Portfolio de analista de datos: un proyecto reproducible
Crea un portfolio de analista de datos con una pregunta clara, un análisis reproducible y un hallazgo útil. Explora la web de Edgar Owen y descarga el ejemplo.

Javier Martínez Samblas
Fundador de Self · Plataforma de CV a web con IA

Un portfolio de analista de datos debe explicar la pregunta, las comprobaciones, el método, el hallazgo y la siguiente acción. Si los datos profesionales son confidenciales, un proyecto con datos públicos o sintéticos permite mostrar trabajo concreto.
El creador de portfolios de Self convierte tu CV en una página profesional con descripciones claras de los análisis y enlaces al trabajo técnico. El portfolio de Edgar Owen conecta SQL y Python con experiencia en informes operativos.
Un portfolio terminado: Edgar Owen

Explora la web de Edgar Owen · Descarga el CV de Edgar en TXT (inglés)
Escoge una pregunta que puedas responder en público
El proyecto de Edgar pregunta qué cola de soporte conviene investigar primero. Utiliza tickets sintéticos creados para el ejemplo e incluye datos, definiciones, consultas, notebook y un resultado reproducible.
Elige una cuestión acotada sobre trabajo pendiente, disponibilidad de existencias, errores o demanda de servicio. Un dataset manejable y una decisión útil dan una dirección clara al caso.
Muestra las pruebas detrás del análisis
Pregunta
Qué muestra Edgar
Datos
Qué muestra Edgar
Calidad
Qué muestra Edgar
Método
Qué muestra Edgar
Hallazgo
Qué muestra Edgar
Acción
Qué muestra Edgar
| Capa | Qué muestra Edgar |
|---|---|
| Pregunta | ¿Qué cola necesita la primera investigación del trabajo pendiente? |
| Datos | 624 filas originales que representan 600 tickets únicos de ocho semanas y tres colas. |
| Calidad | Duplicados exactos, orden de fechas, etiquetas y coherencia entre estado y resolución. |
| Método | Eliminar duplicados, fijar el corte temporal, contar tickets abiertos y agrupar su antigüedad. |
| Hallazgo | 96 tickets abiertos; 58 de incorporación, incluidos 32 con al menos 15 días. |
| Acción | Examinar los tickets antiguos de incorporación y comparar entradas con resoluciones. |
Cuenta identificadores únicos antes de comparar las colas. Las 624 filas originales incluyen 24 copias duplicadas; contar las filas sin depurar repetiría algunos tickets.
Descarga y reproduce el proyecto
Descarga el ejemplo completo (ZIP, inglés) · Abre el dataset CSV · Abre la consulta SQLite · Abre el notebook de Python
- Extrae el ZIP: contiene CSV, script, SQL, notebook, definiciones, resultados esperados y gráfico.
- Ejecuta python analyze.py con Python 3.10 o posterior, o las celdas del notebook. El análisis utiliza la biblioteca estándar.
- Compara la salida con results.json. SQL y Python producen los mismos recuentos por cola y antigüedad.
Fija el corte en el 29 de junio de 2026 a las 00:00 UTC. Cuenta los tickets abiertos por separado de la duración de los resueltos. El ejemplo utiliza horas transcurridas, no laborables, y documenta el denominador de cada resumen de duración.
Incorporación
Tickets abiertos
Con 15 días o más
Facturación
Tickets abiertos
Con 15 días o más
Soporte técnico
Tickets abiertos
Con 15 días o más
| Cola | Tickets abiertos | Con 15 días o más |
|---|---|---|
| Incorporación | 58 | 32 |
| Facturación | 20 | 6 |
| Soporte técnico | 18 | 4 |
Explica el hallazgo y la siguiente acción
Una conclusión breve sería: Tras eliminar 24 filas duplicadas, analicé 600 tickets en un corte fijo. Incorporación reunía 58 de los 96 abiertos y 32 de los 42 con al menos 15 días. Recomendé examinar los más antiguos y comparar el volumen de entrada con las resoluciones antes de cambiar la capacidad.
Son hallazgos del ejemplo sintético. Distingue la investigación propuesta de un resultado empresarial ya obtenido. En un caso profesional, explica la decisión que apoyaste y tu contribución al nivel que puedas publicar.
Reúne la comprobación de publicación en una lista: usa datos propios o publicables, identifica las fuentes públicas o sintéticas, elimina identificadores internos y credenciales y obtén permiso para material de la empresa. Un caso reconstruido puede demostrar el método con registros y resultados propios.
Asigna una función clara a cada enlace técnico
Utiliza la web para la pregunta, el método, el gráfico, el hallazgo y la acción. Enlaza el notebook o repositorio junto al caso para que se puedan consultar los cálculos sin buscar primero la historia dentro del código.
El segundo proyecto de Edgar muestra otra capacidad: acordar estados de equipos entre seis almacenes y sustituir tres hojas de cálculo por un informe semanal. El esquema recreado y los registros de ejemplo explican el diseño del informe.
Pregunta
Pregunta guía
Datos y calidad
Pregunta guía
Método
Pregunta guía
Resultado
Pregunta guía
Acción
Pregunta guía
Pruebas técnicas
Pregunta guía
| Parte | Pregunta guía |
|---|---|
| Pregunta | ¿Quién necesita decidir qué? |
| Datos y calidad | ¿Qué representa una fila y qué validaste? |
| Método | ¿Qué cálculo responde y por qué? |
| Resultado | ¿Qué gráfico o tabla explica el hallazgo? |
| Acción | ¿Qué sigue y qué falta investigar? |
| Pruebas técnicas | ¿Dónde se puede reproducir el trabajo? |
Crea tu portfolio de analista de datos con Self
Sube tu CV, elige Cybercore y personaliza la presentación y los casos en Studio. Añade un gráfico como imagen del proyecto y enlaza el notebook o repositorio. Experiencia y habilidades dan un contexto profesional al análisis.
Explora la web de Edgar Owen · Crea mi portfolio de datos con Cybercore
La publicación con Cybercore está incluida en Pro y Team. Una página Free puede usar Minimalistic y abrirse mediante enlace directo, sin indexación en buscadores; Pro y Team añaden dominios propios y controles de visibilidad en buscadores.
Preguntas sobre portfolios de datos
Dos o tres casos bien explicados son un buen inicio. Dales objetivos distintos, como análisis SQL, diseño de informes o experimentación, con detalle suficiente para comentar las decisiones.
Úsalo cuando la interacción ayude a responder la pregunta. Un gráfico claro, una consulta reproducible y una explicación breve ya pueden demostrar capacidad analítica. Elige el formato según lo que quieras mostrar.
Muestra lo que completaste: un dataset comprobado, un cálculo reproducible, un hallazgo documentado o una recomendación. Esos resultados permiten evaluar el trabajo antes de probar un cambio operativo.