Análisis de Datos con SQL, Python y Power BI.

Duración: 6 semanas (54 horas)
Modalidad: Clases en vivo online (2 veces por semana, 8:00 PM - 10:30 PM)
Dirigido a: Para profesionales — operaciones, finanzas, logística o áreas cuantitativas — que quieren dejar de hacer reportes manuales y empezar a extraer, analizar y presentar datos con herramientas modernas.

Aprenderás desde los conceptos fundamentales hasta la aplicación práctica en contextos empresariales reales, utilizando herramientas modernas y accesibles como SQLite Online (SQL), Google Colab (Python/Pandas) y Microsoft Power BI Desktop.

🟢 Requisitos: Requiere excel avanzado de uso frecuente.

Inversión de tiempo

Tipo de actividad Horas
Clases en vivo (12) 36
Actividades asíncronas 18
Total 54

Objetivos

  1. Desarrollar mentalidad analítica y comprensión del ecosistema de datos
    • Entender el valor estratégico de los datos en las organizaciones modernas
    • Distinguir entre dato, información y conocimiento en contextos empresariales
    • Reconocer la escalera del valor analítico: descriptiva, predictiva y prescriptiva
    • Definir KPIs relevantes para un problema de negocio
  2. Extraer insights de bases de datos relacionales usando SQL
    • Comprender modelos entidad-relación y su rol en el análisis
    • Escribir consultas básicas con SELECT, WHERE, ORDER BY y LIMIT
    • Aplicar funciones de agregación (SUM, COUNT, AVG) con GROUP BY
    • Generar métricas de negocio verificables a partir de datos reales
  3. Analizar, transformar y visualizar datos con Python y Pandas
    • Cargar, explorar y perfilar datasets con Pandas
    • Realizar análisis exploratorio (EDA) para detectar patrones y anomalías
    • Crear visualizaciones efectivas con Matplotlib
    • Replicar análisis realizados en SQL usando Python
  4. Comunicar hallazgos mediante dashboards y storytelling de datos
    • Construir dashboards interactivos con Microsoft Power BI Desktop
    • Aplicar principios de visualización efectiva para audiencias de negocio
    • Estructurar narrativas de datos con impacto ejecutivo
    • Presentar resultados de forma clara y accionable

Módulos y Clases

Módulo 1: Fundamentos de Datos y SQL

  1. Introducción al Análisis de Datos (180 min, blend)
    • Diferencia entre dato, información y conocimiento
    • Escalera del valor de la analítica: descriptiva, predictiva, prescriptiva
    • Toma de decisiones basada en datos vs. intuición
    • Definición de KPIs para un problema de negocio
    • Laboratorio: caso gamificado “Un dato, una decisión” + cálculo de KPI de Potencial de Mercado
  2. Del origen al análisis: Modelo Entidad-Relación (180 min, blend)
    • Origen de datos en procesos y sistemas operacionales
    • Bases de datos relacionales y proceso ETL
    • Modelo entidad-relación: entidades, atributos, cardinalidades
    • Calidad de datos: completitud, consistencia, puntualidad
    • Laboratorio: diagrama ER del dataset SupermercadoSQL en Draw.io
  3. Lenguaje SQL - Parte 1: Consultas básicas (180 min, blend)
    • Introducción a SQL y uso de SQLite Online
    • Sentencias básicas: SELECT, FROM, WHERE, ORDER BY, LIMIT
    • Filtros combinados con AND, OR y búsqueda con LIKE
    • Buenas prácticas para consultas legibles
    • Laboratorio: 10+ consultas SQL sobre el dataset SupermercadoSQL
  4. Lenguaje SQL - Parte 2: Agregaciones + Proyecto Integrador (180 min, blend)
    • Funciones de agregación: SUM, COUNT, AVG, MAX, MIN
    • Agrupación con GROUP BY y filtrado de grupos con HAVING
    • Generación de métricas clave de negocio
    • Exportación de resultados a CSV
    • Laboratorio: proyecto integrador — Scorecard de Auditoría con 14 KPIs de supermercado

Herramientas por aprender:

Módulo 2: Python para Análisis de Datos

  1. De SQL a Pandas (180 min, blend)
    • Google Colab como entorno de trabajo (sin instalación)
    • Introducción a Pandas: DataFrames y Series
    • Replicación en Pandas de consultas SQL aprendidas en el M1
    • Carga de CSVs y primera exploración
    • Laboratorio: replicar 5 consultas SQL del M1 en Pandas + 2 análisis nuevos
  2. EDA: Detective de Datos (180 min, blend)
    • Análisis Exploratorio de Datos: ¿qué hay en mi dataset?
    • Perfilado: tipos de variables, nulos, duplicados, outliers
    • Estadística descriptiva: media, mediana, moda, desviación estándar
    • Detección de problemas de calidad de datos
    • Laboratorio: perfil completo de SupermercadoSQL + 3 hallazgos documentados
  3. Visualización con Matplotlib (180 min, blend)
    • Gráficos que responden preguntas de negocio
    • Tipos de gráficos: barras, líneas, pastel, histogramas, boxplots
    • Elección del gráfico correcto según el tipo de dato
    • Personalización: títulos, ejes, colores y etiquetas
    • Laboratorio: 5 gráficos de negocio sobre SupermercadoSQL
  4. Proyecto Integrador del Módulo 2 (180 min, blend)
    • Integración de SQL + Pandas + Matplotlib
    • Construcción de un reporte analítico completo
    • Comunicación de hallazgos a audiencias no técnicas
    • Buenas prácticas de documentación de notebooks
    • Laboratorio: reporte ejecutivo para junta directiva del supermercado

Herramientas por aprender:

Módulo 3: Visualización y Storytelling

  1. Power BI: Primeros Pasos (180 min, blend)
    • Business Intelligence (BI): qué es y por qué importa
    • Power BI Desktop: instalación y primeros pasos
    • Carga de datasets CSV y configuración de tipos de columna
    • Construcción de visuales básicos (barras, líneas, tarjetas, tablas)
    • Laboratorio: primer reporte con 4 visuales sobre el dataset Olympics 2000-2016
  2. Data Storytelling: Del Dato a la Historia (180 min, blend)
    • Principios de visualización efectiva para negocio
    • Elección del visual correcto según la pregunta
    • Estructura de una narrativa de datos: contexto, conflicto, resolución
    • Jerarquía visual, uso de color y foco
    • Laboratorio: narrativa de 3 hallazgos con recomendaciones accionables
  3. Dashboards con Historia (180 min, blend)
    • Diseño de dashboards de 2+ páginas con navegación
    • Interactividad: filtros, segmentadores y drill-down
    • Integración de storytelling en el diseño del dashboard
    • Buenas prácticas: foco, consistencia y claridad
    • Laboratorio: dashboard interactivo multi-página sobre Olympics
  4. Proyecto Final + Presentación (180 min, blend)
    • Presentación del proyecto final: “Informe al Directorio del COI”
    • Evaluación de storytelling, técnica y visualización
    • Feedback cruzado entre pares
    • Retroalimentación docente y lecciones aprendidas
    • Laboratorio: exposición oral del proyecto integrador final

Herramientas por aprender:

Proyecto Final del Curso

Informe Ejecutivo con Dashboard Interactivo

Proyecto final que integra todo el flujo analítico aprendido durante el curso:

Componentes del proyecto:

Entregables: