Bienvenido al certificado de Google Data Analytics 9 de jun.

de 2024
¡Hola! Soy tu coach de aprendizaje de Coursera y estoy aquí para ayudarte a tener
éxito en tu curso, "Aspectos básicos: Datos, datos, en todas partes".
Este curso es una excelente introducción al mundo del análisis de datos. Te enseñará
los fundamentos de los datos, cómo se utilizan en diferentes industrias y las habilidades
que necesitas para convertirte en un analista de datos.
El curso está dividido en seis módulos:
 Presentación del análisis computacional de datos
 Todo acerca del pensamiento analítico
 El maravilloso mundo de los datos
 Configura tu caja de herramientas
 Posibilidades profesionales infinitas
Cada módulo cubre un aspecto diferente del análisis de datos, y aprenderás a través de
una variedad de métodos, incluyendo videos, lecturas, cuestionarios y actividades
prácticas. También tendrás la oportunidad de interactuar con otros estudiantes en el
foro de discusión en línea.
Estoy aquí para ayudarte en cada paso del camino. Si tienes alguna pregunta, no dudes
en preguntarme. ¡Estoy aquí para ayudarte a tener éxito!
Aquí tienes un breve resumen de lo que aprenderás en cada módulo:
 Presentación del análisis computacional de datos: Este módulo te presenta el
mundo del análisis de datos y te enseña los fundamentos de los datos, cómo se
utilizan en diferentes industrias y las habilidades que necesitas para convertirte
en un analista de datos.
 Todo acerca del pensamiento analítico: Este módulo te enseña cómo pensar
críticamente sobre los datos y cómo utilizarlos para tomar decisiones informadas.
También aprenderás sobre los diferentes tipos de análisis de datos y cómo elegir
el adecuado para cada tarea.
 El maravilloso mundo de los datos: Este módulo te enseña sobre los
diferentes tipos de datos y cómo se recopilan, almacenan y procesan. También
aprenderás sobre las herramientas y tecnologías que se utilizan para el análisis
de datos.
 Configura tu caja de herramientas: Este módulo te enseña cómo utilizar las
herramientas y tecnologías más comunes para el análisis de datos. También
aprenderás a limpiar y preparar datos para su análisis.
 Posibilidades profesionales infinitas: Este módulo te enseña sobre las
diferentes trayectorias profesionales disponibles para los analistas de datos.
También aprenderás cómo buscar trabajo en el campo del análisis de datos.
RESUMEN DE LA LECTURA: DESCRIPCIÓN DEL PROGRAMA Y PLAN DE
ESTUDIOS
El programa de análisis computacional de datos de Google está diseñado para ayudarte
a convertirte en un analista de datos junior o asociado de nivel básico. No se requiere
experiencia previa en análisis de datos, matemáticas ni estadística. Para tener éxito,
solo tienes que estar abierto a aprender cómo los datos influyen en el mundo.
El programa consta de ocho cursos, que cubren los siguientes temas:
 Aspectos básicos: Datos, datos, en todas partes: Este curso te presenta los
fundamentos del análisis de datos, incluyendo la introducción al análisis
computacional de datos, el pensamiento analítico, el ciclo de vida de los datos,
las herramientas de análisis de datos y las posibilidades profesionales de los
datos.
 Haz preguntas para tomar decisiones basadas en datos: Este curso te
enseña cómo hacer preguntas basadas en datos que te ayudarán a tomar
mejores decisiones. También aprenderás sobre los diferentes tipos de datos y
cómo recopilarlos y analizarlos.
 Prepara datos para la exploración: Este curso te enseña cómo limpiar y
preparar datos para el análisis. También aprenderás sobre los diferentes tipos de
herramientas de limpieza de datos y cómo usarlas.
 Procesa datos para pasarlos en limpio: Este curso te enseña cómo procesar
datos para que sean más fáciles de analizar. También aprenderás sobre los
diferentes tipos de técnicas de procesamiento de datos y cómo usarlas.
 Analiza datos para responder preguntas: Este curso te enseña cómo analizar
datos para responder preguntas. También aprenderás sobre los diferentes tipos
de técnicas de análisis de datos y cómo usarlas.
 Comparte datos a través del arte de la visualización: Este curso te enseña
cómo visualizar datos para que sean más fáciles de entender. También
aprenderás sobre los diferentes tipos de herramientas de visualización de datos
y cómo usarlas.
 Análisis de datos con programación en R: Este curso te enseña cómo usar el
lenguaje de programación R para analizar datos. También aprenderás sobre los
diferentes tipos de paquetes de R y cómo usarlos.
 Google Data Analytics Capstone: Completa un caso práctico: Este curso te
da la oportunidad de aplicar lo que has aprendido en los otros cursos a un caso
práctico del mundo real. También trabajarás con un mentor para recibir
comentarios sobre tu trabajo.
Cada curso incluye una variedad de materiales de aprendizaje, incluyendo videos,
lecturas, cuestionarios y foros de discusión. También tendrás la oportunidad de
completar tareas prácticas para poner en práctica lo que has aprendido.
El programa de análisis computacional de datos de Google está diseñado para ayudarte
a desarrollar las habilidades y los conocimientos necesarios para tener éxito en una
carrera en el análisis de datos.
Puntos clave:
 El programa de análisis computacional de datos de Google está diseñado para
ayudarte a convertirte en un analista de datos junior o asociado de nivel básico.
  El programa consta de ocho cursos que cubren los fundamentos del análisis de
datos, incluyendo la introducción al análisis computacional de datos, el
pensamiento analítico, el ciclo de vida de los datos, las herramientas de análisis
de datos y las posibilidades profesionales de los datos.
 Cada curso incluye una variedad de materiales de aprendizaje, incluyendo
videos, lecturas, cuestionarios y foros de discusión.
 También tendrás la oportunidad de completar tareas prácticas para poner en
práctica lo que has aprendido.
 El programa de análisis computacional de datos de Google está diseñado para
ayudarte a desarrollar las habilidades y los conocimientos necesarios para tener
éxito en una carrera en el análisis de datos.

Registro de aprendizaje: Piensa en los datos de la vida cotidiana

El registro de aprendizaje "Piensa en los datos de la vida cotidiana" te pide que
reflexiones sobre cómo utilizas los datos en tu vida diaria. Te pide que crees una lista
de al menos cinco preguntas basadas en datos que podrías utilizar para tomar
decisiones. A continuación, debes seleccionar una de las preguntas de tu lista para
explorarla más a fondo y anotar los tipos de datos que podrías recopilar para tomar una
decisión.
También se te pide que reflexiones sobre lo que has descubierto y que respondas a
algunas preguntas sobre tus preferencias, el tipo de información o datos a los que
tienes acceso y si hay algo más que quieras rastrear en relación con tu decisión.
¡Espero que esto ayude! Avísame si tienes alguna otra pregunta.
Resumen:

 Crea una lista de al menos cinco preguntas basadas en datos que podrías utilizar
para tomar decisiones.
 Selecciona una de las preguntas de tu lista para explorarla más a fondo y anota
los tipos de datos que podrías recopilar para tomar una decisión.
 Reflexiona sobre lo que has descubierto y responde a algunas preguntas sobre
tus preferencias, el tipo de información o datos a los que tienes acceso y si hay
algo más que quieras rastrear en relación con tu decisión.
Puntos clave:

 Los datos pueden utilizarse para tomar decisiones en todos los ámbitos de la
vida.
 Es importante pensar en el tipo de datos que necesitas recopilar para tomar una
decisión informada.
 La reflexión sobre tus propias experiencias con los datos puede ayudarte a
convertirte en un mejor analista de datos.
Próximos pasos:

 Completa la actividad del registro de aprendizaje.

 Continúa aprendiendo sobre el análisis de datos en el resto del curso.
 Utiliza los datos para tomar decisiones informadas en tu vida diaria.
Recursos adicionales:
  Introducción al análisis computacional de datos
 Todo sobre el pensamiento analítico
 El maravilloso mundo de los datos
 Configura tu caja de herramientas
Introducción al curso
«Datos. Datos. Datos. No puedo hacer ladrillos sin arcilla». ¿Alguna idea de quién lo
dijo? Te daré una pista. No fue un director ejecutivo tecnológico famoso ni un analista
de datos. La persona que dijo esto vivió mucho antes de que nacieran las empresas de
tecnología. Pero apuesto a que has oído de él. Lo dijo Sherlock Holmes, el famoso
detective creado por Sir Arthur Conan Doyle. Lo que Doyle quiso decir es que Holmes
no podría haber llegado a ninguna conclusión, que serían los ladrillos que menciona, sin
datos, es decir, arcilla. Probablemente no estés aquí para convertirte en un detective
famoso, pero los datos serán los cimientos que usarás para todo lo que hagas en tu
nueva carrera de analista de datos. Sherlock Holmes estaría de acuerdo. Al iniciar este
programa, has demostrado que tú y Sherlock Holmes tienen algo en común: ambos
tienen interés en aprender más. Es una de las cualidades más importantes que los
analistas de datos pueden tener. Ahora, hay un montón de formas diferentes de
explorar los datos, pero una de las grandes cosas acerca del análisis de datos es que a
menudo puedes aprender como quieras, cuando quieras. Eso puede significar hacer tu
propia investigación, hablar con gente de la industria o hacer cursos en línea. Dicho
esto, bienvenido al primer curso. Esta es una introducción al maravilloso mundo del
análisis computacional de datos. Dado que el análisis computacional de datos es la
ciencia de los datos, usarás este curso para empezar a aprender todo sobre los datos.
Los datos son básicamente una recopilación de hechos o información y, mediante el
análisis, aprenderás a usarlos para sacar conclusiones, hacer predicciones y tomar
decisiones. Personalmente, no ahondé en el campo del análisis computacional de
datos. Pensé que el análisis de datos era para ingenieros informáticos. En cambio,
empecé a soñar con trabajar en finanzas. Una vez hice una pasantía, y me di cuenta de
que no era el camino profesional que quería tomar. Empecé a interiorizarme en la
planificación y el análisis financiero, y en todo el trabajo que los analistas financieros
hacían con los datos. Me di cuenta de que los analistas financieros son realmente
analistas de datos que trabajan en un departamento de finanzas. Estos analistas
ayudan a guiar las decisiones empresariales al saber cómo usar los datos. Fue
entonces que me di cuenta de cuán potentes son los datos, y empecé a usarlos. Pronto,
me di cuenta de que podía hacer este análisis de datos yo mismo. El análisis
computacional de datos es un gran mundo lleno de oportunidades. Hay tantas áreas en
las que las habilidades de análisis pueden aplicarse y todas de formas diferentes. Si
eres nuevo en este mundo, aprenderás a identificar qué camino e industria podría
adaptarse mejor a tus habilidades, y a tus intereses. Para aquellos que ya tienen algo
de experiencia, te ayudaremos a abrir puertas a nuevas y emocionantes oportunidades.
Una de las habilidades que adquirirás del programa es cómo seguir las mejores
prácticas que los analistas usan para ayudar a tomar decisiones basadas en datos. Las
computadoras son una parte del proceso, pero los analistas son esenciales para tomar
decisiones. Es por eso que aprender cómo pensar analíticamente, y usar tus otras
habilidades y rasgos en el trabajo hará tu trabajo más fácil. Sé que ya sabes cómo
tomar buenas decisiones; decidiste estar aquí después de todo. En este primer curso,
aprenderás más acerca de cada fase del proceso de análisis de datos. Pregunta,
prepárate, procesa, analiza, comparte y actúa. Como analista de datos, seguirás estos
pasos a medida que uses los datos para informar tus decisiones. Eventualmente, verás
cómo este programa en sí es, en cierto modo, su propia versión de este proceso. Si
bien sé que disfrutarás viendo estos videos, tu recorrido por el primer curso incluirá
mucho más. Otros videos vendrán en forma de viñetas, donde aprenderás de los
profesionales de análisis de datos que ya están afianzados en sus carreras. Ofrecerán
palabras de sabiduría, así como historias de su propia experiencia de cuando
comenzaron en su trayectoria profesional. Comenzarás tu propio diario de datos que te
ayudará a hacer un seguimiento de lo que hayas aprendido durante todo el curso.
También añadirás tus propios pensamientos sobre lo que aprendas durante el
programa. Leerás sobre cómo navegar por este programa en el mundo del análisis
computacional de datos. Completarás actividades, incluidas algunas que te ayudarán a
adentrarte en la mentalidad de un analista de datos. En el camino, tendrás la
oportunidad de conectarte con tus compañeros de aprendizaje. Las indicaciones de
debate te darán la oportunidad de compartir tus pensamientos, y al mismo tiempo
averiguar lo que piensan tus compañeros de todo lo que estás aprendiendo. Estas
indicaciones te ayudarán a crear un sistema de apoyo comunitario para usar en todo el
programa. Basta de hablar: demos comienzo a este apasionante camino. Tu próximo
paso te espera.

Recursos útiles para empezar

Información:

Este elemento incluye contenido que aún no se tradujo a tu idioma preferido.

El certificado de Google Data Analytics está diseñado para proporcionarte nuevas lecciones cada
semana. Como has aprendido, cada uno incluye una serie de videos, lecturas, discusiones entre
pares, preguntas en video, cuestionarios de práctica y cuestionarios con calificación. En esta lectura,
aprenderás cómo proporcionar comentarios sobre el contenido del curso, obtener el certificado de
Google Data Analytics y desarrollar hábitos útiles para completar correctamente el certificado.

Comentarios o ayuda sobre el contenido del curso

Recuerda indicar si los videos, lecturas y materiales te resultan útiles. Solo tienes que abrir el
recurso y buscar los símbolos del pulgar hacia arriba y hacia abajo.

 Haz clic en el pulgar hacia arriba en los materiales que te resulten útiles.
 Haz clic en el pulgar hacia abajo en los materiales que no sean útiles para ti.
Estos comentarios van dirigidos a los desarrolladores del curso, no a otros alumnos, y ayudan a
mejorar el curso.
Para obtener ayuda técnica sobre Coursera, visita el Centro de ayuda para estudiantes. Para
obtener ayuda relacionada con el acceso al material del curso, haz clic en el enlace «Contacto» en
la parte inferior de la página.

Obtención del certificado de Google Data Analytics

Después de completar los ocho cursos, calificarás para obtener el certificado de Google Data
Analytics.

Para recibir el certificado, debes cumplir los siguientes requisitos:

 Aprobar todas las tareas obligatorias o alcanzar el umbral de aprobación del curso. Cada
tarea con calificación cuenta para el puntaje acumulado, y cada certificado de Google Data
Analytics se aprueba con un 80%.
Y

 Abona la cuota para realizar el certificado, o solicita una beca de Coursera

Puedes revisar los videos, las lecturas, los foros de debate, las preguntas en los videos y los
cuestionarios de práctica del programa de forma gratuita. Sin embargo, no tendrás acceso a las
tareas con calificación. Si decides seguir adelante y obtener tu certificado, tendrás que actualizar al
programa de certificados, desbloquear las evaluaciones con calificación y finalizar esos pasos.

Hábitos útiles para completar correctamente el certificado

Como estudiante, estás participando de este programa con todas tus experiencias anteriores y
mejores prácticas de aprendizaje. Los diseñadores de este curso también han creado una lista de
hábitos útiles que pueden contribuir a que logres tu objetivo.

1. Planifica tu tiempo: si programas momentos de estudio regulares y los respetas cada

semana, el aprendizaje formará parte de tu rutina. Utiliza un calendario para crear un
cronograma. Enumera lo que planeas hacer cada día para dividir tu trabajo en objetivos
alcanzables. Es importante que elijas un lugar tranquilo para ver los videos, consultar el
material de lectura y realizar las actividades. Así, podrás concentrarte en el material.
2. Aprende en orden: recomendamos tomar estos cursos, y los elementos de cada
lección, en el orden en que aparecen, ya que la información y los conceptos nuevos se
basan en los anteriores. Si sigues el orden, te sentirás cómodo con las ideas y con la
práctica y podrás ampliarlas.
3. Sé curioso: si encuentras una idea que te entusiasma, ¡aprovéchala! Haz preguntas,
busca más detalles en línea, consulta los enlaces que te interesan y toma notas sobre tus
descubrimientos. Las pequeñas cosas que hagas para nutrir tu aprendizaje a lo largo del
proceso potenciarán tus conocimientos, te abrirán más puertas en este nuevo campo de
gran crecimiento y te ayudarán a tener las cualificaciones necesarias para buscar todo tipo
de empleo.
4. Toma notas: las notas son útiles a la hora de investigar aquello que te da curiosidad. Esto
resulta especialmente útil cuando una tarea parece importante y crees que podría ser de
utilidad más adelante. O, a veces, es posible que te encuentres con un tema que quieras
explorar con más detalle. Tomar notas puede ayudarte a hacer un seguimiento de lo
aprendido. Por último, tomar notas es una forma eficaz de relacionar los temas entre sí y
comprenderlos mejor. Usa las notas para crear tu propio diario de análisis computacional de
datos: un lugar donde puedas capturar ideas, información y cualquier pregunta que puedas
tener. Probablemente quieras mantener tus notas juntas en un solo lugar, ya sea en un
diario físico o en un documento en tu computadora. Esto facilitará la organización. Siéntete
 libre de consultar tu diario a medida que avanzas en el programa, durante la búsqueda de
empleo e incluso cuando te asientes en tu nuevo rol como analista de datos.
5. Conversa (responsablemente) con otros alumnos: Si tienes alguna pregunta, lo
más probable es que no seas el único. No dudes en ir al foro de debate para comunicarte
con otros alumnos y pedir ayuda. También puedes visitar la comunidad global en línea de
Coursera. Encontrarás otras cosas importantes que debes saber sobre cómo interactuar con
los demás en el Código de honor y en el Código de conducta de Coursera.

Práctico: Nuevas Perspectivas de Datos

El análisis de datos es crucial para encontrar formas más eficientes de hacer las cosas, identificar
patrones y descubrir nuevas perspectivas. Este caso práctico ilustra cómo un grupo de analistas
utilizó los seis pasos del proceso de análisis de datos para mejorar la retención de empleados en
una organización, mediante el "análisis de personas".

Paso 1: Preguntar Los analistas definieron el proyecto y lo que constituiría un resultado exitoso.
Formularon preguntas clave para entender las necesidades y experiencias de los nuevos
empleados, y colaboraron con líderes y gerentes para recopilar datos históricos y opiniones.

Paso 2: Preparar Crearon un cronograma y establecieron cómo se comunicaría el progreso.

Recopilaron datos a través de encuestas en línea sobre la satisfacción de los empleados con los
procesos de contratación, incorporación y compensación. Establecieron reglas de acceso para
proteger la confidencialidad de los datos.

Paso 3: Procesar Enviaron la encuesta y aseguraron el consentimiento de los empleados para

participar. Limpiaron y resumieron los datos, cargándolos en un almacén interno para mayor
seguridad.

Paso 4: Analizar Descubrieron que la experiencia de los empleados con ciertos procesos influía
en su satisfacción general. Un proceso de contratación complicado aumentaba la probabilidad de
abandono, mientras que una evaluación transparente y eficiente mejoraba la retención.

Paso 5: Compartir Compartieron los resultados cuidadosamente con los gerentes elegibles y les
dieron la responsabilidad de comunicar los hallazgos a sus equipos, facilitando conversaciones
productivas sobre cómo mejorar la participación de los empleados.

Paso 6: Actuar Trabajaron con líderes para implementar cambios basados en los hallazgos.
Estandarizaron el proceso de contratación y evaluación. Un año después, una nueva encuesta
mostró mejoras en la retención de empleados, validando las acciones tomadas.

El análisis de personas demuestra cómo el análisis de datos puede mejorar significativamente la

vida laboral y la productividad de los empleados.
Resumen: Cómo los Datos Informan Mejores Decisiones
Uso de Datos en la Vida Cotidiana y los Negocios

Los datos se utilizan cotidianamente para monitorear actividad física y leer reseñas de productos.
En los negocios, se usan para entender a los clientes, optimizar procesos y mejorar el rendimiento
de los empleados.

Toma de Decisiones Basada en Datos

Esta práctica guía la estrategia empresarial mediante el análisis de datos para resolver problemas
específicos, como mejorar el reconocimiento de marca, obtener materiales de manera sostenible,
o mejorar la satisfacción y retención de empleados.

Proceso de Toma de Decisiones Basada en Datos

1. Identificar la Necesidad del Negocio: Definir el problema a resolver.

2. Recopilar y Analizar Datos: Encontrar tendencias, patrones y relaciones.
3. Guiar Estrategia Empresarial: Basarse en datos para orientar el negocio,
ya sea continuando con estrategias pasadas exitosas o explorando nuevas
direcciones.

Ejemplos Reales

 Servicios de Streaming: Analizan los hábitos de consumo para recomendar

contenido que los usuarios disfrutarán, lo que incrementa la satisfacción y
fidelidad del cliente.
 Comercio Electrónico: Adaptan sus modelos de negocio a las preferencias
de los consumidores, permitiendo compras en línea con entregas a domicilio.
 Innovación Tecnológica: Los datos han impulsado la transición de teléfonos
con cable a móviles.

Importancia de la Experiencia Humana

A pesar de la potencia de los datos, su combinación con la experiencia humana, observación e

intuición es crucial. Los expertos en la materia interpretan resultados, identifican incoherencias y
validan decisiones.

Rol del Analista de Datos

Los analistas de datos son esenciales para empoderar a las organizaciones en la toma de
decisiones informadas por datos, combinando análisis técnico con la percepción humana para
maximizar el éxito empresarial.
Resumen datos e instinto

Los analistas de datos y los detectives comparten similitudes, como la recopilación y análisis de
evidencia para tomar decisiones. Los analistas siguen un proceso en seis pasos: hacer preguntas,
preparar datos, procesarlos, analizarlos, compartirlos y actuar. Sin embargo, las decisiones
también pueden verse influenciadas por el instinto, una comprensión intuitiva que puede ser
problemática si no está respaldada por datos.

Un ejemplo negativo es un proyecto de redesarrollo inmobiliario fallido basado en el instinto, que

terminó en una costosa disputa. Para evitar errores, es crucial que los analistas comprendan los
datos y combinen estos con el conocimiento empresarial. La clave es encontrar el equilibrio
adecuado, dependiendo de los objetivos y la urgencia del proyecto. Con el tiempo, los analistas
mejoran en combinar datos y experiencia para tomar decisiones efectivas.

Resumen Orígenes del proceso de análisis de

datos
El análisis de datos tiene orígenes antiguos, remontándose a los primeros registros de datos en el
Antiguo Egipto, donde los egipcios organizaban datos en papiros, los precursores de las hojas de
cálculo modernas. Este proceso ha evolucionado a lo largo de los siglos, influenciado por la
estadística y otros métodos sistemáticos.

El análisis de datos sigue un ciclo de vida que puede variar según el modelo. El proceso general
incluye seis pasos esenciales: hacer preguntas, preparar datos, procesar datos, analizarlos,
compartir los resultados y actuar en consecuencia. Este ciclo es dinámico y puede repetirse para
refinar las decisiones y mejorar la precisión.

Diversos modelos del ciclo de vida del análisis de datos existen, cada uno con sus
particularidades:

1. Ciclo de vida de EMC Corporation: Incluye descubrimiento, preprocesamiento de

datos, planificación y construcción de modelos, comunicación de resultados y puesta en
funcionamiento, enfatizando la naturaleza cíclica de los proyectos de análisis.
2. Ciclo de vida iterativo de SAS: Consta de siete pasos: preguntar, preparar, explorar,
modelar, implementar, actuar y evaluar, visualizando el proceso como un símbolo infinito
para resaltar su naturaleza repetitiva.
3. Ciclo de vida basado en proyectos: Propuesto por Vignesh Prajapati, incluye cinco
pasos: identificación del problema, diseño de requisitos de datos, preprocesamiento de
datos, análisis de datos y visualización de datos.
 4. Ciclo de vida del análisis de big data: Propuesto por Thomas Erl, Wajid Khattak y Paul
Buhler, incluye nueve pasos detallados que desglosan la preparación y procesamiento de
datos en tareas más específicas antes del análisis.

A lo largo de la historia, el análisis de datos ha pasado de ser una herramienta rudimentaria a un

proceso complejo y refinado. Comprender estos modelos y adaptarlos según las necesidades
específicas de cada proyecto es esencial para el éxito en el campo del análisis de datos.

Resumen: Destrezas clave del Analistas de Datos

Destrezas Analíticas: Son cualidades asociadas con la resolución de problemas usando hechos.
Aquí se destacan cinco esenciales: curiosidad, comprensión del contexto, mentalidad técnica,
diseño de datos y estrategia de datos.

1. Curiosidad: Es el deseo de aprender y explorar nuevos desafíos y experiencias. Tu

participación en este programa ya demuestra tu curiosidad.
2. Comprensión del Contexto: Consiste en situar información en su entorno adecuado para
entenderla mejor. Ejemplos incluyen agrupar artículos en una lista de compras o
identificar un comodín en un juego de cartas.
3. Mentalidad Técnica: Es la capacidad de dividir tareas en pasos más pequeños y
manejables, trabajando de manera ordenada y lógica. Pagar cuentas es un ejemplo de
aplicar una mentalidad técnica, organizando y gestionando el proceso en etapas.
4. Diseño de Datos: Implica organizar información de manera clara y lógica. Un ejemplo
cotidiano es cómo organizas tus contactos en el teléfono.
5. Estrategia de Datos: Es la gestión de personas, procesos y herramientas en el análisis de
datos. Incluye asegurar que las personas sepan utilizar los datos, que los procesos sean
claros y accesibles, y que se usen las herramientas adecuadas. Cortar el césped es un
ejemplo, donde sigues pasos específicos para asegurar la seguridad y eficiencia.