En ese tiempo quien revisa tu CV decide si sigue leyendo. Tu CV no es un documento — es una primera impresión. El formato y la jerarquía visual importan antes que el contenido.
El error más común en CVs de estudiantes es dejar en blanco la sección de experiencia o llenarla con descripciones genéricas. La clave está en presentar lo que sí tienes — con el enfoque correcto.
"Procesé, limpié y validé bases de datos demográficos para su aplicación en un artículo científico utilizando R/Python · Servicio Social · Facultad de Economía, UAEMéx · PTC [nombre jefe inmediato]"
"Graduación de tablas de mortalidad con datos públicos aplicando criterios regulatorios del Anexo 6.3.8 de la CUSF · implementación en R · documentación reproducible en Quarto"
"Tesis: Valuación de reservas IBNR para cartera de daños a bienes mediante cadenas de Markov · R · datos simulados CNSF · en proceso / concluida [año]"
"Asistente · Simposio de Riesgo Financiero · CNSF · [año]"
"Participante · Taller CAS · [tema] · [año]"
"Miembro · Club de Actuaría UAEMéx · [año–año] · área de habilidades blandas
Logros sugeridos: organización de talleres y dinámicas para estudiantes de actuaría · coordinación de actividades de integración y comunicación profesional · apoyo en difusión y logística de eventos académicos"
"Academia Santander · Python para Ciencia de Datos · [año] · análisis exploratorio documentado en notebook"
"Becariado SAS · Summer/Winter Program · [año] · formación en analítica, minería de datos y herramientas estadísticas aplicadas"
No escribas "manejo de Office" sin más. El mercado actuarial actual diferencia perfiles por las herramientas que dominan y cómo las han aplicado. Aquí las habilidades clave por perfil de salida.
| Perfil | Herramientas esenciales | Diferenciador | Empleadores típicos |
|---|---|---|---|
| Ciencias Actuariales | R Python Quarto GitHub Excel | Conocimiento de normativa mexicana, estándares actuariales y manejo de datos regulatorios (LISF, CUSF, CNSF, EPA) | Aseguradoras · CNSF · Reaseguradoras |
| Ciencia de datos | Python SQL scikit-learn Git Jupyter AWS Azure | Proyecto en GitHub con modelo de ML documentado, uso básico de servicios cloud y despliegue sencillo | Fintech · Insurtech · Startups · Big Tech |
| Finanzas cuantitativas | R Python Excel avanzado Bloomberg básico | Valuación de instrumentos · modelización de tasas · riesgo de mercado · AMIB Figura 3 como plus para inversiones | Banca · Casas de bolsa · Operadoras de fondos · Consultoría financiera |
| Consultoría · Big 4 | Excel Power BI SQL Python | Capacidad de presentación ejecutiva · redacción de reportes · IFRS 17 básico | Consultoras · Auditoría · Riesgo · Instituciones aseguradoras |
| Revenue Management | SQL Python Excel Tableau Power BI | Análisis de precios · elasticidad · modelos de demanda · dashboards | Aerolíneas · Hotelería · Retail · E-commerce |
Estos errores aparecen en la mayoría de los CVs que se descartan en los primeros 6 segundos. Son fáciles de corregir — y marcan una diferencia enorme.
En un stack de 50 CVs similares, estos elementos hacen que el tuyo se quede encima del escritorio. No requieren años de experiencia — requieren iniciativa y documentación.