Curso
Análisis de datos empresariales en SQL
4 h
48.2K
La ciencia de datos y el machine learning están en su mejor momento. A medida que crece la demanda de roles de datos, las posibilidades para desarrollar una carrera en este ámbito son enormes. Esta infografía ofrece una visión general de alto nivel sobre los distintos roles dentro de un equipo de datos, las competencias necesarias para triunfar, las rutas de formación continua para llegar hasta ahí y mucho más.
Para descargar esta infografía, haz clic en la imagen de arriba.
Consumidores de datos
Los consumidores de datos utilizan la información para tomar decisiones basadas en datos y mantener conversaciones informadas con los profesionales de datos.
Herramientas más utilizadas
- Herramientas de inteligencia empresarial como Tableau o Power BI
- Hojas de cálculo como Excel o Google Sheets
Posibles cargos
Los consumidores de datos pueden tener cargos muy diversos. Cualquiera que utilice insights basados en datos entra en esta categoría. Algunos cargos posibles son:
- Chief Marketing Officer
- Responsable de recursos humanos
- Head of Sales and Business Development
Niveles de competencia
Nivel principiante
- Entiende qué hacen los data scientists, machine learning scientists y data engineers
- Sabe qué preguntas se pueden responder (y cuáles no) con datos
- Interpreta los resultados de proyectos de datos, incluidas las cifras y las visualizaciones
Nivel intermedio
- Es capaz de calcular estadísticas descriptivas
- Sabe crear visualizaciones de datos habituales
- Comprende las aplicaciones de negocio de los datos
Nivel avanzado
- Domina los fundamentos de la inteligencia empresarial
Ruta de formación continua
Itinerarios de habilidades
Cursos
Analistas de negocio
Los analistas de negocio conectan los insights con acciones concretas que aumentan la rentabilidad o la eficiencia. Conocen en profundidad el dominio del negocio y suelen usar SQL junto con herramientas sin código para comunicar los insights obtenidos.
Herramientas más utilizadas
- Herramientas de inteligencia empresarial como Tableau o Power BI
- Hojas de cálculo como Excel o Google Sheets
- Bases de datos SQL
Posibles cargos
- Business Analyst
- Marketing Analyst
- Data Analyst
- Supply Chain Analyst
Niveles de competencia
Nivel principiante
- Es capaz de calcular estadísticas descriptivas
- Sabe crear visualizaciones de datos habituales
- Comprende las aplicaciones de negocio de los datos
Nivel intermedio
- Conoce en profundidad el dominio del negocio
- Sabe informar y comunicar usando datos
Nivel avanzado
- Puede crear paneles de control
- Organiza datos para resolver preguntas de negocio
Rango salarial
- Según Glassdoor, el salario medio anual en EE. UU. para Business Analysts es de 77.000 $ y puede variar entre 55.000 $ y 108.000 $
Ruta de formación continua
Itinerarios de habilidades
Itinerarios profesionales
Cursos
Analistas de datos
Al igual que los analistas de negocio, los analistas de datos analizan datos y comunican los insights de su análisis. Domina el flujo de trabajo del análisis de datos y presentan resultados combinando herramientas con y sin código.
Herramientas más utilizadas
- Herramientas de programación como R o Python
- Herramientas de inteligencia empresarial como Tableau o Power BI
- Hojas de cálculo como Excel o Google Sheets
- Bases de datos SQL
Posibles cargos
- Business Analyst
- Marketing Analyst
- Data Analyst
- Supply Chain Analyst
Niveles de competencia
Nivel principiante
- Es capaz de calcular estadísticas descriptivas
- Sabe crear visualizaciones de datos habituales
- Comprende las aplicaciones de negocio de los datos
Nivel intermedio
- Ejecuta flujos de trabajo de análisis de datos: importar, transformar, limpiar, calcular y elaborar informes con datos de negocio
- Domina las herramientas de business intelligence
Nivel avanzado
- Puede crear paneles de control
- Organiza datos para resolver preguntas de negocio
Rango salarial
- Según Glassdoor, el salario medio anual en EE. UU. para Data Analysts es de 69.000 $ y puede variar entre 46.000 $ y 106.000 $
Ruta de formación continua
Itinerarios de habilidades
Itinerarios profesionales
- Data Analyst with Power BI Career Track
- Data Analyst with Python Career Track
- Data Analyst with R Career Track
- Data Analyst with SQL
Data scientist
Los data scientists investigan, extraen y comunican insights relevantes a partir de los datos de la organización. Transmiten estos insights a interlocutores no técnicos y entienden bien los flujos de trabajo de machine learning y cómo conectarlos con aplicaciones de negocio. Trabajan casi exclusivamente con herramientas basadas en código, realizan análisis y a menudo utilizan herramientas de big data.
Herramientas más utilizadas
- Herramientas de programación como R o Python
- Herramientas de línea de comandos como Git o Bash
- Herramientas de big data como Airflow o Spark
- Bases de datos SQL
Posibles cargos
- Data Scientist
- Analytics Engineer
- Data Analyst
- Marketing Data Scientist
Niveles de competencia
Nivel principiante
- Ejecuta flujos de trabajo de análisis de datos: importar, transformar, limpiar, calcular y elaborar informes con datos de negocio
- Comprende las aplicaciones de negocio de los datos
Nivel intermedio
- Comprende la estadística fundamental: distribuciones, modelado e inferencia
- Diseña experimentos sencillos como tests A/B
- Puede crear paneles de control
Nivel avanzado
- Aplica el análisis a áreas como finanzas, marketing o salud
- Entiende los flujos de trabajo de machine learning supervisado y no supervisado
- Trabaja con tipos de datos no estándar como series temporales, texto, datos geoespaciales e imágenes
Rango salarial
- Según Glassdoor, el salario medio anual en EE. UU. para Data Scientists es de 117.000 $ y puede variar entre 82.000 $ y 167.000 $
Ruta de formación continua
Itinerarios profesionales
Machine learning scientist
Los machine learning scientists diseñan y despliegan sistemas de machine learning que realizan predicciones a partir de los datos de la organización. Resuelven problemas como predecir el churn o el valor de vida del cliente y se encargan de poner modelos en producción para su uso en la empresa. Trabajan exclusivamente con herramientas basadas en código.
Herramientas más utilizadas
- Herramientas de programación como R o Python
- Herramientas de línea de comandos como Git o Bash
- Herramientas de big data como Airflow o Spark
- Bases de datos SQL
Posibles cargos
- Data Scientist
- Research Scientist
- Machine Learning Engineer
Niveles de competencia
Nivel principiante
- Ejecuta flujos de trabajo de análisis de datos: importar, transformar, limpiar, calcular y elaborar informes con datos de negocio
Nivel intermedio
- Ejecuta flujos de trabajo de machine learning supervisado y no supervisado: ingeniería de variables, entrenamiento de modelos, evaluación del ajuste y generación de predicciones
- Aplica el análisis a áreas como finanzas, marketing o salud
Nivel avanzado
- Ejecuta flujos de trabajo de deep learning
- Trabaja con tipos de datos no estándar como series temporales, texto, datos geoespaciales e imágenes
- Despliega modelos de machine learning en producción
Rango salarial
- Según Glassdoor, el salario medio anual en EE. UU. para Machine Learning Scientists es de 137.000 $ y puede variar entre 97.000 $ y 194.000 $
Ruta de formación continua
Itinerarios de habilidades
Itinerarios profesionales
Estadístico/a
De forma similar a los data scientists, los estadísticos realizan análisis altamente rigurosos, que incluyen el diseño y mantenimiento de experimentos como tests A/B y pruebas de hipótesis. Se centran en cuantificar la incertidumbre y presentar resultados con un grado excepcional de rigor, por ejemplo en finanzas o salud.
Herramientas más utilizadas
- Herramientas de programación como R o Python
- Herramientas de línea de comandos como Git o Bash
- Bases de datos SQL
Posibles cargos
- Data Scientist
- Inference Data Scientist
- Clinical Data Analyst
Niveles de competencia
Nivel principiante
- Ejecuta flujos de trabajo de análisis de datos: importar, transformar, limpiar, calcular y elaborar informes con datos de negocio
- Comprende las aplicaciones de negocio de los datos
Nivel intermedio
- Ejecuta flujos de trabajo de modelado estadístico: ingeniería de variables, entrenamiento de modelos, pruebas de ajuste e inferencia de significación
- Contrasta hipótesis y diseña experimentos sencillos como tests A/B
Nivel avanzado
- Diseña experimentos más complejos y entiende estadística bayesiana
- Conoce modelos especializados como supervivencia, modelos aditivos generalizados, modelos de mezclas o modelos de ecuaciones estructurales
Rango salarial
- Según Glassdoor, el salario medio anual en EE. UU. para Statisticians es de 88.000 $ y puede variar entre 61.000 $ y 131.000 $
Ruta de formación continua
Itinerarios de habilidades
Itinerarios profesionales
Programadores/as
Los programadores son perfiles muy técnicos dentro de los equipos de datos que automatizan tareas repetitivas al acceder y trabajar con los datos de una organización. Tienden puentes entre la ingeniería de software tradicional y la ciencia de datos, y dominan el despliegue y la compartición de código a escala.
Herramientas más utilizadas
- Herramientas de programación como R o Python
- Herramientas de línea de comandos como Git o Bash
- Bases de datos SQL
Posibles cargos
- Software Engineer
- Data Scientist
- DevOps Engineer
Niveles de competencia
Nivel principiante
- Escribe funciones para evitar código repetitivo
- Evalúa y optimiza código para mejorar el rendimiento
Nivel intermedio
- Define buenas prácticas para probar código
- Trabaja con APIs web
- Desarrolla paquetes para compartir código
Nivel avanzado
- Desarrolla canalizaciones de datos y trabaja con programación en paralelo
- Comprende paradigmas de programación como la funcional y la orientada a objetos
Rango salarial
- Según Glassdoor, el salario medio anual en EE. UU. para programadores (software engineers) es de 108.000 $ y puede variar entre 73.000 $ y 160.000 $
Ruta de formación continua
Cursos
Itinerarios profesionales
Data engineers
Los data engineers se aseguran de que los datos adecuados lleguen a las personas adecuadas. Crean y mantienen la infraestructura y las canalizaciones de datos que llevan terabytes de datos en bruto procedentes de múltiples fuentes a un punto centralizado con datos limpios y relevantes para la organización.
Herramientas más utilizadas
- Herramientas de programación como R o Python
- Herramientas de línea de comandos como Git o Bash
- Bases de datos SQL
- Herramientas de big data como Airflow o Spark
- Plataformas en la nube como AWS, GCP, Azure
Posibles cargos
- Data Engineer
- Software Engineer
- DevOps Engineer
Niveles de competencia
Nivel principiante
- Extrae, transforma y carga datos con eficiencia
Nivel intermedio
- Procesa datos y automatiza flujos de datos con la línea de comandos
- Procesa datos en la nube
- Administra, optimiza y procesa grandes conjuntos y bases de datos
Nivel avanzado
- Desarrolla canalizaciones de datos y trabaja con programación en paralelo
- Comprende paradigmas de programación como la funcional y la orientada a objetos
Rango salarial
- Según Glassdoor, el salario medio anual en EE. UU. para Data Engineers es de 112.000 $ y puede variar entre 76.000 $ y 166.000 $
