Hace tres años, ser Data Analyst era casi sinónimo de dominar Excel y saber armar un dashboard decente en Power BI. En 2026 ese piso ya no alcanza: Copilot escribe fórmulas de DAX por ti, los reportes se arman solos en Looker Studio conectando un par de fuentes, y lo que separa a un analista junior de uno que cobra el doble es otra cosa. Si estás pensando en entrar a este campo ahora, te conviene saber exactamente qué ruta tomar y qué se paga de verdad.
Qué hace un Data Analyst en 2026 (que no hacía en 2023)
El trabajo cambió de foco. Antes pasabas horas limpiando datos y armando la misma tabla dinámica de siempre; ahora una IA hace esa parte en minutos y lo que se espera de ti es interpretar el resultado, detectar cuando el modelo se equivocó y explicarle al negocio qué decisión tomar. Las empresas ya no buscan a alguien que sepa "usar Power BI": buscan a alguien que entienda el negocio lo suficiente como para hacerle las preguntas correctas a los datos, con o sin IA de por medio.
Eso no significa que las bases dejaron de importar. Al contrario: si no sabes SQL, no puedes validar lo que una IA te devuelve, y ahí es donde se nota quién realmente entiende sus datos y quién solo copia resultados.
Una forma simple de verlo: antes, saber Power BI te hacía empleable. Hoy, saber Power BI te hace uno más de cien postulantes que también saben Power BI. Lo que te distingue es poder decir "esta cifra no cuadra porque la fuente A cuenta pedidos y la fuente B cuenta líneas de pedido" en el momento en que alguien te lo pregunta en vivo, no después de investigarlo en casa.
La ruta: qué aprender y en qué orden
Esta es la secuencia que vemos funcionar mejor, tanto en bootcamps como en gente que aprende por su cuenta:
- SQL primero, siempre. Es el idioma con el que vas a hablar con cualquier base de datos, sin importar qué herramienta de visualización uses encima.
- Python para automatizar lo repetitivo: limpieza de datos, reportes que se arman solos, conexión con APIs que Excel no toca.
- Power BI con DAX, pero apoyándote en IA para escribir las medidas complejas en vez de memorizarlas de memoria.
- Una certificación que respalde lo anterior: PL-300 de Microsoft es la que más piden en LATAM ahora mismo.
Puedes arrancar con SQL Esencial y seguir con Python para todos antes de meterte de lleno en Visualización de Datos con Power BI. El orden importa: saltarte SQL para ir directo a dashboards es la razón número uno por la que un analista junior se traba apenas el jefe le pide "algo distinto" al reporte de siempre.
Las herramientas de IA que sí vale la pena dominar (y las que no)
No necesitas aprender cada herramienta de IA que sale. Las que de verdad mueven la aguja en una entrevista son tres: Copilot dentro de Excel y Power BI para acelerar el análisis exploratorio, ChatGPT o Claude para limpiar y documentar datasets desordenados en minutos, y DAX asistido por IA para escribir medidas sin memorizar sintaxis. El resto —generadores de dashboards "mágicos", asistentes de nicho— van y vienen cada trimestre. Si entiendes los fundamentos de SQL y DAX, cualquier herramienta nueva se te hace fácil de adoptar; si no, cada herramienta nueva es un parche sobre una base que no tienes.
Un consejo honesto: en la entrevista casi nadie te va a preguntar si sabes usar Copilot. Te van a pedir que expliques por qué elegiste ese gráfico y no otro, o qué harías si los datos no cuadran. La IA acelera la parte mecánica; la parte que te contratan es el criterio.
Cuánto gana un Data Analyst en LATAM en 2026
Los rangos varían según país, sector y si manejas o no una certificación, pero esto es lo que vemos consistentemente en ofertas publicadas en LinkedIn y portales locales durante este año:
- ▸Perú: entre S/ 2,800 y S/ 4,500 para un junior con 0-2 años; S/ 5,500 a S/ 8,000 con 3+ años y certificación.
- ▸México: 18,000 a 28,000 MXN para junior; 35,000 a 55,000 MXN para alguien con Power BI, SQL y Python sólidos.
- ▸Colombia: 2.5 a 4 millones COP junior; 5 a 8 millones COP con experiencia y certificación PL-300.
Lo que nadie te dice es que el salto de sueldo más grande no viene de aprender una herramienta más, sino de pasar de "hacer reportes" a "recomendar decisiones". Ese cambio de rol suele coincidir justo con la certificación y con el primer proyecto donde tu análisis evitó una pérdida real, no con el curso número diez.
La certificación PL-300: ¿vale la pena en 2026?
Sigue siendo la que más piden en las ofertas de LATAM, pero el examen cambió en los últimos dos años: ahora evalúa menos memoria de funciones DAX y más criterio para modelar datos y resolver escenarios de negocio completos. Si ya tienes 2 o 3 meses practicando con datasets reales, el examen se siente razonable; si lo tomas memorizando fórmulas sin haber modelado nada en la práctica, es donde más gente reprueba.
No es obligatoria para conseguir trabajo, pero sí funciona como filtro: entre dos candidatos con experiencia similar, la certificación suele inclinar la balanza, sobre todo en procesos con muchos postulantes.
Cómo conseguir tu primer puesto sin experiencia previa
Un portafolio con 2 o 3 proyectos reales pesa más que un certificado solo. Toma un dataset público de tu país (ventas, transporte, salud) y arma un dashboard que responda una pregunta de negocio concreta, no uno genérico de "ventas por región". Los reclutadores ven cientos de esos; uno que resuelve un problema específico se nota.
Si quieres la ruta completa con proyectos guiados, mentoría y la preparación para PL-300 incluida, la ruta de Analista de Datos con IA cubre justo esta secuencia de principio a fin.
Si prefieres practicar con otros que están en el mismo proceso, cada semana se hace un taller en vivo en la Comunidad AI Builders, útil para no quedarte solo con la teoría entre curso y curso.
Las preguntas que de verdad te hacen en una entrevista
Más allá de SQL en vivo, lo que separa a los candidatos es cómo responden preguntas de criterio: "¿qué harías si dos fuentes de datos no coinciden?", "¿cómo le explicarías a un gerente que su hipótesis favorita no se sostiene con los datos?", "¿qué gráfico usarías para mostrar una tendencia versus una comparación entre categorías?". Practica estas respuestas con ejemplos de tu portafolio, no con definiciones de libro. Un entrevistador nota la diferencia de inmediato.
Y si tu inglés técnico es el eslabón débil, no lo dejes para después: buena parte de las ofertas remotas y los equipos híbridos en LATAM filtran candidatos justo ahí, antes de llegar a la parte técnica.
Por dónde empezar hoy
Si tuviera que elegir un solo siguiente paso, sería este: abre un dataset de tu ciudad hoy mismo y escribe tu primera consulta SQL. No esperes a "estar listo" con todas las herramientas; el analista que consigue trabajo es el que ya tiene algo que mostrar, no el que terminó todos los cursos.
Revisa el catálogo completo en cursos o entra directo a la ruta de Data Analyst para ver el temario completo con fechas.
