Data Analytics: La MEJOR RUTA para aprenderlo en 2023

Summary

In this video, Isa González from La Tercera Business School outlines a clear path for becoming a data analyst in 2023. She uses a tiered methodology to visually explain the process and analyzes a real job offer from IKEA to exemplify the skills and experience required for such a role. González clarifies the distinction between a data analyst and a data scientist. She recommends starting with mastering Excel, understanding descriptive statistics, and learning visualization tools like Tableau or Power BI within the first six months. From months 6 to 12, she suggests learning SQL, R for programming, and delving into inferential statistics and data science methodologies, emphasizing the importance of business analytics and sector specialization to stand out in the job market.

Takeaways

• 📈 The video aims to guide viewers on the best path to become a Data Analyst in 2023 using a visual and easily understandable methodology.
• 🌐 The presenter, Isa González, uses a real job offer from LinkedIn as a case study to illustrate the skills and qualifications required for a Data Analyst role.
• 🔍 The job offer from a well-known company (IKEA) is highlighted as representative of the industry's expectations for a Senior Data and Strategy Analyst position.
• 🧐 The role requires a balanced profile with both strong analytical skills and business acumen to apply data analysis techniques for business outcomes.
• 📚 The script emphasizes the importance of having a 'mixed profile' with a mix of technical data analysis skills and business understanding.
• 💼 The job posting specifies the need for experience in identifying business opportunities, market size estimations, and calculating business impact.
• 🛠️ Technical skills required include data visualization tools like Power BI or Tableau, analytical knowledge, SQL, and preferably experience with R or Python.
• 📊 The video suggests a learning roadmap for aspiring Data Analysts, starting with mastering Excel, understanding descriptive statistics, and learning data visualization tools.
• 📈 After the initial 6 months, the roadmap suggests learning SQL, followed by more advanced skills like R for programming and inferential statistics.
• 📚 The importance of storytelling with data and being a team player is also highlighted, emphasizing the need for good communication skills.
• 🔑 The presenter recommends focusing on business understanding, technical skills, and communication as the three main pillars for a Data Analyst.

Q & A

What is the main topic of the video?

The main topic of the video is to guide viewers on the best path to become a Data Analyst in 2023 using a visual methodology called 'tiers' and by analyzing a real job offer on LinkedIn.

Who is the presenter of the video?

The presenter of the video is Isa González from La Tercera Business.

What methodology does Isa González use to explain the learning path for a Data Analyst?

Isa González uses the 'tiers' methodology, which is a visual and easily understandable approach to outline the learning path for a Data Analyst.

What is the purpose of analyzing a real job offer from LinkedIn in the video?

The purpose of analyzing a real job offer from LinkedIn is to provide a clear and representative example of the skills and experience typically required for a Data Analyst position in 2023.

Which company's job offer does Isa González analyze in the video?

Isa González analyzes a job offer from a well-known company, mistakenly referred to as IKEA in the transcript, for a Senior Data and Strategy Analyst position.

What are the three main pillars that a Data Analyst should have according to the video?

The three main pillars that a Data Analyst should have are a strong business vision, technical skills, and communication abilities.

What is the recommended first tool to master for a beginner Data Analyst according to Isa González?

The recommended first tool to master for a beginner Data Analyst is Excel, as it is widely used in businesses and is essential for basic to intermediate data analysis.

What statistical knowledge is essential for a Data Analyst to learn in the initial phase of their career?

Descriptive statistics is essential for a Data Analyst to learn in the initial phase of their career, including measures of central tendency, dispersion, and the ability to create basic graphs.

Which visualization tools are mentioned in the video for a Data Analyst to learn?

The visualization tools mentioned in the video for a Data Analyst to learn are Tableau, Power BI, and Looker.

What programming languages are suggested for a Data Analyst to learn for more advanced roles?

The programming languages suggested for a Data Analyst to learn for more advanced roles are R and Python, with R being more recommended for non-technical profiles.

What are the advanced topics a Data Analyst should learn in the second phase of their learning path (6 to 12 months)?

In the second phase of their learning path, a Data Analyst should learn inferential statistics, Data Science methodologies, and business analytics techniques such as RFM segmentation, financial analysis, and people analytics.

How does Isa González recommend a beginner to organize their learning path for becoming a Data Analyst?

Isa González recommends organizing the learning path in tiers, with the first phase focusing on Excel, descriptive statistics, and basic visualization tools, followed by a second phase that includes learning SQL, R, inferential statistics, and Data Science methodologies.

What is the timeframe suggested by Isa González for a full-time learner to become a working Data Analyst from scratch?

Isa González suggests a timeframe of 6 to 12 months for a full-time learner to become a working Data Analyst from scratch, depending on their dedication and learning pace.

Outlines

00:00

📊 Introduction to Data Analyst Career Path

Isabel González introduces the video's purpose: to guide viewers on the best path to become a Data Analyst in 2023. She will use a tiered methodology to visually explain the process and analyze a real job offer from IKEA for a Senior Data and Strategy Analyst. González emphasizes the importance of having a balanced profile that combines technical data analysis skills with business acumen to generate business results. The video aims to clarify common doubts, such as the difference between a Data Analyst and a Data Scientist.

05:00

🔍 Analyzing a Representative Job Offer from IKEA

The script discusses a job offer from IKEA for a Senior Data and Strategy Analyst, which González considers representative of the roles available for Data Analysts. The job requires a balanced profile with superior analytical skills, problem-solving abilities, and a good business intuition to apply data analysis techniques to business problems. The position specifically asks for four years of experience, but González notes that requirements can vary from more junior to more senior roles. The job also seeks candidates with business experience in identifying opportunities, estimating market sizes, and calculating business impact.

10:02

🛠️ Technical Skills and Tools for Data Analysts

González outlines the technical skills and tools that Data Analysts need, starting with visualization tools like Power BI, Tableau, or Qlik View. She also mentions the importance of having knowledge in analytics, methodologies, and machine learning, as well as SQL. R or Python are recommended for more advanced analysts. Lastly, she highlights the necessity of being able to present data results through data storytelling and being a team player.

15:03

📚 Recommended Learning Path for Aspiring Data Analysts

The script provides a detailed learning roadmap for aspiring Data Analysts, divided into three phases: the first 0 to 6 months, 6 to 12 months, and continuous learning beyond 12 months. For the initial phase, González recommends starting with Excel, followed by descriptive statistics, and then learning tools like Tableau or Power BI. She suggests dedicating a week to each tool to determine which one suits the individual's needs best. The roadmap is designed to prepare individuals to start working as Junior Data Analysts within the first six months.

📈 Advanced Skills and Specialization in Data Analysis

In the second phase, González recommends learning SQL, which is essential for accessing and querying databases, and then moving on to more advanced programming languages like R, which is easier for non-technical backgrounds. She advises learning inferential statistics and applying data science techniques using business analytics methods. González also emphasizes the importance of specializing in specific business cases and sectors to become a more qualified Data Analyst, capable of generating business value.

🚀 Final Thoughts on Becoming a Data Analyst

González concludes by summarizing the recommended learning path and emphasizing the importance of consolidating the foundational skills before moving on to more advanced topics. She suggests that by following this roadmap, individuals can save time and progress in a directed manner, potentially becoming working Data Analysts within 6 to 12 months if they dedicate themselves full-time to the learning path. She invites viewers to share their comments and looks forward to their feedback.

Keywords

💡Data Analyst

A Data Analyst is a professional who collects, processes, and performs statistical analysis on data to help businesses make decisions. In the video's context, the role is central to the theme as the speaker, Isa González, discusses the formation and skills required to become a successful Data Analyst in 2023. The script mentions an example job position from IKEA seeking a 'senior Data and strategy analyst,' highlighting the demand and specific profile these companies are looking for.

💡Methodology

In the script, 'methodology' refers to a systematic approach or a set of rules to guide the learning process of becoming a Data Analyst. Isa González uses the 'tiers' methodology, which is described as very visual and easy to understand, to structure the educational content and guide viewers on the path to becoming a Data Analyst. This approach helps in organizing the learning process into different stages or tiers, making it more comprehensible and actionable.

💡LinkedIn

LinkedIn is a professional networking platform that is mentioned in the script as a source for analyzing real job offers. Isa González uses a job posting from a well-known company on LinkedIn to illustrate the skills and experience required for a Data Analyst role. This serves as a practical example for viewers to understand the expectations of employers and the qualifications needed for such positions.

💡Data Science

Data Science is an interdisciplinary field that uses scientific methods, processes, and algorithms to extract knowledge and insights from data. In the video, the speaker clarifies the difference between a Data Analyst and a Data Scientist, which is a common doubt among those interested in the field. The script suggests that while both roles deal with data, a Data Scientist typically has a deeper focus on complex data analysis and machine learning techniques.

💡Excel

Excel is a widely used spreadsheet program for data organization and analysis. The script emphasizes the importance of mastering Excel for anyone aspiring to be a Data Analyst. Isa González recommends starting with Excel due to its ubiquity in businesses and its capability for performing a wide range of data analyses, especially at the intermediate level.

💡Descriptive Statistics

Descriptive Statistics involves summarizing and describing the features of a data set. In the video, it is highlighted as a fundamental skill for Data Analysts to learn. Descriptive statistics are essential for making initial interpretations of data, understanding central tendencies, dispersion, and visualizing data trends, which are all critical for making business decisions.

💡Visualization Tools

Visualization Tools, such as Power BI or Tableau, are software applications used to create visual representations of data. The script mentions these tools as part of the technical skills required for a Data Analyst role. They are important for presenting data insights in a more digestible and professional format, which is crucial for communicating findings to stakeholders.

💡SQL

SQL, or Structured Query Language, is a domain-specific language used in programming and software engineering as a standard language for managing data held in a relational database management system. In the context of the video, SQL is recommended as a necessary skill for Data Analysts to access and perform analytical queries on databases.

💡Data Storytelling

Data Storytelling is the art of translating data into a narrative format to make complex information more accessible and engaging. The script mentions the importance of being able to present results and tell data stories, which is a key communication skill for Data Analysts to effectively convey insights and influence decision-making.

💡Machine Learning

Machine Learning is a subset of artificial intelligence that provides systems the ability to learn and improve from experience without being explicitly programmed. The script suggests that while not mandatory for all Data Analyst roles, having a basic understanding of Machine Learning can be beneficial, especially for more advanced positions.

Highlights

Introduction of a methodology to become a Data Analyst in 2023 using a visual and understandable method.

Explanation of the difference between a Data Analyst and a Data Scientist roles.

Analysis of a real job offer from a well-known company looking for a Senior Data and Strategy Analyst.

The importance of having a balanced profile with both technical and business skills for a Data Analyst.

Market demand for profiles that can apply data analysis techniques to generate business results.

Requirements for a Data Analyst position, including analytical skills, problem-solving, and business intuition.

Emphasis on the need for experience in identifying business opportunities and estimating market sizes.

Importance of experience in product development and generating insights for a Data Analyst.

Technical requirements for a Data Analyst, including data visualization tools and analytical knowledge.

Recommendation of SQL and the desirability of experience with R or Python for advanced analysis.

The necessity of having data presentation skills and being a team player.

A representative job offer analysis from IKEA for a Senior Data and Strategy Analyst position.

Description of the three main pillars a Data Analyst should have: business vision, technical skills, and communication.

A proposed learning roadmap for aspiring Data Analysts starting from scratch.

Excel proficiency as a foundational skill for Data Analysts and its importance in the first 6 months.

Introduction to Descriptive Statistics as a key area of study for the initial phase of learning.

Recommendation to learn a data visualization tool like Tableau or Power BI within the first 6 months.

The suggestion to learn SQL as a fundamental skill for accessing and querying databases.

Advising on learning programming languages like R for more advanced analytical capabilities.

Importance of understanding Inferential Statistics for working with large datasets and hypothesis testing.

Recommendation to delve into Data Science methodologies and Business Analytics techniques.

Advice on specializing in specific business use cases and sectors to become a more qualified Data Analyst.

A final recommendation to consolidate Tier 1 skills and then progress to more advanced analytics like Machine Learning models and forecasting.

Conclusion that following this structured learning path can lead to a job as a Data Analyst within 6 to 12 months of full-time dedication.

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