Convertirse en analista de datos ya no consiste solamente en aprender una herramienta de visualización. Las empresas necesitan personas capaces de entender una operación, formular una pregunta, limpiar información, elegir un indicador y explicar qué decisión sugieren los resultados. En un mercado laboral más exigente, esa combinación pesa más que una colección de certificados.
Uruguay ofrece una señal interesante para 2026. Aunque la demanda tecnológica general perdió dinamismo, el Monitor Laboral de Advice y CUTI informó que las búsquedas vinculadas con Ciencia de Datos e Inteligencia Artificial crecieron 12,7% interanual durante el primer semestre. Al mismo tiempo, los perfiles senior concentraron el 50,4% de las oportunidades TI que especificaban experiencia. La lectura correcta no es que no haya lugar para quien empieza, sino que el perfil junior debe llegar con más evidencia, mejor conocimiento de negocio y expectativas realistas.
Esta guía explica qué aprender, qué proyectos construir y cómo presentar un perfil de analista de datos en Uruguay sin inventar experiencia ni perseguir cada tecnología de moda.
¿Qué hace un analista de datos?
Un analista convierte datos en respuestas útiles. Puede trabajar en finanzas, comercio, logística, marketing, recursos humanos, salud, industria, turismo o sector público. Las herramientas cambian, pero el flujo suele ser similar:
- Entender una pregunta de negocio.
- Localizar y evaluar las fuentes.
- Limpiar y organizar los datos.
- Calcular indicadores y comparar resultados.
- Visualizar los hallazgos.
- Comunicar límites, conclusiones y próximos pasos.
Por ejemplo, una empresa no contrata a alguien para "hacer Power BI" en abstracto. Necesita saber por qué caen las ventas, qué productos se quedan sin stock, dónde aumenta el tiempo de entrega o qué clientes abandonan. La herramienta es el medio; el valor está en reducir incertidumbre.
El mercado uruguayo de datos en 2026
La edición de julio del Monitor Laboral de Advice, elaborada con CUTI, registró una caída interanual de 10% en avisos de tecnologías de la información, pero un crecimiento de 12,7% en búsquedas de Ciencia de Datos e Inteligencia Artificial. También mostró una fuerte concentración de requisitos de experiencia: la mitad de los avisos TI que detallaban seniority se dirigía a perfiles senior.
La edición de agosto añadió contexto: la demanda laboral total cayó 20,3% interanual y descendió por debajo de 6.000 oportunidades mensuales. Es una fotografía puntual y no una predicción permanente, pero confirma que conseguir entrevistas requiere focalización. Un currículum genérico y un tablero copiado de un tutorial difícilmente alcanzan.
En paralelo, Uruguay está ampliando capacidades. La Escuela Nacional de Administración Pública y UTEC presentaron un trayecto de Inteligencia Artificial y Ciencia de Datos para funcionarios, y la estrategia nacional de IA incluye formación y reconversión laboral. Estas iniciativas no garantizan vacantes, pero confirman que los datos y la IA ya forman parte de la agenda productiva y pública.
Habilidades técnicas para un analista de datos
| Competencia | Qué deberías poder hacer | Evidencia de portafolio |
|---|---|---|
| Excel | Limpiar, buscar, resumir, validar y explorar datos | Modelo de control con tablas dinámicas y alertas |
| SQL | Filtrar, unir, agrupar y consultar tablas | Archivo de consultas con preguntas y resultados |
| Power BI | Modelar datos, crear medidas y diseñar un tablero | Dashboard con KPIs, contexto y recomendaciones |
| Estadística | Describir variación, comparar grupos y evitar conclusiones falsas | Análisis que explique supuestos y limitaciones |
| Python | Automatizar limpieza o análisis cuando aporta eficiencia | Notebook reproducible y documentado |
| Comunicación | Traducir resultados a decisiones | Resumen ejecutivo de una página |
Excel: una base que no conviene saltar
Excel enseña a observar la estructura de los datos. Domina tablas, referencias, funciones condicionales, búsquedas, fechas, tablas dinámicas y gráficos. Después incorpora Power Query para repetir transformaciones. El objetivo no es conocer cada fórmula, sino construir un proceso claro y verificable.
SQL: hablar con bases de datos
SQL permite obtener información sin depender siempre de archivos exportados. Para un perfil junior, una base sólida incluye SELECT, WHERE, GROUP BY, CASE, funciones de fecha, JOIN y funciones de ventana. Practica con una base de ventas, clientes o inventario y guarda las consultas bien comentadas.
Power BI: modelar antes de decorar
Un tablero profesional comienza por preguntas e indicadores, no por colores. Aprende a relacionar tablas, construir un calendario, crear medidas, controlar filtros y diseñar una jerarquía visual. Tres gráficos que responden una decisión valen más que una pantalla saturada.
Estadística: pensar con incertidumbre
Media, mediana, distribución, percentiles, variación, correlación y tamaño de muestra son conceptos fundamentales. También hay que reconocer sesgos y datos faltantes. Un analista responsable distingue lo que los datos muestran de lo que apenas sugieren.
Python: útil cuando resuelve un problema
Python cobra sentido para automatizar tareas, combinar archivos, analizar mayor volumen o aplicar métodos que una hoja de cálculo no maneja bien. Empieza con pandas, visualización y notebooks reproducibles. No lo conviertas en una barrera: es posible construir buenos proyectos iniciales con Excel, SQL y Power BI.
El conocimiento de negocio que completa el perfil
Los datos siempre pertenecen a un proceso. Un analista de retail necesita comprender ventas, margen, stock y promociones. En logística debe interpretar entregas, tiempos e inventario. En recursos humanos, dotación, rotación, ausentismo y formación. En finanzas, ingresos, costos, presupuesto y flujo.
Elige un dominio y aprende su vocabulario, sus decisiones y sus fuentes. Esto mejora la calidad de las preguntas y ayuda a competir con perfiles que conocen herramientas, pero no comprenden la operación.
Cómo construir un portafolio que ayude a conseguir entrevistas
Un buen portafolio no necesita diez proyectos. Tres casos completos y distintos pueden mostrar suficiente amplitud. Cada uno debería incluir:
- Una pregunta concreta.
- La fuente y el diccionario de datos.
- Las decisiones de limpieza.
- Los indicadores y su definición.
- Una visualización clara.
- Hallazgos, límites y recomendaciones.
- Archivos o código reproducible cuando sea posible.
Proyecto 1: ventas y rentabilidad
Construye una base ficticia o utiliza datos abiertos. Analiza evolución mensual, productos, canales, ticket, margen y concentración de clientes. La pregunta podría ser: "¿Qué combinación de producto y canal explica la caída del margen?". Presenta un dashboard y un resumen para gerencia.
Proyecto 2: inventario y nivel de servicio
Relaciona pedidos, productos, existencias y entregas. Mide quiebres, rotación, pedidos completos y demoras. Propón una regla de alerta. Este caso demuestra que puedes trabajar con varias tablas y traducir datos a operaciones.
Proyecto 3: empleo o servicios públicos
Uruguay dispone de portales de datos abiertos que permiten explorar temas económicos, territoriales y sociales. Formula una pregunta acotada, documenta las limitaciones y evita conclusiones causales que la fuente no permita. Un caso local ayuda a demostrar contexto.
Errores comunes en un portafolio de datos
- Copiar un tutorial sin cambiar la pregunta ni explicar decisiones.
- Usar datos sucios sin documentar el tratamiento.
- Crear gráficos atractivos que no responden nada.
- Mostrar métricas sin definirlas.
- Presentar conclusiones que exceden la evidencia.
- Publicar información confidencial de un empleo anterior.
- Incluir tantas herramientas que ninguna se percibe sólida.
Ruta de aprendizaje de seis meses
Mes 1: Excel y preguntas de negocio
Trabaja con tablas, limpieza, fórmulas, búsquedas y tablas dinámicas. Elige un sector y escribe diez preguntas que un responsable podría hacer. Entrega un reporte simple.
Mes 2: SQL
Practica consultas diarias. Aprende a combinar tablas y validar resultados. Crea un repositorio con 20 preguntas, consultas y explicaciones. La claridad importa tanto como la complejidad.
Mes 3: Power BI
Construye un modelo con tabla de hechos, dimensiones y calendario. Define medidas antes de diseñar el tablero. Prueba la navegación con una persona que no conozca el caso.
Mes 4: estadística y comunicación
Refuerza análisis descriptivo y visualización. Escribe resúmenes de una página: contexto, hallazgo, impacto, límite y recomendación. Practica una presentación de cinco minutos.
Mes 5: proyecto integral
Combina SQL, Power BI y documentación. Publica capturas legibles, metodología y archivos que no comprometan datos privados. Solicita revisión y corrige.
Mes 6: especialización y búsqueda
Elige finanzas, logística, marketing, personas, salud o sector público. Adapta un proyecto al dominio y comienza una búsqueda semanal medida: postulaciones coherentes, contactos, conversaciones e entrevistas.
Cómo compensar la falta de experiencia
La concentración de búsquedas senior obliga a ser estratégico. No puedes fabricar años de experiencia, pero sí reducir la incertidumbre del empleador:
- Presenta proyectos con preguntas reales, no ejercicios aislados.
- Explica decisiones y errores corregidos.
- Conecta experiencia previa con el dominio: administración, ventas, operaciones o investigación.
- Participa en proyectos voluntarios o académicos con alcance definido.
- Aprende a recibir requisitos y mostrar avances.
- Postula también a cargos adyacentes: reporting, control de gestión, operaciones o soporte BI.
Un puesto adyacente puede ser una buena entrada si permite trabajar con datos y aprender un negocio. El título del cargo importa menos que las tareas, herramientas y posibilidades de crecimiento.
Cómo preparar el currículum y la entrevista
El encabezado debe indicar especialidad y herramientas relevantes: "Analista de datos junior | Excel, SQL y Power BI | enfoque en logística". En proyectos, usa una estructura breve: problema, datos, método, resultado y enlace. Evita barras de porcentaje para calificar habilidades.
En entrevista, prepárate para contar un proyecto de principio a fin. Explica una dificultad de calidad de datos, cómo validaste un indicador y qué cambiarías. También pueden pedir una prueba práctica. Antes de comenzar, confirma definiciones, unidades y objetivo; esa conducta demuestra criterio profesional.
IA para analistas: acelerador, no sustituto del juicio
La IA puede ayudar a proponer consultas, documentar código, resumir resultados o explorar hipótesis. También puede inventar columnas, interpretar mal un indicador o producir código inseguro. Verifica todo con la fuente, protege información sensible y registra los supuestos.
La Estrategia Nacional de Inteligencia Artificial de Uruguay destaca la formación y la adaptación laboral. Para un analista, eso implica aprender a trabajar con IA de manera crítica, ética y reproducible, no delegar la interpretación.
Cómo evaluar una formación
La oferta educativa crece. UTEC, por ejemplo, presentó en 2026 un certificado de soluciones digitales con IA que integra proyectos, programación, automatización y asistentes. Al comparar opciones, revisa contenidos, práctica, docentes, evaluación, modalidad, costo y proyecto final. Ningún curso serio puede garantizar empleo.
Una formación útil debería ayudarte a producir evidencia, recibir retroalimentación y conectar herramientas con problemas. Si el programa enumera muchas tecnologías pero no muestra proyectos ni criterios de evaluación, pregunta antes de inscribirte.
Conclusión: especializarse sin perder la base
La oportunidad para analistas de datos en Uruguay existe dentro de un mercado más selectivo. Las señales de 2026 muestran crecimiento en Ciencia de Datos e IA, pero también menor demanda general y mayor peso de la experiencia. La respuesta no es acumular herramientas: es dominar una base, elegir un dominio y demostrar que puedes convertir información en una decisión.
Para avanzar con una ruta estructurada, explora la formación online de G-Talent en Excel, Power BI, análisis de datos, inteligencia artificial y habilidades profesionales. Elige el programa que cierre la brecha más visible de tu perfil y conviértelo en un proyecto publicable. En un mercado exigente, aprender importa; demostrar cómo aplicas lo aprendido importa todavía más.
