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.
No olvides seguir el blog y suscribirte a mi canal de youtube para más contenido.
No hay comentarios.:
Publicar un comentario