📊 Analista de marketing y de ingresos#

El perfil que convierte datos comerciales dispersos en decisiones defendibles. No es quien hace gráficos: es quien determina si una cifra significa lo que el equipo cree que significa, y quien detiene una inversión de millones cuando la evidencia no la sostiene. Nivel de entrada: Entrada a intermedio; es la puerta más accesible al área comercial para perfiles analíticos · Foco: Definición de métricas, cohortes, atribución, economía unitaria y tableros · Señal de mercado: Google Analytics · SQL · una prueba de incrementalidad ejecutada

🧭 Qué es y por qué importa#

En casi toda empresa mediana hay tres versiones del mismo número. Marketing reporta 300 leads, ventas trabaja 60, finanzas ve un ingreso que no cuadra con ninguno de los dos. El analista es quien resuelve eso: no inventando un cuarto informe, sino estableciendo qué cuenta cada cifra, sobre qué base y en qué ventana.

El trabajo tiene dos mitades. La primera es técnica: construir el dato, cruzarlo, calcular cohortes, estimar incrementalidad. La segunda es más difícil y es la que se paga: decir que no. Cuando el director pide el retorno de una campaña y la atribución de último clic le está asignando ventas que habrían ocurrido igual, el analista tiene que explicarlo sin volverse irrelevante.

Es un rol con apalancamiento desproporcionado. Una definición de costo de adquisición que excluye sueldos comerciales puede sostener una decisión de escalar que destruye caja durante un año. Corregir esa definición cuesta una tarde y cambia el resultado del negocio.

🗓️ Un día en el puesto#

Revisión de coherencia: compruebas que los tableros del día cuadren entre sí. Si el ingreso del CRM y el de facturación difieren, eso se investiga antes que cualquier otra cosa.
Consultas del equipo: alguien pregunta por qué cayó la conversión. Antes de responder, verificas si la variación está dentro del rango normal o si es señal real.
Análisis de cohortes: sigues las cohortes de incorporación para ver si las nuevas retienen mejor que las anteriores. Es lo único que dice si el equipo está mejorando de verdad.
Diseño de medición: una campaña nueva necesita instrumentación. Defines qué eventos se registran, con qué nombre y cómo se reconciliarán con el CRM.
Documentación de definiciones: actualizas el diccionario de métricas. Cada término que no esté escrito volverá como discusión en tres semanas.

🧠 Qué necesitas saber#

Conocimiento del oficio#

Definición operacional de métricas. Numerador, denominador, ventana, fuente. Es la habilidad central: sin ella todo lo demás es aritmética sobre arena.
Análisis de cohortes. Comparar en el mismo hito de antigüedad y no en la misma fecha calendario. Distinguir mejora real de efecto de mezcla.
Economía unitaria. Costo de adquisición con alcance completo, margen de contribución, periodo de recuperación y valor de vida presentado como rango, no como cifra.
Atribución e incrementalidad. Entender que ningún modelo de atribución establece causalidad y saber diseñar la prueba que sí lo hace.
Diseño de experimentos. Tamaño de muestra, potencia, métricas guardarraíl y las trampas clásicas: detención temprana y comparaciones múltiples.
Variación común frente a especial. Saber cuándo un número que bajó 12 % no significa nada.
SQL y hojas de cálculo. La herramienta importa menos que la disciplina, pero hay que poder extraer el dato sin depender de nadie.

Herramientas#

Analítica web:    Google Analytics, herramientas de producto
Datos:            SQL, hojas de cálculo, Python con pandas
CRM y ventas:     HubSpot, Salesforce, Pipedrive
Experimentación:  calculadoras de tamaño de muestra, pruebas A/B
Visualización:    Looker Studio, Power BI, Metabase
Documentación:    diccionario de métricas versionado

La herramienta no hace al profesional. Lo que el mercado paga es el criterio para decidir qué medir, qué descartar y qué recomendar cuando la evidencia es incompleta.

Habilidades no técnicas#

Decir que no con evidencia. El valor del rol aparece cuando contradice a alguien con más autoridad y lo sostiene con datos.
Traducir sin simplificar. Explicar un intervalo de confianza a un comité sin convertirlo en una certeza falsa.
Honestidad epistémica. Declarar qué no se puede concluir con los datos disponibles es más valioso que producir una conclusión cómoda.
Rigor documental. Una cifra sin trazabilidad hasta su fuente no debería llegar a una presentación.

📚 Tu ruta en el programa#

Orden recomendado. Todas las rutas asumen que empiezas por la parte 01, que entrega el mapa del sistema comercial completo.

📚 Parte 01 — Marketing y ventas: fundamentos del sistema comercial · el motor de ingresos como sistema: sin este mapa, cada métrica flota sin contexto
📚 Parte 20 — Analítica comercial y marketing science · el núcleo del rol: árbol de métricas, cohortes, atribución, incrementalidad y tableros
📚 Parte 16 — CRM, pipeline y sales operations · cómo se produce el dato comercial y por qué el pipeline miente cuando no hay criterios de etapa
📚 Parte 18 — Customer experience, success y fidelización · retención, cohortes y el ingreso neto retenido, que es el indicador que más pesa
📚 Parte 12 — Marketing digital y adquisición · medición digital, plan de instrumentación y límites de cobertura por privacidad
📚 Parte 19 — Growth marketing y growth engineering · diseño de experimentos y priorización con criterio previo
📚 Parte 14 — Publicidad y performance marketing · economía de medios: CPA, CAC, ROAS y por qué se confunden

Clases por las que empezar#

🎯 20.01 · Árbol de métricas — Árbol de métricas: la descomposición que conecta cada trabajo con el ingreso
🎯 20.02 · Conversión y embudos — Conversión y embudos: por qué la misma etapa reporta 12 % o 34 %
🎯 20.03 · Costo de adquisición de cliente — Costo de adquisición: el error de excluir sueldos comerciales
🎯 20.07 · Análisis de cohortes aplicado — Análisis de cohortes aplicado: distinguir mejora real de efecto de mezcla
🎯 20.09 · Incrementalidad — Incrementalidad: la única pregunta que importa para decidir presupuesto
🎯 20.10 · A/B testing — A/B testing: por qué la mayoría de las mejoras declaradas no se replican
🎯 16.07 · Forecast — Forecast: método declarado, sesgo medido y corrección aplicada
🎯 18.09 · Análisis de cohortes — Cohortes: comparar en el mismo hito de antigüedad

🧪 Práctica y evaluación#

Recurso	Ruta
🧪 Laboratorios de la parte 20 — Analítica comercial y marketing science	`labs/part-20/`
🧪 Laboratorios de la parte 16 — CRM, pipeline y sales operations	`labs/part-16/`
🧪 Laboratorios de la parte 18 — Customer experience, success y fidelización	`labs/part-18/`
✅ Evaluación de la parte 20	`assessments/part-20-assessment.md`
✅ Evaluación de la parte 16	`assessments/part-16-assessment.md`
📋 Rúbricas y criterios	`docs/EVALUACION-Y-RUBRICAS.md`
📂 Estándar de evidencia	`docs/ESTANDAR-DE-EVIDENCIA.md`

📥 Artefactos que acreditan este rol#

Estos son los entregables que conviene llevar a una postulación. No describen responsabilidades: muestran trabajo que alguien puede auditar.

Árbol de métricas con responsable por rama y aritmética verificada
Diccionario de métricas con ficha completa por indicador
Análisis de cohortes con lectura de mejora entre cohortes sucesivas
Caso analítico integral con recomendación de asignación y condición de revisión

🎓 Credenciales y señales de mercado#

Google Analytics — certificación gratuita; acredita vocabulario, no criterio.
SQL — no hay credencial que importe; lo que se evalúa es una consulta resuelta en entrevista.
Portafolio — un análisis con datos reales, método declarado y límites reconocidos pesa más que cualquier certificado del área.

📈 Progresión de carrera y rangos#

Analista → analista senior o especialista en un dominio (growth, retención, medios) → RevOps o jefatura de analítica → dirección de datos comerciales. Es también la mejor rampa hacia growth y RevOps, porque ambos exigen la misma base de rigor con el dato.

Rangos orientativos y aproximados. Varían mucho por sector, tamaño de empresa, industria y experiencia; son referencia de mercado, no promesa:

Región                      Entrada               Con 3–5 años
--------------------------  --------------------  ------------------------
Chile                       CLP 900k – 1,4M/mes   CLP 1,8M – 2,8M/mes
LATAM (regional)            USD 800 – 1.500/mes   USD 1.800 – 3.200/mes
España                      EUR 22k – 30k/año     EUR 33k – 45k/año
Remoto (USD)                USD 30k – 50k/año     USD 55k – 90k/año

⚠️ Mitos y errores comunes#

Mito	Realidad
«Es hacer dashboards.»	El tablero es la salida. El trabajo es decidir qué se mide, cómo y qué no se puede concluir.
«Necesito ser experto en estadística.»	Necesitas entender variación, muestra e intervalo. La mayoría de los errores caros son de definición, no de método estadístico.
«Los datos hablan por sí solos.»	Nunca lo hacen. La misma serie sostiene dos recomendaciones opuestas según cómo se segmente.
«Con más datos se decide mejor.»	Con mejores definiciones se decide mejor. Más datos mal definidos multiplican el error.

⚖️ Nota de honestidad#

El programa te da criterio analítico y práctica sobre datos sintéticos, no experiencia con la infraestructura de datos de una empresa real. Para postular a este rol conviene complementar con SQL sobre una base propia y, si el puesto lo pide, con la herramienta de analítica que use la organización.

El programa no certifica ni garantiza empleo. Acredita evidencia de trabajo: los artefactos son la credencial y deben poder defenderse ante preguntas técnicas.

⬅ Todas las rutas · Currículo · Ruta de aprendizaje · Programa