Cursos para aprender Data Analytics

Con tantas opciones (algunas muy costosas) y herramientas por aprender analítica de datos como Excel, Sql, visualización de datos y programación es común preguntarse por dónde empezar y donde encontramos los recursos necesarios para desarrollar estas habilidades.

En esta ocasión comparto los cursos que elegí para formarme como Analista de Datos (cursos que a la fecha de este artículo me encuentro haciendo).

Antes de empezar quiero recordar el proceso que mejores resultados me ha dado para aprender algo nuevo, especialmente si se trata de algo relacionado con tecnología y es aprender las bases y luego construir algo o aplicarlo en un proyecto. En resumen aprender y aplicar. Tal como explicaba en este otro post

¿Dónde encuentro los cursos?

Ahora, la plataforma que elegí para formarme como analista de datos es Coursera y es 100% en línea, anteriormente la he usado para tomar cursos complementarios a mis clases universitarias llevándome un paso adelante de mis compañeros y de clase e incluso de alguno de mis maestros, por lo cual es mi plataforma favorita, puedes revisar todo el contenido y acceder a todo el material de forma gratuita (Auditar), los certificados de los cursos que apruebes son de pago, la info sobre tarifas las encuentras aquí.

¿En qué cursos enfocarse?

Para ser analistas de datos debemos desarrollar cuatro habilidades técnicas principales y que son las más demandas en el mercado laboral, estas son:

Hojas de cálculo
SQL
Visualización de datos
Programación

Una vez se tiene identificado en que Technical Skills enfocarse, es hora de seguir con los cursos.

si deseas profundizar más en los cursos te recomiendo este video que he preparado como material complementario a este post.

Curso introductorio

El primer curso que sugiero es el certificado profesional de análisis de datos de Google, esta especialización brinda una visión general del análisis de datos, en qué consiste, que herramientas y habilidades son necesarias así como algunos tips para el desarrollo de la profesión. Aquí tendrás la oportunidad de hacer un acercamiento a herramientas como las hojas de cálculo, Sql, visualización de datos y programación.

Hojas de cálculo / Excel

La siguiente habilidad técnica a desarrollar es Excel y para esto recomiendo realizar la especialización de habilidades de Excel aplicadas a los negocios, esta especialización está compuesta por cuatro cursos que cubre desde los elementos básicos como identificar los diversos elementos que comprende desde los elementos que componen las hojas de cálculo hasta diseñar hojas de cálculo a modo de base de datos, pasando por la limpieza de datos, fórmulas, funciones, el diseño de gráficos y construcción de tableros o dashboards.

Como segunda opción, para aquellos que necesitan un aprendizaje rápido o un repaso general, recomiendo el curso Excel básico para el análisis de datos, se requiere alrededor de 12 horas para completarlo.

SQL / Bases de datos

Una vez se ha aprendido y empleado las herramientas que ofrece Excel en el ámbito del análisis de datos y por supuesto hacer los primeros proyectos usando Excel, es hora de continuar con SQL, recomiendo la especialización en SQL para la ciencia de datos. Este programa está dirigido a estudiantes que están iniciando o no tienen experiencia en el manejo de SQL y bases de datos.

Otra opción para aprender SQL es el programa especializado PostgreSQL for everybody, esta especialización la compone cuatro cursos, en los cuales se abarca las bases de SQL y se enfoca en el diseño y manejo de la base de datos Postgre, aunque las bases, conceptos y aplicaciones son igualmente aplicables a otras bases de datos.

Visualización de datos

Una vez se tiene afianzado los conocimientos y la práctica en Excel y hojas de cálculo es hora de continuar con la visualización de datos.

Así que recomiendo la especializado llamado visualización de datos con tableu, se conforma de cinco cursos, en el quinto curso haces un proyecto aplicado a un tema de tu interés y la idea es que el resultado sea parte de los proyectos de tu portafolio. Cada curso toma aproximadamente entre 12 y 15 horas para completarlo, de nuevo, puede ser menos o más horas, esto depende tu ritmo de aprendizaje, si ya tienes conocimientos previos o si dedicas tiempo adicional para practicar lo aprendido.

Si desean aprender sobre otra herramienta para visualización de datos recomiendo un proyecto guiado llamado Introducción a power BI de escritorio, toma alrededor de dos horas finalizarlo y se realiza un proyecto basado en el análisis de datos sobre el incumplimiento entorno a las tarjetas de crédito.

Programación para data analytics

Ahora vamos con la programación, en nuestro video anterior veíamos que los dos lenguajes de programación más demandados son Python y R, con cual iniciar es tu decisión, no hay uno mejor que otro, depende del área en que planees trabajar en el futuro o el lenguaje que maneje cierto nicho de empresas.

Empecemos por phyton, en el programa especializado Python for everybody se aprenderá los conceptos básicos fundamentales de programación, considerando las estructuras datos, la interfaz del programa, su aplicación en bases de datos, también se aprenderá sobre el procesamiento y visualización de datos.

El siguiente lenguaje es R, la especialización: dataScience: fundamentos usando R está compuesta de cinco cursos en los cuales aprenderás desde instalar el programa, su interfaz, pasando por las herramientas y técnicas fundamentales para la obtención, limpieza y exploración de datos, programación en R entre otros aspectos relacionados un poco más con la ciencia de datos. Es una muy buena opción para aquellos que prefieren iniciar con R.

Bonus

Un último curso que me gustaría recomendar y no es precisamente para aprender un programa o herramienta sino para desarrollar el pensamiento analítico y que muchas veces es pasado por alto, y es estadística, el curso introducción a estadística cubre conceptos sobre el pensamiento estadístico y porqué es importante al momento de analizar datos y comunicar resultados.

No olvides seguir el blog y suscribirte a mi canal de youtube para más contenido.

La mejor manera de aprender Data Analytics

En esta ocasión compartiré los elementos en los que debes enfocarte para formarte como analista de datos y la forma más adecuada de hacerlo.

Primero quiero mencionar que he optado por un modelo autodidacta ya que desde mi experiencia puedo escoger el contenido, cursos, libros y proyectos que se ajustan a mis necesidades y gustos, y de cierto modo ahorran dinero, tiempo y energía.

¿Cómo aprender?

Una de las maneras que me ha resultado más efectiva para aprender un tema en especial es aprender y aplicar.

Cuando aprendes algo, recibes y comprendes información que te puede resultar útil en el futuro, pero cuando pones eso que aprendiste en práctica, así sea con un proyecto pequeño, terminas de entender en qué situaciones puede ser útil y como puede ayudarte a hallar una solución a un problema específico. Si bien este proceso puede resultar un poco más largo que solamente dedicarse a recibir información y hacer anotaciones, resulta más efectivo en el sentido que a través de la práctica puedes autoevaluarte, decidir si necesitas repasar un contenido específico para poder llevar a cabo determinado proceso. Un ejemplo en forma de analogía es el siguiente: Aprender sobre las tuercas e ir armando el motor a la par, si no sabes dónde va la tuerca revisas tus apuntes, en contraste con primero aprenderte todas las tuercas y luego ir a ciegas armando el motor.

¿Qué aprender?

En la siguiente imagen hay diversas ofertas laborales reales para el cargo de analista de datos, podemos observar cuatro elementos que sobresalen en todas, y son:

Habilidades técnicas
Habilidades blandas
Habilidades analíticas
Área de dominio.

¿Cómo aplicar lo que se aprende?

La práctica es muy importante a la hora de desarrollar, mejorar y retener una habilidad y hay varias formas de hacerlo, por ejemplo:

• Desarrollar un proyecto como parte de una materia o asignatura si estás estudiando.

• Hacer proyectos para tu trabajo o empresa.

• Llevar a cabo proyectos para incluir en tu portafolio y en tu hoja de vida. O proyectos para enseñarles a otros.

Cuando haces estos proyectos agregas valor a tu experiencia o si no tienes, estos funcionarán como experiencia en el orden que muestras cómo usas tus habilidades y conocimientos en proyectos prácticos, y esto puede ser muy atractivo para los empleadores y aumentan la probabilidad de ser contratado.

En resumen, aprender y aplicar te permite mostrar tu formación en analítica de datos y también mostrar tus proyectos como experiencia. Una vez aprendes una habilidad y la aplicas, es hora de continuar con otra habilidad y así sucesivamente.

¿Qué aprender primero?

Recomiendo Empezar por las habilidades técnicas e ir integrando las otras habilidades. En la medida que desarrolles proyectos en tu área de dominio necesitarás habilidades analíticas, o mejorarás tus habilidades blandas si por ejemplo compartes tus proyectos en un blog o videos, allí estarás trabajando en tus habilidades de escritura y comunicación.

Al realizar proyectos es más fácil sentir el avance en el aprendizaje de tus habilidades en conjunto, esto también ayudará a aumentar la motivación y la sensación de logro.

Iniciar con las habilidades técnicas permite integrar las otras habilidades, por lo que es una buena forma de iniciar, en lugar que aprender cada cosa por separado y secuencialmente, por ejemplo, primero aprender lo relacionado con habilidades comunicativas y después bases de estadística y luego Excel para el análisis de datos.

¿Qué habilidad técnica aprender primero?

Teniendo en cuenta los requerimientos más comunes en las ofertas de empleo para analistas de datos en un nivel junior o básico, las habilidades más solicitadas en SQL, Excel, tableu, power BI, un lenguaje de programación como Phyton o r.

Ahora por dónde empezar… recomiendo primero revisar brevemente y a modo general estas herramientas con el fin de identificar sus usos en el rol del analista de datos, así como identificar en cuál herramienta nos queremos enfocar basados en nuestros intereses y gustos.

Para esto recomiendo optar por el curso de Google data Analytics. Este curso te brindará un panorama general sobre el rol, te enseñará habilidades técnicas a nivel introductorio en herramientas como hojas de cálculo, Sql, programación y visualización de datos.

El paso por seguir es empezar por alguna de las dos habilidades más demandas, puedes empezar por Excel que es la herramienta más común y con la que por lo general se está más familiarizado, además se puede desarrollar proyectos completos de baja complejidad, desde cargar y transformar los datos hasta trabajar en la visualización.

Posteriormente recomiendo SQL, para profundizar en el manejo de bases de datos. Con manejar con muy estas dos herramientas ya aumentan las probabilidades para ser candidatos a una vacante de analistas de datos.
Una vez manejes estas dos herramientas, es hora de avanzar con visualización de datos y programación, selecciona una herramienta que te llame la atención, que te guste y que te permita desarrollar otras habilidades. Por ejemplo, con la visualización de datos también trabajas la capacidad de sintetizar información y comunicar resultados.

Recuerda que el objetivo aquí es aprender estas herramientas para ser analistas de datos, no para volvernos expertos en un programa u otro. Es como cuando necesitas aprender a conducir, lo haces porque tienes como objetivo lograr movilizarte por la ciudad e ir de un lugar a otro, para esto necesitas aprender lo necesario para lograr conducir con seguridad en la vía, así que no necesitas convertirte en un mecánico experto que conoce el funcionamiento de cada uno de los componente del vehículo.

Artículo recomendado: 6 pasos para hacer análisis de datos

¿En qué consiste cada habilidad?

Habilidades analíticas:

Las habilidades analíticas consisten en la resolución de problemas, pensamiento crítico, investigación, habilidades matemáticas (para iniciar basta con matemática básica, algebra, Probabilidad y estadística. Algunas de estas bases se aprenden en el colegio o universidad, tampoco es difícil aprenderlos hay muchos cursos en internet para “repasar” este contenido).

También se puede desarrollar estas habilidades aplicándolos a un proyecto, por ejemplo, si deseas analizar los precios de los alimentos en la última década aplicarás habilidades matemáticas y estadística para calcular precios, variaciones, precios medios, y demás.

Área de dominio:

El área de dominio hace referencia a una disciplina especifica o campo, por ejemplo, economía, finanzas, economía, o sectores como la medicina o educación.

No es necesario cambiar de profesión para convertirse en analista de datos, el tener un área de dominio te da un campo que conoces y en el que puedes aplicar en proyectos o trabajos en tu área de estudio. Recomiendo tomar una herramienta en conjunto con un proyecto que te permita profundizar en tu área de dominio.

Habilidades blandas:

Las habilidades blandas hacen referencia a como trabajas e interactúas con otras personas. Por ejemplo las habilidades comunicativas, creatividad, trabajo en equipo, ética profesional.

Puedes compartir tus proyectos en tus redes sociales, compartir tus proyectos en tableu public, kaggle o github. Esto permite mejorar mis habilidades técnicas y también mejorar mis habilidades comunicativas y de escritura, además servirá de ventana en la cual tus empleadores pueden conocer tu trabajo.

Si deseas profundizar un poco más, te dejo este video que he preparado sobre este tema:

Algunas recomendaciones finales:

Iniciar de a poco, iniciar con una habilidad técnica e integrar otra habilidad en la quieras trabajar y construir un proyecto. Puedes empezar con Excel y con los recursos que tengas a la mano.

Otra recomendación muy importante es aprender inglés, la mayoría del contenido de calidad en cuanto al análisis y ciencia de datos se encuentra en ingles así que es importante ir acostumbrándonos a este lenguaje, por lo general los programas, comandos y demás los encontraremos en este idioma, así que es mejor que el inglés sea nuestro aliado y no nuestro enemigo.