Qué es la analítica de datos, y qué no es

Una decisión con una fecha límite

Alpenkorb AG es una tienda online ficticia de alimentación y artículos para el hogar con sede en Zúrich. Reparte en ocho regiones suizas, de Ginebra a St. Gallen, y cada pedido, cada visita y cada franco de marketing de enero de 2025 a marzo de 2026 está en los datos que usarás en este curso. El 1 de abril de 2026 Lena Frei asume su puesto como responsable de crecimiento. Su primera tarea es concreta: proponer cómo repartir el presupuesto de marketing del segundo trimestre entre búsqueda de pago, anuncios sociales, socios afiliados y email. En el primer trimestre esos cuatro canales costaron CHF 4'308.96.

A lo largo de ocho lecciones harás el trabajo que Lena tiene que hacer: afinar la pregunta, elegir los números que importan, consultar las tablas y escribir la nota de una página que cierra el curso. Cada número de estas lecciones proviene de los mismos datos que consultarás en los laboratorios.

Qué es la analítica de datos

La analítica de datos es el trabajo de convertir datos en una decisión mejor. La decisión va primero. Si ninguna elección depende de la respuesta, el análisis es un pasatiempo, por bonito que se vea el gráfico. Para Lena la elección es dinero: qué canal recibe más, y cuál recibe menos.

• Es responder a una pregunta concreta con datos que se ajustan a esa pregunta.
• Es decir cuán seguro estás, y qué te haría cambiar de opinión.
• No es recopilar todos los números posibles esperando que aparezca un patrón.
• No es un dashboard que nadie abre antes de una decisión.
• No es la prueba de lo que alguien ya creía. Un buen análisis puede terminar con estábamos equivocados.
• No necesita big data. Alpenkorb tiene 3'427 pedidos, pocos como para caber en un teléfono y suficientes para esta decisión.

Mira la materia prima

Los datos viven en tablas. La tabla orders tiene una fila por pedido: cuándo se hizo, qué cliente lo hizo, desde qué región y fuente de marketing, cuánto valía, y si fue entregado, cancelado o devuelto. SQL es el lenguaje para hacerle preguntas a una tabla. La pregunta útil más corta es: muéstrame algunas filas.

SELECT *
FROM orders
LIMIT 5;

SELECT * significa todas las columnas, FROM orders nombra la tabla y LIMIT 5 se detiene después de cinco filas. ¿Cuáles cinco? Las que resulten estar almacenadas en ese orden. Una tabla no tiene un orden de clasificación integrado, así que si te importa qué filas aparecen primero debes indicarlo con ORDER BY.

SELECT order_id, order_date, source, net_amount
FROM orders
ORDER BY net_amount DESC
LIMIT 5;

Esto devuelve los cinco pedidos más grandes según net_amount, el valor después de descuentos. DESC ordena de mayor a menor; sin él, SQL ordena de menor a mayor. Nombrar las columnas en lugar de escribir * mantiene el resultado legible.

La trampa: empezar por los datos

El error más común en la analítica de datos es abrir los datos antes de haber escrito la decisión. Encuentras algo interesante, luego algo más, y al cabo de una semana tienes cuarenta gráficos y ninguna recomendación. Lena también sentirá la tentación. Los datos contienen 17'706 sesiones de sitio web y app, y en el primer trimestre de 2026 los anuncios sociales trajeron más sesiones que cualquier otra fuente. Eso suena a éxito. Si lo es depende de la pregunta, y la lección 4 muestra que este número por sí solo no dice casi nada sobre su decisión.

Qué sigue

Los cuatro tipos de analítica clasifica las preguntas según lo que le piden a los datos. De la pregunta de negocio a la pregunta de datos convierte ¿está funcionando lo social? en algo que una tabla puede responder. KPI, métricas y números de vanidad separa los números que deciden de los que decoran. Tu primera consulta de verdad y Agrupar en una tabla lista para graficar construyen el SQL que necesitas. El funnel en números sigue a los visitantes hasta el primer pedido y los pedidos repetidos, y La nota de decisión de una página convierte todo esto en una recomendación que Lena puede defender.