No existe una única ruta para convertirte en analista de datos: el camino más corto depende de dónde arrancás. Un contador, un especialista en marketing y un recién graduado necesitan órdenes de aprendizaje distintos. Esta guía te da un árbol de decisión para elegir qué herramienta aprender primero (SQL, Python o Excel), qué proyectos hacer en cada etapa y cuánto tiempo estimar.

El error más común de quien empieza es copiar el roadmap de otra persona sin considerar su propio punto de partida. Si ya usás Excel todos los días, no tiene sentido que empieces por ahí. Si venís de una carrera cuantitativa, podés saltarte fundamentos que a otro le llevarían semanas.

Las variables que definen tu ruta

Antes de elegir qué estudiar, identificá tres variables:

• Tu base actual: ¿manejás planillas? ¿programaste alguna vez? ¿tenés formación cuantitativa?

• Tu objetivo: ¿querés analizar datos en tu trabajo actual o conseguir un rol nuevo de analista?

• Tu tiempo disponible: no es lo mismo dedicar cinco horas semanales que veinte.

Estas tres variables determinan tanto el orden como la profundidad de lo que necesitás aprender.

Árbol de decisión: qué aprender primero

Si venís de un rol administrativo o contable

Probablemente ya dominás Excel. Tu camino más corto es: reforzar Excel avanzado (tablas dinámicas, Power Query), después SQL para consultar bases de datos y, recién al final, Python para automatizar. Empezar por SQL te da resultados rápidos porque conecta con lo que ya sabés.

Si venís de marketing o negocios

Tu fortaleza es interpretar datos en contexto. Empezá por SQL (te vuelve autónomo para sacar tus propios reportes), seguí con visualización y sumá Python para análisis más complejos. Tu ventaja competitiva es traducir números en decisiones.

Si sos recién graduado o venís de una carrera técnica

Podés ir directo a Python y SQL en paralelo, y sumar estadística. Tu desafío no es la herramienta sino conseguir experiencia práctica con datos reales y sucios, que es lo que realmente piden las empresas.

SQL, Python o Excel: cuál prioriza cada perfil

Sea cual sea tu perfil, SQL aparece temprano en casi todas las rutas, y con razón: es la habilidad más pedida en las ofertas. Vale la pena ver de antemano qué habilidades de SQL buscan las empresas tech para orientar tu práctica hacia lo que realmente evalúan.

Proyectos por etapa

Aprender herramientas sin aplicarlas no sirve. Asociá cada etapa a un proyecto:

• Etapa inicial: limpiá y analizá un dataset público (ventas, transporte, deportes) y sacá tres conclusiones.

• Etapa intermedia: construí un dashboard que responda una pregunta de negocio concreta.

• Etapa avanzada: automatizá un análisis de punta a punta, desde la extracción hasta el reporte.

Tiempos estimados

La adopción de datos e IA en las empresas, que documenta McKinsey en su reporte anual, sostiene la demanda de analistas capaces de trabajar con datos reales. Con dedicación constante, un perfil con base previa puede volverse empleable como analista junior en cuatro a seis meses. Sin base técnica, el rango realista es de seis a nueve meses. Lo que acelera el proceso no es estudiar más horas, sino trabajar con datos reales lo antes posible. El Future of Jobs Report del World Economic Forum ubica al análisis de datos entre las competencias de mayor crecimiento, lo que sostiene la demanda de estos perfiles.

Cursos recomendados de Coderhouse

Para recorrer tu ruta con acompañamiento y proyectos, estas opciones cubren distintos niveles:

• Introducción a la Inteligencia Artificial: para sumar la capa de IA que hoy potencia el análisis de datos.

• AI Engineering: para quienes quieren llevar sus habilidades de datos a un nivel más técnico.

• AI Automation: para automatizar reportes y análisis repetitivos, una habilidad muy valorada.

Empezá hoy: identificá tu perfil en el árbol de decisión, elegí la primera herramienta y bajá un dataset público para practicar esta semana.

Preguntas frecuentes

¿Necesito saber programar para ser analista de datos?

Ayuda mucho, pero no siempre es el primer paso. Muchos analistas arrancan con Excel y SQL, y suman Python después. Lo importante es poder consultar, limpiar y comunicar datos; el lenguaje es un medio, no el objetivo.

¿Qué aprendo primero, SQL o Python?

Para la mayoría de los perfiles, SQL primero. Es la habilidad más pedida, tiene una curva más accesible y te vuelve autónomo rápido para sacar tus propios datos. Python conviene después, para análisis y automatización más profundos.

¿Cuánto tiempo tardo en conseguir mi primer trabajo?

Depende de tu base y tu dedicación. Con experiencia previa relacionada, cuatro a seis meses es realista para un rol junior. Sin base técnica, entre seis y nueve meses. Trabajar con datos reales acelera mucho el proceso.

¿Sirve armar un portfolio de proyectos de datos?

Sí, es clave. Los proyectos demuestran lo que sabés hacer mejor que cualquier certificado. Un portfolio con dos o tres análisis bien documentados, sobre datos reales, es lo que más peso tiene frente a un reclutador.