Lección 1 de 16 · Nivel 1: Básico
Qué es el análisis de datos y qué hace un analista
- ⏱ 15 min de lectura
- ❓ 4 preguntas de repaso
- ✍️ Ejercicio con solución
- 📥 Plantilla descargable
En esta lección
- Explicar con tus palabras qué es el análisis de datos y para qué sirve en una empresa.
- Distinguir los cuatro tipos de análisis: descriptivo, diagnóstico, predictivo y prescriptivo.
- Saber qué hace un analista de datos en su día a día y en qué se diferencia de otros roles.
- Conocer las herramientas que usarás en el curso y en qué orden aprenderlas.
- Explorar el archivo de práctica con las ventas de 2025 de la tienda Nexo.
Descarga los datos de práctica que usarás en todo el curso. Abre primero la hoja Instrucciones y luego Ventas_limpias.
- ventas-practica-analisis.xlsx · hojas Instrucciones, Ventas, Diccionario, Regiones, Ventas_limpias y Resumen
- ventas-practica-analisis.csv · los mismos pedidos sin limpiar, para SQL y Python
El análisis de datos es el proceso de tomar datos en bruto (ventas, clics, encuestas, inventarios), limpiarlos y examinarlos para responder una pregunta concreta y tomar una mejor decisión. No se trata de dominar diez programas, sino de convertir una tabla de cientos de filas en una frase clara: «el 40,8% de lo que vendimos en 2025 llegó en el último trimestre, así que hay que preparar el stock en septiembre». Aquí verás qué tipos de análisis existen, qué hace un analista y cómo es el archivo con el que practicarás todo el curso.
Qué es el análisis de datos (y qué no es)
Toda empresa genera datos sin proponérselo: cada venta deja una fila en el sistema y cada visita a la web queda registrada. Una fila que dice «P-0098, Lima, Laptop 14 pulgadas, 2 unidades, 1.298» es un dato y, sola, no dice nada. El análisis empieza cuando juntas muchas filas, las resumes y las comparas. Piensa en una escalera del dato a la decisión:
| Nivel | Qué es | Ejemplo con los datos de Nexo |
|---|---|---|
| Dato | Un hecho aislado, sin contexto | El pedido P-0098 fue de 2 laptops por 1.298 USD. |
| Información | Datos agrupados y resumidos | Lima vendió 7.516,60 USD en 2025, el 19,5% del total. |
| Conocimiento | Un patrón que explica algo | En Perú, el 55,3% de las ventas entra por la tienda web. |
| Decisión | Una acción respaldada por lo anterior | Reforzar la web de Perú antes del pico de fin de año. |
Analizar no es buscar datos que confirmen lo que el jefe ya piensa: un buen análisis parte de una pregunta, usa datos confiables y termina en una recomendación ejecutable.
Los cuatro tipos de análisis
Las preguntas que te harán en una empresa caben casi siempre en uno de estos cuatro tipos. Van de menor a mayor dificultad, y cada uno se apoya en el anterior: no puedes explicar por qué cayeron las ventas si antes no sabes cuánto cayeron.
Descriptivo: ¿qué pasó?
Resume lo ocurrido con totales, promedios y comparaciones. Es el 80% del trabajo de un analista que empieza.
Nexo: en 2025 vendió 38.472,20 USD en 197 pedidos; el cuarto trimestre concentró el 40,8% de las ventas.Diagnóstico: ¿por qué pasó?
Busca las causas comparando segmentos: regiones, productos, canales, meses.
Nexo: el segundo semestre vendió 93,2% más que el primero, y casi 9 de cada 10 dólares de ese aumento vinieron de Cómputo.Predictivo: ¿qué pasará?
Usa patrones del pasado para estimar el futuro: tendencias, estacionalidad, modelos.
Nexo: la tendencia de 2025 sube unos 345 USD por mes, pero enero suele caer después del pico de diciembre (lo verás en la lección 13).Prescriptivo: ¿qué conviene hacer?
Compara opciones y recomienda una acción, idealmente con su impacto estimado.
Nexo: adelantar a septiembre la compra de laptops y monitores para no quedarse sin stock en noviembre y diciembre.Se encadenan: el dato descriptivo (el T4 pesa 40,8%) abre la pregunta diagnóstica (¿qué categoría lo explica?), que permite estimar (¿se repetirá en 2026?) y recomendar (comprar antes). En el curso trabajarás sobre todo los dos primeros, los más pedidos en un primer empleo.
1. La gerente de Nexo pregunta: «¿Por qué en febrero vendimos menos que en enero?». ¿Qué tipo de análisis necesita?
Ya sabe qué pasó (febrero vendió menos); ahora quiere saber por qué. Eso es diagnóstico: comparar febrero y enero por producto, región y canal para encontrar la causa.
Qué hace un analista de datos en su día a día
Un analista de datos es el puente entre los datos y quienes deciden. No suele construir la base de datos ni entrenar modelos complejos: responde preguntas de negocio con datos y lo comunica de forma que se entienda. Así se ve un encargo típico:
- LunesEntender la preguntaReunión con el área comercial: quieren saber qué región merece la próxima campaña. El analista pregunta qué decisión se tomará y con qué presupuesto.
- MartesConseguir los datosExtrae las ventas del año con una consulta SQL y descarga el archivo del marketplace.
- MiércolesLimpiar y analizarQuita duplicados, corrige regiones mal escritas y compara ventas, pedidos y ticket promedio por región.
- JuevesVisualizarArma tres gráficos o un tablero sencillo en Power BI o Looker Studio.
- ViernesPresentar y recomendarExplica el hallazgo en cinco minutos y propone una acción con su impacto esperado.
Para hacer ese recorrido necesitas dos tipos de habilidades. Las técnicas se aprenden con práctica; las de negocio se desarrollan haciendo preguntas y escuchando:
| Habilidades técnicas | Habilidades de negocio y comunicación |
|---|---|
| Hojas de cálculo: fórmulas, tablas dinámicas, gráficos | Convertir un pedido vago («quiero ver las ventas») en una pregunta precisa |
| SQL para consultar bases de datos | Entender cómo gana dinero la empresa y qué indicadores le importan |
| Estadística descriptiva básica | Explicar un hallazgo sin jerga a alguien que no es analista |
| Power BI, Looker Studio o Tableau; Python como plus | Detectar cuándo un dato «raro» es un error y cuándo una oportunidad |
Analista de datos frente a otros roles de datos
En las ofertas de empleo verás títulos parecidos que no significan lo mismo. Esta comparación te ayuda a ubicarte:
- Herramientas
- Excel, SQL, Power BI o Looker Studio, a veces Python
- Programación
- ●●●●
- Entrega
- Análisis, reportes, tableros y recomendaciones
- Herramientas
- Power BI, Tableau, SQL, modelado de datos
- Programación
- ●●●●
- Entrega
- Indicadores que la empresa consulta todos los días
- Herramientas
- Python o R, estadística avanzada, machine learning
- Programación
- ●●●●
- Entrega
- Modelos que predicen, clasifican o recomiendan
- Herramientas
- SQL, Python, nubes, orquestadores, almacenes de datos
- Programación
- ●●●●
- Entrega
- Datos limpios y actualizados que otros pueden usar
Muchos científicos e ingenieros de datos empezaron como analistas: es una buena base porque obliga a entender el negocio antes que la tecnología. Según el informe Future of Jobs 2025 del Foro Económico Mundial (encuesta a más de 1.000 empresas), los especialistas en big data encabezan, junto con los ingenieros fintech y los especialistas en IA, los puestos que más rápido crecerán en porcentaje hasta 2030. Es un perfil más técnico que el de analista, pero indica hacia dónde va la demanda.
2. Una empresa busca a alguien que «construya y mantenga los procesos que llevan los datos del sistema de ventas al almacén de datos cada noche». ¿Qué perfil busca?
Mover, transformar y cargar datos de forma automática es infraestructura: el trabajo típico de un ingeniero de datos. El analista usa esos datos ya disponibles para responder preguntas.
Las herramientas que usarás (y en qué orden)
El orden del curso está pensado para que cada herramienta resuelva algo que la anterior no resolvía bien:
| Herramienta | Para qué sirve | Lecciones |
|---|---|---|
| Excel o Google Sheets | Explorar, limpiar y resumir tablas de hasta decenas de miles de filas | 4 a 7 |
| SQL | Consultar bases de datos grandes sin descargarlas enteras | 8 y 9 |
| Power BI y Looker Studio | Tableros interactivos que se actualizan solos | 10 a 12 |
| Python con pandas | Automatizar análisis repetitivos y trabajar con archivos grandes | 14 |
Si ya sabes algo de alguna, mejor. Este curso enlaza con los cursos gratuitos de Excel, Power BI y Python para que profundices donde lo necesites.
Conoce los datos de práctica: la tienda Nexo
Durante el curso trabajarás con un mismo archivo para que veas cómo cada técnica aporta algo nuevo a la misma historia. Nexo es una tienda online ficticia de tecnología y artículos de oficina que vende en tres países. Para poder comparar, todos los importes están en dólares (USD). Estas son las primeras cinco filas de la hoja Ventas_limpias:
| id_pedido | fecha | region | producto | canal | unidades | precio_unitario | importe |
|---|---|---|---|---|---|---|---|
| P-0001 | 2025-01-03 | Antioquia | Silla ergonómica | Web | 1 | 189,00 | 189,00 |
| P-0002 | 2025-01-03 | Lima | Mouse inalámbrico | Web | 7 | 17,50 | 122,50 |
| P-0003 | 2025-01-04 | Lima | Teclado mecánico | Marketplace | 6 | 54,90 | 329,40 |
| P-0004 | 2025-01-04 | Bogotá | Mochila para laptop | Marketplace | 1 | 39,90 | 39,90 |
| P-0005 | 2025-01-09 | Ciudad de México | Audífonos Bluetooth | Tienda física | 1 | 44,90 | 44,90 |
Cada fila es un pedido. Hay 9 regiones (tres por país), 10 productos en 4 categorías (Cómputo, Accesorios, Audio y Oficina) y 3 canales (Web, Marketplace y Tienda física). La hoja Ventas trae los mismos pedidos «tal como salieron del sistema», con errores que corregirás en la lección 5. Así se reparten las ventas por país:
- México (40,5%) 15.574,7082 pedidos: el país con más volumen.
- Perú (38,3%) 14.735,7063 pedidos, pero con el ticket promedio más alto (233,90).
- Colombia (21,2%) 8.161,8052 pedidos y el ticket promedio más bajo (156,96).
En el texto usamos punto para los miles y coma para los decimales (38.472,20). En Python, SQL y muchos sistemas verás punto decimal (38472.2). Es el mismo número, pero un número leído con la configuración regional equivocada puede multiplicarse por mil sin que nadie lo note.
3. Nexo vendió 38.472,20 USD en 197 pedidos. ¿Cuál fue su ticket promedio (importe medio por pedido)?
Ticket promedio = ventas ÷ pedidos = 38.472,20 ÷ 197 = 195,29 USD. Es uno de los indicadores más usados en comercio y lo calcularás en Excel, SQL, Power BI y Python.
Cómo está organizado este curso
Son 16 lecciones en cuatro niveles. Cada una usa el mismo archivo, así que al terminar tendrás un proyecto completo que podrás mostrar en tu portafolio:
- Básico: proceso, tipos de datos y hojas de cálculo
- Intermedio: limpieza, estadística, tablas dinámicas y SQL
- Avanzado: SQL intermedio, gráficos, dashboards y storytelling
- Experto: correlación, pruebas A/B, pandas, proyecto y empleo
Errores comunes al empezar (y qué hacer en su lugar)
Abrir el archivo y empezar a hacer gráficos sin saber qué pregunta respondes.
Escribe la pregunta y la decisión que depende de ella antes de tocar los datos.
Confiar en los datos tal como llegan.
Revisa duplicados, vacíos y valores raros: en nuestro archivo, 16 de las 200 filas tienen algún problema.
Aprender cinco herramientas a la vez.
Domina la hoja de cálculo y SQL; luego suma una herramienta de visualización y después Python.
Entregar una tabla enorme y dejar que el otro saque conclusiones.
Termina siempre con una frase: qué encontraste y qué recomiendas.
4. ¿Cuál de estas frases es un conocimiento (no un simple dato o información)?
La primera es un dato aislado y la segunda es información (un resumen). La tercera identifica un patrón y explica su consecuencia: eso es conocimiento, el paso previo a una decisión.
Ejercicio práctico
Clasifica estas seis preguntas que podría hacer la gerencia de Nexo según el tipo de análisis (descriptivo, diagnóstico, predictivo o prescriptivo) e indica qué columnas del archivo necesitarías:
- ¿Cuántas unidades vendimos en 2025?
- ¿Por qué Colombia tiene un ticket promedio más bajo que Perú?
- ¿Cuánto venderemos en diciembre de 2026?
- ¿Qué canal vendió más en el cuarto trimestre?
- ¿Deberíamos abrir una tienda física en Arequipa o reforzar la web?
- ¿Qué producto explica la subida de ventas en agosto?
Ver solución
- Descriptivo. Columna unidades (la respuesta es 498).
- Diagnóstico. region (y la tabla Regiones para el país), producto, categoria e importe: hay que ver qué compran en cada país.
- Predictivo. fecha e importe, idealmente con más de un año de historia para captar la estacionalidad.
- Descriptivo. fecha, canal e importe.
- Prescriptivo. region, canal e importe, más datos que el archivo no tiene: costos de una tienda física, alquiler, márgenes.
- Diagnóstico. fecha, producto e importe: comparar agosto con julio producto por producto.
En la pregunta 5, la decisión necesita costos o márgenes, no solo ventas: reconocer qué datos faltan es parte del análisis.
Resumen
- Analizar datos es convertir datos en bruto en información, conocimiento y, al final, una decisión.
- Hay cuatro tipos de análisis: descriptivo, diagnóstico, predictivo y prescriptivo; cada uno se apoya en el anterior.
- Un analista de datos traduce preguntas de negocio en consultas, análisis y recomendaciones claras.
- Las herramientas clave, en orden: hoja de cálculo, SQL, una herramienta de visualización y Python.
- Practicarás con las ventas de 2025 de la tienda ficticia Nexo: 197 pedidos, 3 países y 38.472,20 USD.
En la próxima lección: El proceso de análisis de datos en 6 fases. Recorrerás las seis fases de un análisis completo con una pregunta real de la gerencia de Nexo.
Crea tu cuenta en 30 segundos, marca tus lecciones y descarga el certificado al terminar.