DatLab: Guía completa para iniciar en análisis de datos e IA en 2026

e he Так.

Ahí se me escucha. Hola, hola. Me confirman por chat a ver si todos me están escuchando bien, si no tenemos

ningún problema técnico. Bienvenidos. Estaba leyendo el chat. A ver, ahí, perfecto. Sí, se me escucha genial.

Bueno, bienvenidos a todos. ¿Cómo están? Estaba leyendo el chat. Me encanta que sean participativos. Así que vamos a

hacer esta clase dinámica. Voy a estar leyéndolos. Y ya estuve viendo algunos comentarios y si esto es 100% en vivo,

les puedo mostrar la hora, todo mi teléfono. Ahí ven bien. Estamos en vivo totalmente, así que vamos a poder

interactuar, que es la idea. Em, vi que estamos eh varios de diferentes lugares, desde Perú, Venezuela, Argentina, me

encanta, desde España. Váyannos contando desde dónde están, porque somos varias personas de diferentes lugares. Y bueno,

muy contenta de dar comienzo a Datalav. Bien, durante estas tres clases el objetivo es orientarlos en todo lo que

es el mundo de análisis de datos e inteligencia artificial. Eh, vamos a estar eh voy a estar yo en la clase y

Alfonso, que es el director académico de de la Academia Unicorn. Bien, hoy voy a estar yo y vamos a ir avanzando en las

diferentes clases. Quiero saber quiénes de acá ya conocen la academia o ya me conocen a mí para conocer un poquito

cuánto contexto tenemos que dar al empezar. A ver, voy a compartir pantalla. Ahí se ve, ¿no?

A ver qué me dicen, qué contexto tienen. Si no conocen nada, no pasa nada. Les voy a ir contando ahora mientras vamos

avanzando. Yo aún no dice Andrea. Ojo, hay personas que que sí que nos conocen hace tiempo,

yo sé, pero hay personas que vinieron directo, no saben ni en qué se apuntaron. Eh, les aviso que no es un un

una formación de cocina ni de cerámica ni nada. Estamos en una formación de datos. Eh, analítica de datos. Suena

difícil, no se asusten, eh, no se asusten. Van a ver que no es tan complejo como suena, pero pero quiero

saber. ¿Se ve la pantalla negra? Creo que las personas que están en el teléfono. Puede ser. El resto creo que

se ve bien. Ah, mira, hay personas que se anotaron en el anterior. Primera vez, cero. Yo te conozco. Soy tu fan, me

encanta. Te conozco por el curso gratuito. Soy nueva. Primera vez. Bien. Vengo del mundo de los oficios, recién

estoy comenzando en el mundo de los datos, primera vez en formación por videos de YouTube. Bueno, les voy a ir

contando para darles contexto eh de quiénes somos, lo que hacemos, quién soy yo, porque creo que es muy importante

para que sepan un poco de de qué vamos a estar hablando estos tres días. Lo primero que tienen que saber, eh,

Unicorn Academy es una academia online, bien, que ya llevamos 4 años en en el mundo digital formando a perfiles en

analítica de datos. Bien, y hacemos estos eventos como Atalab en vivo, repito, en vivo. No estoy estoy

realmente acá, no soy un holograma todavía, no soy una IA, pero en vivo para justamente ayudar a más personas a

conocer el mundo de de los datos, porque sabemos que es un mundo que genera mucha confusión y también para que conozcan

nuestra academia, nuestro programa, la propuesta de valor, lo que hacemos. Entonces, durante estos tr días no solo

van a aprender, también van a conocer lo que hacemos, alumnos nuestros. va a haber un mix de todo, así que van a ver

que va a valer la la va a valer la pena. E otra cosa que leí por ahí que alguien decía, "Espero que esté bueno, que ya

vengo de muchas formaciones que que se que es antiguo, se repite lo mismo. Lo que van a ver hoy no lo van a ver en

ningún otro lugar. Ya les estoy avisando. Lo que van a ver hoy no lo van a ver en otro lugar. Van a vamos a

aprender de verdad. O sea, no vamos a hablar de herramientas. Sí. E no vamos a, o sea, vamos a hablar de herramientas

en sentido básico de que sí, de las herramientas mínimas que tienen que saber y por qué, pero no va a ser el

foco por ahí. Hoy en día la herramienta se puede aprender, eh, no es lo más difícil. Lo que vamos a ver hoy es

justamente todo lo que no se ve en internet, lo que no se está diciendo. Entonces, el objetivo es que ustedes

aprendan, ¿sí? Que se lleven lo máximo que que puedan de estos eh eventos y que más personas nos conozcan. Bien, ahora

vamos a ir empezando y de a poquito les voy a ir contando más. ¿Sí? Bueno, vamos a empezar con lo primero. Como les dije,

esto va a ser dinámico. Vamos a ir charlando, vamos a hacer encuestas, vamos a hacer un ejercicio también, así

que ojo, mañana hay un proyecto práctico, pero bueno, les voy a ir contando cositas. Tengo muchas cosas que

contarles, así que vamos a ir de a poco. Lo primero que quiero saber es con qué afirmación se identifican. Voy a hacer

un poquito de zoom. Sí. E tenemos la encuesta por ahí. Cande la está la está poniendo por acá.

Tengo al equipo detrás. Vayan votando. E con qué afirmación se identifican hoy en día. ¿Por qué están acá? Uno, quieren

cambiar de profesión, ya sea porque están en una profesión totalmente diferente al mundo de datos y quieren

cambiar, dar un giro. Dos, sienten que su trabajo actual ya no están creciendo y se sienten estancados, están

desmotivados. Número tres, les preocupa todo esto que está evolucionando la inteligencia

artificial, que quizás les quite valor o saben que tienen potencial para más. Vayan votando, así veo eh cómo va el lo

que es el chat. Otra cosa, duración de esta clase una hora y media, dos a prox, según cómo vengan de charlatanes, según

cómo vengan, pero no les voy a decir exacto porque porque me gusta tener un margen de 15, 20 minutos por si tenemos

que que profundizar en algún tema que no se entienda. Entonces, más o menos una hora y media, dos es la idea. Mi

objetivo es no pasarnos de 2 horas porque se vuelve un poco pesado, pero bueno, van a ver que va a ser divertido.

Yo los invito a que estén lo máximo que puedan porque vamos a intentar hacerlo entretenido. Ahí veo que están votando 4

2 4 1 2. Bien. 1 cu la opción 2s 3 y cu. Muy bien. ¿Dónde se vota en el chat? Eh, sí,

aparece una encuesta para que vayan votando. 2 cu 3. Muy bien. Uno. Bueno, tenemos de todo. Tenemos de todo.

Hay personas que puedan tener más de una, pero entiendo que la mayoría esté acá por estas por estos diferentes

motivos, ¿no? A mí también eh me pasó lo mismo, por eso por eso estoy poniendo estas opciones. Ahora les voy a contar

un poquito de mi historia para los que dijeron que no conocían el por qué estamos acá hablando de análisis de

datos e, ¿no? el que no conoce no va a entender nada que cómo es este recorrido. E y bueno, yo les voy a

contar un resumen de mi historia e para que conozcan por qué estamos acá hoy, pero resumido, porque como saben, las

historias debía son un poco largas. Pero yo estudié contabilidad en Uruguay. Eh, me gradué de la carrera muy conocida en

Latinoamérica, contador público. En España puede ser una administración de empresas, un ADE, ¿no? Viene por el lado

de de los números de los negocios. Y como cualquier persona del rubro trabajé 4 o 5 años en áreas financieras. lo

típico, ¿no?, que te decían, "Bueno, vas a estudiar contabilidad, una profesión con mucha salida laboral, mucho futuro."

Y no habían dudas, o sea, yo trabajé en el mundo corporativo, en el mundo profesional, 5 años en áreas

financieras, pero es verdad que llegó un punto en el que yo me sentía estancada. En el año 2019, después de haber

trabajado 4 o 5 años, yo ya estaba un poco aburrida de las tareas, eran muy operativas. Yo trabajé en riesgos,

después trabajé en el área de más operativa de traspaso de facturas, operaciones, hacer conciliaciones

bancarias, bueno, todo eso que es muy aburrido. Y después en el área de cobros que tenía un poco que ver con el riesgo

pero menos analítico. Y la verdad es que llegaba un punto en el que era siempre lo mismo. Y además yo estaba estancada,

yo ya me había venido a España a vivir en el en el 2018 y estaba buscando crecer profesionalmente. Y en ese

momento por ahí escuché el término big data, que en ese momento se hablaba de big data, pero parecía eso, ciencia

ficción, no había nada de información en internet, e no había creadores de contenido, no habían este tipo de

eventos, no había nada. Entonces yo en ese momento lo que hacía era me comprar algún libro, algún curso, pero en

inglés, porque no se hablaba mucho de de todo esto, ¿no? Y ahí descubrí el mundo de los datos, obviamente un un

recorrido, conocer, leer un poco sobre esto, si me iba a gustar y ahí fue que decidí, sí, me quiero enfocar eh al área

de datos. ¿Por qué dije que sí? Porque yo siempre fui una persona que le gustaban los números, pero le gustaba

como la parte de pensar estratégica. No me no me gustaba hacer solamente tareas operativas, me aburría. Realmente yo

creía que podía ser más, o sea, aportar más valor en las empresas, podía trabajar en proyectos que estuvieran más

interesantes y sentía que que en lo que estaba haciendo no aportaba mucho. Entonces, fue ahí que decí, "Bueno, me

voy a formar en esto de datos, ¿no? Eso fue en el 2019." Ahí fue que empecé a hacer formaciones,

pero cursos grabados. Me anoté a un máster, que después cuando empecé el máster conseguí trabajo de datos.

Entonces fue un poco todo rodando, pero al principio lo que hacía era crear contenido en LinkedIn para conseguir

oportunidades. Yo me movía mucho porque realmente quería cambiar. Yo no me imaginaba un año más trabajando en este

rol operativo. Entonces, la verdad es que me moví bastante y conseguí mi primer oportunidad en en datos en

Business Intelligence en el año 2019. Y ahí fue que estuve 3 años trabajando en el área de datos. aprendí muchísimo.

Eh, también creaba contenido y así fue como eh lanzamos una primer versión de de un curso en análisis de datos en el

2022. E y a partir de ahí, Unicorn, la academia, el programa, el curso fue

creciendo muchísimo, muy rápido. Y ahí fue que eh me empecé a dedicar full time a la academia, a crecerla, a empezar a a

llegar a más personas y hoy 4 años después estamos eh estamos acá. Pero hemos hecho más de 16 ediciones, estuve

eh también trabajando un tiempo como freelance, o sea, he hecho muchas cosas y y siempre aprendiendo mucho de la

parte de datos de negocio, con toda esa experiencia que yo traía al departamento de datos y hemos formado más de 2600

alumnos. Entonces, resumidamente he pasado por muchos puestos y hoy en día nos dedicamos a formar a otras personas

en el mundo de los datos. ¿Sí? Entonces, eso es un poco la historia, pero vamos a ir, les voy a ir contando algunas cosas

más a medida que vayamos avanzando para no aburrirlos. Bueno, ¿qué vamos a hacer estos tres días? Vamos a hacer un

resumen. No se pueden perder ninguno, ya les aviso porque va a ser muy divertido estos tres días. La idea de hoy es

entender y ordenar un poco el ruido, darles como un mapa, explicar un poco cómo está el mercado del análisis de

datos, qué es lo que realmente necesitan saber, cómo se aporta valor y un ejercicio. Tengo preparado un ejercicio

para ir calentando las neuronas, porque acá van a aprender y no es solamente mirar los videos o mirarme a mí, sino

quiero que vayan pensando, vayan ejercitando porque si no no aprendemos si no practicamos. Mañana vamos a hacer

un proyecto práctico. Mañana todo lo que aprendan hoy lo vamos a practicar. Sí, hoy es como un poco la introducción

y el tercer día vamos a entender mejor cómo movernos en el mercado laboral. en todo lo que tiene que ver con datos e

IA y vamos a hacer una mesa redonda con alumnos. Bien, ese es el resumen de las tres clases y lo que van a aprender cada

día. Antes que alguien lo diga, tema de me parece que está resfriada. Sí, estoy con resfriada, alergia, no pasa nada,

no, no nos detiene el datalab, eh, aunque esté enferma lo vamos a hacer. Em, antes que digan nada, tema de

asistencia, es importante que sepan que no les voy a decir cuándo les voy a pasar la asistencia, porque ya leí a

varios preguntando por la asistencia. ¿Cómo van a preguntar por la asistencia si todavía no hicimos la clase? La día

es que aprendan, no que se lleven un papel. El certificado de participación va a certificar el que participa y el

que aprende. Y lo más importante es que aprendan, no que se lleven un papel. Entonces, no les voy a decir cuándo va a

aparecer. Tienen que estar atentos y se va a marcar la asistencia. Sí, porque lo importante es que se lleven

conocimiento, que que aprendan, que conozcan cómo hacemos las cosas en Unicorn, no que se lleven un papel. Sí,

eso me interesa que ustedes se lleven a algo práctico. Entonces, vamos a empezar con la primer pregunta que todos están

haciendo lo que están hoy en el chat y sé que les preocupa. Voy a hacer un silencio.

¿Tiene sentido aprender análisis de datos en 2026? No saben cómo me llega esta pregunta, pero Caterina, ¿qué

sentido tiene con la inteligencia artificial y para qué me voy a formar y nadie sabe lo que va a pasar? Y empieza

la ansiedad, empieza la, mira, acá está la pelotita de la ansiedad, ¿no? Todos los ansiosos empezamos y que y pasa y

qué hago y qué no hago y qué. Vamos a hablar un poco de esto. ¿Por qué tiene sentido aprender análisis de datos

en 2026? Lo primero que les voy a decir es que el análisis de datos no es un departamento, no es un rol. Hoy en día

son habilidades transversales, están presentes en todas las áreas, se habla muchísimo de datos. Cuando hablan de

inteligencia artificial, ¿ustedes qué se piensan que es la inteligencia artificial?

¿Qué se creen que hay detrás de la inteligencia artificial? Hay datos, datos hay detrás de la

inteligencia artificial. Entonces, si vos entendés cómo funciona el mundo de los datos, vas a entender la

inteligencia artificial. vemos hoy, a mí de verdad que me pasa lo mismo que ustedes, por eso los entiendo. O sea,

entrás a internet y parece que se termina el mundo, hay gente hablando de que en 2 minutos más o menos automatizó

toda su empresa y su rol y hay gente diciendo que la IA no sirve para nada y hay gente, obviamente te abruma, es

normal, estamos todos abrumados, pero lo que tenemos que razonar, ¿qué cosas qué tenemos como certeza? ¿Qué cosas sí

estamos viendo? ¿Qué cosas tienen sentido? Lo que tiene sentido es que la inteligencia artificial sí va a

revolucionar, pero que son datos y que las personas que entiendan de tecnología y datos, obviamente, van a tener más

posibilidades en el mercado laboral que la persona que se quede por fuera. Eso, por ejemplo, es lo básico. Ahora, esto

quiere decir que ya no, porque claro, como me dicen, el análisis de datos no tiene sentido, también te digo, el

contador no tiene sentido y seguimos viendo gente que necesita que las finanzas de su empresa salgan adelante.

Ah, entonces trabajar en marketing ya no tiene sentido porque la IA te hace todo el contenido y seguimos necesando gente

de marketing que entienda cómo crear buen contenido. La IA te saca los mismos contenidos, no tiene gracia. A mí no me

gustan los contenidos que saca la IA. Yo no digo que no mejore. Yo no digo que la IA no va a afectar. Yo solo digo que hay

que aprender a no ser extremo. Ni la no va a dejar a todo sin trabajo, ni va a pasar nada. Estar atento a las señales y

entender cómo podemos aprovechar para nosotros seguir siendo relevantes en el mercado laboral, ya sea el objetivo que

hayan marcado, crecer en mi empresa, aprender o pasarme otra profesión que tenga que ver con tecnología o quiero

justamente aportar valor en la empresa donde estoy. Sea cual sea el objetivo, tenemos que aprender cómo esto es

relevante para nosotros. Bien, pero no desde el miedo, porque si vos actuas desde el miedo, ahí es cuando realmente

tomas malas decisiones. Vos tenés que actuar con información y tenés que tener claro el por qué estás haciendo las

cosas. Y siempre que vos quieras crecer y que estés aprendiendo y que te motives por crecer profesionalmente, siempre va

a ser una buena decisión. Ahora, si vos te quedas paralizado con miedo y la IA y no sé qué y no sé cuánto y no tomas

acción en un año, se te fue un año y no hiciste nada. Porque por lo menos si tomas acción y te equivocas, por lo

menos tenés algo de respuesta. Ahora, si vos no tomas acción, lo peor que puedes hacer es quedarte paralizado esperando a

ver qué pasa. Eso es lo peor, porque no vas a tener información. Entonces, vamos a ver ahora por qué el análisis de datos

sigue siendo importante en la era en la que vimos, incluso más de lo que era antes. Lo primero voy a, no sé si se,

voy a hacer un poquito de zoom, pero no mucho. Lo primero que quiero que sepan es que el análisis de AT sigue siendo

una gran ventaja competitiva y lleva años siéndolo. Sí. Muchas empresas, las grandes empresas, si ustedes piensan, no

son empresas que venden, por ejemplo, ¿no? Eh, Uber no te vende transporte. El gran poder de Uber es la tecnología que

tiene por detrás, que son los datos. Bien, Airbnb lo mismo. Son empresas que por más que vos digas eh, sí, facturan

un montón o mira qué bien que les va, son empresas que están como dentro de las top empresas.

Realmente si te podés analizar por qué las empresas más grandes, Amazon, Uber, Sara, por ejemplo, si si analizas bien

es porque tienen estrategias de datos muy fuertes. Y cuando hablo de estrategias de datos, no estoy hablando

de herramientas, es lo primero que se tienen que llevar, no estamos hablando de herramientas. Ejemplo, acá les trajo

cuatro problemas, no vamos a entrar en los casos de negocio, pero siempre hablamos de un problema. Sí, por

ejemplo, Dropbox, no sé quién si lo conocen, pero es esta herramienta que eh es como Google Wrive, vos eh pagá un

almacenamiento y guardás los contenidos que quieras, ¿no? Entonces, Dropbox, por ejemplo, tuvo un

problema de negocio que era que le costaba caro conseguir usuarios nuevos, ¿no? Analizando sus datos, descubrió que

los mismos usuarios podrían traer nuevos usuarios, todo lo que se llama el plan de referidos, ¿no? tomaron la decisión

de incentivar los referidos que consiguieron pasar de 100.000 a 4 millones de facturación, por ejemplo. O

sea, es un problema muy particular, pero lo que quiero que se lleven de estos casos es que estas empresas que ustedes

las veneron empresas grandes, tuvieron que pasar fases. Obviamente las empresas son

cíclicas, pasan fases, fases donde hay que reinventarse, donde hay que tomar decisiones eh importantes. Una empresa

tiene que estar todo el rato pensando, bueno, ¿qué qué estrategia hago nueva de marketing ahora? cómo adapto mis

procesos con la IA, cómo cambio ahora el producto que estoy ofreciendo, todo eso. Eso a nivel estratégico, las empresas

están todo el rato tomando ese tipo de decisiones. Y las más grandes que han llegado a escalar tanto es porque

realmente han tomado decisiones con datos, o sea, realmente han descubierto algo en sus datos que hizo una

diferencia exponencial. Y estas empresas no estamos hablando de que hay una diferencia de no gano 100,000 € dó lo

que quieran más al año. Estamos hablando de que mover un tornillo, una tuerca que las hace ir bien, multiplican por dos.

Entonces, imagínense el poder que tienen estas empresas en sus datos. Ejemplo, Hotmail, ¿no? En la época de Hotmail le

costaba conseguir usuarios. Siempre mucho tiene que ver con los usuarios, con analizar al cliente, entender bien a

tu cliente. Cada usuario ya estaba llegando e a otras personas mediante email, o sea, eso es lo que descubrieron

en los datos y lo que hicieron fue convertir cada email en una invitación a la plataforma de Hotmail y así lograron

un millón de usuarios extras en 6 meses. Por ejemplo, Airbnb necesitaba más reservas. ¿Qué descubrieron en los

datos? Que algunas acciones generaban muchas más reservas que otras. Lo típico de la ley de Pareto 8020, descubrir en

los datos, esto es clave, vamos a hablar de eso, pero lograr descubrir en tus datos qué es lo que mueve la aguja es lo

más importante, descubrir esa pequeña información que hace la gran diferencia. Vamos a ver, después vamos a hablar de

esto en un ejercicio, pero es muy importante eso también, no todos los datos son relevantes. Tenés que tener

buen ojo para detectar cuál es la información que querés. ¿Qué es lo que hizo? tomaron la decisión de

experimentar, optimizar, hicieron un port en sus reservas. Uber necesitaba crecer de ambos lados, ¿no? La

plataforma que atrae conductores y atrae pasajeros, que encontró en sus datos que los incentivos podían modificar el

comportamiento del de los clientes, o sea, de los conductores o los pasajeros. Hicieron un experimento con incentivos y

adquisición y eso escaló la plataforma. Estos son ejemplos simples de empresas muy conocidas que realmente llevan

usando los datos hace años. Esto no es algo de ahora. O sea, estas empresas grandes llevan analizando su información

hace mucho tiempo. Entonces, ustedes me preguntar me preguntarán, ¿qué tenían en común todas estas empresas hace años?

que todas convirtieron sus decisiones en impacto. Ninguna empresa a vos te habla de una herramienta. No te están

diciendo, "Sí, yo uso Power BI para escalar, yo uso Google Sheets para esta esta la encontré gracias a a Excel." No,

no, ellos te hablan de datos, de las decisiones, del impacto. No te están hablando de una herramienta. Por eso el

mensaje de hoy fuerte va a ser, no nos podemos obsesionar con la herramienta. Si queremos aprender análisis de datos y

realmente aportar valor en una empresa, tenemos que entender cómo generamos ese impacto. La herramienta, obviamente, es

importante y la vamos a tener en cuenta, sí, pero es un medio, es una herramienta. Por más que vos seas el

mejor en Excel, si vos no tenés la capacidad de traducir un problema en impacto para un negocio, no te sirve

nada, Excel, no te sirve. Las empresas hoy quieren que vos generes impacto, no quieren que le hagas un Excel y le

descargues un montón de datos y no le sepas decir dónde tienen que mirar. Entonces, acá es donde yo quiero, primer

frase importante que se lleven de estos cuatro negocios o ejemplos o casos de uso que ellos tienen en cuenta que que

el que entiende de los datos entiende del negocio. O sea, si vos lográs entender los datos, vas a entender el

negocio. ¿Y qué es un negocio al fin? Todos ustedes seguro trabajan en empresas o han trabajado en empresas, al

menos que se dediquen a al mundo de ONGs, que está okay, pero bueno, la mayoría está en el mundo de negocios,

trabajan para una empresa que tiene que generar rentabilidad, ¿no? Tiene que generar ciertos ingresos, tiene que

generar ciertos márgenes. Si vos entendés los datos de la empresa, vas a entender el negocio y eso va a ser

que impacte a nivel rentabilidad. Y si vos logras eso, siempre vas a poder crecer tu valor como profesional.

Cuanto más vos te conviertas en un rol estratégico, menos operativo, más vas a poder crecer. Da igual que te dediques a

marketing, que te dediques a contabilidad, que te dediques a finanzas, que vengas de logística. Si

vos pasas de operativo a estratégico, vas a ganar más, te va a ir mejor, vas a aportar más. ¿Por qué? Porque las

empresas necesitan personas que les ayuden a tomar decisiones, que les ayuden a mejorar el negocio. ¿Ustedes se

creen que si ustedes tienen una empresa no van a querer personas que los están ayudando a mover la aguja o van a

preferir un operativo que repite lo mismo todos los días y que realmente no aporta valor en sus tareas y que encima

es verdad que es el que tiene más peligro de que la IA pueda hacer su trabajo? Porque no hace nada que aporte

valor, descarga una factura, la sube, eh hago esto, hago lo otro y ya está. El valor añadido está en esa parte

estratégica humana de contexto que no te lo da la tecnología. Pero entonces, ¿qué cambió?

¿Qué es lo que cambió ahora? ¿Por qué estamos hablando de el rol del analista de datos? La inteligencia artificial va

muy rápido. Bueno, con la evolución de la tecnología cambia la velocidad a la que podemos generar, analizar y usar la

información. Sí, cada vez es más rápido, cada vez podemos almacenar más información.

Cada vez podemos utilizar más los datos. ¿Ustedes cómo se creen que se alimentan las IAS, la inteligencia artificial en

general? ¿De qué se alimentan? De datos. Pero si tus datos están mal, adivinen qué va a pasar con la

inteligencia artificial. Va a estar mal. Entonces es muy importante que en una empresa haya buena

base de datos, buena calidad de datos, buenos análisis de datos para poder aprovechar una a inteligencia

artificial. Y hay muchas cosas que todavía la guía no tiene, mucho contexto, muchas eh muchas decisiones

que se han tomado, hay mucha información que todavía falta. Bien, entonces, ¿qué es lo que teníamos antes quizás o hace

unos años y que tenemos ahora diferente? Quizás antes los datos se producían a través de procesos y sistemas concretos,

o sea, estábamos más limitados quizás en una empresa. Los datos que tenía la empresa eran el software que usaba,

algún proceso, no era mucho volumen. Eh, el análisis que hacía el rol más de analista era eh trabajo que requería

herramientas muy especializadas, ¿no? Quizás necesitábamos tener un conocimiento muy profundo de x

herramienta para poder analizar nuestros datos, ¿no? O tenías que saber ciertas técnicas y utilizar los datos podría

llevar más tiempo. Capaz que para conseguir un reporte de marketing tenías que esperar semanas o meses para poder

tomar una decisión. Hoy en día, ¿qué nos pasa? Que los datos se generan mucho más rápido con la evolución de la

tecnología. Ustedes piensen que los datos se generan a través de tres formas. Uno, los humanos. O sea, los

humanos cuando ingresamos manualmente con el teclado, un software, la información. Dos, a través de máquinas

tipo sensores que captan información, ¿no? Ya están creados para captar datos. y tres a través de código, tecnología,

por ejemplo, cuando vos creas código, cuando creas una IA que hace algo, captura, captura información. Hoy en día

la IA puede capturar más. ¿Vieron que ahora la inteligencia artificial te graba una reunión, te hace un

transcript? Todo eso son datos, es información que a vos te sirve. Entonces, podemos generar más volumen de

datos. Para analizarlo, ¿qué pasa? Ahora tenemos herramientas. Es más fácil entender la herramienta. Capaz que antes

entender lenguaje de SQL era más difícil. Había una barrera, no es difícil igual, pero tenías que

aprenderlo. Yo, por ejemplo, que lo aprendí era todo con foros de indios que estaban en inglés cuando quería hacer

algo como más complejo, ¿no? Ahora le preguntas a la IA y te ayuda a resolver el problema. Entonces, hoy en día los

podemos procesar con herramientas quizás que un usuario de negocio pueda acceder. Por eso también hoy en día es necesario,

cada vez más que las personas de negocio conozcan estas tecnologías. Y además podemos pasar el dato a la

acción más rápido. Ahora se entregan los reportes más de rápido, podemos tener los datos con más velocidad. Entonces,

esas son las cosas que han cambiado. Esto no quiere decir que el análisis de datos no sea relevante.

El 2026 el problema ya no es tener datos, es saber qué hacer con ellos. El gran problema que tienen las empresas,

el problema no es que no tengan datos, el problema es que no saben qué decisiones tomar. No todo el mundo tiene

la capacidad de entender la información porque le falta contexto. Muchas veces, muchas veces no entienden, no todo el

mundo vos le das datos y sabe qué decisiones tomar. Eso es lo más difícil y es de lo que vamos a hablar hoy. Y

otra cosa que tienen que tener en cuenta, la inteligencia artificial puede generar respuestas incorrectas, desde

interpretar más los datos, se inventa información, encuentra correlaciones que no que quizás no significan causualidad,

genera códigos que funcionan pero están mal planteados, da respuestas que son convincentes cuando no lo son.

Entonces, hay que tener mucho cuidado porque yo veo personas hoy en día que están transmitiendo de que la IA lo

puede hacer todo y lo hace perfecto y se equivoca. Les voy a dar un ejemplo solo para que me a mí me gusta poner ejemplos

de la vida real para que ustedes entiendan lo que yo quiero decir. Yo tuve que preparar estas presentaciones

para hoy. Bien. Em, lo que iba a decir en esta clase, todos los datalab nosotros, como les decía, lo venimos, lo

hacemos cada 4 meses más o menos y siempre damos contenido similar en sentido del orden, ¿no? De cómo

iniciamos en el mundo de anatos, pero yo siempre cambio el contenido porque obviamente hay que actualizar, me gusta

mejorarlo, me gusta cambiarlo, ¿no? Ustedes se piensan que yo para crear este contenido lo hice 100% en conía.

¿Por qué se creen que no? ¿Por qué se creen que yo no puedo dar una clase 100% hecha por día? A ver si alguien sabe.

Ahí están diciendo algunas cosas de uno tiene que poder criticar a la IA. Me encanta tener ojo crítico.

El contexto, ¿qué más dicen? La interpretación profesional es super importante. La IA es una herramienta,

hay que aprender a trabajar junto a ella. Perfecto. La IA se equivoca. Muy bien. A ver qué me están diciendo. Por

las alucinaciones, pensamiento crítico, no tiene precisión. Te tiene que dar tu toque personal, dice Mikel. Por ahí va,

por ahí va. Yo les cuento, yo que creo contenido, que creo clases, que para mí es una

parte creativa, yo no digo que la no me ayude a sintetizar mis ideas, pero yo para poder transmitirles a ustedes con

total naturalidad lo que quiero decir y que realmente se entienda, no puedo leer un script de A porque ni yo sé qué estoy

diciendo, ¿se entiende? O sea, yo para poder entender un concepto y transmitirlo, no sé si alguien acá da

clases o o tiene que explicar conceptos, si vos no lo entendés, es como cuando iban al liceo o a la secundaria o a la

ESO, como lo llamen, y tenías que estudiar un tema para después escribirlo en el examen. Si vos no lo estudiá, no

sabés de qué vas a hablar. Bueno, a mí me pasa eso. A mí me pasa que si yo no entiendo bien el tema, me cuesta mucho

transmitirlo bien. Lo puedo transmitir, sí, pero no va a ser igual. Lo voy a leer así. Bueno, no. Y no transmite.

Entonces, eso mismo es ejemplo, pasa en todas las áreas hoy en día. En análisis datos la te puede ayudar, pero si vos

tenés que transmitir el insight final, la estrategia de datos y entender cómo eso va a ayudar a la empresa, bien, y

después hacerle un seguimiento y que eso esté todo bien, no te puedes basar 100% en Ia porque va a estar mal y vos no vas

a entender ni lo que estás haciendo. Entonces, para vos, yo no digo que no te apoyes en IA, yo por ejemplo me apoyé en

Ia para sintetizar o para ciertos conceptos de esto lo quiero decir de esta forma, ¿cómo lo dirías? Y lo ajusto

a mi vocabulario. Hay una ida y vuelta. Hay una ida y vuelta y para eso está bien utilizarlo, para esa ida y vuelta,

pero no va a reemplazar mi parte humana porque si no yo no sé ni qué estoy diciendo, ¿se entiende? Entonces es

difícil que vos 100% puedas delegar todo. Después hay cosas que capaz que te las has a mí no hay nada que 100% me lo

haga la hoy en día. 100% de principio a fin. digo un proceso completo, no te digo una parte, te digo un proceso

completo, porque para mí hay cosas que es muy difícil sin contexto. Entonces, otra cosa que quiero que se

lleven es cuanto más fácil es obtener una respuesta, más importante saber si esta respuesta tiene sentido.

Cuanto más fácil a ustedes les dan una respuesta, más importante que tenerle sentido

obtener pensamiento crítico sobre lo que te están dando. Yo veo muchas personas copiando, pegando, automatizando con IA.

La gente ya se da cuenta, ve que no hay valor, ve que es un mensaje vacío, ve que no hay estrategia, no no es tan

fácil como, ah, si esto lo hago en 2 minutos con IA. Yo estuve días haciendo las presentaciones, días porque no me

convencía, porque dije, "Esto lo voy a decir así, esto lo voy a sacar, esto lo voy a Para hacer las cosas bien las

tenés que hacer bien." Y no digo que no te apoyes, la IA es una herramienta más. El problema es que las personas se

obsesionan. Es una ventaja. La guía es una ventaja más que vos tenés en tu mochilita de herramientas. Yo no digo

que no hay que usarla, hay que aprenderlo básico, pero no se obsesionen con ahora todo el mundo está obsesionado

con que ya el humano no tiene valor y que la va a hacer todo. Y al revés, las personas que sepan usaría, pero que

sepan tener pensamiento crítico, van a resaltar. Estoy seguro que ustedes en redes sociales ven un montón de

contenido que ya saben que está hecho con IA y dicen, "Uf, lo mismo. Ay, es el mismo mensaje, no me aporta." No, no, no

le veo gracia, ¿no? Porque el humano quiere las cosas diferentes. Entonces, ahí está el valor. El valor no está solo

en analizar datos, en saber pensar con esos datos. Bien. Y no podemos delegar lo que mejor se le da a los humanos, que

es pensar. ¿Qué preguntas claves nos vamos a hacer cuando nos enfrentemos a un proyecto de

datos? Entonces, ejemplo, ¿qué problemas estamos intentando resolver? ¿Qué pregunta le tenemos que hacer a estos

datos? ¿Qué significa esto para el negocio? ¿Qué deberíamos medir? ¿Este resultado tiene sentido? ¿Qué decisión

debería tomar con estos datos? Ejemplos de preguntas que nos podemos hacer. Es muy importante que ustedes al

enfrentarse a los datos, y ojo, vuelvo al mismo concepto, estamos hablando del análisis de datos como rama, como área y

la inteligencia artificial, pero muchos de los que están acá ya trabajan con datos en su día a día. Los que están en

contabilidad, yo trabajaba con datos, los que están en marketing, los que están en logística, los que están,

muchos de los que están acá ya trabajan en con datos, ¿si? Pero no saben cuestionarse, no saben hacerle buenas

preguntas y eso vamos a ver cómo desarrollas esa capacidad. Otra frase que les voy a dejar hoy, les

traje una foto de un libro que yo tengo y algo que habla mucho este libro, que también es un libro antiguo, eh, hay

muchos libros que hablan de la ventaja del análisis de datos, la ventaja de entenderte analítica y dicen que las

empresas ya no compiten por tener el mejor producto, compiten por quien toma mejores decisiones más rápidas y basadas

en datos. Entonces, los datos es clave. Por más que vos creas que hay cosas que son de

una forma, si vos no sabés tomar decisiones en una empresa con datos, estás fuera.

Entonces, por esto el análisis de datos es mucho más relevante en 2026, porque las empresas están inundadas de datos,

están bombardeadas con el tema de la IA y necesitan personas que les ayuden a integrar todo esto. Ustedes piensen que

para muchas empresas todo esto es nuevo. Ustedes se creen que porque ven en internet, ¿no?, la IA, esto, lo otro, no

sé qué. Y realmente las empresas están mucho más atrasadas de los que creemos. Las empresas están, estoy seguro si

ustedes van y le preguntan a un círculo de cinco amigos o amigas que tienen a su alrededor, ¿sabes lo que es el análisis

de datos? Ni idea. ¿Sabes qué es? No, la mayoría de las personas no saben, mismo en las empresas si empiezan a preguntar

realmente qué se está aplicando, qué se está haciendo, qué va mucho más lento de lo que pensamos.

Hay empresas como todo que van más rápido que están perdiendo un montón de dinero por querer meterían todo sin

analizar estratégicamente realmente dónde vamos a mover la aguja. La obsesión por la vida está enloqueciendo

a las personas. Cuando deberían poner el foco en cómo crezco la empresa, sí tengo esta herramienta acá, pero ¿cómo hago

crecer la empresa? Entonces necesitamos profesionales que sepan de todo esto, que sepan adoptar la tecnología, que

entiendan de datos, que entiendan de IA y que ayuden a las empresas a crecer. Ese es el el

resumen. Y además de esto, el World Economic Forum, que es e una una web que saca informes todos los años, ¿sí? Em,

de cómo está el futuro del trabajo, sacó un informe donde acá creo que se ve, lo pueden eh mirar, está todo disponible,

público en internet. cuáles eran las principales habilidades del 2025 hasta el informe que sacó es hasta el 2030,

los próximos 5 años. Y la habilidad número uno que ponen es el pensamiento analítico.

Número uno, tener pensamiento analítico, cuestionarte, analizar. Las personas no piensan, no están pensando. De verdad,

si ustedes se dan cuenta, la mayoría de las personas viven automático, opera y no piensan, no se cuestionan.

Y eso es peligrosísimo para las empresas. Entonces,

la principal habilidad no es SQL, no es PowerBI, que son herramientas o lenguajes, es pensamiento analítico, la

capacidad de pensar, analizar y resolver problemas con información. ¿Sí? Y eso es lo que nosotros estamos cada

vez más apostando en la academia. Nosotros tenemos, como les decía, hoy, un programa donde formamos analistas de

datos, donde formamos a personas con habilidades de análisis de datos, profesionales que vienen de carreras

con, lo que decía hoy, de negocio, la mayoría diría que el 80% de nuestros alumnos son alumnos de negocio. Ya les

voy a ir contando más sobre el programa y lo que más foco les ponemos a los alumnos es en esto, pensamiento

analítico, no se obsesionen con la herramienta. Otro otra estadística más, el 39% de las habilidades actuales van a

cambiar hacia el 2030. Sí, del mismo informe, el World Economic Forum habla de que vamos a tener 170

millones de puestos nuevos creados en los próximos años, 92 millones de puestos desplazados y va a haber un

saldo neto hacia el 2030 de 78 m000ones, perdón, sí, 78 millones. O sea, que este miedo, yo creo que es como todas las

revoluciones que hay. Ahora le tenemos muchísimo miedo a la tecnología, pero piensen que siempre hubieron

revoluciones, siempre estuvo eh todas las revoluciones, la industrial, la

agrícola, todo generó desplazamiento, personas que se tenían que reinventar, personas que tenían que aprender nuevas

habilidades. Eso pasó siempre. Piensen, por ejemplo, la carrera contabilidad, que es la que yo estudié,

está presente hace muchísimos años. Y ustedes se piensan que las personas que estudiaron finanzas, contabilidad no

tuvieron que aprender herramientas nuevas, no tuvieron que aprender eh tecnología nueva. Yo tengo un montón de

compañeros que estuvieron contabilidad que están aprendiendo datos. Todos nos tenemos que reinventar, pero

si vos lo mirás con miedo, lo mirás con amenaza, es peor, porque no vas a poder ver el potencial. Estás tan ciego de que

todo esto es una amenaza, estás tan ansioso y miedo que no estás viendo la oportunidad. Okay, esto está pasando, es

verdad, va a haber revolución de roles. ¿Qué puedo hacer yo hoy con mis conocimientos?

Y les quiero contar la historia. Uy, mi nombre es Tapá Borzani. A ver si puedo pausar.

Buenas, ¿cómo andan? Mi nombre es Tapá Gorszani. Soy ahí.

Buenas, ¿cómo andan? Mi nombre es Tap. Les quiero contar la historia de un alumno. Eh, Tomás. Sí, Borsani. Él

estudioó contabilidad y su principal miedo era este, miedo a que la inteligencia artificial lo reemplace.

Muy ansioso Tomás. Sí. y que iba a ser dejar de ser relevante. Cuando él empezó eh con nosotros el

programa nos contaba eso, ¿no? De de que no sabía cómo podía combinar, que estaba trabajando en una empresa, que estaba

nervioso. Bueno, cuestión que él empezó a aplicar todo lo que aprendó aprendió en el programa con nosotros dentro de su

empresa y hoy se dedica a ayudar a la empresa a implementar automatizaciones con datos de inteligencia artificial.

Entonces, él no cambió de empresa. Él lo que hizo fue, "Okay, yo estoy de contabilidad, estoy en esta área, las

personas están viendo que a mí me gustan los datos, que me estoy formando, que estoy haciendo esto, me empezaron a dar

más proyectos." Eso, por ejemplo, es algo que está al alcance de muchos de los que están acá, porque la mayoría se

cree que para empezar en datos vos tenés que ser de cero analista de datos en Amazon. Si no, no sirve. Incluso yo que

hago hago videos para YouTube, capaz que alguno vio siempre tengo los comentarios, ¿no? No es que el análisis

de datos, el mercado de Junior está saturado, es que Pero, ¿quién habló del Mercado de Junior nada más? O sea, todo

el mundo tiene que aplicarlo a su rol o ver cómo puedo crecer. La mejor oportunidad es crecer dentro de la

empresa donde estás. Siempre lo digo, si vos tenés la oportunidad de crecer o demostrarle a tu empresa, mira, estoy

aprendiendo esto, me estoy formando en esto, quiero empezar a hacer nuevos proyectos o quiero aportar más valor, es

lo mejor que puedes hacer porque en la empresa donde estás ya te conocen, ya tenés contexto de negocio, ya tenés un

montón de información y va a ser ese rol que te va a abrir la puerta a nuevas habilidades, nuevos proyectos. Y esto es

progresivo, no es que vos empiezo a aprender eh temas de datos, inteligencia artificial y mañana ya tengo que tener

un trabajo. Es imposible. Son son roles y habilidades transversales que van a ir de a poco teniendo sentido a lo largo.

Entonces, no le tengan miedo a estoy aprendiendo unas habilidades que no me van a servir, es que no están sabiendo

cómo aprovecharlas. Ahora sí les voy a poner el videío porque Buenas, ¿cómo andan? Mi nombre es Tomás

Bzani. Soy exalumno de la edición número 11 del bootcamp de Unicar Academy. Estuve cursando desde junio del año

pasado hasta marzo de este año. Soy contador público. Llegué a Unicorn queriendo hacer algo diferente, sumar

alguna herramienta para mi carrera. Estaba viendo que el mundo de análisis de datos estaba haciendo algo que estaba

muy en auge. Hoy en día me anoté al atalad y con el atalad me alcanzó para sentir que es un gran lugar para

aprender. La verdad que hoy puedo confirmar después de haber terminado el curso que que realmente aprendés un

montón, tienen muy en cuenta lo humano, muy bueno, que no tengan miedo y no se les va a hacer largo. Así que si se

suman, éxitos. Bueno, ahí quedó. Eh, y bueno, nos escribió un mensaje Tomás, los resumo,

pero es un poco esto, ¿no? Que gracias que se había metido al mundo de los datos el año pasado, e empezó a crear

dashboards en su empresa, él trabajaba en contabilidad y empezó a hacer ese nexo, ¿no? Empezaron a reconocerlo,

empezó a ser esa persona que crea automatizaciones, empezó a aprender nuevas herramientas.

Entonces, yo creo que las personas a veces piensan mucho y tienen muchos miedos y barreras y a veces es más

sencillo como, bueno, tomo acción, aprendo y voy desbloqueando, ¿no? Porque si no no lo haces, si no no te empezas a

formar, si no no tomas un paso. Vamos a continuar. Les quería contar este caso que habla de todo esto, que sé

que muchos de los que están acá, el principal miedo es la inteligencia artificial porque nos están bombardeando

todo el día constantemente. Entonces, aprender análisis y datos convierte tu experiencia en habilidades

que necesita el mercado. Si vos ya tenés valor profesional, podés acceder a nuevas oportunidades, podés trabajar con

la guía con criterio y resolver problemas reales. Dicho esto, vamos con lo siguiente. Todo esto perfecto, pero

¿por dónde empiezo? No, hasta ahora estuvimos viendo por qué el analizato sigue siendo relevante, los

informes de World Economic Forum, cómo las empresas lo usan, por qué es tan importantes los datos. Recuerden lo

siguiente. Cuanto más dinero vale el problema que ustedes están resolviendo para una empresa a nivel de datos, más

impacto está generando, porque una empresa son números y rentabilidad. Entonces, si vos tenés la capacidad de a

una empresa hacerle ganar más dinero o reducir sus gastos, o sea, aumentar la rentabilidad, vas a tener trabajo en

cualquier lado. Es así. ¿Por qué se creen que los equipos de ventas van a comisiones?

Porque es las ventas, porque venden, porque mueven el dinero, mueven la aguja. Entonces, lamentablemente las

empresas, si vos querés crecer y pasar de ser un rol operativo, un rol estratégico, tenés que mover la aguja.

todas las personas que ahora están liderando, o sea, personas que están liderando equipos de finanzas, personas

que están liderando equipo de marketing, capaz que hay alguien acá que es líder de un área o gestiona personas. Todas

esas personas se están formando en datos, todas, porque a esas personas les piden datos. A vos en cada equipo, en

cada departamento, te van a pedir métricas. Hoy las empresas se mueven por métricas, toman decisiones con métricas

y si vos no tenés capacidad de dárselas, no vas a ser el líder que ellos necesitan. Lamentablemente es así. Por

eso vemos muchos líderes de empresas formándose en estas habilidades porque quieren hablar el lenguaje del negocio,

no quieren quedarse fuera de las mesas, de las charlas importantes que estamos hablando de IA, de datos y se tienen que

actualizar. Lo lamento, es así. Nos tenemos que actualizar, tenemos que entender los mínimos, tenemos que hablar

de datos. No podemos ir a una sala y no saber de qué nos están hablando y qué es lo que mueve la aguja de la empresa,

porque hoy existen los datos, por eso estamos hablando. Antes capaz que hace 100 años no hablábamos de esto, pero hoy

las empresas, como les decía, generan cada vez más datos y tenemos que hablar ese lenguaje.

Antes de saber cómo empiezo, necesito saber dos cosas. Ustedes tienen que ubicarse en el mapa. ¿Dónde están hoy?

Sí. ¿Dónde estoy? ¿Qué es? ¿Qué sé hacer? ¿Qué experiencia tengo? ¿Qué contacto tengo directo con los

datos? ¿Qué puesto tengo? ¿Y a dónde querés llegar? ¿No? ¿Qué estás buscando? Un cambio de carrera, un lo que veíamos

hoy, un crecimiento dentro de tu profesión, herramientas nuevas, exploración de

posibilidades, trabajo actual con datos, ¿qué están buscando? Sí, eso es lo importante, dónde estoy y a dónde quiero

ir. Eso no quiere decir que porque vos marques dónde estoy, a dónde quiero llegar, esa esa línea sea rápida, sea

fácil. No, siempre que estamos creciendo hay que pasar por etapa de salir zona de confort. Siempre hagan lo que hagan si

ustedes quieren crecer profesionalmente, personalmente, en el área que quieran, físicamente, tienen que ir al gimnasio,

tienen que ir todos los días, les tienen que oler los músculos, tienen que siempre hay un poco de sacrificio en

todo lo que queramos hacer. Pero si ustedes están dispuestos a crecer y quieren realmente tener un valor

importante en el mercado o les gusta aprender, porque nosotros tenemos un montón de alumnos que simplemente les

encanta aprender y son curiosos y quieren aplicarlo y quieren saber y quieren son personas que no se conforman

con poco. Si ustedes son ese tipo de perfil, van a tener que saber que van a marcar un punto de de inicio dónde están

ahora. Y eso es importante hacer ese ejercicio, dónde estoy ahora. Porque no solamente es, "Okay, sí, tengo

x trabajo y ya está." Quiero que dediquen un tiempo a pensar, ¿qué activo yo ya tengo hoy en mi trabajo? ¿Qué

estoy haciendo hoy que ya aporta valor? Porque la mayoría viene con el síndrome impostor y no, yo no sé nada, no, yo no

hago nada, no, no sirve, todo esto que hago no sirve. Y empiezan con la negatividad y claro, no salís de ese

bucle. Si ustedes saben la cantidad de alumnos que han venido a nosotros, el caso de Tomás, ¿no? Ninguna de esas

personas son personas que decís, "No, él porque la típica, no, él porque es ingeniero de la NASA y claro, era bueno

en matemáticas, entonces a él le iba perfecto. No, no, yo no soy tan, no, yo con los números no soy tan bueno." No es

porque no, ello tuvo tuvo oportunidad porque sabía inglés y claro, se acomodó en una empresa que lo presentaron, ¿no?

aquella persona porque no eh él justo estaba en un momento tuvo suerte, tuvo suerte, ¿no? La suerte es cuando vos

también ayudas a la suerte, vos tenés que estar preparado. La suerte es lo que dicen siempre, llega en el momento que

vos estás preparado y sabés detectarlo. Si vos estás así sentado en tu casa esperando que te caiga una oportunidad,

no va a pasar. Está está todo el mundo buscando oportunidades. Todos, todos quieren crecer profesionalmente.

Entonces, quedándote quieto no es la solución. Pero, ¿qué es lo que te ayuda a marcar el dónde estás hoy? hacer por

lo menos un ejercicio de autodiagnóstico. Okay, esto es lo que tengo ahora, siendo

obviamente autocrítico, siendo realista, ¿no? Y a dónde queres llegar, me gustaría esto. Okay.

Y vas de a poco, no vas de cero a 100, si no te vas a frustrar. Nosotros a los alumnos en el programa siempre les

decimos, vayan marcando esas pequeñas eh, ¿cómo se dice? wins en inglés, ¿no? Esos pequeños como ganancias que vas

teniendo durante el programa y esas ganancias no es eh sí, ya conseguí trabajo o ya logré X, no, son pequeños

pasos que vos vas dando que te acercan a tu meta. Porque si vos solo estás mirando de cero a x, te vas air

frustrando, no vas a llegar ahí. Sin embargo, si vos estás positivo y entendés que es un paso a la vez y que

vos estás haciendo todo lo que está a tu alcance para lograrlo y que de a poco vas ir viendo los frutos, vas a ir

avanzando, pero el problema es que la mayoría no actúa por miedo y la mayoría no actúa, no actúa porque se rinde antes

de empezar a aprender. Le tienen miedo a la tecnología, les hice análisis y datos y se creen que yo a veces digo, no,

porque me dedico a a formar a personas o tenemos una academia de análisis de datos, que qué es eso que y ya se

asustan. Parece que les estás hablando de, no sé, de que estás con una bata y estás haciendo eh, no sé, experimentos

científicos con animales. Yo qué sé que se piensan. Y realmente es más fácil de lo que ustedes se creen. No digo que sea

fácil en sentido, "Ah, no, estos son 2 minutos y ya está." Me refiero a que lo técnico es lo de menos. Lo más difícil

es lo que vamos a ver hoy, el ejercicio que vamos a hacer hoy, eso es lo más difícil y que cualquier persona de

negocio tiene la capacidad de desarrollarlo. Y lo técnico se vuelve más fácil con la inteligencia

artificial. Hay menos barrera para las personas de negocio. Ya no hay excusa. Antes capaz que sí te lo compraban, ¿no?

Bueno, no sé, esto de Power BI Dax, SQL suena muy difícil. Ponele que te lo compro. Ponele. No estoy de acuerdo,

pero bueno. Pero ahora con con la IA no, no hay excusa y cuanto más tardan peor es.

Importante, no empezas de cero. Esto se lo tienen que grabar, se lo van a tatuar acá cuando salgan del Datalab. No,

empiezo de cero. Sí, para trabajar con datos no tenés que olvidar lo que ya sabés. Tu experiencia en clientes, en

procesos, en negocio, en persona, en decisiones, tiene un valor. Es un activo analítico. Sí, ya tenés activos

analíticos que vos podés utilizar para crecer. Si vos ya estás preparando informes, si ya estás comparando

información, si ya trabajas con datos, con Excel, consultando sistemas, si ya estás tomando decisiones,

todo eso es información que vos ya tenés, que te sirve como base, que te va a ayudar a entender mejor. Sí.

Agustina dice, "Y si no tengo experiencia, después voy a responder algunas preguntas, pero si no tengo

experiencia, no pasa nada. La experiencia te referís en proyectos de análisis de datos." Ahora vamos a entrar

en eso, en qué necesitan. Ahora no, en unos minutos porque tenemos que hacer varias cositas, pero acá lo importante

es hacer proyectos. ¿Cómo desarrollas esa capacidad analítica que vamos a ver hoy haciendo proyectos prácticos?

Eso nosotros lo hacemos en el programa. se los voy a ir eh contando. Entonces, lo importante ahora es no empezamos de

cero, ya hay activos, ya existen cosas de nuestro trabajo que nos pueden servir como base y todo es un activo lo que

estamos haciendo. Si no se crean que si no es eh porque estoy trabajando en x programa, no soy analista de datos, no

es así. Hay mucho pensamiento que nosotros ya estamos haciendo y que nos sirve.

Entonces vamos a ver ahora niveles para que ustedes se puedan ubicar. ¿Dónde está Soy? ¿A dónde podés llevar tu

nivel? No depende de cuántas herramientas conocés, depende de qué podés hacer con los datos. No me digas

cuántas herramientas conocés, decime qué capacidad tenés. Cuando vos vas una entrevista

de trabajo, e incluso les traje algunos ejemplos, eh, voy a ir un poco más rápido para que nos dé tiempo para todo

lo que quiero hacer, pero cuando vas a una entrevista que es más estratégico, sea de datos, no sea un rol mixto,

casi siempre en las entrevistas ellos quieren saber cómo pensás, cómo harías x cosa. Te están midiendo por la

estrategia, por la capacidad que tenés para hacer con datos o herramientas. Te pueden preguntar si sabés algo de SQL o

Excel para saber si tenés esas bases, pero ella les importa saber cómo pensás, sobre todo cuando son roles que no son

100% operativos. Si algo es operativo, te preguntan por la herramienta, no te preguntan por la por la parte más de

pensar estratégica. Si tu trabajo es operativo, lo único te van a pedir, "Ah, ¿sabes este CRM? ¿Sabes usar este este

software de facturación? Ah, sabes usar tal software? Sí. Bueno, entrás a trabajar, tu trabajo va a ser operativo

porque se están lo que te están preguntando si sabes hacer un usar un par de botones, descargarte algo de

información y ya está. Sin embargo, las herramientas son un medio, no digo que no las tengas que saber, nosotros las

enseñamos obviamente, pero quiero que se saquen la idea de que el foco está ahí porque no paro de ver gente en internet

que dice, "Ay, tengo que saber Excel, tengo que saber Power BI." ¿Cuál es mejor? Power BI o no, es cuál es mejor,

es qué sabes hacer vos con eso? No importa, ya cuando llegues a una empresa van a usar una o van a usar

otra, porque el de IT se le ocurrió que había que usar todo el stack de Microsoft y usan Power BI y a veces no

hay una respuesta. Vos te esperás que haya una respuesta como no porque Power BI porque es más potente y no sé qué y

no sé. No, es que al deit le gustaba Microsoft y la empresa arrancó así, después migrar a otro era muy costoso y

ya está y hay que adaptarse o al revés, ¿no? Todos usamos Google, entonces usamos Lookio, Data Studio, arrancamos

con eso y migrarnos cuesta horrores. A veces es adaptarse, no es buscarle él qué herramienta es mejor, porque yo es

como que tiene una obsesión con la con la herramienta. Bueno, niveles de evolución, vamos a hablar de esto, ¿sí?

¿En qué nivel están? Ahora vamos a hacer una encuesta. Vamos poniendo la encuesta por ahí que creo que Cand está atenta.

Entonces, ¿en qué nivel se encuentran? Cero es que casi que no tienen contacto con los datos y que dependen de otros

para conseguir esos datos en su rol actual o en los roles que han estado. Nivel uno, usan datos, cargan consultas,

descargan datos, preparan información. Lo que sos capaz de resolver. Podés encontrar información, pero no sabes

todavía qué hacer con ella. O sea, llegas a la información, pero ¿qué hago con esto? Siguiente nivel. Dos, trabajo

con datos. Ya uso fórmula, filtros, tablas, operaciones. Esto como medio, eh, no es el fin. Uso todo esto a nivel

técnico porque puedo responder preguntas sencillas con datos, o sea, tengo la capacidad de, "Okay, me preguntas cuánto

vendimos el año pasado y te puedo dar esa respuesta." Por ejemplo, tres, ya analizo, hago limpieza de dato,

calculo KPI, hago informes, hago gráficos. ¿Qué estás resolviendo con esto? Puedo detectar qué está pasando y

encontrar patrones o problemas. Número cuatro, ya explico, no solo analizo, sino lo que analicé lo puedo

explicar. Construyo dashboard, cruzo fuentes diferent diferentes de datos, haces análisis más profundo. ¿Qué estás

resolviendo? Podés investigar por qué algo ocurre y explicar lo que encuentras.

Ah, veo algunos en nivel cuatro. Ni tan mal, ¿eh? No estamos tan mal. Nivel dos, nivel tres, nivel uno. Bien. Dos, tres.

Muy bien. Tenemos buena base. Tenemos buena base. 1 2 3. Bien. Y el cinco. Pienso como analista.

Acá sos superper. No te para nadie. combinas datos, herramientas de IA y conocimiento de negocio. En esa en esa

e, ¿cómo se dice? combinación, ese círculo, ¿vieron? Cuando los círculos se juntan y en el medio está el colorcito,

está la gloria. Si vos tenés la capacidad de combinar datos, herramientas,

herramientas, IA y conocimiento de negocio, ya estamos asegurados.

Puedo partir de un problema real, encontrar respuestas y recomendar qué hacer. En el cinco no hay nadie, ¿no? A

ver, voy a tomar un poquito de agua. Miren, botellita de unicorn. Siempre intersección perfecta, dice José. Sí,

mira, Edu está en el cinco. Edu, te tenemos que traer al directo la clase que la clase que viene que es práctica.

Vamos a testear esas habilidades. Bueno, bien. No estamos mal. Dante también. Dante está en el cinco, dice.

Vamos a tener que hacer un teste, ¿eh? Mm. Uno y dos. 5 2 3. Estamos muy bien. Quiero felicitarlos que está muy bien.

El que está en cero y un no pasa nada, ¿eh? Todos empezamos de ahí. Yo también. Yo empecé desde cero. Empecé en el uno,

empecé en el dos. Es cuestión de practicar, irse formando. Bueno,

estos son los niveles. Le pueden sacar una captura para ubicarse. Está bueno este esta tabla. Eh, yo recomiendo que

saque una captura para ver cómo evolucionan a lo largo de de los conocimientos en datos.

Bueno, otro caso que les quiero contar, ya que estamos con los niveles, no sé si alguien conoce, bueno, Jimena

es fue alumna de Unicorn, eh crea mucho contenido hoy en redes sociales y me encanta su historia

porque ella es el reflejo de las personas que han pasado por 300 carreras, 300 cosas diferentes, ha

emigrado, ha sido camarera, abogada, funcionaria, todo lo que usted se le ocurra. Jimena, que fue alumna Unicorn,

ha hecho Sí. Hoy en día ella se dedica, es consultora de datos, o sea, ha crecido un montón

esto a lo largo de muchos años y esfuerzo de ella, ¿no? Pero es un ejemplo porque ahora da charlas e ha

sacado las certificaciones MVP y lo que les digo, o sea, es una persona que venía de ser abogada,

había estudiado abogacía, fue camarera, emigró de su país, empezó lo que ustedes dirían, empiezo de cero, ¿no? la mayoría

empiezo de cero. Entonces, ella no venía de una carrera técnica.

Sin embargo, hizo un proceso para llegar a donde está hoy. Y ella sentía mucho síndrome impostor, como la mayoría. Yo

también. Ella también. Todos los que están acá, todos teníamos miedo. El síndrome impostor, para el que no sabe,

es esta sensación de no sé suficiente, eh, no estoy preparado, no voy a aplicar esta entrevista, no voy a hablar con mi

supervisor, mi jefa, mi jefe para decirle que estoy aprendiendo datos porque no, mira, si me ofrecen algo,

todavía no estoy preparado, no, todavía no sé, no sé suficiente. Claro, vivís en la de no sé, no sé, no sé y no avanzas.

Siempre va a estar presente esa vocecita que te dice, "No sabes suficiente, no, esto no, no podés apuntarte a esto."

Pero, ¿saben cuál es la mejor manera de aprender y de realmente crecer? Es tomando acción, animándote,

equivocándote. La única manera que aprendas es si te equivocas, si practicas,

si haces. El conocimiento no va a venir si te quedas en tu casa quieto, ¿no? Si te quedas ahí quieto, ah, que venga el

conocimiento, me ilumine y mañana salgo a a aplicar todo esto una empresa. Lamentablemente, la única forma de

aprender nuevos nuevas eh nuevos conocimientos es practicando y practicando. ¿Vieron que dije

practicando, no leyendo cosas pasivamente o eh haciendo cursos grabados? Practicando es proyectos,

práctica. Bien, entonces los datos no son el destino, es

una capacidad que te permite llegar más lejos en tu profesión. Hoy quiero que se lleven eso. No lo vean solo como un

destino, véanlo como una nueva capacidad que te va a permitir hacer más con lo que ya sabes. Vamos a hablar de algunas

oportunidades o roles que sé que muchos tienen tienen problemas con el organigrama, no entienden. Acá hice un

resumen. Hoy en día el sector de datos es muy amplio, ¿okay? Existe, seguramente han escuchado esto del data

scientist, del data engineer, del ingeniero de datos, del científico de datos, del analista de datos, del

machine learning, del términos por todos. Eh, por todos lados. Mi recomendación para personas que vienen

de negocio. Negocios son áreas funcionales, por ejemplo, finanzas, marketing,

operaciones, personas, producto. Para todos estos roles es que empiecen por análisis de datos, business

intelligence, business analyst, que son los roles que están acá directamente relacionados con datos, pero que

empiecen por ahí. no se quieran meter en ciencia de datos, machine learning o ingenieros de datos si no han vienen de

carreras más técnicas, porque ahí sí es un poco más complejo, o si han pasado por un rol de datos. El rol más fácil

para entrar, si quieren un rol directo en datos, es el data analyst o BI analyst. Pero después hay un montón de

roles, ¿sí? mixtos, roles donde vos podés combinar lo que sabés de finanzas a un rol que se llama Financial Analy,

por ejemplo, o analista financiero, si lo queremos hablar en en español, o analista de clientes o o comercial o

customer analytics o marketing analytics, ¿no? Yo puse los principales, pero hay un montón de roles. Ahora les

traje algunos roles de ejemplo para que vean que en LinkedIn no solo encuentran oportunidades como analista de datos,

analista de operaciones, también analista de producto, después toda la parte de automatización con IA, todas

estas ramas son las que ustedes pueden combinar con lo que ya saben. Sí. Y les traje. Estos

son los roles donde ustedes podrían estar. Después yo lo que les digo, no voy a entrar en hablar de qué hace el

ingeniero de machine learning, que es más avanzado, porque recomiendo que las personas que vienen de negocio y es la

mayoría del público que nosotros eh apuntamos y nos llega, recomiendo que siempre empiecen por las los roles que

son más accesibles, porque la parte de negocio es más fácil para cuando tenés contexto. Sí.

Ofertas de LinkedIn. Bien. Les traje cuatro y las tengo acá

abiertas. Por ejemplo, controller financiero. Bien, tomé cuatro que encontré. Hay más, hay más, pero

para que vean un poco cómo son. Sí, son roles que combinan conocimientos, por ejemplo, en este caso financieros con

datos. Entonces, esto es un controller financiero. Y acá no voy a leer toda la la oferta,

la pueden buscar, le sacan captura. Em, pero quiero que se lleven lo siguiente. Bien, es un rol que tiene que

ver más estratégico y si se fijan piden simplemente manejo avanzado de Excel en cuanto a herramientas, conocimientos

avanzados en contabilidad financiera y de coste. Bien, entender experiencia mínima de funciones de controller

financiero o industrial. Y acá arriba dice elaboración de reporting analítico del negocio, que es

lo que quería mostrar. Seguimiento de los gastos. mantenimiento y supervisión, análisis del margen bruto y coherencia,

diseñar y preparar y hacer seguimiento de los principales KPI del negocio. Casi todas las personas que son controller

financiero, a nosotros nos llegan muchos controller, tienen que trabajar con datos. El título lo dice, controller

financiero, todo el día datos y números. Entonces, ya indirectamente reportando a la dirección, estas son tus

responsabilidades a nivel herramienta, Excel avanzado, pero acá lo que te están pidiendo es el pensamiento analítico,

tener la capacidad de diseñar, preparar KPIs, analizar seguimientos, etcétera. Sí.

Otro ejemplo, especialita especialista, hoy estoy con las palabras en marketplaces. Sí, esto es un

especialista en plataformas donde se vende productos, por ejemplo. Lo mismo, ¿ven? Que no es que el título diga

analista de datos ni nada de eso y sin embargo te piden, ¿no?, dentro de las tareas, a ver, ¿dónde es que lo había

visto? Acá. Realizar el seguimiento de indicadores como ventas, tráfico, conversión, roas, margen. Quizás el que

no está en el sector no entiende que son esos KPIs. Elaborar informes periódicos y proponer acciones de mejora con datos.

mejoras basadas en datos. Analizar precios, competencia, tendencias y comportamiento de las personas

consumidoras, gestionar incidencias relacionadas con producto a pedido, bla, mantener la relación operativa con el

equipo, bla, bla. Bueno, toda esta parte, todo lo que tiene que ver más con análisis de datos, pensamiento analítico

y acá buen manejo de Excel o Google Sheets. Los mínimos vieron que son Excel, Google Sheets. Muchos piden Power

BI también, algunos te piden SQL. He encontrado algunos que te piden SQL. Bien, otro ejemplo, Business Insight and

Operations Analyst. Este está en inglés, por ejemplo, que en realidad este es un rol que trabaja operaciones, pero además

también saca análisis para el negocio. Y siempre que tenga la palabra analist, analista al final es que necesita

pensamiento analítico, necesita trabajar con datos. Acá, por ejemplo, ven, piden SQL,

piden eh habilidades habilidades fuertes en analítica y resolución de problemas y saber manipular datos, trabajar con

SQL, con Excel también o Spreadshe, que es Google Sheets, habilidad a en convertir preguntas de negocio en

análisis y comunicar los hallazgos de manera clara a personas técnicas y no técnicas.

Eh, fuerte atención al detalle, curiosidad y la habilidad para poder chequear datos y resultados.

Dispuesto a aprender nuevas tecnologías. Bien, e cómodo trabajando con analítica y

operaciones y vieron que el título decía business insight y operation analyst, la palabra

analiste. Aclara que es data analyst, pero en el sector de banco. Por ejemplo, si hay

personas acá que ya trabajan en banco, que tienen experiencia financiera, que sé que muchos que están en contabilidad

trabajan en bancos, ¿sí? Lo mismo acá te piden SQL, Power BI y Python. Miren lo que dice esto. Esta la elegí por lo que

decía acá para vean que no solo lo digo yo. Tener datos no es suficiente. El verdadero valor aparece cuando alguien

es capaz de convertirlos en una decisión. Bueno, buscamos profesionales capaces de

combinar una buena base técnica con visión de negocio. Perfiles que no no solo construyan dashboard, sino que

entiendan qué información necesita realmente cada área y cómo convertirlo en datos y conocimiento útil. ¿Qué

buscamos? Experiencia en roles tipo business data analysis o similar, nivel avanzado de SQL, extracción de datos,

Power BI, capacidad para transformar necesidad de negocios, etcétera. ¿Qué conocimiento suman? riesgo de

crédito, fraude, o sea, todas las personas que vienen de banco de riesgo, yo, por ejemplo, trabajaba en riesgo de

crédito directo a estas a este tipo de ofertas. Estos son cuatro ejemplos. Sí, pueden

buscar, van a ver que hay más. Eh, yo elegí cuatro ahora del momento para que vean justamente lo que estamos hablando,

¿no? Estamos hablando de que las oportunidades se combinan. No es solo buscar analista de datos en

LinkedIn, no. Busquemos cómo combinamos y qué roles existen con lo que ya sabemos, ¿sí? Las personas que vengan de

estas carreras distintas. Bueno, entonces esto que les decía, cambiar no significa borrar tu historia.

Vamos a ver cómo lo aprovechamos. Hola a todos, los saludo, Alejandro, por acá. Sé que están en el datalab, yo

también hace un par de años lo hice y fue el punto de entrada para en definitiva, para la lección 10 de

Unicorn. y para toda la cursada. Eh, luego de esa cursada, de hecho, antes de terminarla, conseguí trabajo en datas,

así que fue una gran un gran recorrido. Se los recomiendo, no tengan dudas, no tengan miedo. Si esto les gusta,

realmente lo van a saber inmediatamente. Así que gracias a este camino que emprendí, como ustedes están

emprendiendo ahora, tuve mi primer trabajo en DTA. Así que un gran saludo para todos, se los recomiendo y

anímense. Adiós. Bueno, Alejandro es otro alumno de Unicorn. Yo les traigo ejemplos para que

vean casos muy distintos, edades diferentes, situaciones diferentes. Bien, porque seguro alguien me va a

decir, "No, es que yo, no es que yo eh sector médico 38 años. Eh, Alejandro venía del sector médico, sí, venía del

sector de salud trabajando en en áreas de con los médicos. etcétera, y quería cambiar, estaba cansado del sector,

quería trabajar en tecnología y él tenía demasiadas opciones. A nosotros en realidad nos llegó más que

nada con el problema de hay demasiada información, que sé que es uno de los problemas que tienen ustedes, están

bombardeados de información en internet, por eso acá venimos a aclarar, ayudarlos a darles más claridad con la información

que damos. Hay muchísimos roles, hay muchísimos puestos, tengo mucha información,

necesito conectar puntos, necesito tomar acción, necesito empezar a formarme y tener más claridad, ¿no? Tener un camino

claro. Una de las cosas que nosotros también hacemos, o sea, cuando vos te inscribís a un programa académico

formativo como el que nosotros hacemos, a vos te da una ruta, a vos te da claridad, a vos te dice, "Seguí por acá

y punto. Tenés que estar buscando 1000 lugares, 1000 formas equivocarte, hacer cursos grabados que no aprendes, no

perdés tiempo y te da una ruta clara, no tenés que preocuparte. Hago estos proyectos, sigo este camino y tengo la

solución de lo que quiero aprender. Entonces, esa es la idea, el por qué vos te apuntas a una formación también, ¿no?

No solo para adquirir los conocimientos, sino porque quiero claridad, hoy en día hay muchísima información en internet.

Yo cuando empecé al revés, el problema es que no había información. Hoy hay demasiada y claro, no actuas, te

paralizas porque hay tantas opciones, tantas cosas, tantas carreras, tanto esto, tanto lo otro, tanto aquello que

te paraliza. A mí me pasa un montón. Cuando tengo demasiadas opciones, me abrumo. Es como que no, no puedo, no

puedo. Tengo que ya está, voy por esta, elijo una y listo, ya está, me arriesgo. Porque es como no puedo con tanta

información. Entonces él vino así, Alejandro, en el caso de él, sí tenía interés por el mundo tecnológico, se

especializó en datos y hoy trabaja como data governance analiste, que esto es un rol que no conocen, pero tiene que ver

con el gobierno del dato, que esto está esta parte justamente de darle orden al activo analítico de la empresa, o sea,

los datos, a todo a todo lo que es las bases de datos, la información, hay que ordenarlo, hay que cumplir

cierta calidad, cumplir ciertos requisitos para poder usar todo eso, ¿no? Entonces, él se dedica a eso

específicamente, a la parte de gobierno del dato. Y seguramente Alejandro cuando empezó, ustedes se creen que se pensaba

que iba a ir por ahí, seguramente empezó y dijo, "Bueno, voy a empezar a aprender y voy viendo." O sea, ustedes les va a

pasar lo mismo. Cada uno va a empezar a adquirir capacidades nuevas, van a aprender nuevos conocimientos y de a

poco van a ir descubriendo también, "Bueno, voy a aplicarlo acá, lo puedo aplicar en esto." La clave también es

ver cómo lo pueden aplicar en lo que están haciendo hoy. Sí, los datos están en todo, como decían por ahí por el

chat. Bien, bueno, ¿qué cambio estás buscando acá para que

piensen de nuevo si están buscando un cambio de carrera, si quieren crecer en la profesión actual, aplicar

herramientas, exploración de posibilidades, vuelvo a lo mismo. ¿Qué cambio estás buscando hoy? Es importante

tenerlo claro, los objetivos que estás buscando. Sin objetivo tampoco tenés un norte de lo que queres lograr con todo

esto que vas a aprender. Sí. Cambio de carrera, aplicar herramientas. Ojo con decir aplicar herramientas que me da un

infarto, ¿eh? Que estoy hace una hora hablando de no hablen de herramientas, por favor atención que si no no les

damos el certificado. Actualmente trabajo en salud, pero quiero cambiar de rubro. Gracias, Florencia. Data

governance. Mira, Katie le gustó. Le gustó. No, Ángela, saber aplicar herramientas.

No me hablen de las herramientas, por favor. Me dar un me va a dar algo. No, no escucharon lo que les estuve

diciendo. Voy a tener que repetir de nuevo la clase. Vamos a estar una hora más. Una hora más acá. No nos vamos

porque no todavía no quedó el concepto. Miren que fui insistente. Capaz que entraron más tarde. Capaz que entramos

más tarde. Bueno, crecer profesionalmente es Ram. No dice Matías, no te estoy

viendo. No te hagas el loco, eh. No me busquen. Tengo muchas para aplicar en seguro. Áreas de seguro. 2 1 4.

Crecimiento profesional. Bueno, hay claridad, eso es importante. Tienen claro lo que quieren. Bueno,

vamos a seguir. Entonces, siguiente punto, ¿cómo lo logro? Ahora sí, el cómo. Primero, ¿por qué estudiar datos

es relevante? ¿Por qué les va a ayudar a crecer profesionalmente? cómo las empresas están aprovechando. Luego la

siguiente pregunta también es, ¿qué puedo hacer con todo esto? ¿Cómo lo logro? Bien, el mapa, el proceso.

Acá es importante tener en cuenta lo siguiente. No tenés que aprenderlo todo. Sí, no tenés que aprender 18

herramientas, eh, porque sé que es abrumador. Al principio es abrumador y cuando digo no tenés que aprender todo,

es que no te obsesiones con aprender 300 tecnologías, sino que entiendas a qué problemas puedo resolver yo con datos,

con lo que sé hoy. ¿Sí? Entonces, vamos a hablar más de problemas, vamos a hablar más de recorrido que podemos

hacer. La herramienta es algo secundario, es el medio con el cual vamos a adquirir ciertas capacidades.

Bien, obviamente va a estar la herramienta, pero el foco tiene que estar en la capacidad y en el problema.

Entonces, ¿cuál puede ser ese proceso? Yo el proceso que les voy a compartir es el que resumidamente hacemos nosotros en

Unicorn, en el programa que nosotros damos de 8 meses, que les voy a ir contando,

es cómo lo manejamos resumidamente y que a ustedes les sirva como proceso para entender qué debemos seguir a la hora de

aprender datos. ¿Sí? A ver, ¿cuál es mi sugerencia cuando ustedes empiezan a aprender análisis de datos o estas

nuevas habilidades? La capacidad analítica. También vamos a hacer un ejercicio hoy para que vayan de a poco

entendiendo. Lo primero son los fundamentos. ¿Por qué? Más allá que yo hablo, hay que resolver problemas. Sí,

podemos resolver un problema. Nosotros en el programa desde el primer mes hacemos proyectos. El primer mes ya hay

un proyecto práctico, pero cada proyecto está asociado a un aprendizaje. Por ejemplo, fundamentos es cómo pienso con

datos. Para que ustedes puedan avanzar, hay ciertos conceptos base que tienen que entender. el que ya trabaja con

datos, el que ya, por ejemplo, me decían que están en nivel tres, cuatro, quizás esta parte es un poquito más sencilla,

pero tenemos que aprender a pensar con datos y esto es entender o identificar cómo vienen los datos, qué calidad

pueden tener esos datos, qué preguntas me tengo que hacer, cómo pido los datos, dónde existen, en qué tablas, en qué

formatos vienen, eh qué preguntas eh tengo que hacerle a esa información o cómo tengo que pedir esa información,

todo lo que tiene que ver con la parte inicial de un proyecto. Bien, cómo me enfrento.

Es la primer parte, a pensar y a tener fundamentos. Entonces, cuando ustedes empiezan a aprender estas habilidades,

empezamos por los fundamentos. Y esto yo siempre recomiendo aprenderlo con una herramienta que acompaña lo

básico, que es Excel o Wallsheets. ¿Por qué? Porque esta herramienta es la que la mayoría ya usa, es la más fácil

dentro de lo del del estaco, de las herramientas que tenemos hoy en día para trabajar con datos y es la que tiene

botones, tiene filtros. Entonces, es más fácil de que vos aprendas los fundamentos con una herramienta que

conocés. Si querés aprender los fundamentos con Python, que es programación, se te va se te va a

complicar un poco porque no vas a entender ni los fundamentos ni la herramienta. Entonces, mi recomendación

es aprendan los fundamentos primero con una herramienta más sencilla tipo Excel, los Walls Shehets, pero que te acompaña,

no tiene que ser el foco. O sea, el foco no es sea hacer macros, o sea, vos no vas a ir a un a una entrevista o no vas

a ir a a tu a tu jefe y le vas a decir, "Sé hacer macros en Excel, sé hacer tablas dinámicas." ¿no? ¿Qué problema

sabés resolver o qué cómo pensas con datos con esa herramienta? Sí, no nos vamos a poner foco en eso. Después,

visualización. Una vez que tenemos los fundamentos, aprender a mostrar esa información, cómo

convierto datos en insights, cómo creo visualizaciones, ¿no? Que que aporten, qué Kpiss, qué métricas, qué tengo que

mostrar. Bien, después aprender a hacer consultas, cómo se preguntar a los datos. Acá viene todo lo que es SQL en

la parte dos, todo lo que tiene que ver con visualización. SQL es el lenguaje que utilizamos para acceder a las bases

de datos. Sí nos permite hacerle pregunta a los datos. Saber preguntar es un arte. Saber traducir necesidades de

negocio a preguntas en SQL es arte. No es tan fácil. Pero si sabés el contexto, sabés cómo

tenés que preguntarle a los datos, luego es más fácil con la I código, eso se vuelve más sencillo. Y luego sí, en una

etapa de de ya saber programar o escalar, podemos hablar de Python. Sí, ya podemos hablar de un lenguaje más

avanzado. Seguramente han escuchado estas herramientas, han escuchado eh hablar de ellas, pero yo recomiendo

seguir un orden, pero no tanto en la herramienta, sino en el orden de lo que voy a hacer con esos datos, de lo que

voy a hacer eh durante esos proyectos que voy avanzando, ¿no? Entender los fundamentos, entender visualización,

entender consultas. Después la programación te ayuda a escalar. escalar es, bueno, ¿cómo convierto proyectos más

sencillos de datos cuando estoy en una empresa más grande? ¿Sí? o cómo puedo extraer datos de diferentes fuentes. O

sea, lo que te hace Python es darte más capacidad, ¿no? Volverte como eh una persona que puede crear soluciones

escalables en empresas más grandes. Y luego la IA es una capa transversal, o sea, la IA al final lo que va a hacer es

ayudarte en cada una de estas etapas, ¿no? La IA te va a acompañar en la crear la visualización, te va a acompañar en

hacer preguntas, te va a acompañar en la programación. ¿Sí? Entonces, eso es lo que te ayuda, lo que es la inteligencia

artificial, te acompaña, pero cada herramienta aparece porque permite desarrollar una capacidad.

Para eso está la herramienta, para ayudarte a desarrollar la capacidad. Pero no podemos perder de vista el

pensar, el pensamiento crítico, el pensamiento analítico y luego la integración. Acá yo se los pongo porque

es el proceso que nosotros usamos, ¿sí?, en Unicorn e para justamente integrar todo lo que vos sabés en un proyecto

práctico. Sí, integrar todos esos conocimientos de fundamentos, cómo comunico, cómo consulto, cómo escalo en

un proyecto final. Sí, resolver un proyecto de principio a fin. Nosotros lo que hacemos en el programa

es ir haciendo proyectos prácticos en cada uno de estos módulos, ¿no? Ya vas haciendo proyectos individuales de

fundamentos, de visualización, de consulta, de programación. Vas haciendo proyectos y luego haces un proyecto

final de negocio con un problema real. Ahora les voy a mostrar les voy a mostrar un par eh un porque

por tema tiempos, un par de ejemplos de alumnos, proyectos de integración, o sea, finales que vos podés presentar y

decir, "Mira, resolví este problema." Sí, esa es la etapa siguiente, proyectos.

Cuando aprendemos estas capacidades, es importante hacerlo con proyectos. Proyectos que son son ejemplos de la vía

real o casos de uso donde a vos te toca resolver un problema y lo haces a través del análisis de datos.

Sí, se habla de proyecto porque casi siempre que trabajamos con datos hablamos de un proyecto de datos. Si no

es como, por ejemplo, yo trabajaba en contabilidad, que vos tenías una tarea, tenía un inicio y tenía un fin. Acá

estamos hablando de proyectos, tienen un un inicio y un fin, pero capaz que un proyecto de datos dura 3 meses, capaz

que dura un mes, depende la necesidad. Entonces, es importante que aprendas haciendo, no acumulando herramientas.

Y acá les voy a dar una recomendación que es la que le damos a los alumnos. Este es un tip extra, no se los tendría

que dar porque no son alumnos, pero bueno, vamos a tirar un tip porque estamos de buen humor hoy.

Es importante que cuando hagan proyectos piensen cómo pueden hacer proyectos para venderse luego en una entrevista o en un

o en su propio trabajo, como es decir, suponete que vos trabajas en en finanzas y querés actuar eh o acceder a un rol

más estratégico que aporte más valor, pero ya o tenés identificado el rol o el rol no existe o querés hacerle saber a

tu responsable que querés crecer. Yo siempre recomiendo uno empezar a comunicar que vos te estás formando.

Mira, empecé a hacer esta formación, me estoy formando en datos, ¿no? De esa manera. Y dos, traer un proyecto. Vos

tenés que detectar un problema o detectar tus tareas del día a día y pensar, ¿cómo yo puedo aplicar análisis

de datos acá? Si vos tenés la capacidad de aplicar lo que ya estás haciendo hoy a un proyecto que después lo puedas

mostrar y decir, "Mira, lo que hice, es la mejor manera de venderte." No es lo mismo vos venderte en un rol e nuevo que

querés acceder o en tu empresa o si querés trabajar de freelance o si querés hacer proyectos para terceros, la mejor

manera de venderte es mostrar lo que sabés hacer. Y hoy me preguntaban, "¿Qué pasa si no tengo experiencia?" La cre.

Si no tenés experiencia, la creas con esto, haciendo proyectos. No es trabajar para una empresa, pero lo simula. Tenés,

lo hiciste, tenés la capacidad de por lo menos pensar con una estructura, de resolver un problema real de negocio. No

me estás diciendo, "Sí, hice un curso grabado de Excel, no me sirve un curso grabado de Excel, me sirve saber cómo lo

aplicas. Me sirve que vos lo sepas aplicar a lo que estás haciendo, que haya un

impacto." Entonces, la mejor manera de vos venderte es haciendo proyectos relacionados a lo que ya sabés. Si ya

sabes de marketing, hace proyecto de marketing. Si ya sabes de de logística, hacer proyectos de logística. Porque de

a poco todo ese contexto que vos tenés de negocio lo vas a poder plasmar en un proyecto de datos. Y es mucho más fácil

entender con el contexto que vos ya tenés. Por ejemplo, a mí me decís, "Hac un proyecto de datos para el mundo eh

agropecuario. Te toca trabajar como freelance para una empresa agro." No tengo ni idea. Tengo que ir ahí entender

los procesos, ponerme a hablar con las personas, porque yo nunca trabajé en agro. Ahora me decís, vamos a hacer un

proyecto de datos eh en un área que tiene que ver con riesgos. Yo trabajé 2 tr años en riesgos, entiendo los

conceptos. Por eso es importante apalancarnos de nuestra experiencia por el contexto que vos tenés, ¿se entiende?

Porque el contexto es muy importante cuando queremos resolver problemas. Las palabras son muy importantes. A mí me

pones a hablar eh palabras de del sector de agro y no tengo ni idea porque nunca trabajé.

Quiere decir que no lo puedo aprender. No lo aprendo. No me importa si lo tengo que aprender, pero no me va a llevar un

poco más de tiempo a entender porque voy a tener que entender las operaciones, cómo funciona, cómo genera valor, cómo

son los márgenes, cómo son los productos, cómo toda esa parte la voy a tener que entender. Sin embargo, si es

una empresa que yo ya trabajo, yo ya sé todo eso, no es necesario. Entonces, hagan proyectos donde ya tienen

contexto. Les voy a mostrar unos ejemplos, ¿sí?,

de rápido por tiempos, porque todavía nos queda hacer un ejercicio, nos quedan cosas

e de alumnos de la academia. Bien, hay más, pero bueno, estos son algunos ejemplos para que ustedes vean, ¿sí?, a

qué me refiero con proyecto. Acá tenemos un caso de unos alumnos que hicieron un proyecto de Airbnb en Barcelona. Sí,

nosotros siempre les pedimos que resuelvan un problema, les pedimos que lo presenten, que hagan un video, que lo

expliquen, que obviamente tenés que desarrollar capacidad de comunicación, tenés que saber contar lo que hiciste,

¿no? No solo hacer por hacer, sino entenderlo y poder expresarlo. Y el problema, acá, por ejemplo, ellos nos

dicen, ¿no? El problema, disponer de información analítica sobre cómo se mueve el mercado. supieron que ahora hay

todo un tema con la vivienda, con los precios turísticos en casi todos lados, pero Barcelona, por ejemplo, es una

ciudad que se han encarecido muchísimos eh las viviendas. Entonces, ellos hicieron todo un estudio de analítica

dinámica del mercado, o sea, dinámica es que eso se alimenta automáticamente eh sobre el mercado de Airbnb de Barcelona.

Bien, ejemplos así, pero aplicados a proyectos que ustedes vean que van a aportar valor, ¿no? Que ustedes están

resolviendo un proyecto real de datos más allá de las herramientas. Eso ellos utilizaron Python, SQL, Power BI. Okay,

está bien, pero lo importante es esto. ¿Qué problema están resolviendo? ¿Cómo lo comunican? Entonces, que vos hagas un

proyecto significa que vos abarcas un problema, lo sabés resolver y lo sabés explicar y lo sabés vender en una

entrevista. Si no, es más difícil. O sea, si vos vas a una entrevista y decís, "Sí, estoy de contabilidad

y c de Excel, hay millones como vos que dicen lo mismo. ¿Cuál es la diferencia contigo?

¿Cuál es la diferencia entre vos que hiciste un curso de Excel y estudiaste contabilidad de los 300 que van a decir

lo mismo? Si vos no tenés un valor diferencial de, mira, hice este proyecto, resolví este problema,

entiendo de esto, entiendo de lo otro y te sabes expresar, vas a tener más oportunidades, ¿se entiende?

Em, ahí, por ejemplo, decían, las empresas tampoco les sirve portfolio llenos de proyectos inventados. Por eso

digo, o sea, si no tenés ni idea, bueno, en el peor de los casos inventamos unos datos porque antes que no hagas nada

prefiero que hagas algo. Pero siempre vamos a incentivar a que resuelvas problemas reales o problemas reales,

entiéndanme, situaciones que vos te encontrás en tu negocio. Luego los datos siempre hay que hacerlos anónimos por

temas de protección de datos. Por más que nosotros querramos simular al máximo un caso de una empresa, vos tenés que

siempre cambiar los datos. No puedes usar datos de clientes reales porque obviamente es peligroso. Las empresas no

pueden compartir sus datos reales, pero sí podés eh cuando decís hacer los anónimos es como usar esos mismos datos

pero falsearlos, ¿no? Como cambiar los datos de clientes, cambiar algunas cosas, pero resolves el mismo problema.

Si mañana, por ejemplo, vamos a resolver un caso práctico que va a traer el director académico, lo vamos a ver

juntos, de un problema real que él tuvo, ¿sí? un problema real de una empresa. Em, pero obviamente hay que cambiar los