Aprende a preparar, limpiar y organizar datos en hojas de cálculo para responder preguntas de negocio con confianza. Este módulo cubre cómo identificar problemas comunes de calidad, aplicar técnicas de limpieza, estructurar la información de forma clara y transformar datos en métricas y visualizaciones básicas. Además, descubrirás cómo aprovechar la IA para explorar datasets y automatizar tareas simples.

Capítulo 1. El ecosistema de los datos y el rol del analista
Capítulo 2. Explorando y organizando datos en hojas de cálculo
Capítulo 3. Limpieza de datos: detección y corrección de errores
Capítulo 4. De datos a insights: métricas y visualizaciones básicas
Capítulo 5. Usando IA para explorar y visualizar datasets

Aprende a combinar, resumir y visualizar datos para responder preguntas de negocio con mayor claridad. En este módulo explorarás cómo usar funciones de agregación, tablas dinámicas y formatos condicionales para detectar patrones y calcular métricas clave. También aprenderás a diferenciar indicadores líderes y rezagados, estructurar conclusiones accionables y comunicar hallazgos a través de dashboards y presentaciones. La IA te acompañará como apoyo para crear fórmulas, explorar métricas y acelerar la construcción de reportes.

Capítulo 1. Preguntas de negocio y métricas clave
Capítulo 2. Preparación y combinación de datasets
Capítulo 3. Resumen de datos con funciones y filtros
Capítulo 4. Análisis con tablas dinámicas
Capítulo 5. Visualización y storytelling con insights
Capítulo 6. Usando IA para métricas, fórmulas y agregaciones

Domina las bases de SQL para analizar datos financieros y responder preguntas de negocio. En este módulo aprenderás a navegar bases de datos relacionales, extraer información con consultas básicas y usar funciones de agregación para calcular métricas clave como ingresos, costos, margen y ROI. También practicarás cómo unir tablas para análisis más completos, detectar tendencias en el tiempo y comunicar hallazgos con claridad. La IA te servirá como apoyo para generar queries más rápido, interpretar resultados y preparar reportes para distintos públicos.

Capítulo 1. Estructura de bases de datos relacionales
Capítulo 2. Consultas SQL: selección, filtros y ordenamientos
Capítulo 3. Cálculo de métricas financieras clave
Capítulo 4. Análisis de tendencias y comunicación de insights
Capítulo 5. Preparación y entrega de reportes financieros
Capítulo 6. Usando IA para consultas SQL y reportes ejecutivos

Aprende a mapear y analizar el recorrido de tus usuarios para entender mejor su comportamiento y optimizar la conversión. En este módulo usarás SQL para reconstruir flujos de usuarios, medir tasas de conversión y detectar cuellos de botella en funnels. También trabajarás con cohortes para analizar retención en el tiempo y simular escenarios de mejora para estimar su impacto en métricas clave como ingresos o engagement. Finalmente, convertirás tus análisis en visualizaciones y dashboards claros para diferentes audiencias.

Capítulo 1. Entendiendo el user journey y estructurando el análisis
Capítulo 2. Construcción de funnels con SQL
Capítulo 3. Análisis de retención con cohortes
Capítulo 4. Modelado de escenarios e impacto en negocio
Capítulo 5. Comunicación de insights y dashboards para stakeholders

Aprende a organizar y limpiar datos como lo hacen los analistas profesionales. En este módulo configurarás un entorno de trabajo en Python con Jupyter o Google Colab, cargarás datasets en Pandas y aplicarás técnicas de exploración estructurada. Practicarás cómo detectar y corregir errores comunes (valores nulos, duplicados, formatos inconsistentes), transformar columnas y combinar múltiples fuentes en un dataset unificado. Además, aprenderás a documentar tu trabajo en notebooks claros y reproducibles, y a usar GitHub para colaborar y compartir análisis. Con el apoyo de la IA, podrás acelerar tareas como limpieza, agrupación y generación de código en Colab.

Capítulo 1. Configuración de un entorno de análisis con Python

Capítulo 2. Exploración y manipulación de DataFrames

Capítulo 3. Limpieza y estandarización de datos crudos

Capítulo 4. Filtrado, ordenamiento y agrupación de datos

Capítulo 5. Combinación y estructuración de múltiples datasets

Capítulo 6. Usando Google Colab e IA para limpieza y agregaciones rápidas

Aprende a usar estadísticas descriptivas y visualizaciones para descubrir patrones, detectar anomalías y comunicar hallazgos con claridad. En este módulo trabajarás con Pandas, Matplotlib y Seaborn para calcular medidas de tendencia central y dispersión, identificar distribuciones sesgadas, y visualizar datos con histogramas y boxplots. También practicarás cómo manejar outliers, transformar variables para mejorar la calidad del análisis y resaltar insights clave en gráficos claros y comprensibles para audiencias no técnicas.

Capítulo 1. Preparación de datos para análisis estadístico
Capítulo 2. Estadísticos descriptivos: tendencia central y variabilidad
Capítulo 3. Visualización de distribuciones y detección de outliers
Capítulo 4. Manejo de sesgos y anomalías en los datos
Capítulo 5. Comunicación de hallazgos estadísticos para audiencias de negocio

Aprende a combinar, limpiar y organizar datasets para explorar relaciones entre variables numéricas. En este módulo usarás Pandas y Seaborn para preparar datos, crear scatter plots y calcular matrices de correlación que revelen patrones ocultos. Practicarás cómo interpretar relaciones positivas, negativas o nulas, y cómo validar insights con visualizaciones claras. Además, aprenderás a documentar tu proceso de análisis en Jupyter Notebooks estructurados y fáciles de seguir, como lo haría un analista profesional.

Capítulo 1. Importación y preparación de datasets en Pandas
Capítulo 2. Combinación y organización de múltiples tablas
Capítulo 3. Exploración de relaciones entre variables con scatter plots
Capítulo 4. Construcción e interpretación de matrices de correlación

Aprende a convertir preguntas de negocio en hipótesis estadísticas claras y valídalas con pruebas en Python. En este módulo usarás SciPy y statsmodels para calcular intervalos de confianza, ejecutar t-tests, z-tests y chi-cuadrado, e interpretar p-values en un contexto empresarial. También practicarás cómo preparar datos para cumplir con los supuestos de cada prueba, documentar tu análisis en notebooks claros y co-crear interpretaciones con IA para mejorar tu comunicación de resultados.

Capítulo 1. Formulación y estructuración de hipótesis de negocio
Capítulo 2. Pruebas de medias y proporciones con Python
Capítulo 3. Pruebas de independencia entre grupos con chi-cuadrado

Aprende a transformar datos en narrativas visuales convincentes con Power BI o Tableau. En este módulo conectarás datasets reales a un BI tool, crearás gráficos interactivos (líneas, barras, mapas, proporciones) y aplicarás principios de diseño para comunicar insights de manera clara y persuasiva. También aprenderás a estructurar dashboards con filtros dinámicos y a resaltar patrones clave mediante formato visual y storytelling SCQA. Finalmente, compartirás y presentarás tu tablero como un reporte profesional listo para la audiencia.

Capítulo 1. Conexión a datos y exploración de estructura
Capítulo 2. Creación de visualizaciones básicas y comprensión de su propósito
Capítulo 3. Añadiendo interactividad con filtros y controles
Capítulo 4. Diseño de un dashboard claro y efectivo
Capítulo 5. Compartiendo y presentando hallazgos

Aprende a integrar múltiples fuentes de datos en un BI tool y a construir dashboards interactivos que respondan a las preguntas de negocio de distintos públicos. En este módulo diseñarás modelos de datos con relaciones entre tablas, crearás campos calculados y medidas personalizadas para métricas clave como ingresos, crecimiento o retención, y realizarás análisis de cohortes para entender el comportamiento de clientes en el tiempo. También practicarás cómo estructurar dashboards con vistas enlazadas, filtros dinámicos y visual storytelling para ejecutivos y analistas. Finalmente, refinarás y entregarás un tablero claro y accionable, listo para toma de decisiones.

Capítulo 1. Conexión de múltiples fuentes y modelado de relaciones
Capítulo 2. Creación de campos calculados y medidas personalizadas
Capítulo 3. Diseño de dashboards interactivos para diferentes audiencias
Capítulo 4. Comunicación de insights accionables mediante dashboards

Aplicar todo lo que has aprendido en el bootcamp de dos semanas que recrea la experiencia de trabajo de un analista junior.

Espacio para el apoyo entre pares y la creación de redes profesionales productivas:

• Comunicación constante con otros graduados y graduadas
• Eventos en línea: seminarios web de profesionales de la industria, sesiones de networking
• Oportunidades de trabajo y trabajo autónomo para tutores y para quienes se gradúan

Este curso adicional gratuito prepara a quienes se gradúan para la búsqueda de empleo. Consiste en lecciones, tareas y feedback de especialistas en Recursos Humanos.

Estructura del curso de preparación para la carrera profesional:

• Estrategia personal de búsqueda de empleo
• Mercado laboral en TI y la esfera digital
• Entrevista: teoría y práctica
• Habilidades de networking
• Resumé/Curriculum Vitae
• Carta de motivación
• Portafolio
• Presencia en línea: LinkedIn, etc.

Esta es una actividad en comunidad, durante la cual quienes se gradúan:

• Buscan activamente un empleo y mejoran constantemente a través del ciclo de feedback organizado por nuestros especialistas de Recursos Humanos
• Practican entrevistas técnicas y de Recursos Humanos (entrevistas simuladas)
• Hacen networking (con nuestra ayuda y por su cuenta)
• Obtienen acceso a los socios y socias de TripleTen y sus oportunidades laborales