Data Analytics: La MEJOR RUTA para aprenderlo en 2023
Summary
TLDRIn 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
📊 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.
🔍 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.
🛠️ 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.
📚 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.
Mindmap
Keywords
💡Data Analyst
💡Methodology
💡Data Science
💡Excel
💡Descriptive Statistics
💡Visualization Tools
💡SQL
💡Data Storytelling
💡Machine Learning
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
Browse More Related Video
🚀 GOOGLE Data Analyst Roadmap l For Absolute Beginners l 2 Months Strategy #dataanalytics #google
The Exact Skills and Certifications for an Entry Level Machine Learning Engineer
How I Would Learn Data Science in 2022
The Data Engineer Role
How I Would Start Learning Cyber Security in 2024 (If I Had To Start Over, Again)
What is a Machine Learning Engineer
5.0 / 5 (0 votes)