Prueba de competencias
Data analysis test
Una prueba de análisis de datos evalúa si un candidato es capaz de tomar datos reales, en bruto y desordenados, y producir una respuesta defendible a una pregunta de negocio. Va mucho más allá de conocer la sintaxis de SQL o las fórmulas de una hoja de cálculo: los buenos analistas delimitan correctamente la pregunta, eligen el corte adecuado de los datos, detectan cuándo un número parece incorrecto y explican lo que encontraron en un lenguaje sobre el que una parte interesada pueda actuar. H-Evaluate de Hanzomon plantea cada tarea en torno a ese razonamiento de principio a fin, porque eso es lo que realmente predice el desempeño en un puesto de analista.
Para los responsables de contratación y los reclutadores, el valor está en una señal justa y relevante para el puesto que un CV o un enlace a un portafolio no pueden ofrecer. Un candidato puede enumerar Tableau, Python y 'narrativa de datos' entre sus habilidades y, aun así, caer en una trampa de sesgo de supervivencia, confundir correlación con causa o reportar un cambio porcentual respecto a la base de comparación equivocada. Esta página explica qué debería medir una buena prueba de análisis de datos, los formatos de preguntas que puedes esperar, para quién es la evaluación y cómo leer los resultados para que tomes decisiones de contratación seguras y defendibles.
Qué mide
Consulta y manipulación de datos
¿Puede el candidato recuperar, unir, filtrar, agregar y reestructurar datos para aislar los números que la pregunta realmente necesita? Esto abarca uniones y agrupaciones en SQL, transformaciones en hojas de cálculo o pandas, y el manejo de valores nulos, duplicados y claves inconsistentes sin distorsionar el resultado de forma silenciosa.
Interpretación y razonamiento estadístico
Extraer conclusiones correctas a partir de un resultado: leer distribuciones y no solo promedios, comprender la varianza y el tamaño de la muestra, y saber cuándo una diferencia es significativa frente a cuándo es ruido. Premia a los analistas que preguntan '¿comparado con qué?' antes de declarar una tendencia.
Detección de métricas engañosas
Reconocer cuándo un gráfico, una razón o un número destacado engañan: ejes truncados, rangos de fechas seleccionados a conveniencia, denominadores incorrectos, la paradoja de Simpson, correlación disfrazada de causalidad o sesgos de supervivencia y de selección. A menudo es el mayor factor diferenciador entre un analista competente y uno excepcional.
Comunicación de los hallazgos
Traducir el análisis en una recomendación clara y honesta para una parte interesada no técnica: encabezar con la decisión, cuantificar el impacto, exponer los supuestos y las salvedades, y elegir el recurso visual adecuado. Un buen análisis no sirve de nada si la audiencia no puede actuar sobre él.
Calidad y validación de datos
Verificar la coherencia de las entradas y salidas antes de confiar en ellas: cuadrar totales, detectar valores atípicos e imposibles, y cuestionar de dónde provienen los datos. Evalúa el instinto de verificar en lugar de aceptar el resultado de una consulta al pie de la letra.
Planteamiento de la pregunta de negocio
Convertir una solicitud imprecisa como '¿por qué cayeron los ingresos?' en un análisis concreto y respondible: definir la métrica, el segmento y la ventana de tiempo, y saber qué corte de los datos realmente informará la decisión en cuestión.
Formatos de preguntas
Para quién es
Esta prueba es adecuada para puestos de analista de datos, analista de negocio, analista de producto, analista de marketing y funciones de BI o reporting, y sirve como filtro para posiciones afines a los datos en operaciones, finanzas y growth. Se adapta desde candidatos junior —donde ponderas los fundamentos de consulta y una interpretación clara— hasta analistas de nivel medio y senior, donde el planteamiento de la pregunta, la detección de métricas engañosas y la comunicación con las partes interesadas tienen mayor peso. Úsala al inicio del embudo para reemplazar las conjeturas basadas en los CV, o más adelante para comparar a los candidatos preseleccionados con las mismas tareas relevantes para el puesto.
Cómo interpretar los resultados
- 1Lee las subpuntuaciones, no solo el total. Un candidato fuerte en consulta pero débil en interpretación y comunicación puede destacar extrayendo datos y, aun así, tener dificultades para influir en las decisiones: un perfil de contratación muy distinto al de alguien con el perfil inverso.
- 2Pondera las competencias según el puesto real. Para un rol de BI de autoservicio, prioriza la consulta y la calidad de los datos; para un analista integrado que asesora a líderes, prioriza la detección de métricas engañosas y la comunicación de los hallazgos.
- 3Trata los resultados de 'detección de métricas engañosas' y de validación como una señal de rigor. Un candidato que acepta un gráfico defectuoso o un denominador incorrecto sin señalarlo es un riesgo, sin importar su rapidez técnica.
- 4Usa las puntuaciones para guiar la entrevista, no para reemplazarla. Lleva las respuestas reales del candidato a una conversación de seguimiento —pídele que explique su razonamiento y defienda una salvedad— para que la evaluación y la entrevista refuercen una misma imagen coherente y justa.
Prueba de competencias
Evalúa esta competencia con trabajo real y relevante
Configura una evaluación adaptada al puesto y observa cómo cambia según la seniority — sin registro.
Puestos relacionados
Lecturas relacionadas
Pruebas de muestra de trabajo: la forma más predictiva de evaluar candidatos
Las pruebas de muestra de trabajo miden lo que un candidato realmente puede hacer, y predicen el desempeño en el puesto mejor que los currículums o las entrevistas no estructuradas. Aquí te explicamos cómo usarlas bien.
Habilidades de dominio: ¿realmente pueden hacer el trabajo?
La cognición y la personalidad predicen el potencial; el dominio pone a prueba la realidad. Cómo las preguntas de dominio por rol, fundamentadas en árboles de conceptos, miden el trabajo en sí, de forma justa entre candidatos.
Preguntas frecuentes
¿Qué es una prueba de análisis de datos?
Una prueba de análisis de datos es una evaluación estructurada que mide si alguien es capaz de convertir datos en decisiones: consultar y manipular datos, interpretar los resultados correctamente, detectar métricas engañosas, validar la calidad y comunicar los hallazgos a las partes interesadas. A diferencia de un currículum o un portafolio, ofrece a todos los candidatos las mismas tareas relevantes para el puesto, de modo que puedas compararlos de forma justa y predecir su desempeño en el trabajo.
¿Cómo se evalúan las habilidades de análisis de datos?
Evalúalas con tareas realistas y prácticas en lugar de preguntas triviales. Un buen enfoque combina tareas de consulta en vivo o en hoja de cálculo sobre datos desordenados, ejercicios de interpretación y razonamiento numérico, críticas de gráficos o métricas engañosas y una breve recomendación escrita para una parte interesada. Esta combinación de principio a fin revela no solo si un candidato puede obtener un número, sino si obtiene el número correcto y puede actuar sobre él de forma responsable.
¿Una prueba de análisis de datos exige que los candidatos conozcan una herramienta específica?
El razonamiento central que mide —interpretación, detección de sesgos, planteamiento de preguntas y comunicación clara— es independiente de la herramienta, lo que mantiene la prueba justa entre candidatos de distintos orígenes. Cuando se evalúa la consulta práctica, H-Evaluate puede alinear las tareas con el entorno que usa tu equipo, como SQL u hojas de cálculo, para que los resultados reflejen el trabajo que el puesto realmente implica.