SQL · Guías · 30 de octubre de 2026 · 10 min de lectura

Cómo ser analista de datos: qué aprender, en qué orden y cuánto se tarda

El trabajo de un analista de datos es responder preguntas de negocio con datos: cuántos, con qué frecuencia, comparado con qué y por qué ha cambiado. Las habilidades se deducen de ahí. Aprende SQL primero, porque casi cualquier puesto de analista implica sacar datos de una base de datos. Después, hojas de cálculo para trabajar con los resultados, estadística básica para no sacar conclusiones equivocadas y una herramienta de BI o de gráficos para enseñar lo que has encontrado. Python es útil, pero puede esperar. Por el camino, monta un portafolio pequeño y prepara las entrevistas, que evalúan sobre todo SQL y cómo razonas ante un problema de negocio.

Cuánto se tarda depende de tu punto de partida y de tus horas, no del marketing de un curso. Como orientación, para alguien que empieza desde cero y estudia alrededor de una hora al día, llegar al nivel de poder optar a un puesto junior suele llevar entre seis meses y un año. Quien ya trabaja con números en Excel suele avanzar más rápido; quien solo puede estudiar los fines de semana, más despacio. Toma los plazos de abajo como rangos aproximados, no como promesas.

La ruta de un vistazo

Las etapas se solapan. No hace falta terminar la estadística antes de abrir una herramienta de BI; lo que hace falta es no parar y seguir escribiendo consultas.

Etapa 1: SQL básico (empieza aquí)

SQL va primero por tres razones prácticas. Aparece en casi todas las ofertas de analista. Es la habilidad que las entrevistas comprueban de forma más directa, a menudo con una tarea en directo. Y se aprende rápido: el núcleo de lo que un analista escribe a diario son unas pocas cláusulas.

Qué aprender, en este orden:

1. SELECT y FROM: elegir columnas.
2. WHERE: filtrar, incluidos IN, LIKE, BETWEEN e IS NULL.
3. ORDER BY y LIMIT.
4. Agregados: COUNT, SUM, AVG, MIN, MAX.
5. GROUP BY y HAVING.
6. JOIN, sobre todo la diferencia entre INNER y LEFT, y qué pasa cuando una fila coincide con varias.
7. CASE para la lógica si-entonces.

Al terminar esta etapa deberías poder responder una pregunta como «¿cuántos vuelos hay en cada estado?» sin consultar nada:

SELECT status, COUNT(*) AS flights
FROM flights
GROUP BY status
ORDER BY flights DESC;

(Este y los demás ejemplos se ejecutan sobre la base de datos de una aerolínea del curso de SQL de Nomto: 33.121 vuelos entre 104 aeropuertos en el verano de 2026, con valores en inglés.)

La costumbre que importa más que la sintaxis: antes de escribir una consulta, ten claro qué representa una fila de cada tabla. La mayoría de las cifras equivocadas salen de contar filas que no son lo que crees. Las consultas SQL básicas cubren esta etapa paso a paso.

Etapa 2: hojas de cálculo

Vas a seguir usando Excel o Google Sheets constantemente: para mirar el resultado de una consulta, retocarlo, hacer un gráfico rápido o mandárselo a alguien que no escribe SQL. Aprende tablas dinámicas, búsquedas (BUSCARX o BUSCARV), fórmulas condicionales (SI, SUMAR.SI.CONJUNTO, CONTAR.SI.CONJUNTO), gráficos básicos y limpieza sencilla (quitar espacios, dividir columnas, arreglar fechas).

Si ya usas Excel en el trabajo, esta etapa puede llevarte días en lugar de semanas. Además, facilita SQL: una tabla dinámica es un GROUP BY y una búsqueda es un JOIN. La guía SQL o Excel traduce una cosa a la otra.

Etapa 3: estadística básica

No necesitas una carrera de estadística. Necesitas lo suficiente para evitar las conclusiones equivocadas más comunes:

• Media frente a mediana. Una reserva muy grande sube la media; la mediana no se mueve. Aprende cuándo dar cada una.
• Distribuciones. Mira la dispersión, no solo un número. Un histograma suele decir más que una media.
• Porcentajes y tasas. ¿Cuál es el denominador? «Han subido las cancelaciones» significa poco si también ha subido el número de vuelos.
• Correlación no es causalidad. Que dos cifras se muevan juntas es el punto de partida de una pregunta, no una respuesta.
• Lógica de los tests A/B. Qué es un grupo de control, por qué importa el tamaño de la muestra y qué dice (y qué no dice) un intervalo de confianza.

Una tasa siempre necesita un denominador claro. Esta es la proporción de todos los vuelos programados que se cancelaron:

SELECT ROUND(100.0 * COUNT(*) FILTER (WHERE status = 'Cancelled') / NULLIF(COUNT(*), 0), 2) AS cancelled_pct
FROM flights;

Que un 1,25 % sea bueno o malo depende de con qué lo compares: el mes pasado, otra ruta, el objetivo. Esa comparación es el trabajo del analista.

Etapa 4: SQL intermedio

Cuando lo básico ya te sale solo, añade las herramientas que convierten una consulta en un análisis:

• Subconsultas y CTE (WITH), para lógica de varios pasos, como hacer la media de recuentos diarios.
• Funciones de ventana: ROW_NUMBER para el top N por grupo, LAG para comparar con el periodo anterior, totales acumulados y medias móviles.
• Funciones de fecha: truncar a semana o a mes, diferencias entre fechas, rellenar los días sin datos.

Una consulta típica de esta etapa, vuelos diarios con una media móvil de siete días:

SELECT CAST(scheduled_departure AS DATE) AS day,
       COUNT(*) AS flights,
       ROUND(AVG(COUNT(*)) OVER (ORDER BY CAST(scheduled_departure AS DATE)
                                 ROWS BETWEEN 6 PRECEDING AND CURRENT ROW), 1) AS avg_7d
FROM flights
WHERE scheduled_departure >= '2026-08-01'
GROUP BY day
ORDER BY day
LIMIT 3;

Las funciones de ventana salen en la mayoría de las entrevistas para analista, así que no te las saltes. Empieza por las funciones de ventana SQL y ten abierta la chuleta SQL mientras practicas.

Etapa 5: BI y visualización

Elige una herramienta de BI y apréndela bien, en lugar de tres por encima. Power BI, Tableau y Looker Studio son habituales; mira cuáles aparecen en las ofertas de donde quieres trabajar. Los conceptos se trasladan de una a otra: conectarse a los datos, crear unos cuantos gráficos, añadir filtros, publicar un panel.

Más importante que la herramienta es elegir el gráfico adecuado: líneas para la evolución en el tiempo, barras para comparar categorías y casi nunca un gráfico de tarta con más de tres porciones. Un panel debería responder una pregunta concreta para una persona concreta, no enseñar todo lo que se puede medir.

Etapa 6: métricas de negocio

Esto es lo que separa a un analista de alguien que sabe SQL. Aprende cómo se definen y se calculan las métricas habituales, y practica calculándolas tú:

• Embudos: qué proporción de usuarios pasa de un paso al siguiente.
• Retención y cohortes: de las personas que empezaron en una semana dada, cuántas volvieron. Lo tienes en cohort retention in SQL (en inglés).
• Métricas de ingresos: ticket medio, ingresos por usuario, tasa de repetición de compra.
• Crecimiento: semana contra semana, mes contra mes, y por qué los periodos incompletos los distorsionan.

Apréndelas a la vez que las etapas 4 y 5, no después: son las preguntas para las que vas a escribir SQL y montar paneles.

Etapa 7: Python, más adelante

Python con pandas sirve para cosas que SQL hace mal: limpiezas de datos complejas, pruebas estadísticas, automatizar un informe, trabajar con archivos y APIs. Muchos puestos de analista lo piden. Pero muchos puestos junior son sobre todo SQL, hojas de cálculo y BI, y aprender Python antes de saber escribir un GROUP BY y un JOIN sólidos suele frenar a la gente.

Cuando llegues, céntrate en pandas (cargar, filtrar, agrupar, unir), en los notebooks de Jupyter y en los gráficos básicos. Verás que la mayoría de las operaciones de pandas tienen un equivalente directo en SQL que ya conoces.

Etapa 8: portafolio y preparación de entrevistas

Portafolio

Dos a cuatro proyectos pequeños y terminados valen más que diez a medias. Un buen proyecto:

• parte de una pregunta («¿qué rutas acumulan más retrasos, y es por la ruta o por la hora del día?»),
• enseña las consultas que escribiste,
• da una respuesta breve con uno o dos gráficos,
• dice qué comprobarías después y qué no pueden decirte los datos.

Los conjuntos de datos públicos, o las bases de datos de práctica de un curso, sirven. Lo que busca quien revisa es un razonamiento claro, no un conjunto de datos original.

Entrevistas

Las entrevistas para analista suelen combinar:

• Tareas de SQL, a menudo en directo: JOIN, agrupaciones, una función de ventana, un caso límite con NULL o duplicados. Las preguntas de entrevista SQL recogen las típicas.
• Preguntas de caso: «Las reservas cayeron un 10 % la semana pasada. ¿Cómo lo investigarías?». Evalúan si primero compruebas los datos, si desglosas la cifra por segmentos y si piensas en las causas.
• Estadística básica: interpretar el resultado de un test A/B, media frente a mediana.
• Hablar de tus proyectos: qué encontraste y qué harías de otra manera.

Practica resolviendo tareas de SQL con cronómetro y en voz alta. Los ejercicios SQL resueltos son un buen punto de partida.

Lo que puedes saltarte al principio

• Administración de bases de datos: índices, copias de seguridad, permisos. Útil más adelante, no hace falta para empezar.
• Machine learning: es otro puesto. Para la mayoría de los trabajos de analista basta con estadística básica.
• Varias herramientas de BI a la vez: con una es suficiente hasta que un trabajo pida otra.
• Python avanzado (clases, frameworks web): no forma parte del día a día de un analista.
• Todos los dialectos de SQL: aprende uno (PostgreSQL es una buena elección); los demás cambian en detalles que puedes consultar.

Errores frecuentes por el camino

• Mirar en lugar de escribir. Los vídeos dan sensación de avance; lo que construye la habilidad es escribir consultas que fallan y arreglarlas.
• Coleccionar certificados en lugar de proyectos. Una empresa quiere ver qué sabes hacer con datos.
• Aprender herramientas sin preguntas. Cada consulta, gráfico y notebook debería responder algo concreto.
• Saltarte la revisión de los datos. Cuenta filas, busca duplicados y NULL, y comprueba que los totales tienen sentido antes de dar una cifra.
• Esperar a sentirte preparado. Empieza a presentarte a ofertas cuando domines las etapas 1–4 y tengas un par de proyectos; las propias entrevistas también son práctica.

Cómo empezar esta semana

Abre la sala de SQL de Nomto y ejecuta tu primera consulta sobre la base de datos de la aerolínea: no hay nada que instalar. El curso empieza con una presentación de los datos y recorre lo básico en lecciones cortas, cada una con tareas que se corrigen automáticamente. Una hora al día, casi todos los días, te lleva más lejos que una sesión larga una vez por semana.

Preguntas frecuentes

¿Se puede ser analista de datos sin carrera universitaria?

Mucha gente lo consigue. Depende de la empresa, pero en los puestos de analista lo que puedes demostrar (SQL, un portafolio, un razonamiento claro en las entrevistas) suele pesar mucho. Una carrera de un área cuantitativa ayuda, pero no es el único camino.

¿Qué aprendo primero, SQL o Python?

SQL. Se usa en casi todos los puestos de analista, las entrevistas lo evalúan directamente y con él te vuelves útil antes. Añade Python cuando te manejes con soltura con los JOIN, las agrupaciones y las funciones de ventana.

¿Cuánto se tarda en ser analista de datos?

Depende de tu formación previa y del tiempo que le dediques. Para alguien que empieza desde cero con una hora al día, entre seis meses y un año hasta estar listo para optar a puestos junior es un rango realista. Haber trabajado antes con Excel o con muchos números lo acorta.

¿Hace falta ser bueno en matemáticas?

Hace falta manejarse con porcentajes, medias, proporciones y estadística básica, no con matemáticas avanzadas. Pensar con cuidado qué significa una cifra importa más que el cálculo.

¿Qué herramienta de BI debería aprender?

Mira las ofertas del mercado donde quieres trabajar y elige la que más aparezca. Power BI, Tableau y Looker Studio son habituales, y los conceptos se trasladan de una a otra.

También en English, Português (Brasil), Tiếng Việt, 简体中文