Data Analyst
El punto de entrada más común a la industria de datos: convertir preguntas de negocio en consultas, gráficos y reportes.
ÁreaAnálisis de Datos y Negocio
EnfoqueIndustria
Nivel de entradaNivel de entrada
Tiempo estimado4-6 meses
Ruta paso a paso
Fases ordenadas con duración orientativa; los tiempos varían según tu experiencia previa y dedicación semanal.
Fundamentos de programación y datos
4-6 semanas- Aprender Excel avanzado (tablas dinámicas, fórmulas, Power Query)
- Fundamentos de SQL: SELECT, JOIN, GROUP BY, subconsultas
- Introducción a Python o R para automatizar tareas repetitivas
Estadística aplicada y análisis exploratorio
3-4 semanas- Estadística descriptiva y medidas de tendencia central/dispersión
- Interpretación de correlación y tendencias
- Limpieza de datos con pandas o dplyr
Visualización y herramientas de BI
4-6 semanas- Dominar una herramienta de BI (Power BI o Tableau)
- Principios de storytelling con datos
- Construcción de dashboards interactivos
Portafolio y proyectos aplicados
4-6 semanas- 2-3 proyectos de análisis de extremo a extremo con datasets reales
- Documentar hallazgos en reportes ejecutivos
- Publicar proyectos en GitHub o un portafolio online
Preparación para el mercado laboral
2-3 semanas- Práctica de estudios de caso y preguntas técnicas de SQL
- Ajuste de CV y portafolio a ofertas de Data Analyst
- Entrevistas simuladas centradas en comunicación de insights
Tecnologías que debes dominar
- SQL
- Excel avanzado / Google Sheets
- Python o R (pandas / dplyr)
- Power BI o Tableau
- Git y GitHub
- Looker Studio (opcional)
Conceptos que debes poder aplicar
- Estadística descriptiva
- Limpieza y validación de calidad de datos
- Diseño de dashboards y principios de visualización
- Métricas de negocio (KPIs) y su interpretación
- Comunicación de hallazgos a audiencias no técnicas
- Fundamentos de A/B testing
Ejemplo de proyecto (Industria)
Dashboard de Retención de Clientes para una App de Suscripción
Un caso típico de Data Analyst en una empresa de suscripciones: se te entrega una base de datos transaccional cruda y se te pide construir un dashboard que muestre la tasa de retención mensual, identifique los segmentos de clientes con mayor riesgo de cancelación (churn) y proponga, con datos de respaldo, en qué segmento enfocar una campaña de retención.
Entregables típicos
- Consultas SQL para extraer y limpiar los datos de suscripción
- Cálculo de métricas de retención y cohortes
- Dashboard interactivo en Power BI o Tableau
- Reporte ejecutivo de 1-2 páginas con recomendaciones