Cómo crear un portafolio de analista que consiga entrevistas

Un portafolio de analista de datos que consigue entrevistas es pequeño, enfocado y fácil de revisar: tres o cuatro proyectos que responden preguntas de negocio reales, cada uno con un resumen breve, el SQL o el código a la vista y un dashboard que un reclutador pueda abrir en segundos. La calidad gana a la cantidad. En esta guía te mostramos qué incluir, cómo estructurar cada proyecto y dónde publicarlo.

Lo que de verdad buscan quienes contratan

Los reclutadores y gerentes muchas veces dedican apenas unos minutos a un portafolio antes de decidir si llaman. En ese poco tiempo revisan tres cosas:

• ¿Sabes plantear un problema de negocio? Un proyecto que empieza con "¿Qué líneas de producto están perdiendo margen y por qué?" vale más que uno que dice "Analicé un conjunto de datos".
• ¿Haces el trabajo técnico de forma limpia? SQL legible, un modelo de datos lógico y números correctos.
• ¿Sabes comunicar? Un titular claro, una recomendación y gráficos que se entienden solos.

Todo lo que pongas en tu portafolio debe reforzar una de esas tres señales. Si un proyecto no lo hace, quítalo. Antes de empezar, compara tu plan con la lista de habilidades de analista BI que buscan las empresas para que cada proyecto demuestre algo concreto.

Cómo elegir los proyectos

Apunta a tres o cuatro, cada uno con una habilidad distinta

Una buena combinación se ve así:

Usa datos de un sector que conozcas

Si trabajaste en comercio minorista, distribución, salud o logística, arma proyectos de ese mundo. Harás mejores preguntas, detectarás errores más rápido y hablarás de los resultados con seguridad en las entrevistas. Hay fuentes públicas como los portales de datos abiertos de gobiernos, los datasets de Kaggle y bases de ejemplo como AdventureWorks o Contoso de Microsoft. Nunca uses datos confidenciales de tu empleador actual o anterior, aunque estén anonimizados.

Evita los datasets trillados

El Titanic o el clásico de las flores Iris sirven para aprender, pero los evaluadores los han visto cientos de veces. Un conjunto de datos de negocio realista, con sus imperfecciones, se recuerda mucho más.

Cómo estructurar cada proyecto

Usa el mismo formato en todos los proyectos para que quien los revise sepa dónde mirar:

1. Hallazgo principal. Una frase arriba de todo, por ejemplo: "Tres categorías de producto concentran la mayoría de las devoluciones en la región Oeste".
2. Pregunta de negocio y contexto. ¿Quién usaría esto y qué decisión apoya?
3. Datos. Fuente, tamaño, período y limitaciones importantes.
4. Enfoque. Pasos de limpieza, diseño del modelo y cálculos clave, con enlaces al código.
5. Resultados. Dos o tres capturas de pantalla o un enlace al dashboard en vivo.
6. Recomendación. ¿Qué debería hacer el negocio ahora?
7. Qué mejorarías. Demuestra madurez y autocrítica.

Muestra directamente en el resumen una muestra corta y legible de tu lógica. Para un análisis de clientes que repiten compra, podría ser:

WITH first_orders AS (
    SELECT customer_id,
           MIN(order_date) AS first_date
    FROM orders
    GROUP BY customer_id
)
SELECT COUNT(DISTINCT f.customer_id) AS customers,
       COUNT(DISTINCT CASE
             WHEN o.order_date > f.first_date
              AND o.order_date <= f.first_date + INTERVAL '90 days'
             THEN f.customer_id END) AS repeat_90d
FROM first_orders AS f
LEFT JOIN orders AS o
       ON o.customer_id = f.customer_id;

(La sintaxis del intervalo es de PostgreSQL. En SQL Server usarías DATEADD(day, 90, f.first_date)).

Dónde publicar tu portafolio

GitHub para el código

Crea un repositorio por proyecto con un README claro que siga la estructura anterior. Guarda el SQL en archivos .sql, el Python en notebooks o scripts, e incluye una muestra pequeña de los datos o instrucciones para descargarlos.

Un enlace a un dashboard en vivo

A los evaluadores les encanta hacer clic en un dashboard que funciona. Tableau Public permite publicar dashboards gratis, aunque todo lo que subas ahí queda público. En Power BI, la opción "Publicar en la web" crea un enlace público, pero su disponibilidad depende de la configuración de tu organización y del tipo de licencia, así que revisa la documentación actual de Microsoft. Si no puedes publicar de forma pública, graba un video corto recorriendo el reporte.

Una página de inicio sencilla

Un sitio de una sola página, el README de tu perfil de GitHub o una página de Notion bien ordenada pueden servir como centro de todo. Debe tener una presentación de dos líneas, enlaces a cada proyecto con su hallazgo principal y tus datos de contacto. Enlázala desde tu currículum y tu perfil de LinkedIn.

Conéctalo con tu currículum y LinkedIn

Tu portafolio solo funciona si la gente lo encuentra. Agrega una línea por proyecto en la sección de experiencia o proyectos de tu currículum, redactada como un resultado y no como una tarea. Por ejemplo, "Creé un dashboard de ventas en Power BI que marca las regiones por debajo de la meta y convirtió un reporte manual semanal en una sola actualización" dice mucho más que "Hice un dashboard". En LinkedIn, usa la sección Destacados para fijar tu mejor proyecto y escribe una publicación corta sobre cada uno cuando lo lances, explicando la pregunta y el hallazgo más interesante. Mantén un tono práctico y concreto. Los gerentes que buscan analistas en tu zona pueden ver esas publicaciones, y cada una es otra oportunidad de mostrar cómo piensas.

Por último, ajusta el orden. Si te postulas a un puesto con mucho SQL, pon tu proyecto de SQL primero en la página de inicio para esa postulación.

Usar IA para avanzar más rápido (sin hacer trampa)

Los asistentes de IA pueden acelerar mucho el trabajo del portafolio, siempre que el razonamiento siga siendo tuyo. Algunos buenos usos: generar ideas de preguntas de negocio para un dataset, explicar un mensaje de error, armar el esquema de un README y revisar la legibilidad de tu SQL.

Prepárate para explicar cada línea de tus proyectos. En las entrevistas suelen preguntar "¿por qué modelaste los datos así?", y se nota enseguida cuando alguien no sabe responder. También puedes mencionar en tu resumen dónde te ayudó la IA, lo que transmite hábitos de trabajo honestos y actuales. Para más ideas, revisa nuestra guía de ChatGPT y Claude para analistas.

Errores comunes que cuestan entrevistas

• Demasiados proyectos sin terminar. Tres proyectos pulidos valen más que diez notebooks a medias.
• Sin contexto de negocio. Gráficos sin pregunta ni recomendación parecen ejercicios de un curso.
• Proyectos copiados de tutoriales. Seguir un curso está bien para aprender, pero cambia el dataset y la pregunta antes de mostrarlo.
• Enlaces rotos. Prueba cada enlace desde una ventana privada del navegador antes de postularte.
• Dashboards recargados. Demasiados visuales y colores restan más de lo que suman.
• Números sin verificar. Cuadra tus totales. Un solo error evidente puede borrar una buena primera impresión.

Próximos pasos

Empieza esta misma semana con un proyecto de un sector que conozcas. Escribe primero la pregunta de negocio, construye el SQL y el dashboard, y luego redacta el caso de estudio de una página. Cuando esté publicado, pídele a un amigo que no trabaje con datos que lea el hallazgo y la recomendación y te diga qué entendió. Después repite con un proyecto que muestre otra habilidad. Si quieres una idea lista para arrancar, nuestro tutorial del dashboard de ventas minoristas en Power BI es un primer proyecto sólido que puedes adaptar con tus propios datos y preguntas.

Mira: lecciones en video

▶

Preguntas frecuentes