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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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

Roles relacionados