Data Analytics: La MEJOR RUTA para aprenderlo en 2023
Summary
TLDREn este video, Isa González ofrece una guía para formarse como Data Analyst en 2023 utilizando la metodología de Tiers. Analiza una oferta de trabajo de IKEA para un perfil balanceado entre habilidades técnicas y de negocio. La ruta formativa propuesta incluye dominar Excel, aprender estadística descriptiva, herramientas de visualización como Tableau o Power BI, y SQL. Para los 6 a 12 meses, se recomienda aprender R, estadística inferencial y metodologías de Data Science aplicadas a casos de negocio específicos, para avanzar hacia un perfil más especializado y cualificado en el área.
Please replace the link and try again.
Q & A
¿Qué es el objetivo principal del vídeo?
-El objetivo principal del vídeo es enseñar a las personas la mejor ruta para formarse como Data Analyst en 2023, utilizando la metodología de tiers y analizando una oferta real en LinkedIn.
¿Qué es la metodología de tiers y cómo se utiliza en el vídeo?
-La metodología de tiers es una forma muy visual de entender y planificar el camino para formarse en un área específica. En el vídeo, se utiliza para explicar los pasos necesarios para convertirse en un Data Analyst, desde cero hasta alcanzar un nivel avanzado.
¿Qué es la diferencia entre un Data Analyst y un Data Scientist?
-Un Data Analyst se enfoca en el análisis de datos para generar resultados de negocio, mientras que un Data Scientist trabaja con algoritmos y modelos más complejos para extraer información y predecir comportamientos a partir de grandes conjuntos de datos.
¿Qué se busca en un perfil balanceado para un puesto de Data Analyst?
-Un perfil balanceado para un puesto de Data Analyst incluye capacidades analíticas superiores y una buena intuición de negocio, capaz de aplicar técnicas de análisis de datos para generar resultados de negocio.
¿Qué herramientas de visualización de datos se mencionan en el vídeo?
-Las herramientas de visualización de datos mencionadas en el vídeo son Power BI, Tableau, y Looker.
¿Qué aspectos técnicos se deben dominar para ser un Data Analyst?
-Los aspectos técnicos que se deben dominar incluyen Excel avanzado, SQL, conocimientos analíticos, metodologías de análisis y Machine Learning, y experiencia en desarrollo de productos y generación de insights.
¿Qué es Data storytelling y por qué es importante?
-Data storytelling es la habilidad de contar historias a partir de los datos para comunicar de manera efectiva los resultados del análisis. Es importante porque permite a los analistas de datos conectarse con los stakeholders y transmitir información de manera clara y persuasiva.
¿Qué se recomienda aprender en los primeros 6 meses de formación como Data Analyst?
-En los primeros 6 meses se recomienda aprender Excel avanzado, estadística descriptiva, una herramienta de visualización como Tableau o Power BI, y bases de SQL.
¿Qué se aborda durante la segunda fase de formación, de 6 a 12 meses?
-Durante la segunda fase, se abordan temas más avanzados como el aprendizaje de un lenguaje de programación como R o Python, estadística inferencial, metodología general de Data Science, y especialización en casos de uso y sectores específicos.
¿Por qué es importante especializarse en un sector específico como Data Analyst?
-Especializarse en un sector específico es importante porque permite al analista de datos comprender mejor las necesidades y desafíos del sector, lo que ayuda a generar soluciones más efectivas y alineadas con los objetivos de negocio.
¿Cómo se puede aplicar la formación teórica a proyectos prácticos?
-La formación teórica se puede aplicar a proyectos prácticos a través del uso de lenguajes de programación como R o Python, y la utilización de herramientas analíticas y de visualización de datos para solucionar problemas específicos y generar resultados de negocio.
Outlines
📈 Introducción a la formación como Data Analyst
En este primer párrafo, la presentadora Isa González introduce el tema del vídeo, que es enseñar la mejor ruta para formarse como Data Analyst en 2023. Para ello, utilizará una metodología de 'tiers' visual y fácil de entender. Además, analizarán una oferta real de trabajo en LinkedIn de una gran empresa buscando un Data Analyst para despejar dudas sobre la diferencia entre el rol de Data Analyst y Data Scientist.
🛤️ Creando un roadmap para aprender como Data Analyst
La presentadora detalla un plan de acción en forma de roadmap para aprender y convertirse en un Data Analyst. Este plan se divide en tres fases: los primeros seis meses, los siguientes seis meses (7 al 12), y la fase de aprendizaje continuo después del primer año. Durante los primeros seis meses, se recomienda dominar Excel, aprender estadística descriptiva, utilizar herramientas de visualización como Tabla o Power BI, y finalmente, aprender SQL. Cada etapa es esencial para adquirir las habilidades necesarias para desempeñarse como Data Analyst.
💡 Adquiriendo habilidades avanzadas en Data Analysis
En este segmento, la experta en Data Analysis sugiere cómo diferenciarse de otros analistas y adquirir habilidades más avanzadas. Entre los 6 y los 12 meses, se debe aprender un lenguaje de programación como R o Python, entender estadística inferencial, y aplicar técnicas de business analytics en casos concretos. También se habla de la importancia de especializarse en un sector específico para aplicar el análisis de datos de manera más efectiva y generar resultados de negocio.
🚀 Concluyendo la formación y buscando empleo
El último párrafo resume la ruta de formación propuesta y enfatiza cómo, siguiendo estos pasos, es posible convertirse en un Data Analyst en un período razonable de 6 a 12 meses si se dedica tiempo full-time a la formación. La presentadora también menciona la importancia de seguir avanzando en análisis más avanzados, como modelos de Machine Learning y forecasting, en el segundo año de la formación. Finalmente, invita a los espectadores a dejar comentarios y se despide hasta el próximo vídeo.
Mindmap
Keywords
💡Data análisis
💡Metodología de tiers
💡Perfil mixto
💡Data Scientist
💡Excel
💡Herramientas de visualización de datos
💡SQL
💡R
💡Estadística descriptiva
💡Data storytelling
💡Business analytics
Highlights
La mejor ruta para formarte como Data Analyst en 2023 utilizando la metodología de tiers.
El análisis de una oferta real de Data Analyst en LinkedIn de una gran empresa.
La diferencia entre el puesto de Data Analyst y Data Scientist.
El perfil balanceado técnico y de negocio que se busca en Data Analyst.
La experiencia en identificar oportunidades y estimaciones de mercados.
La importancia de tener experiencia en desarrollo de productos y generación de insights.
El papel de Data Analyst como puente entre los requisitos de negocio y problemas analíticos.
Las herramientas de visualización como Power BI o Tableau.
El conocimiento analítico y metodologías de analytics y Machine Learning.
La necesidad de tener habilidades para presentar resultados y contar historias de datos.
La ruta formativa recomendada para comenzar desde cero y aspirar a ser Data Analyst en 2023.
La importancia de dominar Excel para realizar análisis básicos.
La estadística descriptiva como base clave para la interpretación de datos.
La elección entre Tableau y Power BI para visualización de datos.
El aprendizaje de SQL como requisito técnico para acceder y realizar consultas en bases de datos.
La diferencia entre SQL para analistas y SQL para informáticos.
La recomendación de aprender R o Python para Data Analyst.
El enfoque en estadística inferencial y metodología general de Data Science para proyectos analíticos.
La especialización en casos de uso del sector de interés y la importancia de la formación continua.
Transcripts
00:00en este vídeo voy a enseñarte Cuál es la
00:01mejor ruta para formarte como Data
00:03análisis es decir como analista de datos
00:04en 2023 lo voy a hacer utilizando la
00:07metodología de tiers que es una
00:08metodología muy visual y que se entiende
00:10muy bien y además también para terminar
00:12de comprenderlo vamos a hacer el
00:13análisis de una oferta real en linkedin
00:15de una gran empresa que busca Data
00:17analis Y también vamos a despejar otra
00:19de las dudas más comunes que es Cuál es
00:20la diferencia de este puesto de analista
00:22de datos con respecto a Data scientist
00:24así que sin más yo soy Isa González de
00:26la tercera business vamos al ordenador y
00:28te lo explico
00:29[Música]
00:30Bueno si estás viendo Este vídeo
00:32seguramente ya sepas lo que es un Data
00:34análisis pero por terminar de cerrarlo y
00:36por ponernos todos en la misma página
00:37vamos a ir a linkedin y vamos a analizar
00:40una posición que yo Considero que es
00:41representativa de este rol que además
00:44justo me ha saltado esta semana cuando
00:45estaba haciendo la preparación para este
00:47vídeo así que me ha parecido perfecto
00:48que esta posición que ha ofertado IKEA
00:51no IKEA pues una gran empresa conocida
00:53por todos y lo que está pidiendo es un
00:55senior Data and stratigy analys Data y
00:57analytics bueno Pues básicamente un
00:59análisis como te he dicho yo ya la he
01:02analizado previamente y Considero que sí
01:04que es muy representativa de lo que
01:05suelen pedir para este tipo de puestos
01:06Así que nos ha venido perfecto para
01:08poder analizarlo vamos a ver qué es lo
01:10que nos piden primero nos empiezan
01:12diciendo que están buscando un perfil
01:13balanceado esto es una cosa que si
01:15sigues mi canal me habrás escuchado
01:16millones de veces cuando hablo del
01:17perfil mixto ese perfil que tiene
01:19digamos mitad parte técnica de Data
01:22análisis en este caso y Mitad parte de
01:24negocio que es capaz de aplicar todas
01:26las técnicas del análisis de datos para
01:27generar resultados de negocio y como te
01:29digo eso no es una cosa que me he
01:31inventado yo cuando yo digo esto es
01:32porque al final es lo que veo que es lo
01:33que está pidiendo el mercado no Y
01:35entonces Mis años de experiencia Pues he
01:36visto que esto es el perfil que mejor
01:38funciona Bueno pues aquí mismo ya te lo
01:39están dejando también muy claro desde el
01:41principio que tengas por un lado pues
01:43capacidades analíticas superiores y
01:44también capacidades de resolución de
01:46problemas y que tengas Bueno pues una
01:48buena intuición de negocio para saber
01:50cómo hacer esa aplicación de las
01:52técnicas de análisis de datos a resolver
01:53negocios no luego Bueno pues aquí te
01:55pide lo que te dice lo que te pide un
01:57poco en esta posición concreta que como
01:58es una posición llama así te pide cuatro
02:00años de experiencia y demás Pero bueno
02:02Esto no nos interesa tanto porque cada
02:03posición unas buscarán alguien más SIM y
02:05ahora otras Buscar a nadie más Junior y
02:07luego a partir de aquí empezamos ya con
02:09las actitudes no que te están pidiendo
02:10entonces de nuevo aquí vuelve a la parte
02:12de negocio te dice que bueno pues que
02:14tienes que tener experiencia en saber
02:16identificar oportunidades en saber hacer
02:18estimaciones de los tamaños de los
02:19mercados y en saber calcular el impacto
02:21de negocio me escucharás también mucho
02:23en este canal hablar sobre esto por eso
02:25se llama Data Science for business
02:27después te dice también que tienes que
02:29tener Bueno pues experiencia en
02:30desarrollo de productos y en generación
02:32de insights que es otra palabra que
02:33también escucharás mucho definiendo y
02:36construyendo kpis analizando los
02:38customer journings etcétera etcétera es
02:39decir todo esto son como los requisitos
02:41de negocio que te está pidiendo que
02:43sepas trasladar peticiones imperfectas
02:47de negocio a problemas bien definidos
02:49desde el punto de vista analítico de
02:51nuevo ese perfil mixto los usuarios de
02:53negocio los jefes de producto los
02:55directivos no saben qué es lo que tienes
02:57que hacer o sea si saben lo que quieren
02:58obtener como resultado pero no saben
03:00trasladarte cómo tienes que hacer eso
03:01desde un punto de vista analítico
03:03entonces ahí está tu aportación de valor
03:04en saber hacer ese puente No ese perfil
03:06mixto y luego a partir de aquí pues
03:09empieza un poco la parte técnica no
03:10Entonces vamos a ver qué es lo que nos
03:11pide en la parte técnica Pues nos pide
03:13por un lado herramientas de
03:14visualización que es algo que vas a ver
03:16a continuación cuando te explique la
03:17ruta de generación de dashboards Como
03:19por ejemplo pues Power bi o tabla
03:21estudio Locker clip View este tipo de
03:24herramientas de visualización de datos
03:25luego además también nos pide pues
03:27conocimientos analíticos Es decir de
03:29analytics de metodologías de analytics y
03:31de Machine learning nos piden sql y
03:35también dice que es bastante
03:36recomendable tener experiencia en r o en
03:39python no parece que a los análisis pues
03:40un poquito más avanzados luego además
03:43por último nos dice que también es
03:45necesario tener capacidades de presentar
03:47resultados de contar historias de datos
03:50no del Data storytellings Y bueno pues
03:52también ser un Team Player es decir
03:54saber participar con las personas y
03:55demás entonces a mí esta oferta como te
03:58decía me ha parecido muy representativa
03:59al final cubre Pues todo lo que yo
04:01siempre también intento trasladaros no
04:03que es por un lado Oye Esa visión de
04:05negocio y aquí es donde te dice Pues
04:07todo esto no lo que te piden desde el
04:09punto de vista de negocio saber entender
04:10a la gente de negocios al transformarlo
04:12a proyectos analíticos después te dice
04:14aquí lo que tienes que tener desde el
04:16punto de vista técnico y después también
04:17te dice aquí lo que tienes que tener
04:19desde el punto de vista de comunicación
04:20yo creo que son los tres grandes Pilares
04:22que tiene que tener un Data análisis
04:23Bueno si tú te has reconocido entonces
04:25que esto es el tipo de puestos al que a
04:27ti te gustaría aspirar cuál sería
04:29entonces la ruta formativa que yo te
04:31recomendaría si fueras empezar ahora
04:32desde cero y quisieras conseguir ese
04:34objetivo en 2023 pues vamos a pasar ya a
04:37la parte de eltier map no a explicarte
04:40cómo haría esto utilizando esta
04:41metodología de tiers que ya lo hice en
04:43el vídeo de Data scientist te lo dejaré
04:45también Pues por aquí en una tarjeta o
04:47algo para que puedas revisarlo y que
04:49realmente bueno fue una metodología que
04:50gustó mucho porque pues le resulta
04:52bastante clarificador a la gente y
04:53muchos me pedisteis que hiciera el vídeo
04:55de Data análisis no que es lo que
04:56estamos revisando a continuación ahora
04:58la pregunta es vale Y si quiero empezar
05:00a aprender esto mañana cómo me lo
05:02organizo en un roadmap Bueno pues aquí
05:04lo que tenemos en cada una de estas
05:05filas del mapa son los periodos
05:07temporales no Entonces yo lo he dividido
05:08en una primera fase en los seis primeros
05:10meses una segunda fase de 6 a 12 meses y
05:13luego a partir de ahí ya una fase de
05:15aprendizaje continuo a partir de los 12
05:17meses no qué es lo que yo recomendaría
05:19para empezar para estos primeros de 0 a
05:216 meses Bueno pues lo primero sería
05:23Excel muchas veces Excel Es una
05:25herramienta que a lo mejor la pasamos
05:26por alto porque damos por hecho que todo
05:28el mundo ya conoce Excel pero no tiene
05:30por qué ser así entonces si tú no tienes
05:32un nivel intermedio avanzado de Excel
05:34desde mi punto de vista Debería ser lo
05:36primero que dominaras porque en todas
05:37las empresas se utiliza Excel y en todo
05:41tipo de análisis digamos que por donde
05:42puedes empezar con la primera
05:44herramienta con la que puedes hacer los
05:47análisis más interesantes desde un punto
05:49de vista o de una manera más rápida pues
05:52es sin duda Excel entonces no vale con
05:54que sepas simplemente abrir una hoja de
05:55cálculo sino que tienes que conocer las
05:57cosillas un poquito más avanzadas de
05:58Excel no pues por ejemplo Pues cómo
06:00hacer todos los diferentes tipos de
06:01gráficos Cómo hacer tablas dinámicas
06:02Cómo utilizar el Buscar V Cómo utilizar
06:05solver las funciones analíticas del
06:07estilo de sumiff countif y todo ese tipo
06:09de cosas A eso me refiero con los
06:11conocimientos de Excel Entonces si
06:13todavía no los tienes lo primero que
06:14deberías trabajar desde mi punto de
06:16vista es Excel porque no te va a llevar
06:18mucho tiempo posiblemente te puede
06:19llevar tres cuatro semanas Y a partir de
06:21ahí ya vas a poder empezar a hacer
06:22análisis obviamente no análisis muy
06:24avanzados pero sí el 70 80 por ciento
06:27del tipo de análisis que se hacen en las
06:30áreas de negocio de las empresas pues
06:31resolverlos perfectamente si tienes un
06:33buen conocimiento de Excel a partir de
06:36ahí que sería lo siguiente que te
06:37recomendaría Bueno pues te recomendaría
06:39estadística descriptiva que es la
06:41estadística descriptiva pues al final es
06:43Cómo podemos analizar los datos sobre
06:45todo con medidas de centralización y con
06:47medidas de dispersión y con gráficos
06:48básicamente son las tres grandes cosas
06:50de la estadística descriptiva que creo
06:52que tienes que aprender No pues aquí
06:54cosas de cuáles son las escalas de
06:55medida Cuáles son las medidas de
06:57centralización la diferencia entre una
06:58media una mediana a la moda cuando es
07:00mejor utilizar cada una de ellas sobre
07:02Qué tipo de variables se puede utilizar
07:03cada una de ellas lo mismo con las
07:05medidas de dispersión No pues la
07:07varianza la desviación típica las
07:09diferencias Para que se usan y también
07:10los gráficos Qué tipo de gráficos puede
07:12hacer sobre cada tipo de datos etcétera
07:14etcétera si te interesa más conocer en
07:16profundidad Qué es lo que tienes que
07:17saber sobre estadística hay un vídeo en
07:19este mismo canal que se llama la
07:20estadística que tienes que saber para
07:22Data Science que aplicaría Exactamente
07:23igual para las posiciones de Data
07:25análisis Entonces si quieres revisate
07:27ese vídeo porque ahí te doy mucha más
07:28información pero conocer la estadística
07:31al menos la descriptiva en este momento
07:32es clave para que hagas una buena
07:34interpretación de los datos para que no
07:36hagas interpretaciones erróneas y para
07:38que al final las conclusiones de negocio
07:40las que llegues a partir de esas
07:41interpretaciones sean sólidas desde un
07:43punto de vista estadístico a partir de
07:46ahí que sería lo siguiente que te
07:47recomendaría Bueno pues te recomendaría
07:49o bien tabla o bien Powerball es decir
07:53una herramienta de visualización
07:55Por qué de nuevo porque lo que quiero es
07:58que en estos seis primeros meses tú ya
07:59puedas estar preparado para empezar a
08:01ejercer como un analista de datos
08:02entonces sin hacer todavía cosas digamos
08:04demasiado avanzadas Pero simplemente
08:06conociendo cómo tienes que analizar los
08:08datos que es lo que te va a dar la
08:09estadística descriptiva teniendo una
08:11herramienta relativamente sencilla para
08:13hacer esos análisis como es Excel y
08:15teniendo una herramienta para poder
08:16presentar esos análisis de una manera
08:18más profesional como pueden ser tabla o
08:20Powerball con esto tú ya estarías
08:22capacitado para empezar a trabajar como
08:23un analista de datos Junior que por
08:26supuesto sigues teniendo que formarte no
08:27pero con este pack simplemente que te
08:29estoy poniendo aquí en los seis primeros
08:30meses ya podrías empezar a optar a tus
08:33primeras posiciones
08:35entre entre tabló y Powerball y cuál es
08:38mi recomendación Pues yo aquí diría que
08:40va un poco por gustos con ambas puedes
08:42hacer básicamente lo mismo A mí lo que
08:44me parece me he utilizado ambas es que
08:46tabló por lo menos a mí me resulta más
08:48Útil para presentar gráficos más bonitos
08:51del estilo de informes entregables todo
08:53ese tipo de cosas y Powerball a mí me
08:55resulta más sencillo para realizar
08:56cuadros de mando pero a partir de ahí
08:59como te digo mi recomendación sería Pues
09:00a lo mejor que le dedicaras una primera
09:02semana a cada una de ellas y ya en
09:05función de como tú te veas con cada una
09:06de ellas y la que veas que encaje mejor
09:08en lo que tú quieres hacer después de
09:09esa primera experiencia de una semana
09:10pues decidas no y luego ya para
09:13finalizar los seis primeros meses porque
09:15pues al final esto es una cosa que te
09:16puede llevar pues unos 3-4 meses entre
09:19las cuatro cosas siempre pensando en una
09:21persona que se pueda dedicar a tiempo
09:23completo a hacer esta formación es decir
09:24por ejemplo Pues a lo mejor alguien que
09:26acabe determinar la carrera y quiera
09:28darse un periodo de formación para
09:29dedicarse a Data analis con un horizonte
09:31de seis meses vista un año vista o a lo
09:33mejor para alguien que se quiere
09:34reconvertir profesional y también se va
09:36a dar un tiempo sabático para hacer esa
09:37formación de manera intensiva no
09:39entonces todo este Root que yo te estoy
09:41enseñando es si tú le pudieras dedicar
09:42digamos de lunes a viernes tus 8 horas
09:44como si estuvieras en un trabajo a
09:46formarte si ese no es el caso pues bueno
09:48multiplica estos periodos No si tú estás
09:50trabajando Pues a lo mejor el primer
09:51tier no te va a llevar seis meses a lo
09:53mejor te va a llevar un año o un año y
09:55pico ahí ya pues tienes que ir modulando
09:57con tu situación personal no pero para
10:00terminar ese primer que sería lo que me
10:01faltaría pues me faltaría sql esto puede
10:04ser quizás la parte más compleja sobre
10:07todo para los perfiles no técnicos
10:08porque ya implica tener que trabajar con
10:10código Aunque sql no es un lenguaje
10:13digamos que utilice código no es un
10:15lenguaje difícil no es un lenguaje
10:17informático del estilo de ceo del estilo
10:19de Java sino que utiliza código Pero
10:21bueno al final es mucho más sencillo No
10:23es simplemente pues decirle a la máquina
10:25las consultas que tú quieres hacer tiene
10:28pues unas instrucciones básicas bastante
10:30limitadas y no es la intención tampoco
10:33que seas un administrador de bases de
10:35datos tienes que saber lo mínimo para
10:36poder acceder a una base de datos hacer
10:39consultas extraer la información y hacer
10:41consultas analíticas en esa base de
10:42datos entonces es sql para analistas que
10:45es diferente del sql para informáticos
10:46en el sentido de que es mucho más
10:48sencillo y mucho más restringido la
10:50parte de consultas y demás pues esto Yo
10:52calculo que lo puedes meter dentro de
10:53los seis meses iniciales es posible que
10:55dedicándote únicamente a sql y acojas un
10:57buen nivel en aproximadamente unos dos
10:59meses entonces para mí esto es el pack
11:01básico que debe tener un analista de
11:03datos con esto tú ya podrías optar a los
11:05puestos de análisis de datos de hecho lo
11:07has visto cuando has visto la oferta de
11:08Ikea no Y eso que en ese caso pues era
11:10una oferta ya para senior cuando es
11:11Junior todavía los requisitos son un
11:13poco menores y este es como el gran pack
11:16básico que tienes que hacer a partir de
11:18aquí entre los 6 y los 12 meses que es
11:19lo que yo te recomendaría pues empezar a
11:21diferenciarte diferenciarte ya de otros
11:23analistas de datos y empezar a tener
11:24capacidades un poco más avanzadas que te
11:27recomiendo para eso pues lo primero que
11:29necesitas es un lenguaje de programación
11:30un poquito ya más avanzado no un
11:32lenguaje puramente analítico
11:33en este caso yo recomiendo r lo mismo
11:37que por ejemplo para Data scientist yo
11:39recomendaba python creo que para Data
11:41análisis es más recomendable r Por qué
11:44Porque desde mi experiencia y desde lo
11:46que yo veo para gente que no es técnica
11:48que no viene de un background técnico
11:49que no ha hecho informática que no ha
11:51hecho teleco que no ha hecho este tipo
11:52de carreras r resulta más fácil de
11:54aprender que python porque hay que hacer
11:56menos fontanería Por decirlo así además
11:58se retiene otra fortaleza que es que
11:59tiene lo que es desde mi punto de vista
12:01el mejor entorno de desarrollo que
12:02existe para proyectos analíticos que se
12:04reestudio con lo cual dentro del estudio
12:07tú lo tienes todo y simplemente con un
12:09poquito de r y Sabiendo utilizar también
12:11el estudio ya puedes cubrir un proyecto
12:13desde el principio hasta el final
12:14importación preparación modelización e
12:17incluso generación de informes y de
12:19entregables entonces creo que la curva
12:21de aprendizaje para este tipo de perfil
12:23en concreto es más rápida y es más
12:25eficiente con r de todas formas si tú
12:27por lo que fuera te sientes más cómodo
12:29con python pues no pasa nada aquí
12:30sustituye ese reportazo Lo importante es
12:32que empiezas a tener capacidades en
12:35cuanto al lenguaje de programación para
12:36poder hacer las cosas que te voy a decir
12:37ahora a continuación Qué cosas son estas
12:40pues lo siguiente que haría es meter la
12:42parte de estadística inferencial es
12:44decir dar un pasito más En estadística y
12:46aprender cosas como las diferencias
12:47entre la muestra y la población como
12:49hacer muestras de manera correcta para
12:51cuando tenga que trabajar ya con pues
12:53proyectos que sean muy voluminosos el
12:55número de datos entender Cómo se hacen
12:57contrastes de hipótesis entender las
12:58distribuciones de probabilidad y todo
13:00este tipo de cosas no Entonces para
13:02poder hacer eso O para poder aprender
13:03eso de manera práctica ya sí que
13:06necesitas un lenguaje que te permita
13:07Bueno pues poner eso en práctica No que
13:09no sea simplemente leer un libro y
13:11subrayar sino practicando que es como se
13:13interiorizan las cosas y para eso r
13:15también te va a servir y lo mismo para
13:18la siguiente evolución que te recomiendo
13:20que aprendas que es ya toda la parte de
13:22Data Science y como aplicar las técnicas
13:25de business analytics Y cómo hacerlo en
13:26Casos concretos es decir en el segundo
13:30tiar de los 6 a los 12 meses lo que vas
13:32a aprender es un lenguaje de información
13:34analítico que te permite hacer cosas más
13:36avanzadas y esas cosas más avanzadas yo
13:38te recomendaría que fuera por un lado
13:40estadística inferencial y por otro lado
13:42la metodología general de Data Science
13:44no lo que decíamos de cómo hacer un
13:46proyecto desde el principio hasta el
13:47final y que además aprendieras a hacer
13:49esto utilizando técnicas de business
13:53analytics como las que te he comentado
13:54Pues cómo hacer consultas analíticas
13:56Cómo hacer cálculo de pues por ejemplo
13:59segmentaciones rfm Life In value
14:02análisis financieros análisis de People
14:05analytics todo ese tipo de cosas y que
14:07además te empezarás a especializar en
14:09los casos de uso del sector que a ti más
14:10te gustaran si a ti te gusta más
14:12marketing pues realizar casos de uso de
14:15marketing si te gusta más la parte de
14:16recursos humanos o la financiera lo que
14:18sea no pero es importante también que te
14:20empieces a especializar por sector
14:22porque al final Como analista de datos Y
14:24como has visto en el ejemplo de Ikea vas
14:26a estar muy pegado a la parte de negocio
14:27y vas a tener que hacer cosas para
14:28generar negocio y con esto ya serías un
14:30analista de datos yo creo que más
14:32cualificado que posiblemente el el 95%
14:34de los analistas de datos que existen
14:36actualmente en el mercado que es sobre
14:38todo se centran en el tier 1 es cierto
14:40que esta posición Cada vez te va
14:42pidiendo más el tier 2 las capacidades
14:43del tier 2 entonces Bueno pues ya que te
14:46vas a poner y que vas a hacer esta ruta
14:48formativa No pues yo te recomendaría
14:50consolidar muy bien el tier 1 eso es el
14:52mínimo imprescindible y luego a partir
14:54de ahí seguir trabajando también en el
14:55tier 2 que te quedaría por delante a
14:57partir ya del primer año Bueno pues
14:59continuará avanzando en análisis más
15:00avanzados No pues del estilo de modelos
15:02de Machine learning y del estilo también
15:04de forcasting Es decir de predicción de
15:06cosas de series temporales ejemplo
15:08predicción de la demanda predicción de
15:10ventas este tipo de cosas que también es
15:12una aplicación pues bastante demandada
15:14por las empresas Bueno pues como ves
15:16esta es la ruta que yo te recomiendo
15:18para que te puedas formar como analista
15:20de datos creo que si lo haces de esta
15:21manera al final vas a ahorrar un montón
15:23de tiempo y vas a ir de una manera mucho
15:26más dirigida no vas a dar palos de ciego
15:28y tienes sobre todo un periodo muy
15:30razonable en el cual puedes pasar de
15:33cero estar trabajando como analista de
15:35datos que sería este periodo entre los
15:37seis y los 12 meses si te dedicas full
15:40time hacer esta ruta formativa Yo creo
15:41que es perfectamente viable conseguir
15:43pues ya trabajo de posiciones del estilo
15:46como la que hemos visto en IKEA no así
15:48que hasta aquí Hemos llegado Espero que
15:50este vídeo Pues también te guste no como
15:52el de Data scientist Y por supuesto
15:54cualquier comentario Pues pónmelo en la
15:57sección de comentarios que me los Leo
15:59todos y nada más nos vemos en el próximo
16:01vídeo de la tasa de for business un
16:03saludo
Ver más vídeos relacionados
¿CÓMO ELEGIR ANÁLISIS ESTADÍSTICOS PARA MI INVESTIGACIÓN? GUÍA DEFINITIVA (1. DESCRIPTIVOS)
Business Intelligence Analyst - ¿Qué es?
🎯 CSS GRID en 10 minutos (DESDE CERO).
TODO LO QUE DEBES SABER DE ESTADÍSTICA DESCRIPTIVA EN 10 MINUTOS FACIL!
[UFMS Digital] Estatística e Probabilidade - Módulo 1
DATA ANALYST: Qué es? qué hace? requerimientos mínimos | Analista de datos
5.0 / 5 (0 votes)