Cómo ser Analista de Datos

9:00 — El analista revisa el correo: el director de marketing quiere entender por qué las conversiones cayeron un 15% la semana pasada. Hay que responder antes de las 14:00.

9:30 — Extracción de datos con SQL: consulta el data warehouse para obtener los datos de visitas, clics y conversiones por canal, dispositivo y campaña. Los datos están en tres tablas distintas que hay que cruzar con JOINs.

11:00 — Limpieza y análisis en Python (pandas): hay valores nulos en el campo de campaña de origen. El analista aplica una regla de imputación basada en la URL de referencia y crea las métricas de conversión por embudo.

12:00 — Visualización en Power BI: construye el dashboard con el desglose de conversiones por canal. Se ve claro: la caída se concentra en el tráfico de Google Ads en móvil. Las campañas de remarketing siguen igual. Hipótesis: cambio en el algoritmo de pujas automáticas de Google.

13:30 — Presentación al director de marketing: 5 diapositivas, datos claros, conclusión accionable. El analista recomienda revisar la estrategia de pujas en móvil y propone un test A/B para validar la hipótesis.

15:00 — Trabajo habitual: actualización del dashboard mensual de KPIs de negocio. Automatización de la extracción de datos con un script de Python que se ejecuta cada lunes.

17:00 — Petición del equipo de producto: análisis de retención de usuarios del nuevo feature lanzado hace 3 semanas. El analista define las cohortes, construye la tabla de retención y detecta que los usuarios que completan la configuración inicial tienen una retención 3 veces mayor.