
Excel Power Query en 2026: ETL para analistas de datos y preguntas de entrevista
Guía completa de Excel Power Query para ETL: transformaciones de datos, lenguaje M, combinación de consultas y preguntas de entrevista para analistas de datos.

Programa completo de Data Analytics que cubre toda la cadena de valor de los datos. Desde la manipulación de datos con Google Sheets y SQL hasta la creación de dashboards interactivos con Power BI y Looker Studio, pasando por la automatización con herramientas ELT (dbt, Zapier) y el análisis predictivo con Python (Pandas, Scikit-Learn). Aprende a identificar fuentes de datos, construir funnels, analizar la retención de clientes y recomendar acciones concretas a partir de tus análisis.
Manipulación de datos con Google Sheets y fórmulas avanzadas
SQL avanzado con BigQuery: consultas analíticas, CTEs, window functions
Data modeling para equipos de marketing, ventas y producto
Herramientas ELT: dbt para transformación, Zapier para automatización
Web tracking con Google Tag Manager y planes de seguimiento
APIs y webhooks para extracción de datos
Visualización de datos con Power BI y Looker Studio (Google Data Studio)
Análisis estadístico y AB testing
Python para análisis: Pandas, Plotly, Jupyter, Google Colab
Machine Learning aplicado: predicción de churn, segmentación de clientes con Scikit-Learn
Metodología de análisis: KPIs, funnels de venta, retención, cohortes
Proyecto end-to-end: desde la identificación del problema hasta el dashboard automatizado
Los conceptos más importantes para entender esta tecnología y aprobar tus entrevistas
Google Sheets: fórmulas avanzadas (VLOOKUP, INDEX/MATCH, ARRAYFORMULA), tablas dinámicas, automatización
SQL: SELECT, JOIN, GROUP BY, HAVING, window functions (ROW_NUMBER, RANK, LAG/LEAD), CTEs, subconsultas
BigQuery: particionamiento, clustering, consultas anidadas, optimización de costos, UDFs
Data Modeling: esquemas en estrella, tablas de hechos y dimensiones, normalización, desnormalización
KPIs y métricas: CAC, LTV, MRR, ARR, churn rate, NPS, tasa de conversión, ARPU
Funnels y cohortes: análisis de conversión, retención por cohorte, análisis RFM
ELT y Data Pipeline: Extract-Load-Transform, dbt (models, tests, sources), orquestación
Zapier y automatización: triggers, actions, workflows multi-paso, webhooks
Google Tag Manager: tags, triggers, variables, dataLayer, planes de tracking
Power BI: DAX, medidas calculadas, relaciones, visualizaciones, filtros, drill-down
Looker Studio: fuentes de datos, campos calculados, filtros, parámetros, blending
Visualización: elegir el gráfico correcto, data storytelling, principios de diseño (Tufte)
AB Testing: hipótesis, tamaño de muestra, significancia estadística, p-value, prueba t de Student
Python y Pandas: DataFrames, Series, groupby, merge, pivot_table, limpieza
Plotly: gráficos interactivos, subplots, animaciones, dashboards
Scikit-Learn: regresión, clasificación, clustering (K-Means), train/test split, métricas
Metodología: planteamiento del problema, identificación de fuentes, limpieza, análisis, recomendaciones
Un fragmento al día. Encuentra el bug, o demuestra que no hay ninguno.
Puestos fijos y freelance, con país, remoto y salario cuando se publica. Actualizadas cada día, reservadas a los suscriptores.
Descubre nuestros últimos artículos y guías sobre Data Analytics

Guía completa de Excel Power Query para ETL: transformaciones de datos, lenguaje M, combinación de consultas y preguntas de entrevista para analistas de datos.

Domina las preguntas más frecuentes en entrevistas para data analyst en 2026. Funciones window SQL, manipulación con pandas, estadísticas y casos de negocio con ejemplos de código prácticos.

Prepararse para entrevistas de Data Analyst en Italia con preguntas reales de empresas italianas en 2026. SQL avanzado, Python pandas, casos de estudio y proceso de contratación italiano.