Datos sin Ser Data Scientist: De Excel a Decisiones con IA

Comprender la diferencia entre tomar decisiones por intuición y por datos, con ejemplos reales de PyMEs argentinas que cambiaron su rumbo gracias a los datos.

Realizar un inventario de las fuentes de datos disponibles en un negocio típico: planillas, CRM, Google Analytics, redes sociales y facturación.

Entender qué es un dashboard, por qué es diferente a tener datos en una planilla, y ver ejemplos reales por tipo de negocio.

Distinguir entre dato crudo, información procesada e insight accionable, y comprender el pipeline mental para transformar datos en decisiones.

Identificar las métricas clave (KPIs) según el tipo de negocio: e-commerce, SaaS, servicios, retail, y elegir las 5 métricas más relevantes.

Realizar un inventario completo de las fuentes de datos disponibles en tu negocio o emprendimiento, clasificándolas por tipo y frecuencia de actualización.

Crear tablas dinámicas desde cero para agrupar, filtrar y resumir datos masivos en segundos, usando campos, valores, filtros y slicers.

Dominar las 10 fórmulas avanzadas más útiles de Excel, incluyendo XLOOKUP, y saber cuándo usar cada una evitando errores comunes.

Aplicar técnicas de limpieza de datos en Excel: eliminar duplicados, corregir formatos, arreglar fechas rotas usando Flash Fill, Text to Columns y Find & Replace avanzado.

Construir dashboards visuales directamente en Excel usando gráficos dinámicos, sparklines, formato condicional y celdas interactivas.

Grabar y ejecutar macros en Excel, comprender lo básico de VBA para hacer ajustes menores, y crear botones personalizados de automatización.

Comparar Google Sheets con Excel, aprovechar sus ventajas colaborativas y usar Apps Script para automatizar tareas conectando Gmail, Calendar y Forms.

Construir un dashboard completo en Excel usando datos de ventas ficticios pero realistas, aplicando tablas dinámicas, gráficos y formato condicional.

Comprender las limitaciones de Excel frente a SQL y saber cuándo conviene migrar a una base de datos relacional.

Escribir consultas SELECT con múltiples condiciones usando LIKE, IN, BETWEEN, CASE WHEN, aliases y control de NULL.

Dominar INNER JOIN, LEFT JOIN y RIGHT JOIN para cruzar datos de múltiples tablas, entendiendo cuándo usar cada uno.

Usar GROUP BY con funciones de agregación (COUNT, SUM, AVG) y HAVING para crear reportes de ventas por período, vendedor y producto.

Escribir subconsultas, CTEs con WITH para queries legibles, y Window Functions (ROW_NUMBER, RANK, LAG, LEAD) para análisis avanzados.

Configurar conexiones ODBC, usar Power Query en Excel y conectar Google Sheets con BigQuery para tener datos en vivo en planillas.

Escribir consultas SQL reales sobre una base de datos de ejemplo (tienda online) aplicando SELECT, JOIN, GROUP BY y funciones de agregación.

Entender qué es Power BI Desktop, sus capacidades frente a Excel, y por qué es la herramienta de BI más utilizada en el mundo.

Conectar Power BI a múltiples fuentes (Excel, CSV, SQL, APIs) y usar Power Query para transformar datos al importar.

Construir un dashboard interactivo paso a paso usando visualizaciones de barras, líneas, tarjetas, tablas y mapas con filtros y slicers.

Dominar las funciones DAX esenciales: medidas vs columnas calculadas, CALCULATE, FILTER, ALL, RELATED y time intelligence (YTD, MoM, YoY).

Aplicar principios de diseño de datos: jerarquía visual, regla de 7 elementos, colores con significado, tooltips y storytelling con datos.

Publicar dashboards en Power BI Service, configurar refresh programado, row-level security y comparar el plan gratuito vs Pro.

Construir un dashboard completo en Power BI Desktop conectando un dataset de ventas, creando visualizaciones interactivas y aplicando DAX básico.

Comprender las ventajas de Metabase como herramienta open source de BI, comparar con Power BI y realizar la instalación con Docker en 15 minutos.

Conectar Metabase a PostgreSQL, MySQL o SQLite y usar el query builder visual para crear preguntas sin escribir SQL.

Crear dashboards interactivos en Metabase con filtros compartidos, auto-refresh, variables y text cards organizados en colecciones.

Gestionar usuarios y permisos, compartir links públicos, embeber dashboards en apps y configurar reportes automáticos por email.

Instalar Metabase con Docker, conectar una base de datos de ejemplo y crear un dashboard interactivo con al menos 4 visualizaciones.

Dominar técnicas de prompting para generar, depurar y optimizar queries SQL con IA, dando contexto del schema y validando resultados.

Subir datos a Claude/ChatGPT para obtener análisis exploratorios, detectar anomalías, correlaciones y segmentaciones automáticas.

Construir un pipeline automatizado de reportes: query SQL → análisis IA → formato → envío por email usando n8n + Claude API.

Usar IA para limpiar datos a gran escala: normalizar direcciones, clasificar textos, extraer entidades con Python + pandas + IA.

Entender regresión lineal, tendencias y estacionalidad para hacer forecasting básico con Excel y con IA, conociendo sus limitaciones reales.

Configurar queries programadas que verifican condiciones y disparan alertas automáticas cuando las métricas salen de rango usando n8n + SQL.

Diseñar y documentar un pipeline completo de análisis de datos que combine SQL, IA y automatización para un caso de negocio real.

Identificar objetivos de negocio, mapearlos a métricas y elegir los 5-7 KPIs que van en el dashboard, diferenciando KPIs de vanity metrics.

Organizar fuentes de datos, crear tablas relacionadas y diseñar un modelo de datos tipo star schema que alimente el dashboard.

Construir el dashboard final paso a paso: conectar datos, crear visualizaciones, armar layout, agregar filtros y configurar refresh en Power BI o Metabase.

Configurar scheduled refresh, conexiones en vivo y alertas automáticas para que el dashboard se mantenga actualizado sin intervención manual.

Aplicar técnicas de data storytelling con estructura contexto → insight → recomendación, adaptando la presentación al público objetivo.

Entregar el proyecto final: un dashboard completo para un negocio real con métricas definidas, datos modelados, visualizaciones interactivas y automatización.