
Francisco Rhaiel
AI Growth Engineer
Data
Publicado el
Resumen ejecutivo
Un proyecto de datos en el CV no se describe por las herramientas que usaste, sino por lo que construiste, con qué datos y qué decisión permitió tomar.
Cada proyecto necesita 2 o 3 líneas con la fórmula verbo de acción + qué hiciste + herramienta + resultado o alcance medible.
Abajo hay cuatro ejemplos antes/después (dashboard en Power BI, análisis en SQL, modelo en Excel y reporte automatizado) y una versión adaptada para LinkedIn.
Si no tuviste un cliente real, igual podés medir: cantidad de registros, tablas, métricas, meses de datos y tiempo ahorrado.
Mucha gente que aprende análisis de datos termina con proyectos muy buenos y un CV que dice "Realicé un dashboard en Power BI". Quien revisa la postulación lee ese renglón en pocos segundos y no puede distinguirlo de otro cien iguales. Hoy el CV se filtra primero por software (los sistemas ATS) y después por una persona que escanea, así que cada línea tiene que ser clara, concreta y fácil de leer por ambos. Esta guía te muestra cómo traducir un proyecto de datos a texto de CV y de LinkedIn, con ejemplos que podés adaptar.
Qué quiere ver quien lee un CV de datos
Quien contrata a un analista de datos se hace tres preguntas: qué construiste, con qué herramientas y qué pregunta de negocio respondía. Si tu línea responde las tres, ya estás por delante de la mayoría. Guías especializadas en portfolios de datos, como la de AnalystHive, proponen justamente ese esquema: un encabezado con el nombre del proyecto y el link, y dos o tres viñetas, nunca un párrafo.
La organización sin fines de lucro Rewriting the Code resume la misma idea en una fórmula fácil de recordar: verbo de acción + qué hiciste + tecnología usada + resultado medible. Es la que vamos a aplicar en los ejemplos.
La fórmula, paso a paso
1. Empezá con un verbo de acción
Usá verbos que describan lo que hiciste vos: construí, analicé, automaticé, limpié, modelé, identifiqué. Evitá "colaboré en", "participé de" o "ayudé con" si el trabajo fue tuyo: obligan a quien lee a adivinar tu aporte.
2. Nombrá la herramienta en el contexto en que la usaste
No hace falta una lista de "Skills" repetida en cada proyecto. Alcanza con mencionar la herramienta dentro de la acción: "con SQL", "en Power BI", "con tablas dinámicas en Excel". Eso además ayuda al ATS a encontrar las palabras clave que aparecen en la oferta.
3. Cerrá con un número o un hallazgo
En un proyecto personal no vas a tener ingresos ni ahorros reales, pero sí números honestos: cuántos registros procesaste, cuántas tablas uniste, cuántos indicadores armaste, cuántos meses de datos cubriste, cuánto tiempo bajó el proceso. Si tu análisis encontró algo (por ejemplo, dónde se concentraba un problema), ese hallazgo es el resultado.
4 ejemplos de redacción antes y después
Ejemplo 1: dashboard en Power BI
Antes: "Realicé un dashboard de ventas en Power BI."
Después: "Construí un dashboard en Power BI con 6 indicadores de ventas por región y categoría, a partir de 24 meses de datos; mostró que dos categorías concentraban la mayor parte de la caída de margen."
Qué cambió: apareció el alcance (6 indicadores, 24 meses), la dimensión de análisis y un hallazgo que se puede comentar en la entrevista.
Ejemplo 2: análisis con SQL
Antes: "Análisis de datos de clientes con SQL."
Después: "Uní 4 tablas con SQL (más de 80.000 pedidos) para segmentar clientes por frecuencia de compra; identifiqué que los clientes de una sola compra eran la mayoría y propuse una campaña de recompra."
Si trabajaste con un dataset público, aclaralo ("dataset público de e-commerce"). Decirlo suma credibilidad, no la resta.
Ejemplo 3: modelo en Excel
Antes: "Armé una planilla de control de gastos."
Después: "Diseñé un modelo de presupuesto en Excel con tablas dinámicas y fórmulas de búsqueda que consolidó 12 hojas mensuales en un único tablero y redujo la carga manual de reporte de 2 horas a 15 minutos."
Acá el número es tiempo ahorrado. Usalo solo si es real y si podés explicar cómo lo mediste.
Ejemplo 4: reporte automatizado con Python
Antes: "Automatización de reportes con Python."
Después: "Automaticé con Python (pandas) la limpieza y consolidación de 5 archivos CSV semanales y generé un resumen listo para enviar; eliminé la carga manual de datos y los errores de copiado."
Los números de estos ejemplos son ilustrativos: reemplazalos por los de tus propios proyectos.
Cómo estructurar la sección en el CV
Elegí 2 o 3 proyectos, los más alineados con el puesto al que aplicás. Más no suma.
Un encabezado por proyecto: nombre, herramientas principales y link (Tableau Public, GitHub, Looker Studio, un informe publicado).
Máximo 3 viñetas de una o dos líneas cada una.
Copiá el lenguaje de la oferta cuando sea verdad: si pide "visualización de datos" y "modelado", usá esas palabras.
Verificá que el link funcione y que el proyecto sea público antes de enviar.
Cómo dejarlo legible para los filtros ATS
Los sistemas de seguimiento de postulantes leen texto, no diseño. Para no perder información:
Usá un formato simple, de una columna, sin tablas ni cuadros de texto para el contenido clave.
Escribí los nombres de herramientas completos y en su forma habitual: "Power BI", "SQL", "Microsoft Excel".
Poné títulos de sección estándar ("Experiencia", "Proyectos", "Educación") en lugar de nombres creativos.
Guardá en PDF solo si la oferta lo permite; si no, enviá el formato que piden.
Si querés profundizar, tenemos una guía sobre qué hacer si el ATS rechaza tu CV y otra sobre cómo escribir un CV que pase el filtro cuando las empresas usan IA para reclutar.
La versión para LinkedIn
En LinkedIn tenés más espacio y menos formalidad, pero la lógica es la misma. Tres lugares donde un proyecto de datos rinde:
Sección Proyectos o Experiencia: una descripción de 3 o 4 líneas con el problema, el método, las herramientas y el resultado, más el link al dashboard o al repositorio.
Sección Destacados: fijá el link al proyecto o a un post que lo cuente. Es lo primero que ve quien visita tu perfil.
Un post tipo caso: problema, cómo lo abordaste, qué herramientas usaste y qué encontraste. Un mini caso de estudio comunica más que un certificado suelto.
Ejemplo de descripción: "Analicé 24 meses de ventas de un dataset público de retail. Limpié y modelé los datos con SQL y armé un dashboard en Power BI con 6 indicadores. Hallazgo principal: dos categorías explican gran parte de la caída de margen. Link al tablero y al código en Destacados."
Para el resto del perfil, sumá estos 8 #CoderTips para ser crack en LinkedIn y mirá cómo armar un portfolio de tecnología desde cero para conseguir tu primer trabajo.
Errores comunes al describir un proyecto de datos
Listar solo herramientas ("Excel, SQL, Power BI") sin decir qué hiciste con ellas.
Inventar impacto. Un número falso se cae en la primera pregunta de la entrevista. Es mejor un alcance real que un porcentaje dudoso.
Esconder que es un proyecto de práctica. No hace falta disculparse: indicá que es un caso con datos públicos y enfocate en tu método.
Incluir proyectos de tutoriales sin cambios. Si seguiste un paso a paso, agregá tu propia pregunta o tus propios datos.
Párrafos largos. Quien revisa el CV escanea; tres viñetas cortas se leen, un párrafo se saltea.
Curso recomendado de Coderhouse
Si todavía no tenés proyectos para mostrar, la Carrera de Data Analytics te hace pasar por todo el ciclo (extraer, limpiar y visualizar datos con SQL y dashboards) y termina con trabajos prácticos que podés convertir en las líneas de CV de esta guía. Si preferís comparar opciones antes de decidir, mirá los mejores cursos de análisis de datos. Y para saber qué piden las empresas, revisá qué habilidades reales buscan en un junior de datos.
Preguntas frecuentes
¿Cuántos proyectos de datos conviene poner en el CV? Entre dos y tres, los más relacionados con el puesto. Si tenés más, dejalos en un portfolio o repositorio y enlazalo.
¿Puedo poner un proyecto hecho con datos públicos o de un curso? Sí, siempre que aclares el origen y muestres tu propio planteo: qué pregunta respondiste y qué hallazgo obtuviste. Lo que no conviene es copiar un tutorial sin cambios.
¿Qué hago si no tengo un resultado medible? Medí el alcance: registros procesados, tablas unidas, indicadores creados, meses de datos o tiempo ahorrado. Son números reales de tu trabajo.
¿Hace falta repetir el proyecto en el CV y en LinkedIn? Sí, pero con distinto nivel de detalle: en el CV, 2 o 3 viñetas cortas; en LinkedIn, una descripción más narrada con el link al proyecto en Destacados.

Sobre el autor
Soy Francisco Rhaiel, AI Growth Engineer en Coderhouse. Mi día a día consiste en automatizar y optimizar procesos aplicando lo último en inteligencia artificial, incluyendo Agentic AI y Gen AI. Soy graduado de la Universidad Torcuato Di Tella (UTDT) en Tecnología Digital, y mi recorrido me llevó a especializarme en la intersección entre tecnología, datos y negocio. Me mueve aprender, construir y aplicar tecnologías innovadoras para resolver problemas reales. Para profundizar en mi trayectoria, te espero en mi perfil de LinkedIn.
Artículos destacados
Ver todos los artículos
Guía de Rol
Business Intelligence como carrera: qué hace un BI Analyst y cuánto gana
Publicado el
Tutorial: Guía Paso a Paso
API de IA para principiantes: conecta GPT, Claude y Gemini a tus proyectos
Publicado el
Comparativa de Herramientas
Business Intelligence vs Data Analytics: diferencias clave, herramientas y qué aprender primero en Argentina
Publicado el
Uso de IA
Agentes de IA: qué son, para qué sirven y cómo empezar a usarlos en tu trabajo
Publicado el
Tutorial: Guía Paso a Paso
Claude Cowork vs ChatGPT: cuál elegir para automatizar tareas
Publicado el
Ruta de Aprendizaje
¿Cómo aprender inteligencia artificial desde cero? Guía Completa
Publicado el
