien)

Un junior no necesita “inventarse” proyectos gigantes. Necesita demostrar que ya sabe mover datos de un lado a otro sin romperlos, que entiende KPIs operativos y que puede ahorrar tiempo real. Por eso aquí aparecen logros como “6 horas/semana” o “de 2 días a 4 horas”. Son métricas creíbles y valiosas.

También cambia el lenguaje: menos arquitectura (no vendes un data warehouse completo) y más ejecución con herramientas típicas de entrada: Excel/Power Query/Power BI + SQL.

Ejemplo de CV #3 (perfil senior/lead) — Analista de Business Intelligence

Mariana Cárdenas Loayza

Analista de Business Intelligence
Lima, Perú · mariana.cardenas.bi@gmail.com · +51 999 203 771

Resumen profesional
Analista de Business Intelligence con 8+ años liderando analítica de performance y gobierno de datos en banca y telecom, con stack SQL, Power BI y Azure. Implementé un modelo de datos corporativo y reduje 42% el tiempo de entrega de reportes críticos al estandarizar KPIs y automatizar pipelines. Busco un rol senior de Analista de Datos BI con foco en estrategia, autoservicio y calidad de datos.

Experiencia

Analista BI Senior — PacificTel Insights S.A., Lima
05/2021 – 02/2026

• Lideré la migración de 30+ reportes de Excel a Power BI (datasets certificados, RLS), reduciendo 55% las solicitudes ad-hoc al equipo de datos.
• Diseñé un modelo semántico (Azure SQL + Power BI) para churn y ARPU, mejorando la consistencia de métricas y reduciendo discrepancias entre áreas de 18% a 3%.
• Implementé monitoreo de calidad (tests en SQL + alertas) para 20 tablas críticas, bajando incidentes por datos incompletos de 14 a 4 por trimestre.
• Mentoricé a 4 analistas (revisión de DAX, SQL, storytelling) y elevé el tiempo de entrega promedio de dashboards de 10 días a 6 días.

Especialista en Análisis de Datos — Banco Andino Digital, Lima
02/2018 – 04/2021

• Construí un datamart de riesgo (SQL Server, modelado dimensional) que redujo 30% el tiempo de análisis de mora por segmento.
• Definí un catálogo de KPIs con Finanzas y Riesgo y documenté linaje de datos, acelerando auditorías internas de 3 semanas a 10 días.

Educación
Maestría en Ciencia de Datos — Universidad Peruana de Ciencias Aplicadas (UPC), Lima, 2020–2022

Habilidades
Power BI (RLS, datasets, DAX), SQL (Azure SQL, SQL Server), Modelado dimensional, Gobierno de datos, Calidad de datos, KPI framework, Data catalog, ETL/ELT, Power Query, Python (pandas), Azure Data Factory, Data storytelling ejecutivo, Churn/ARPU analytics, Segmentación, Git, Gestión de stakeholders, Mentoring

Qué hace “senior” a este CV (no es una lista de tareas)

Un senior no se vende por “hice reportes”. Se vende por alcance (30+ reportes, 20 tablas críticas), estándares (datasets certificados, RLS, catálogo de KPIs), reducción de fricción (menos ad-hoc, menos discrepancias) y liderazgo (mentoría, tiempos de entrega). Eso es lo que te pone en la conversación para roles de Analista de Datos BI o liderazgo de BI.

Cómo escribir cada sección (paso a paso, sin humo)

Aquí va la parte práctica: cómo copiar la estructura de arriba y adaptarla a tu historia sin sonar “plantilla”. Piensa en tu CV como un dashboard: si el reclutador no entiende el insight en 10 segundos, cierra la pestaña.

a) Resumen profesional

Tu fórmula ganadora para Analista de Datos es simple y brutalmente efectiva: [años] + [especialización] + [logro con número] + [rol objetivo]. Si te falta una pieza, el resumen se vuelve genérico.

El truco: el logro debe ser algo que un manager entienda sin contexto técnico infinito. “Reducir tiempo”, “mejorar conversión”, “bajar errores”, “subir adopción” funcionan porque conectan con costo y decisión.

Weak version:

Profesional orientado a datos con conocimientos de SQL y Power BI. Busco desarrollarme en una empresa reconocida.

Strong version:

Analista de Datos con 3 años en consumo masivo, enfocada en automatización de reporting con SQL y Power BI. Reduje 28% el tiempo de cierre semanal al estandarizar KPIs y optimizar consultas. Busco un puesto de Data Analyst orientado a performance comercial.

¿Ves la diferencia? En el fuerte, el reclutador ya sabe dónde encajas y qué problema le resuelves.

b) Experiencia

Orden inverso (lo más reciente arriba) y bullets que parezcan “tickets cerrados” con impacto. En analítica, tu experiencia se valida por tres cosas: calidad de datos, velocidad de entrega y decisiones habilitadas.

Cuando cuantifiques, no inventes. Si no tienes “millones”, usa métricas de proceso: horas ahorradas, reducción de errores, tiempos de carga, adopción de dashboards, disminución de incidencias.

Weak version:

Encargado de extraer información y hacer reportes para gerencia.

Strong version:

Extraje y modelé datos de ventas (SQL Server) y publiqué un dashboard ejecutivo en Power BI, reduciendo de 3 días a 1 día el cierre mensual y estandarizando 12 KPIs.

Para que tus bullets suenen a Analista de Información (y no a “asistente de reportes”), usa verbos que implican análisis y construcción, no solo “hacer”. Estos funcionan especialmente bien en este perfil:

• Analicé, modelé, depuré, consolidé, automaticé, optimicé
• Diseñé, implementé, validé, documenté, estandaricé
• Construí, publiqué, monitoreé, segmenté, pronostiqué

c) Habilidades

La estrategia ATS aquí es directa: tu sección de habilidades debe “hablar” el idioma de las ofertas peruanas. Abre 5–10 anuncios de Analista de Datos / Analista BI y verás repetirse lo mismo: SQL, Power BI, Excel, modelado, ETL, DAX, Python (a veces), y alguna nube (a veces).

No pongas 40 skills al azar. Pon las que realmente puedes defender en entrevista y que el ATS pueda matchear.

Habilidades clave para el mercado PE (elige 15–25 según tu perfil):

Hard Skills / Technical Skills

• SQL (joins, window functions, CTE), Modelado dimensional (Kimball), ETL/ELT, Calidad de datos, Definición de KPIs, Estadística aplicada, A/B testing, Segmentación (RFM), Forecasting básico

Tools / Software

• Power BI, DAX, Power Query, Excel (Power Pivot), SQL Server, PostgreSQL, BigQuery, Python (pandas, numpy), GA4, Git

Certificaciones / Standards

• Microsoft PL-300 (Power BI Data Analyst), Google Data Analytics (Coursera), Fundamentos de Azure (AZ-900) si tu target lo pide, Buenas prácticas de modelado (star schema)

Si apuntas a Analista de Datos e Informes en una empresa tradicional, Power BI + Excel + SQL te cubre. Si apuntas a equipos más maduros, suma BigQuery/Azure y algo de automatización en Python.

d) Educación y certificaciones

En Perú, tu educación importa, pero no como “decoración”. Importa como señal de base cuantitativa y disciplina. Pon tu grado, institución, ciudad y fechas. Si tienes maestría o especialización relevante (Ciencia de Datos, BI, Analítica), súbela arriba.

Las certificaciones que más “pesan” en BI suelen ser las que el hiring manager reconoce al vuelo. La PL-300 es una de las más claras si tu CV va cargado a Power BI (revisa la ruta oficial en Microsoft Learn). Para analítica web, GA4 suma si realmente lo usaste. Y si vienes de bootcamp, no lo escondas: preséntalo como formación práctica y acompáñalo con 1–2 logros/proyectos medibles en experiencia.

Errores comunes en CVs de Analista de Datos (y cómo arreglarlos)

El error #1 es sonar a “hago reportes” sin decir con qué ni para qué. “Elaboración de informes” no significa nada si no mencionas Power BI/DAX/SQL y el KPI que moviste. Arreglo: reescribe cada bullet con herramienta + métrica.

El error #2 es listar herramientas como si fueran stickers: “Python, SQL, Power BI” y luego en experiencia no aparece ni una consulta, ni un dashboard, ni un pipeline. Arreglo: al menos 2 bullets deben demostrar SQL y 1 debe demostrar visualización.

El error #3 es inflar el perfil con “machine learning” cuando el rol es BI. Si postulas a Analista BI y tu CV habla de redes neuronales pero no de DAX, modelado o RLS, generas desconfianza. Arreglo: alinea el stack al puesto.

El error #4 es no documentar impacto. En datos, el impacto puede ser tiempo, errores, adopción o dinero. Si no puedes medir dinero, mide proceso. Siempre.

Conclusión

Si tu CV de Analista de Datos no tiene herramientas concretas y métricas, el reclutador asume que solo “haces reportes” y pasa al siguiente. Copia uno de los ejemplos, cambia empresa/contexto/números por los tuyos y deja que el ATS haga su trabajo. Cuando lo tengas, créalo en cv-maker.pro con una plantilla limpia y keywords listas para Perú.

CTA: Crear tu CV ahora en cv-maker.pro.