La palabra “analista” puede ocultar trabajos muy diferentes. Una persona traduce una pregunta comercial en métricas; otra organiza datos confiables; otra vigila comportamiento de riesgo o cumplimiento. Comparten razonamiento y colaboración, pero no necesariamente herramientas, decisiones ni responsables. Postular por el título sin leer el problema es la forma más rápida de preparar un caso equivocado.
Un Business Analyst puede trabajar cerca de producto y operaciones, identificando oportunidades y evaluando resultados. Un Data Analyst profundiza en exploración, medición y comunicación. Analytics Engineering construye capas y modelos que permiten análisis consistentes. Riesgo agrega objetivos, restricciones y consecuencias propias. La ficha concreta dirá qué combinación necesita el equipo.
Imagina que aumentan los contactos después de un cambio en la aplicación. El primer paso no es abrir una gráfica, sino definir qué significa “aumentar”: volumen absoluto, tasa por usuario, contactos repetidos o gravedad. Después se revisa si cambió el producto, la mezcla de clientes o la forma de registrar. Esa disciplina evita convertir una coincidencia temporal en causa.
La colaboración con atención al cliente aporta lenguaje y ejemplos que los datos agregados pueden esconder. Soporte puede advertir que una categoría mezcla problemas distintos. Analítica ayuda a estimar alcance. Ninguna parte debería usar la experiencia de la otra como adorno; necesitan acordar definiciones y comprobar si una intervención realmente reduce fricción.
En el currículum, “creé dashboards” es insuficiente. Explica qué decisión apoyaba el tablero, de dónde provenían los datos, cómo se verificaban y qué cambió. Si el resultado fue que no debía lanzarse una iniciativa, también cuenta. El valor analítico no depende de recomendar siempre acción; a veces consiste en evitar una conclusión prematura.
La calidad del dato es parte del análisis, no un obstáculo ajeno. Un buen caso incluye valores faltantes, cambios de definición, duplicados o sesgo de selección. Señalar una limitación no debilita la presentación cuando se propone cómo investigarla. Ocultarla para producir una cifra limpia puede llevar a decisiones más costosas.
Los equipos de riesgo analizan pérdidas, comportamiento, capacidad y controles bajo reglas específicas. La relación con cumplimiento y prevención de lavado aparece cuando una señal requiere investigación o reporte, pero ambos dominios conservan objetivos y atribuciones diferentes. Un modelo no sustituye el juicio regulatorio ni una investigación documentada.
Para preparar un caso, ordena la historia: pregunta, datos, método, hallazgo, recomendación y monitoreo. No empieces por la herramienta. SQL, Python, hojas de cálculo o visualización son medios. En entrevista puede ser más valioso explicar por qué excluiste una métrica que demostrar cuántas funciones recuerdas de memoria.
El listado oficial de empleos de Nubank permite localizar posiciones como Business Analyst y otras especialidades cuando están abiertas. Los ejemplos disponibles cambian, por lo que no conviene escribir el currículum alrededor de una publicación cerrada. Mantén una versión base de proyectos y adapta el énfasis a la vacante vigente.
Las decisiones financieras requieren contexto temporal. Un aumento inicial puede ser efecto de aprendizaje; una reducción puede ocultar que usuarios abandonaron. Pregunta qué horizonte importa y qué evento modificaría la recomendación. Un análisis responsable incluye condiciones para revisar la decisión, no solo una cifra final.
Quien viene de finanzas puede ampliar su panorama con los puestos de planeación, control y auditoría. Compartir datos no convierte los trabajos en equivalentes. Finanzas puede construir escenarios y presupuestos; auditoría evalúa controles con independencia; analítica de producto estudia comportamiento. Elige ejemplos que correspondan al propósito del cargo.
La página de carreras de Nu explica el esquema general de contratación y modalidad. Para una posición analítica, pregunta si habrá ejercicio, qué herramientas pueden usarse y si se evaluará una presentación. No utilices datos reales de un empleador anterior; crea un conjunto ficticio o anonimizado cuando necesites demostrar razonamiento.
En la oferta conviene revisar nivel, equipo, ubicación, modalidad, idioma y responsabilidad sobre decisiones. También pregunta quién consume el análisis. Un puesto que entrega recomendaciones a liderazgo exige síntesis distinta de uno enfocado en infraestructura de datos. La habilidad técnica debe acompañarse de comunicación adecuada para la audiencia.
Los resultados cuantitativos del currículum necesitan base. Si afirmas “reduje 30%”, debes poder explicar periodo, comparación y tu contribución. No atribuyas a un dashboard todo el efecto de una campaña o un cambio de crédito. La precisión sobre límites aumenta la confianza y protege de preguntas que expongan una cifra sin sustento.
Un contacto legítimo no solicita acceso a cuentas, archivos privados o pagos para enviar la prueba. Guarda la descripción y confirma el correo si el ejercicio llega por un canal inesperado. Las habilidades de verificación que aplicarías a un conjunto de datos también deben acompañar tu búsqueda laboral.
La presentación visual debe facilitar la decisión, no ocultar incertidumbre. Elige escalas honestas, compara periodos equivalentes y muestra denominadores. Si una categoría contiene pocos casos, indícalo. Una gráfica llamativa que exagera diferencias puede ganar atención momentánea y perder confianza cuando alguien revisa la base.
En experimentación, define antes qué resultado cambiaría la decisión y durante cuánto tiempo se observará. Revisar diariamente hasta encontrar significancia aumenta el riesgo de conclusiones accidentales. Si el puesto no trabaja con experimentos formales, el mismo principio aplica: establecer criterios antes de ver el resultado reduce la tentación de acomodar la historia.
La comunicación ejecutiva no consiste en borrar todos los detalles. Ofrece primero conclusión, impacto y recomendación; conserva un anexo o ruta para revisar método. De ese modo, una persona directiva puede decidir y una persona técnica puede auditar. Saber cambiar de profundidad sin cambiar los hechos es una competencia central.
Antes de entregar una prueba, reproduce los resultados desde el inicio y verifica que nombres, filtros y periodos coincidan con la explicación. Un archivo que solo funciona en tu equipo dificulta evaluar el razonamiento. Incluye notas breves sobre dependencias o pasos cuando el formato lo permita.
Si trabajaste con modelos predictivos, separa rendimiento estadístico de utilidad comercial. Explica umbral, costo de errores y monitoreo posterior. Una métrica alta no garantiza que la decisión sea segura o justa.
Talento LATAM publica este artículo de forma independiente. No forma parte de Nu y no evalúa casos de selección. Revisa responsabilidades, herramientas y requisitos directamente en la vacante oficial que esté activa.