Tomado y traducido del Profile de Alex Freberg, founder of AnalystBuilder.com:

"No te limites a ti mismo con base en tu trabajo o actividades actuales.

Lo que haces no te define como persona. Algunas de las mejores personas con las que he trabajado en el mundo de los Datos, eran maestros, contadores, almacenistas, enfermeras en sus anteriores trabajos.

Yo era un terapista recreacional, pero encontré una nueva pasión y algo en lo que era bueno.

Así que no te limites con base en lo que haces actualmente. Si tienes pasión o curiosidad en algo, aviéntate!"

En este episodio entrevisto a Marcelo, quien compartió su trayectoria profesional desde la ingeniería industrial hasta convertirse en científico de datos, destacando su experiencia en distintas herramientas y proyectos, por ejemplo durante su estancia en Coderhouse durante la pandemia.

Marcelo habló sobre el impacto de la inteligencia artificial en el ámbito de datos, los desafíos y oportunidades que esto trae, y la importancia de mantener fundamentos sólidos y criterio propio.

Asimismo, Marcelo dio consejos para quienes inician en el área, resaltando la relevancia no solo de aprender herramientas técnicas sino también aprender del negocio (cualquiera que sea); es decir combinar conocimientos técnicos con la empatía y relaciones personales para saber qué datos son los relevantes para los stakeholders y desarrollar algo que sirva para tomar decisiones.

Por otor lado, Marcelo también recomendó libros y películas relacionadas con datos y su formación.

Finalmente la conversación incluyó preguntas rápidas de preferencias personales y mensaje inspiracional para quienes quieran comenzar aprender sobre Análisis de Datos y no se han animado.
Disfruten el episodio!

¿Cómo empieza realmente una carrera en el análisis de datos?

En este episodio especial en solitario, Isaac Figueroa comparte una reflexión íntima sobre sus orígenes profesionales y su evolución con la herramienta que lo inició todo: Excel.

Tras graduarse como ingeniero industrial en mayo de 2007, Isaac nos lleva en un viaje que comienza en la planta de Siemens Transformadores en Guanajuato. Ahí, enfrentando el reto de "expeditar" materiales para proyectos únicos, comenzó a estructurar sus primeras hojas de cálculo apoyado por una pequeña computadora Palm para hacer anotaciones en sus recorridos por la fábrica.

Compartirá el valioso consejo que le dio su padre para ganarse la confianza de su gerente, y cómo el control de datos ayudó a detectar a tiempo un error de entrega que pudo ser caótico para la empresa.

La historia continúa con su transición al sector público en la Secretaría de Finanzas, donde su dominio de Excel subió al nivel intermedio al consolidar el presupuesto de 40 dependencias estatales.

Descubre las "batallas" reales que su equipo enfrentó con plantillas descuadradas por los usuarios antes de subirlas a SAP, y cómo el uso diario de esta herramienta durante más de 12 años le enseñó tanto su gran valor como sus limitaciones, abriéndole el camino hacia SQL y Python.

¡Una dosis de inspiración y realismo para todo apasionado de la visualización y el análisis de datos!

Isaac en este episodio entrevistó a Anna, una especialista en análisis de datos de la India, para hablar sobre su trayectoria y carrera en este campo.

La entrevista fue en Inglés; Isaac tradujo las respuestas de Anna.

Anna compartió que en su inicio se interesó por Excel y posteriormente amplió sus habilidades incorporando Power BI, Power Query y Tableau para el análisis y la visualización de datos.

Habló de sus proyectos actuales, incluido uno de análisis de datos para una cafetería, y mencionó sus planes de aprender SQL y Python para desarrollar capacidades de análisis más avanzadas.

Anna subrayó la importancia de las habilidades interpersonales —como la resolución de problemas y la capacidad de narrar historias con datos— en este ámbito, y destacó los desafíos que ha enfrentado, tales como la limitación de recursos y el aprendizaje de estadística avanzada.

La entrevista abordó la ruta de aprendizaje que ella recomienda: comenzar con Excel, pasar a herramientas de visualización como Tableau o Power BI, continuar con SQL y, finalmente, aprender Python; todo ello haciendo hincapié en la importancia del aprendizaje continuo y de superar los obstáculos mediante la perseverancia.Anna recommended the book "Storytelling with Data" and suggested using Coursera for learning data analysis.

Isaac entrevistó a Carlos Garza, ingeniero industrial y especialista en evaluación y gerencia de proyectos, para su podcast sobre análisis y visualización de datos.

Carlos compartió su experiencia liderando estadística en una empresa del sector salud en Colombia, donde maneja un ecosistema de datos para aproximadamente 40,000 profesores del sector público.

Discutieron cómo comenzó su interés en el análisis de datos en una empresa de ciclas y motocicletas, donde implementó un sistema de devoluciones usando Power BI que identificó problemas de almacenamiento que causaban oxidación en productos metálicos.

Carlos explicó sus herramientas favoritas incluyendo Power BI para visualización, Python para análisis avanzado, y algoritmos como Random Forest para predicciones en el sector salud.

Compartió consejos para personas que aprenden análisis de datos, enfatizando la importancia de ser autodidacta pero profesional, utilizar fuentes de datos gratuitas, y mantener disciplina diaria en el aprendizaje.

Finalmente, recomendó tres libros (el Alquimista de Paulo Coelho, "Estadística para dummies", y "Ciencia de datos desde cero con Python") y tres películas (Tierra de Osos, Chico manos de tijera, y Piratas del Caribe) para la audiencia.

El episodio del podcast trató sobre el camino de Itati en el análisis de datos. Itati, de Guayaquil, Ecuador, explicó que comenzó en el área tras no encontrar trabajo en su carrera de ingeniería ambiental, inspirada por los videos de Nicolás Pedraza.

Comentó que su experiencia con Excel la llevó a aprender Power BI, que es su herramienta favorita por sus capacidades de limpieza y visualización con Power Query.

Actualmente está aprendiendo SQL para manejar grandes volúmenes de datos y planea estudiar Python. Discutieron la importancia de la autodisciplina y el aprendizaje autodidacta, usando recursos como YouTube y la IA.

Itati también habló de sus infografías en LinkedIn sobre tipos de gráficos y conceptos avanzados de Power BI.

Como consejo, enfatizó la constancia y no saturarse al aprender, y consideró que las habilidades técnicas y las soft skills son igual de importantes para entender las necesidades del negocio.

La reunión fue una entrevista para el podcast de análisis y visualización de datos, donde Isaac conversó con René sobre su trayectoria y experiencia en el ámbito del análisis de datos.

René compartió que se graduó en ingeniería en desarrollo y gestión de software, pero que su verdadero interés surgió al estudiar análisis de datos, especialmente por su afinidad con las bases de datos.

Explicó que actualmente trabaja como auxiliar de sistemas, aunque busca enfocarse más en análisis de datos, y detalló un proyecto personal de people analytics usando Excel, SQL y Power BI para analizar factores de rotación de personal.

René describió el proceso de limpieza y análisis de datos, las preguntas de negocio que abordó y los principales hallazgos, como la mayor rotación entre empleados con poca antigüedad.

Isaac le sugirió explorar modelos estadísticos como la regresión logística para enriquecer sus análisis.

Al final, René dio consejos a quienes inician en el campo, enfatizando la importancia de encontrar lo que les apasiona y ser autodidactas.

Ambos agradecieron la oportunidad de compartir experiencias y conocimientos en el podcast.

En este episodio del podcast “análisis y visualización de datos”, Isaac e Iván conversaron con Macarena sobre su experiencia en análisis de datos.

Macarena contó que vive en Entre Ríos, Argentina, y que se inició en el área tras una entrevista de trabajo donde le mencionaron SQL, descubriendo que ya realizaba análisis de forma tradicional en puestos anteriores de logística y finanzas.

Explicó que su formación es en economía y marketing, pero que se capacitó en cursos de análisis de datos y ahora usa principalmente SQL, Python, Power BI y Data Bricks.

Describió un proyecto propio en Data Bricks usando la arquitectura de medallion (capas bronce, plata y oro) para analizar datos de una consignataria de ganado, detectando problemas de flujo de caja y morosidad, y cómo estos hallazgos ya generaron decisiones internas para mejorar los cobros.

Isaac e Iván compartieron sus propias experiencias con Excel, SQL y el uso de IA como ChatGPT para potenciar análisis, y resaltaron el valor de los insights de datos para la toma de decisiones estratégicas en las empresas.

Macarena recomendó a quienes empiezan a enfocarse en entender el problema de negocio y practicar con datos reales, subrayando que la curiosidad es clave para aprender análisis de datos.