Ruta de análisis de datos gratis: hojas de cálculo, SQL, Python y visualización

Qué hace realmente un analista de datos

Antes de elegir cursos, conviene entender el trabajo. Un analista pasa buena parte del tiempo obteniendo y limpiando datos, bastante explorándolos y una parte menor, pero decisiva, comunicando conclusiones a personas que no son técnicas. Por eso esta ruta da tanto peso a la limpieza y a la comunicación como a las herramientas.

Etapa 1 — Hojas de cálculo con criterio (3-4 semanas)

Excel o Google Sheets siguen siendo la herramienta de análisis más usada del mundo. Aprende fórmulas de búsqueda, funciones condicionales, tablas dinámicas, gráficos y limpieza básica (quitar duplicados, separar columnas, normalizar textos). Muchas preguntas de negocio se responden aquí sin necesidad de programar.

Practica con un conjunto de datos público de tu interés y responde cinco preguntas concretas con tablas dinámicas y gráficos. Si puedes explicar cada respuesta en una frase, has cumplido la etapa.

• Ruta de productividad y hojas de cálculo →

Etapa 2 — SQL (4-6 semanas)

SQL es el idioma para consultar bases de datos, y aparece en casi todas las ofertas de análisis. Aprende SELECT con filtros, ordenación y agregaciones, uniones entre tablas, subconsultas y funciones de ventana. Las funciones de ventana cuestan al principio, pero resuelven problemas muy habituales como rankings o acumulados.

Instala una base de datos gratuita en tu ordenador o usa un entorno en línea, carga un conjunto de datos real y plantéate preguntas cada vez más difíciles. La práctica diaria de consultas cortas funciona mejor que sesiones largas y esporádicas.

Etapa 3 — Estadística aplicada (3-4 semanas)

Sin estadística, es fácil sacar conclusiones equivocadas de datos correctos. Repasa medidas de tendencia central y dispersión, distribuciones, correlación (y por qué no implica causalidad), muestreo, intervalos de confianza y contrastes de hipótesis básicos, como los que se usan en pruebas A/B.

Busca cursos con ejemplos aplicados y evita obsesionarte con las demostraciones matemáticas: el objetivo es saber qué prueba usar y cómo interpretar su resultado.

Etapa 4 — Python para análisis (6-8 semanas)

Python amplía lo que puedes hacer: automatizar la limpieza, trabajar con archivos demasiado grandes para una hoja de cálculo, combinar fuentes distintas y documentar el análisis en cuadernos reproducibles. Aprende los fundamentos del lenguaje y después pandas para tablas y alguna librería de gráficos.

Si ya sabes hojas de cálculo y SQL, verás que pandas hace lo mismo con otra sintaxis. Aprovecha esa ventaja: traduce análisis que ya hiciste en la etapa 1 a Python y compara resultados.

Etapa 5 — Visualización y comunicación (continuo)

Un buen gráfico responde a una pregunta. Aprende a elegir el tipo adecuado (barras para comparar, líneas para tendencias, dispersión para relaciones), a eliminar lo que sobra y a titular con la conclusión, no con la descripción. Después, aprende una herramienta de paneles; varias tienen versiones gratuitas para uso personal.

Practica escribiendo informes cortos: una pregunta, el método en dos frases, tres gráficos y una recomendación. Es exactamente lo que se espera de un analista.

Tu portfolio de análisis

• Tres o cuatro proyectos sobre datos públicos distintos, cada uno con una pregunta clara.
• Cada proyecto con un documento que explique la pregunta, la limpieza, el análisis y la conclusión.
• Al menos un proyecto con SQL, otro con Python y otro con un panel interactivo.
• Un texto honesto sobre las limitaciones de cada análisis: demuestra criterio.

• Cómo presentar un portfolio sin certificado →