De Junior a Senior, el sueldo de referencia crece hasta x3.
S/2,000Junior
S/4,000Semi Senior
S/6,000 a másSenior
Fuente: consulta de DSRP a profesionales que trabajan en empresas peruanas, actualizada a octubre de 2026. Montos mensuales en soles.
Referencia oficial: la mediana de «Profesionales TIC y estadísticos» en Perú es S/3,525 al mes (S/2,523 a S/4,997 en la mitad central). INEI — ENAHO 2024 (módulo 500).
Tres pasos para saber si este es tu siguiente rol y por dónde empezar.
1
¿De dónde vienes?
Perfiles que suelen dar el salto a AI Data Analyst:
Contabilidad y finanzas
Ingeniería industrial
Administración
Economía
Marketing
Logística
2
Qué necesitas para empezar
Conocimiento básico de Excel. No necesitas saber programar: Python y SQL se aprenden en el programa, que incluye cursos de nivelación asíncronos.
Si vienes de un área que ya trabaja con cifras, como contabilidad o logística, tienes una ventaja: sabes qué número está mal antes de que lo note la IA.
El agente se encarga de lo repetitivo; tú decides qué preguntar, qué aprobar y qué recomendar.
Lo hace el agenteLo decides tú
108:30
Arranque con preguntas
Agente: Resume qué cambió en las ventas de ayer y marca las anomalías.
Tú: Decides cuál de esas anomalías vale la pena investigar hoy.
Copilot en Power BI · alertas de anomalías
210:00
Consulta con apoyo del agente
Agente: Genera el SQL en BigQuery a partir de tu pregunta en lenguaje natural.
Tú: Revisas joins, filtros y la definición de la métrica antes de confiar en el resultado.
Gemini en BigQuery · SQL
312:00
Validación de cifras
Agente: Cruza el resultado con el reporte oficial y señala las diferencias.
Tú: Explicas la diferencia y corriges la fuente o la definición.
SQL · Excel
415:00
Dashboard y narrativa
Agente: Arma el borrador del dashboard en Power BI y un resumen con Copilot.
Tú: Eliges el gráfico correcto y escribes la historia que llegará a gerencia.
Power BI · Copilot
517:00
Recomendación
Agente: Prepara la versión ejecutiva en una página.
Tú: Presentas, respondes preguntas y defiendes la decisión recomendada.
Presentación ejecutiva
Charla gratuita: el AI Data Analyst con IA
De analista tradicional a analista AI. Una sesión completa de DSRP para ver cómo se trabaja el rol con IA antes de decidir.
Qué automatiza la IA y qué no
Lo que delegas al agente
Escribir el primer borrador de consultas y fórmulas.
Limpiar y combinar archivos con formatos distintos.
Generar gráficos y un resumen inicial de hallazgos.
Responder preguntas repetitivas del negocio.
Documentar consultas y diccionarios de datos.
Lo que sigue siendo tuyo
Elegir qué pregunta vale la pena responder.
Revisar que cada cifra coincida con la fuente.
Interpretar el contexto que el dato no muestra.
Recomendar una decisión y defenderla ante gerencia.
Tu diferencial: revisar con criterio lo que genera la IA. El analista que detecta un número equivocado antes de que llegue a gerencia se vuelve la referencia de confianza del área.
Claude · Codex · APIs de modelos
Cómo aprendes a ser AI Data Analyst con agentes de IA
El agente acelera la práctica, pero no hace la tarea por ti. Así lo usas para aprender más rápido sin dejar de entender lo que haces.
El método en 4 pasos
1Pide que te expliqueAntes de pedir código, pide el concepto con un ejemplo de tu área.
2Deja que propongaEl agente escribe el primer borrador: la consulta, el script o el diagrama.
3Verifica túLo corres, lo comparas con la fuente y buscas el error. Ahí es donde aprendes.
4Explícalo de vueltaSi no puedes explicar por qué funciona, todavía no lo aprendiste.
Ejemplo: Le pides a Claude que te explique un LEFT JOIN con tus tablas de ventas y clientes. Claude Code escribe la consulta del ticket promedio por tienda. Tú la corres, comparas el total con el reporte contable y descubres que el join duplicó ventas de clientes con dos direcciones. Al final explicas por qué pasó.
Tu stack de IA en 3 capas
Asistentes de chat
Conversas: explican, resumen y revisan un razonamiento.
Claude
ChatGPT
Gemini
Como AI Data Analyst: Entender métricas y estadística, y ensayar cómo explicar un hallazgo a gerencia.
Agentes de código
Trabajan dentro de tu proyecto: leen archivos, corren comandos y proponen cambios que tú apruebas.
Claude Code
Codex
Como AI Data Analyst: Que Claude Code o Codex escriban y documenten consultas SQL y notebooks de pandas en tu repositorio; tú revisas cada cambio.
APIs de modelos
Llamas al modelo desde tu propio código: tú decides el prompt, los datos que envías y el costo.
Anthropic
OpenAI
DeepSeek
Kimi
Como AI Data Analyst: Un script que clasifica comentarios de clientes o resume reportes con un modelo de costo bajo y un límite de gasto.
Un ejercicio con agentes en cada etapa de la ruta
SQL
Le pides: Tres formas de calcular las ventas netas del mes en la base de ejemplo.
Verificas: Que las tres den lo mismo y, si no, cuál une mal las tablas.
Programación
Le pides: Un notebook que limpie un Excel con fechas y montos en formatos distintos.
Verificas: Cuántas filas se perdieron o duplicaron antes y después de la limpieza.
Estadística
Le pides: Si la diferencia de ventas entre dos campañas es significativa.
Verificas: Qué prueba eligió, sus supuestos y si el tamaño de muestra alcanza.
Data warehouse
Le pides: Un modelo estrella para ventas, productos y tiendas.
Verificas: Que cada métrica tenga una sola definición y el grano de la tabla de hechos esté claro.
Visualización
Le pides: Tres versiones de un dashboard para gerencia.
Verificas: Cuál responde la pregunta de negocio en cinco segundos sin engañar con los ejes.
Cloud
Le pides: Programar la actualización diaria del reporte en la nube.
Verificas: Quién puede ver qué datos y cuánto cuesta cada ejecución.
Proyecto con API
Un agente que responde preguntas de negocio y muestra su consulta
Conectas un modelo por API a una base de ventas de ejemplo. El agente traduce la pregunta a SQL, la ejecuta en modo solo lectura y responde citando la consulta que corrió.
Defines 10 métricas en una capa semántica: qué es "venta neta", "cliente activo" o "ticket promedio".
Conectas el modelo por API con acceso de solo lectura a la base.
Armas 20 preguntas con su respuesta correcta y mides cuántas acierta el agente.
Corres la misma batería con dos proveedores, por ejemplo Claude y DeepSeek con datos de ejemplo, y comparas aciertos y costo.
Publicas el código y los resultados en GitHub.
Modelos cerrados y de pesos abiertos
Claudede Anthropic
Cerrado
Código, agentes que usan herramientas y documentos largos.
Solo por API o planes de pago para uso intensivo.
GPT · Codexde OpenAI
Cerrado
Ecosistema amplio de herramientas e integraciones.
Solo por API o planes de pago para uso intensivo.
DeepSeek
Pesos abiertos
Costo por uso bajo; se puede desplegar en infraestructura propia.
Su API oficial procesa los datos en China: no la uses con datos de la empresa.
Kimide Moonshot AI
Pesos abiertos
Contexto largo y tareas agénticas; también desplegable en infraestructura propia.
Su API oficial procesa los datos en China: no la uses con datos de la empresa.
Cómo elegir
Calidad en tu tarea, medida con tus propios casos de prueba, no con rankings.
Costo por tarea resuelta, no por token.
Dónde quedan los datos y qué retención acepta tu empresa.
Si necesitas pesos abiertos para correr el modelo dentro de la empresa.
Como AI Data Analyst: Con datos de la empresa, usa las herramientas aprobadas (Copilot en Power BI, Gemini en BigQuery o una API con contrato) y deja los modelos de bajo costo para practicar con datos públicos.
IA responsable con datos de la empresa
No subas datos personales ni confidenciales a un chat público sin autorización.
Revisa qué herramientas de IA aprobó tu empresa antes de usarlas con su información.
Enmascara nombres, DNI y montos antes de probar con datos reales.
Toda acción que cambie datos o llegue a un cliente pasa por aprobación humana.
Errores comunes al aprender con IA
Copiar la consulta del agente sin comparar el total con la fuente.
Pedir "hazme un dashboard" sin definir antes la pregunta de negocio.
Pegar la base de clientes en un chat público para analizarla rápido.
Saltarte SQL porque "la IA lo escribe": sin SQL no detectas el join que duplica cifras.
Presentar el resumen de la IA como conclusión sin revisar el contexto del negocio.
Tu kit para empezar gratis o casi gratis
Plan gratuito de un asistente de chat (Claude, ChatGPT o Gemini) para conceptos y repaso.
Claude Code o Codex cuando ya tengas un proyecto en marcha: suelen pedir un plan de pago o créditos de API.
Para practicar con APIs, empieza con un modelo de costo bajo y fija un límite de gasto en la consola del proveedor.
Datos públicos para practicar sin usar los de tu trabajo: la Plataforma Nacional de Datos Abiertos o Kaggle.
Una cuenta de GitHub desde el primer día: cada ejercicio queda como evidencia en tu portafolio.
Los planes, precios y límites cambian seguido: revísalos en la página de cada proveedor.
Herramientas y tecnologías del AI Data Analyst
Datos y consultas
SQL
BigQuery
PostgreSQL
Excel
BI y visualización
Power BI
Tableau
Data Studio
Programación
Python
pandas
Jupyter
Nube
Google Cloud
Azure
AWS
IA y agentes
Copilot en Power BI
Gemini en BigQuery
Copilot en Excel
ChatGPT / Claude
Logos de las librerías abiertas devicon y Simple Icons. Las marcas pertenecen a sus dueños.
Sin jerga
Glosario en simple
Los 7 términos que vas a escuchar en este rol, explicados como se los contarías a un colega.
S
SQL
El lenguaje para pedirle datos a una base de datos: "dame las ventas de octubre por tienda".
J
Join
Unir dos tablas por un dato en común, como ventas y clientes por el código de cliente. Si se une mal, las cifras se duplican o se pierden.
D
Dashboard
Un tablero con gráficos que se actualiza solo y muestra cómo va el negocio.
C
Capa semántica
Un diccionario oficial de métricas: define una sola vez qué es "venta neta" para que personas y agentes calculen lo mismo.
D
Data warehouse
Un almacén central donde se juntan y ordenan los datos de toda la empresa para analizarlos.
M
Multicloud
Conocer más de una nube (Google Cloud, Azure, AWS). No necesitas dominar las tres para empezar: los conceptos son los mismos y cada empresa usa una principal.
A
Agente vs. chat
Un chat como ChatGPT solo responde. Un agente además actúa: consulta la base de datos, corre la consulta y arma el gráfico por ti.
Lo que te llevas
Proyecto final
Un flujo de datos completo, de la fuente al dashboard
Proyecto integrador: Python y SQL → Azure y Microsoft Fabric → Power BI → gobierno e IA. Incluye pipeline, modelo, DAX, dashboard, seguridad, linaje, documentación y uso controlado de IA.
Demo Day: presentación técnica y ejecutiva, y defensa de tus decisiones.
Análisis reproducible con Python
SQL moderno y ELT
Proyecto completo de BI con presentación ejecutiva
Arquitectura de datos end-to-end
Certificación
Certificación avalada por Data Science Research Perú y el Colegio de Estadísticos del Perú (Región Piura).
6 certificaciones parciales (una por curso) + 1 certificación final.
Empleabilidad
Bolsa de trabajo y pasantías con empresas aliadas.
La malla curricular fue integral y se enfocó en la práctica, lo que me permitió aplicar mis conocimientos de inmediato. Gracias a la formación en DSRP, he podido liderar proyectos en mi empresa, desarrollando dashboards y aplicando Python.
AAndreaAlumna de la especialización Data AnalystAlumno/a de este programa
Completé el Bootcamp de Análisis de Datos en Data Science Research Perú. A lo largo del programa reforcé mis habilidades en SQL, Python y Power BI, aplicando técnicas de análisis, modelado y visualización de datos con datasets reales.
DDiana Lucía Silva A.Gestión del Talento HumanoAlumno/a de este programaPublicado en LinkedIn
Les comparto mi diploma por haber finalizado los cursos del Programa de Especialización en Análisis de Datos con Python. Estoy muy agradecido con cada uno de mis docentes, quienes me apoyaron a adquirir conocimientos en Ciencia de Datos e Inteligencia Artificial.
JJhan CayaData Engineer | Azure | Python | SQL | DatabricksAlumno/a de este programaPublicado en LinkedIn
¿Aprender solo con IA o con un programa?
Una comparación honesta. Lo ideal es combinar ambos: practicar con agentes todos los días y apoyarte en un programa para la ruta, la revisión y la red.
Solo con IACon un programa
ExplicacionesSolo con IA: Inmediatas, a cualquier hora.Con un programa: Un docente corrige tu razonamiento, no solo el resultado.
ErroresSolo con IA: Dependen de que notes que la IA se equivocó.Con un programa: Especialistas revisan tus proyectos.
RutaSolo con IA: La armas tú; es fácil saltarse fundamentos.Con un programa: Secuencia de los fundamentos a la nube.
ProyectosSolo con IA: Por tu cuenta, sin quien los evalúe.Con un programa: Proyecto integrador y Demo Day.
Red y empleoSolo con IA: La construyes solo.Con un programa: Comunidad, bolsa de trabajo y talleres de CV y entrevistas.
CertificadoSolo con IA: No.Con un programa: Certificación avalada.
CostoSolo con IA: Bajo: planes gratuitos y créditos de API.Con un programa: Una inversión, con cuotas.
Preguntas Frecuentes
¿Qué hace un Data Analyst?
¿La IA va a reemplazar a los Data Analysts?
¿Necesito saber programar para empezar?
¿Qué carreras sirven para ser Data Analyst?
¿Qué herramientas usa un Data Analyst?
¿Cómo gano experiencia práctica?
¿Necesito pagar Claude o ChatGPT para aprender?
¿Puedo usar Claude Code o Codex si no sé programar?
¿Puedo usar DeepSeek o Kimi con datos de mi empresa?
Fuente: consulta de DSRP a profesionales que trabajan en empresas peruanas, actualizada a octubre de 2026. Montos mensuales en soles. Detalle por país en datascience.pe/rango-salarial.
BigQuery
PostgreSQL
Python
pandas
Jupyter
Google Cloud
Azure
AWS
Gemini en BigQuery
ChatGPT / Claude
