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
en este vídeo voy a enseñarte Cuál es la
mejor ruta para formarte como Data
análisis es decir como analista de datos
en 2023 lo voy a hacer utilizando la
metodología de tiers que es una
metodología muy visual y que se entiende
muy bien y además también para terminar
de comprenderlo vamos a hacer el
análisis de una oferta real en linkedin
de una gran empresa que busca Data
analis Y también vamos a despejar otra
de las dudas más comunes que es Cuál es
la diferencia de este puesto de analista
de datos con respecto a Data scientist
así que sin más yo soy Isa González de
la tercera business vamos al ordenador y
te lo explico
[Música]
Bueno si estás viendo Este vídeo
seguramente ya sepas lo que es un Data
análisis pero por terminar de cerrarlo y
por ponernos todos en la misma página
vamos a ir a linkedin y vamos a analizar
una posición que yo Considero que es
representativa de este rol que además
justo me ha saltado esta semana cuando
estaba haciendo la preparación para este
vídeo así que me ha parecido perfecto
que esta posición que ha ofertado IKEA
no IKEA pues una gran empresa conocida
por todos y lo que está pidiendo es un
senior Data and stratigy analys Data y
analytics bueno Pues básicamente un
análisis como te he dicho yo ya la he
analizado previamente y Considero que sí
que es muy representativa de lo que
suelen pedir para este tipo de puestos
Así que nos ha venido perfecto para
poder analizarlo vamos a ver qué es lo
que nos piden primero nos empiezan
diciendo que están buscando un perfil
balanceado esto es una cosa que si
sigues mi canal me habrás escuchado
millones de veces cuando hablo del
perfil mixto ese perfil que tiene
digamos mitad parte técnica de Data
análisis en este caso y Mitad parte de
negocio que es capaz de aplicar todas
las técnicas del análisis de datos para
generar resultados de negocio y como te
digo eso no es una cosa que me he
inventado yo cuando yo digo esto es
porque al final es lo que veo que es lo
que está pidiendo el mercado no Y
entonces Mis años de experiencia Pues he
visto que esto es el perfil que mejor
funciona Bueno pues aquí mismo ya te lo
están dejando también muy claro desde el
principio que tengas por un lado pues
capacidades analíticas superiores y
también capacidades de resolución de
problemas y que tengas Bueno pues una
buena intuición de negocio para saber
cómo hacer esa aplicación de las
técnicas de análisis de datos a resolver
negocios no luego Bueno pues aquí te
pide lo que te dice lo que te pide un
poco en esta posición concreta que como
es una posición llama así te pide cuatro
años de experiencia y demás Pero bueno
Esto no nos interesa tanto porque cada
posición unas buscarán alguien más SIM y
ahora otras Buscar a nadie más Junior y
luego a partir de aquí empezamos ya con
las actitudes no que te están pidiendo
entonces de nuevo aquí vuelve a la parte
de negocio te dice que bueno pues que
tienes que tener experiencia en saber
identificar oportunidades en saber hacer
estimaciones de los tamaños de los
mercados y en saber calcular el impacto
de negocio me escucharás también mucho
en este canal hablar sobre esto por eso
se llama Data Science for business
después te dice también que tienes que
tener Bueno pues experiencia en
desarrollo de productos y en generación
de insights que es otra palabra que
también escucharás mucho definiendo y
construyendo kpis analizando los
customer journings etcétera etcétera es
decir todo esto son como los requisitos
de negocio que te está pidiendo que
sepas trasladar peticiones imperfectas
de negocio a problemas bien definidos
desde el punto de vista analítico de
nuevo ese perfil mixto los usuarios de
negocio los jefes de producto los
directivos no saben qué es lo que tienes
que hacer o sea si saben lo que quieren
obtener como resultado pero no saben
trasladarte cómo tienes que hacer eso
desde un punto de vista analítico
entonces ahí está tu aportación de valor
en saber hacer ese puente No ese perfil
mixto y luego a partir de aquí pues
empieza un poco la parte técnica no
Entonces vamos a ver qué es lo que nos
pide en la parte técnica Pues nos pide
por un lado herramientas de
visualización que es algo que vas a ver
a continuación cuando te explique la
ruta de generación de dashboards Como
por ejemplo pues Power bi o tabla
estudio Locker clip View este tipo de
herramientas de visualización de datos
luego además también nos pide pues
conocimientos analíticos Es decir de
analytics de metodologías de analytics y
de Machine learning nos piden sql y
también dice que es bastante
recomendable tener experiencia en r o en
python no parece que a los análisis pues
un poquito más avanzados luego además
por último nos dice que también es
necesario tener capacidades de presentar
resultados de contar historias de datos
no del Data storytellings Y bueno pues
también ser un Team Player es decir
saber participar con las personas y
demás entonces a mí esta oferta como te
decía me ha parecido muy representativa
al final cubre Pues todo lo que yo
siempre también intento trasladaros no
que es por un lado Oye Esa visión de
negocio y aquí es donde te dice Pues
todo esto no lo que te piden desde el
punto de vista de negocio saber entender
a la gente de negocios al transformarlo
a proyectos analíticos después te dice
aquí lo que tienes que tener desde el
punto de vista técnico y después también
te dice aquí lo que tienes que tener
desde el punto de vista de comunicación
yo creo que son los tres grandes Pilares
que tiene que tener un Data análisis
Bueno si tú te has reconocido entonces
que esto es el tipo de puestos al que a
ti te gustaría aspirar cuál sería
entonces la ruta formativa que yo te
recomendaría si fueras empezar ahora
desde cero y quisieras conseguir ese
objetivo en 2023 pues vamos a pasar ya a
la parte de eltier map no a explicarte
cómo haría esto utilizando esta
metodología de tiers que ya lo hice en
el vídeo de Data scientist te lo dejaré
también Pues por aquí en una tarjeta o
algo para que puedas revisarlo y que
realmente bueno fue una metodología que
gustó mucho porque pues le resulta
bastante clarificador a la gente y
muchos me pedisteis que hiciera el vídeo
de Data análisis no que es lo que
estamos revisando a continuación ahora
la pregunta es vale Y si quiero empezar
a aprender esto mañana cómo me lo
organizo en un roadmap Bueno pues aquí
lo que tenemos en cada una de estas
filas del mapa son los periodos
temporales no Entonces yo lo he dividido
en una primera fase en los seis primeros
meses una segunda fase de 6 a 12 meses y
luego a partir de ahí ya una fase de
aprendizaje continuo a partir de los 12
meses no qué es lo que yo recomendaría
para empezar para estos primeros de 0 a
6 meses Bueno pues lo primero sería
Excel muchas veces Excel Es una
herramienta que a lo mejor la pasamos
por alto porque damos por hecho que todo
el mundo ya conoce Excel pero no tiene
por qué ser así entonces si tú no tienes
un nivel intermedio avanzado de Excel
desde mi punto de vista Debería ser lo
primero que dominaras porque en todas
las empresas se utiliza Excel y en todo
tipo de análisis digamos que por donde
puedes empezar con la primera
herramienta con la que puedes hacer los
análisis más interesantes desde un punto
de vista o de una manera más rápida pues
es sin duda Excel entonces no vale con
que sepas simplemente abrir una hoja de
cálculo sino que tienes que conocer las
cosillas un poquito más avanzadas de
Excel no pues por ejemplo Pues cómo
hacer todos los diferentes tipos de
gráficos Cómo hacer tablas dinámicas
Cómo utilizar el Buscar V Cómo utilizar
solver las funciones analíticas del
estilo de sumiff countif y todo ese tipo
de cosas A eso me refiero con los
conocimientos de Excel Entonces si
todavía no los tienes lo primero que
deberías trabajar desde mi punto de
vista es Excel porque no te va a llevar
mucho tiempo posiblemente te puede
llevar tres cuatro semanas Y a partir de
ahí ya vas a poder empezar a hacer
análisis obviamente no análisis muy
avanzados pero sí el 70 80 por ciento
del tipo de análisis que se hacen en las
áreas de negocio de las empresas pues
resolverlos perfectamente si tienes un
buen conocimiento de Excel a partir de
ahí que sería lo siguiente que te
recomendaría Bueno pues te recomendaría
estadística descriptiva que es la
estadística descriptiva pues al final es
Cómo podemos analizar los datos sobre
todo con medidas de centralización y con
medidas de dispersión y con gráficos
básicamente son las tres grandes cosas
de la estadística descriptiva que creo
que tienes que aprender No pues aquí
cosas de cuáles son las escalas de
medida Cuáles son las medidas de
centralización la diferencia entre una
media una mediana a la moda cuando es
mejor utilizar cada una de ellas sobre
Qué tipo de variables se puede utilizar
cada una de ellas lo mismo con las
medidas de dispersión No pues la
varianza la desviación típica las
diferencias Para que se usan y también
los gráficos Qué tipo de gráficos puede
hacer sobre cada tipo de datos etcétera
etcétera si te interesa más conocer en
profundidad Qué es lo que tienes que
saber sobre estadística hay un vídeo en
este mismo canal que se llama la
estadística que tienes que saber para
Data Science que aplicaría Exactamente
igual para las posiciones de Data
análisis Entonces si quieres revisate
ese vídeo porque ahí te doy mucha más
información pero conocer la estadística
al menos la descriptiva en este momento
es clave para que hagas una buena
interpretación de los datos para que no
hagas interpretaciones erróneas y para
que al final las conclusiones de negocio
las que llegues a partir de esas
interpretaciones sean sólidas desde un
punto de vista estadístico a partir de
ahí que sería lo siguiente que te
recomendaría Bueno pues te recomendaría
o bien tabla o bien Powerball es decir
una herramienta de visualización
Por qué de nuevo porque lo que quiero es
que en estos seis primeros meses tú ya
puedas estar preparado para empezar a
ejercer como un analista de datos
entonces sin hacer todavía cosas digamos
demasiado avanzadas Pero simplemente
conociendo cómo tienes que analizar los
datos que es lo que te va a dar la
estadística descriptiva teniendo una
herramienta relativamente sencilla para
hacer esos análisis como es Excel y
teniendo una herramienta para poder
presentar esos análisis de una manera
más profesional como pueden ser tabla o
Powerball con esto tú ya estarías
capacitado para empezar a trabajar como
un analista de datos Junior que por
supuesto sigues teniendo que formarte no
pero con este pack simplemente que te
estoy poniendo aquí en los seis primeros
meses ya podrías empezar a optar a tus
primeras posiciones
entre entre tabló y Powerball y cuál es
mi recomendación Pues yo aquí diría que
va un poco por gustos con ambas puedes
hacer básicamente lo mismo A mí lo que
me parece me he utilizado ambas es que
tabló por lo menos a mí me resulta más
Útil para presentar gráficos más bonitos
del estilo de informes entregables todo
ese tipo de cosas y Powerball a mí me
resulta más sencillo para realizar
cuadros de mando pero a partir de ahí
como te digo mi recomendación sería Pues
a lo mejor que le dedicaras una primera
semana a cada una de ellas y ya en
función de como tú te veas con cada una
de ellas y la que veas que encaje mejor
en lo que tú quieres hacer después de
esa primera experiencia de una semana
pues decidas no y luego ya para
finalizar los seis primeros meses porque
pues al final esto es una cosa que te
puede llevar pues unos 3-4 meses entre
las cuatro cosas siempre pensando en una
persona que se pueda dedicar a tiempo
completo a hacer esta formación es decir
por ejemplo Pues a lo mejor alguien que
acabe determinar la carrera y quiera
darse un periodo de formación para
dedicarse a Data analis con un horizonte
de seis meses vista un año vista o a lo
mejor para alguien que se quiere
reconvertir profesional y también se va
a dar un tiempo sabático para hacer esa
formación de manera intensiva no
entonces todo este Root que yo te estoy
enseñando es si tú le pudieras dedicar
digamos de lunes a viernes tus 8 horas
como si estuvieras en un trabajo a
formarte si ese no es el caso pues bueno
multiplica estos periodos No si tú estás
trabajando Pues a lo mejor el primer
tier no te va a llevar seis meses a lo
mejor te va a llevar un año o un año y
pico ahí ya pues tienes que ir modulando
con tu situación personal no pero para
terminar ese primer que sería lo que me
faltaría pues me faltaría sql esto puede
ser quizás la parte más compleja sobre
todo para los perfiles no técnicos
porque ya implica tener que trabajar con
código Aunque sql no es un lenguaje
digamos que utilice código no es un
lenguaje difícil no es un lenguaje
informático del estilo de ceo del estilo
de Java sino que utiliza código Pero
bueno al final es mucho más sencillo No
es simplemente pues decirle a la máquina
las consultas que tú quieres hacer tiene
pues unas instrucciones básicas bastante
limitadas y no es la intención tampoco
que seas un administrador de bases de
datos tienes que saber lo mínimo para
poder acceder a una base de datos hacer
consultas extraer la información y hacer
consultas analíticas en esa base de
datos entonces es sql para analistas que
es diferente del sql para informáticos
en el sentido de que es mucho más
sencillo y mucho más restringido la
parte de consultas y demás pues esto Yo
calculo que lo puedes meter dentro de
los seis meses iniciales es posible que
dedicándote únicamente a sql y acojas un
buen nivel en aproximadamente unos dos
meses entonces para mí esto es el pack
básico que debe tener un analista de
datos con esto tú ya podrías optar a los
puestos de análisis de datos de hecho lo
has visto cuando has visto la oferta de
Ikea no Y eso que en ese caso pues era
una oferta ya para senior cuando es
Junior todavía los requisitos son un
poco menores y este es como el gran pack
básico que tienes que hacer a partir de
aquí entre los 6 y los 12 meses que es
lo que yo te recomendaría pues empezar a
diferenciarte diferenciarte ya de otros
analistas de datos y empezar a tener
capacidades un poco más avanzadas que te
recomiendo para eso pues lo primero que
necesitas es un lenguaje de programación
un poquito ya más avanzado no un
lenguaje puramente analítico
en este caso yo recomiendo r lo mismo
que por ejemplo para Data scientist yo
recomendaba python creo que para Data
análisis es más recomendable r Por qué
Porque desde mi experiencia y desde lo
que yo veo para gente que no es técnica
que no viene de un background técnico
que no ha hecho informática que no ha
hecho teleco que no ha hecho este tipo
de carreras r resulta más fácil de
aprender que python porque hay que hacer
menos fontanería Por decirlo así además
se retiene otra fortaleza que es que
tiene lo que es desde mi punto de vista
el mejor entorno de desarrollo que
existe para proyectos analíticos que se
reestudio con lo cual dentro del estudio
tú lo tienes todo y simplemente con un
poquito de r y Sabiendo utilizar también
el estudio ya puedes cubrir un proyecto
desde el principio hasta el final
importación preparación modelización e
incluso generación de informes y de
entregables entonces creo que la curva
de aprendizaje para este tipo de perfil
en concreto es más rápida y es más
eficiente con r de todas formas si tú
por lo que fuera te sientes más cómodo
con python pues no pasa nada aquí
sustituye ese reportazo Lo importante es
que empiezas a tener capacidades en
cuanto al lenguaje de programación para
poder hacer las cosas que te voy a decir
ahora a continuación Qué cosas son estas
pues lo siguiente que haría es meter la
parte de estadística inferencial es
decir dar un pasito más En estadística y
aprender cosas como las diferencias
entre la muestra y la población como
hacer muestras de manera correcta para
cuando tenga que trabajar ya con pues
proyectos que sean muy voluminosos el
número de datos entender Cómo se hacen
contrastes de hipótesis entender las
distribuciones de probabilidad y todo
este tipo de cosas no Entonces para
poder hacer eso O para poder aprender
eso de manera práctica ya sí que
necesitas un lenguaje que te permita
Bueno pues poner eso en práctica No que
no sea simplemente leer un libro y
subrayar sino practicando que es como se
interiorizan las cosas y para eso r
también te va a servir y lo mismo para
la siguiente evolución que te recomiendo
que aprendas que es ya toda la parte de
Data Science y como aplicar las técnicas
de business analytics Y cómo hacerlo en
Casos concretos es decir en el segundo
tiar de los 6 a los 12 meses lo que vas
a aprender es un lenguaje de información
analítico que te permite hacer cosas más
avanzadas y esas cosas más avanzadas yo
te recomendaría que fuera por un lado
estadística inferencial y por otro lado
la metodología general de Data Science
no lo que decíamos de cómo hacer un
proyecto desde el principio hasta el
final y que además aprendieras a hacer
esto utilizando técnicas de business
analytics como las que te he comentado
Pues cómo hacer consultas analíticas
Cómo hacer cálculo de pues por ejemplo
segmentaciones rfm Life In value
análisis financieros análisis de People
analytics todo ese tipo de cosas y que
además te empezarás a especializar en
los casos de uso del sector que a ti más
te gustaran si a ti te gusta más
marketing pues realizar casos de uso de
marketing si te gusta más la parte de
recursos humanos o la financiera lo que
sea no pero es importante también que te
empieces a especializar por sector
porque al final Como analista de datos Y
como has visto en el ejemplo de Ikea vas
a estar muy pegado a la parte de negocio
y vas a tener que hacer cosas para
generar negocio y con esto ya serías un
analista de datos yo creo que más
cualificado que posiblemente el el 95%
de los analistas de datos que existen
actualmente en el mercado que es sobre
todo se centran en el tier 1 es cierto
que esta posición Cada vez te va
pidiendo más el tier 2 las capacidades
del tier 2 entonces Bueno pues ya que te
vas a poner y que vas a hacer esta ruta
formativa No pues yo te recomendaría
consolidar muy bien el tier 1 eso es el
mínimo imprescindible y luego a partir
de ahí seguir trabajando también en el
tier 2 que te quedaría por delante a
partir ya del primer año Bueno pues
continuará avanzando en análisis más
avanzados No pues del estilo de modelos
de Machine learning y del estilo también
de forcasting Es decir de predicción de
cosas de series temporales ejemplo
predicción de la demanda predicción de
ventas este tipo de cosas que también es
una aplicación pues bastante demandada
por las empresas Bueno pues como ves
esta es la ruta que yo te recomiendo
para que te puedas formar como analista
de datos creo que si lo haces de esta
manera al final vas a ahorrar un montón
de tiempo y vas a ir de una manera mucho
más dirigida no vas a dar palos de ciego
y tienes sobre todo un periodo muy
razonable en el cual puedes pasar de
cero estar trabajando como analista de
datos que sería este periodo entre los
seis y los 12 meses si te dedicas full
time hacer esta ruta formativa Yo creo
que es perfectamente viable conseguir
pues ya trabajo de posiciones del estilo
como la que hemos visto en IKEA no así
que hasta aquí Hemos llegado Espero que
este vídeo Pues también te guste no como
el de Data scientist Y por supuesto
cualquier comentario Pues pónmelo en la
sección de comentarios que me los Leo
todos y nada más nos vemos en el próximo
vídeo de la tasa de for business un
saludo
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)