# AnalystQuest

> AnalystQuest es un juego gratuito en el navegador para aprender análisis de datos: SQL, Python/pandas, Excel, Estadística, KPI, Power BI y Casos. Cada nivel es una solicitud realista de un colega de Harbor & Pine, una tienda ficticia de artículos para el hogar, resuelta sobre el mismo conjunto de datos. Funciona por completo en el navegador (sin instalar), con inicio de sesión opcional con Google para guardar el progreso, y está disponible en español e inglés.

Edición en español. Se omiten los capítulos y niveles que aún no tienen traducción.

Para quién es: principiantes y personas que cambian de carrera hacia el análisis de datos, y analistas que se preparan para entrevistas.

Qué es gratis: todos los itinerarios, niveles, hojas de referencia, glosario y preguntas de entrevista. Iniciar sesión es opcional y solo sincroniza el progreso entre dispositivos.

Cómo funcionan los niveles: cada nivel es una solicitud con una tarea. Escribes la consulta, la fórmula, la medida DAX o el código pandas, el navegador comprueba el resultado con la respuesta esperada y hay pistas y una explicación. Los capítulos agrupan niveles y terminan con un nivel jefe de varios pasos.

## Itinerarios

- [SQL para analistas de datos](https://analystquest.com/es/sql/): 116 niveles, 13 capítulos. Aprende SQL como lo usan los analistas: solicitudes reales de tus colegas, respondidas con consultas sobre la base de datos completa de una tienda, directo en tu navegador.
- [Python para analistas de datos](https://analystquest.com/es/python/): 114 niveles, 12 capítulos. Aprende Python y pandas para análisis de datos: desde las primeras variables hasta groupby, merges, limpieza, reestructuración, series de tiempo y gráficos, en tu navegador.
- [Excel para analistas de datos](https://analystquest.com/es/excel/): 85 niveles, 12 capítulos. Aprende Excel como lo usan los analistas: solicitudes reales resueltas en una hoja de cálculo en tu navegador, con partes de los mismos datos de la tienda, revisadas celda por celda.
- [Estadística y gráficos para analistas de datos](https://analystquest.com/es/stats/): 42 niveles, 7 capítulos. Aprende la estadística que pide cualquier puesto de analista: promedios que engañan, dispersión, muestreo, pruebas A/B, correlación y gráficos honestos, calculados en pandas con datos reales de la tienda.
- [Métricas de negocio y KPI para analistas de datos](https://analystquest.com/es/kpi/): 43 niveles, 6 capítulos. Aprende las métricas de negocio que reporta todo analista: ingresos, AOV, LTV, CAC, conversión, retención, abandono (churn) y margen, bien definidas y calculadas en SQL y pandas con datos reales de la tienda.
- [Power BI para analistas de datos](https://analystquest.com/es/powerbi/): 99 niveles, 12 capítulos. Aprende Power BI como lo usan los analistas: pasos de Power Query, un modelo en estrella, medidas DAX revisadas celda por celda en una matriz en vivo, visualizaciones, paneles (dashboards) y seguridad a nivel de fila.
- [Casos de analista en SQL y pandas](https://analystquest.com/es/casework/): 33 niveles, 12 capítulos. Trabajos reales de analista con los datos de Harbor & Pine, de principio a fin: plantea la pregunta, revisa los datos, haz el análisis en SQL, pandas o Excel y escribe la recomendación. Varios casos están abiertos desde el principio; el resto se abre a medida que terminas capítulos de las rutas.

## Capítulos

### SQL

- [1. Fundamentos de SELECT](https://analystquest.com/es/sql/select-basics/): Lee datos de una tabla: elige columnas, calcula nuevas, cámbiales el nombre y lista los valores únicos. (9 niveles)
- [2. Filtrar filas](https://analystquest.com/es/sql/filtering/): Quédate solo con las filas que necesitas usando WHERE: comparaciones, AND/OR/IN, rangos de fechas, coincidencia de patrones y comprobaciones de NULL. (10 niveles)
- [3. Ordenar y limitar](https://analystquest.com/es/sql/sorting-limits/): Pon los resultados en un orden útil con ORDER BY, desempata, toma los N primeros con LIMIT, pagina con OFFSET y controla dónde caen los NULL. (8 niveles)
- [4. Agregados y GROUP BY](https://analystquest.com/es/sql/aggregates-group-by/): Convierte filas en números: COUNT, SUM, AVG, MIN, MAX; luego desglósalos por grupos con GROUP BY y filtra los grupos con HAVING. (9 niveles)
- [5. JOINs](https://analystquest.com/es/sql/joins/): Combina tablas: INNER y LEFT joins, encontrar coincidencias faltantes, la trampa de LEFT JOIN + WHERE, el doble conteo por fan-out y los self-joins. (10 niveles)
- [6. CASE, fechas y cadenas de texto](https://analystquest.com/es/sql/case-dates-strings/): Agrupa valores en rangos con CASE, calcula tasas con agregación condicional, agrupa por mes, mide el tiempo entre fechas y limpia texto desordenado. (9 niveles)
- [7. Subconsultas y CTE](https://analystquest.com/es/sql/subqueries-ctes/): Construye consultas por pasos: subconsultas escalares, EXISTS, CTE con WITH, preagregación para evitar el fan-out, deduplicación y un primer análisis de retención. (11 niveles)
- [8. Funciones de ventana](https://analystquest.com/es/sql/window-functions/): Ordena, compara y acumula sin colapsar filas: ROW_NUMBER, RANK, DENSE_RANK, totales acumulados, LAG para el crecimiento, medias móviles y retención por cohortes. (11 niveles)
- [9. Patrones de análisis](https://analystquest.com/es/sql/analytics-patterns/): Las consultas detrás de toda revisión de negocio: totales acumulados que se reinician cada año, crecimiento mes a mes y año a año, top N por grupo con empates, embudos, activación y cuadrículas de retención. (8 niveles)
- [10. Limpiar datos en SQL](https://analystquest.com/es/sql/cleaning-data/): Haz que los datos desordenados sean confiables antes de reportar sobre ellos: estandariza texto, elimina registros duplicados, maneja los NULL, divide con seguridad, convierte y analiza texto en bruto y marca valores atípicos. (8 niveles)
- [11. Leer y arreglar consultas](https://analystquest.com/es/sql/fixing-queries/): Depura consultas que heredas: multiplicación de filas en joins, el grano equivocado en GROUP BY, WHERE vs HAVING, división entera, límites de fechas, zonas horarias y NOT IN con NULL. (8 niveles)
- [12. Combinar resultados](https://analystquest.com/es/sql/combining-results/): Apila consultas con UNION ALL y UNION, compara listas de clientes con INTERSECT y EXCEPT, y construye un informe etiquetado a partir de varias fuentes. (7 niveles)
- [13. Crear y modificar tablas](https://analystquest.com/es/sql/changing-data/): Construye tus propias tablas: CREATE TABLE con tipos, INSERT, CREATE TABLE AS SELECT, UPDATE, DELETE, ALTER TABLE y un flujo de trabajo de analista desde la petición hasta la respuesta validada. (8 niveles)

### Python

- [1. Fundamentos de Python](https://analystquest.com/es/python/python-basics/): Variables, números, texto y decisiones, practicados con cuentas reales de caja de la tienda Harbor & Pine. (10 niveles)
- [2. Listas, diccionarios y bucles](https://analystquest.com/es/python/lists-dicts-loops/): Guarda muchos valores a la vez, busca datos por clave y repite tareas con bucles y comprensiones, todo con pedidos y existencias de Harbor & Pine. (10 niveles)
- [3. Funciones](https://analystquest.com/es/python/functions/): Empaqueta la lógica de la tienda en funciones reutilizables con parámetros, valores por defecto y valores de retorno, y luego ordena y transforma datos con ellas. (9 niveles)
- [4. Primer vistazo a pandas](https://analystquest.com/es/python/pandas-first-look/): Conoce el DataFrame. Abre las tablas reales de Harbor & Pine, comprueba su tamaño y tipos, elige columnas y obtén resúmenes rápidos con value_counts y describe. (10 niveles)
- [5. Filtrar y ordenar](https://analystquest.com/es/python/filtering-sorting/): Elige filas por posición y por etiqueta, filtra con máscaras booleanas, combina condiciones y ordena con desempates en las tablas de Harbor & Pine. (10 niveles)
- [6. Columnas nuevas, groupby y agregación](https://analystquest.com/es/python/groupby-aggregation/): Calcula columnas nuevas como el ingreso por línea, luego resume por grupo con groupby, agg y agregación con nombre, y filtra grupos después de agregar. (10 niveles)
- [7. Unir tablas](https://analystquest.com/es/python/merge-join/): Combina las tablas de Harbor & Pine con merge, gestiona las filas sin coincidencia con left joins e indicator, y evita la trampa de la multiplicación de filas. (10 niveles)
- [8. Limpiar datos desordenados](https://analystquest.com/es/python/cleaning-messy-data/): Gestiona valores ausentes, corrige texto inconsistente, encuentra clientes duplicados, trabaja con fechas y tipos, y elimina filas incorrectas antes de informar. (10 niveles)
- [9. Remodelar datos](https://analystquest.com/es/python/reshaping-data/): Convierte tablas largas en cuadrículas anchas y viceversa con pivot_table, melt, stack, unstack y crosstab, con pedidos, devoluciones y sesiones reales de Harbor & Pine. (9 niveles)
- [10. Series temporales](https://analystquest.com/es/python/time-series/): Convierte marcas de tiempo en tendencias con resample, ventanas móviles, crecimiento entre periodos, desplazamientos de fechas y relleno de huecos, con tres años de pedidos de Harbor & Pine. (8 niveles)
- [11. Gráficos con pandas y matplotlib](https://analystquest.com/es/python/charts/): Gráficos de líneas, barras, histogramas, dispersión y barras apiladas dibujados con pandas y matplotlib, partiendo de la pregunta y comprobando las cifras detrás de cada gráfico. (9 niveles)
- [12. Seaborn, correlación y conclusiones](https://analystquest.com/es/python/seaborn-correlation/): Gráficos estadísticos con seaborn (countplot, histplot, boxplot, regplot, heatmap), valores atípicos con la regla del IQR, correlación bien hecha, y cómo convertir cifras en una conclusión escrita. (9 niveles)

### Excel

- [1. Fórmulas y referencias](https://analystquest.com/es/excel/formulas-and-references/): Escribe fórmulas que apunten a celdas, suma rangos con SUM y AVERAGE, fija una referencia con $ al rellenar hacia abajo y toma decisiones con IF. (5 niveles)
- [2. Decisiones y búsquedas](https://analystquest.com/es/excel/decisions-and-lookups/): Convierte reglas de negocio en fórmulas con IFS, AND, OR y NOT, y trae datos de una tabla a otra con VLOOKUP, HLOOKUP, XLOOKUP e INDEX/MATCH. (8 niveles)
- [3. Totales condicionales](https://analystquest.com/es/excel/conditional-totals/): Cuenta y suma solo las filas que coinciden: SUMIF y COUNTIF, varias condiciones con SUMIFS, cadenas de criterios y comodines, MAXIFS y MINIFS, y una tabla resumen con una sola fórmula. (7 niveles)
- [4. Texto y fechas](https://analystquest.com/es/excel/text-and-dates/): Divide texto con LEFT, FIND y MID, anida funciones para códigos, slugs e indicadores de palabras clave, construye etiquetas con & y TEXT, y trabaja con fechas como números: claves de mes, EDATE, plazos, WEEKNUM y DATEDIF. (8 niveles)
- [5. Limpiar una exportación](https://analystquest.com/es/excel/cleaning-data/): Encuentra clientes duplicados, corrige espacios y mayúsculas sobrantes, convierte de nuevo en valores reales los números y fechas guardados como texto, rellena costos que faltan con una razón declarada, marca valores atípicos y entrega una copia limpia. (8 niveles)
- [6. Tablas, validación y formato](https://analystquest.com/es/excel/tables-and-validation/): Reconoce qué tipo de datos contiene cada columna, filtra y ordena sin romper filas, convierte reglas de resaltado en fórmulas, usa Tablas de Excel y comprueba entradas con reglas de validación. (8 niveles)
- [7. Tablas dinámicas](https://analystquest.com/es/excel/pivot-tables/): Resume una tabla en segundos con una tabla dinámica: filas, columnas, valores, Suma, Recuento y Promedio, un filtro de informe y porcentajes del total; después reutiliza los resultados en fórmulas. (7 niveles)
- [8. Gráficos](https://analystquest.com/es/excel/charts/): Elige el gráfico que responde la pregunta, arma los números detrás con SUMIF, SUMIFS y COUNTIFS, léelo con honestidad y junta tres gráficos en un pequeño panel (dashboard) diario. (7 niveles)
- [9. Estadística y finanzas](https://analystquest.com/es/excel/statistics-and-finance/): Describe una columna con la media, la mediana, la moda y la desviación estándar, mide una relación con CORREL, redondea con limpieza y calcula un préstamo o un plan de ahorro con PMT, FV, NPER y PV. (7 niveles)
- [10. Consolidar datos](https://analystquest.com/es/excel/consolidating-data/): Combina números de varias exportaciones en una sola: suma bloques con la misma forma celda por celda, empareja filas por etiqueta con SUMIF, apila las fuentes en una tabla maestra, haz una tabla dinámica con ella y compara dos listas. (6 niveles)
- [11. Power Query](https://analystquest.com/es/excel/power-query/): Importa un CSV o una tabla de base de datos y límpialo con Pasos aplicados: quitar columnas, filtrar filas, cambiar tipos, dividir y combinar columnas, añadir columnas personalizadas, combinar y anexar consultas, y luego actualizar. (7 niveles)
- [12. El informe mensual](https://analystquest.com/es/excel/monthly-report/): El proyecto final: convierte una petición vaga en un objetivo SMART y luego arma el informe de noviembre de 2025 de Harbor & Pine: totales por pedido, un resumen por canal, tasas de devolución, un bloque de KPI y un resumen de una línea. (7 niveles)

### Estadística

- [1. Describir datos](https://analystquest.com/es/stats/describing-data/): Media frente a mediana, percentiles, desviación estándar, IQR y valores atípicos, con los valores de pedido de Harbor & Pine. Qué número describe un pedido típico y cuál engaña. (7 niveles)
- [2. Distribuciones y muestreo](https://analystquest.com/es/stats/distributions-and-sampling/): Lee la forma de una columna a partir de su histograma, agrupa valores en rangos y aprende qué tan lejos puede quedar una muestra de la población, con el error estándar para decir cuánto. (6 niveles)
- [3. Comparar grupos y pruebas A/B](https://analystquest.com/es/stats/comparing-groups-and-ab-tests/): Tasas de conversión, lift, intervalos de confianza, valores p explicados con honestidad, la prueba z de dos proporciones, el peeking y cuánto tráfico necesita realmente una prueba, con las sesiones web de Harbor & Pine. (6 niveles)
- [4. Correlación y regresión](https://analystquest.com/es/stats/correlation-and-regression/): Mide cómo se mueven juntas dos columnas, ajusta una recta con pendiente y R², y detecta las trampas (variables de confusión, extrapolación, paradoja de Simpson) con datos de Harbor & Pine. (6 niveles)
- [5. Elegir y leer gráficos](https://analystquest.com/es/stats/choosing-and-reading-charts/): Qué gráfico responde qué pregunta, cómo un eje cortado exagera una diferencia, cuándo los pequeños múltiplos superan a un gráfico saturado, cómo suavizar datos diarios con mucho ruido y cómo revisar con honestidad un gráfico de un panel. (7 niveles)
- [6. Desafío final: el informe de la prueba promocional](https://analystquest.com/es/stats/promo-test-write-up/): Analiza una prueba A/B real de principio a fin: revisa la división, mide la conversión y el aumento, calcula un intervalo de confianza y un valor p, resiste la pesca de segmentos y redacta el veredicto. (6 niveles)
- [7. Préstamos, ahorros y escenarios hipotéticos](https://analystquest.com/es/stats/loans-savings-and-what-if/): Las matemáticas del dinero en el tiempo que se les piden a los analistas: cuotas de préstamos, crecimiento de ahorros, cuánto tarda un pago y cómo trabajar hacia atrás desde una meta, como hace Buscar objetivo de Excel. (4 niveles)

### KPI

- [1. Ingresos y pedidos](https://analystquest.com/es/kpi/revenue-and-orders/): Ventas brutas, descuentos, ventas netas e ingresos netos, valor promedio del pedido y unidades por pedido, lo que cuestan los cupones y cómo las devoluciones se comen la línea superior, con tres años de pedidos de Harbor & Pine. (7 niveles)
- [2. Clientes](https://analystquest.com/es/kpi/customers/): Clientes nuevos frente a recurrentes, tasa de recompra, frecuencia de compra, valor de vida (histórico y predictivo simple), CAC a partir del gasto de marketing, LTV:CAC y recuperación, con los compradores de Harbor & Pine. (8 niveles)
- [3. Embudos y conversión](https://analystquest.com/es/kpi/funnels-and-conversion/): La tasa de conversión de sesiones por año, fuente y dispositivo, dónde pierde gente el embudo, qué puede y qué no puede decirte la atribución de último contacto, y cómo un cambio en la mezcla de tráfico mueve el total. (7 niveles)
- [4. Retención y abandono](https://analystquest.com/es/kpi/retention-and-churn/): Cohortes por primer pedido, tablas y curvas de retención, abandono (churn) para una tienda sin suscripciones y clientes que vuelven. Quién se queda, quién se va y cómo distinguirlos con honestidad. (7 niveles)
- [5. Rentabilidad](https://analystquest.com/es/kpi/profitability/): Margen bruto, margen de contribución, mezcla de ingresos frente a mezcla de margen, la comprobación de Pareto, el costo real de las devoluciones y la trampa del cambio de mezcla, con los pedidos y costos de producto de Harbor & Pine. (7 niveles)
- [6. Diseño de KPI y paneles](https://analystquest.com/es/kpi/kpi-design-and-dashboards/): Métrica estrella y métricas de control, denominadores, ventanas de tiempo, estacionalidad y comparaciones interanuales, la trampa del promedio, y una hoja mensual de KPI para el equipo directivo de Harbor & Pine. (7 niveles)

### Power BI

- [1. Business intelligence y Power BI](https://analystquest.com/es/powerbi/bi-and-power-bi/): Para qué sirve la inteligencia de negocios, los cuatro tipos de análisis, cómo encajan Power BI Desktop, el Servicio y Mobile, las vistas y la configuración de Desktop, Import frente a DirectQuery y tus primeras medidas. (8 niveles)
- [2. Obtener y dar forma a los datos en Power Query](https://analystquest.com/es/powerbi/power-query/): Conéctate a Excel, SQL Server y fuentes web, y luego limpia y da forma a los datos con los Applied Steps del Editor de Power Query: tipos, limpieza de texto, dividir y extraer, columnas condicionales, anular dinamización, combinar, anexar y agrupar. (8 niveles)
- [3. Modelado de datos y el esquema en estrella](https://analystquest.com/es/powerbi/data-modelling/): Tablas de hechos y de dimensiones, granularidad, claves, relaciones con la cardinalidad y la dirección de filtro correctas, una tabla Date marcada, relaciones activas e inactivas, jerarquías y el esquema en estrella que mantiene simples todas las medidas. (9 niveles)
- [4. Fundamentos de DAX: columnas y medidas](https://analystquest.com/es/powerbi/dax-basics/): Columnas calculadas con IF, SWITCH, YEAR, MONTH y RELATED; medidas con SUM, COUNTROWS, DISTINCTCOUNT, AVERAGE, MIN, MAX y DIVIDE; y la pregunta que decide entre una columna y una medida. (9 niveles)
- [5. CALCULATE y el contexto de filtro](https://analystquest.com/es/powerbi/calculate-and-filter-context/): Qué contexto de filtro aplican una celda de matriz y una segmentación, cómo CALCULATE añade, reemplaza y quita filtros (FILTER, ALL, ALLEXCEPT, REMOVEFILTERS, KEEPFILTERS), porcentajes del total y la diferencia entre contexto de fila y contexto de filtro. (9 niveles)
- [6. Inteligencia de tiempo](https://analystquest.com/es/powerbi/time-intelligence/): La tabla Date y por qué debe ser continua y estar marcada, luego totales del acumulado del año y del mes, las cifras del año pasado con SAMEPERIODLASTYEAR, el mes anterior con DATEADD y el crecimiento interanual y mensual. (9 niveles)
- [7. DAX avanzado](https://analystquest.com/es/powerbi/advanced-dax/): Iteradores (SUMX, AVERAGEX) y RELATED para cálculos fila por fila y KPI ponderados, RANKX y TOPN para rankings, ALL frente a ALLSELECTED para la parte de una selección, USERELATIONSHIP para una segunda fecha y VAR … RETURN para medidas que puedes leer y en las que puedes confiar. (9 niveles)
- [8. Visuales que responden la pregunta](https://analystquest.com/es/powerbi/visuals/): Elegir el visual a partir de la pregunta (tabla, matriz, barras, columnas, líneas, tarjeta, KPI), tablas frente a matrices, tarjetas frente al visual KPI, las medidas que necesita una meta, reglas de diseño para páginas claras y cuándo vale la pena un visual personalizado de AppSource. (7 niveles)
- [9. Interactividad](https://analystquest.com/es/powerbi/interactivity/): Segmentaciones y los tres niveles de filtro, filtros Top N, filtrado cruzado y Editar interacciones, información sobre herramientas, marcadores y botones, y el DAX que mantiene honesta una medida cuando el lector hace clic: ignorar una segmentación, Top N como medida y títulos que siguen la selección. (8 niveles)
- [10. Paneles y narrativa de datos](https://analystquest.com/es/powerbi/dashboards-and-storytelling/): Crea paneles que se ganen su lugar: un propósito claro, KPI elegidos para la audiencia, informes frente a paneles frente a análisis, páginas estratégicas, operativas y analíticas, un diseño que va del resumen al detalle, títulos que enuncian la conclusión y las medidas de KPI ejecutivos en DAX. (7 niveles)
- [11. Servicio de Power BI, uso compartido y seguridad](https://analystquest.com/es/powerbi/service-sharing-and-security/): Publica de Desktop al servicio de Power BI, elige la licencia adecuada, da a cada persona el rol de área de trabajo correcto, empaqueta informes como una aplicación con audiencias, mantén los datos al día con actualización programada y puertas de enlace, y escribe seguridad a nivel de fila estática y dinámica. (8 niveles)
- [12. Optimizar informes de Power BI](https://analystquest.com/es/powerbi/optimising-reports/): Descubre por qué un informe es lento y arréglalo: los motores de almacenamiento y de fórmulas, medidas que dejan que CALCULATE haga el trabajo, tipos de columna y cardinalidad, importaciones ligeras en Power Query, modos de almacenamiento, relaciones sin trampas y VAR. (8 niveles)

### Casos

- [1. Caso 1: Revisión de la temporada navideña](https://analystquest.com/es/casework/holiday-season-review/): Revisa la temporada navideña de 2025 como un analista de verdad: ingresos mensuales, crecimiento por categoría frente al año anterior y el cambio de noviembre a diciembre por canal, en SQL y en pandas. (2 niveles)
- [2. Caso 2: Costo por conversión de marketing](https://analystquest.com/es/casework/marketing-cost-per-conversion/): Pon lado a lado las sesiones web y el gasto de marketing: tasa de conversión por fuente de tráfico, costo por conversión por canal y una vista mensual de búsqueda de pago, en SQL y en pandas. (2 niveles)
- [3. Caso 3: Retención de clientes](https://analystquest.com/es/casework/customer-retention/): Mide si los clientes vuelven: cohortes por primer pedido, tasa de recompra, una tasa justa de recompra a 90 días y la división entre consumidores y empresas, en SQL y en pandas. (2 niveles)
- [4. Caso 4: ¿La subida de precios perjudicó las ventas?](https://analystquest.com/es/casework/price-rise-review/): Harbor & Pine subió los precios de 29 productos en marzo de 2025. Plantea la pregunta, confirma el cambio en los datos, compara en igualdad de condiciones con el año pasado y con productos que mantuvieron su precio, y redacta la recomendación. (3 niveles)
- [5. Caso 5: ¿De dónde vienen las devoluciones?](https://analystquest.com/es/casework/return-rate-investigation/): Atención al Cliente siente que las devoluciones son altas. Plantea la pregunta, revisa a qué pedidos pertenecen las devoluciones, mide la tasa de devolución y el valor reembolsado por categoría, lee los motivos y redacta la recomendación. (3 niveles)
- [6. Caso 6: Productos de baja rotación en el catálogo](https://analystquest.com/es/casework/slow-movers/): Merchandising quiere una lista corta de productos activos que casi no se venden. Plantea la pregunta, separa qué productos se pueden juzgar, ordénalos frente a su propia categoría y redacta la recomendación. (3 niveles)
- [7. Caso 7: ¿Los cupones se pagan solos?](https://analystquest.com/es/casework/coupon-effectiveness/): Finanzas quiere saber cuánto cuestan realmente los seis códigos de cupón de Harbor & Pine. Plantea la pregunta, verifica los descuentos contra los códigos, compara los pedidos con cupón con los pedidos de los mismos días y redacta la recomendación. (3 niveles)
- [8. Caso 8: El cambio en la mezcla de canales](https://analystquest.com/es/casework/channel-mix-shift/): La app se lleva una parte mayor de los pedidos de Harbor & Pine cada año. Plantea la pregunta, verifica los estados y los canales, mide la mezcla por año, sepárala del crecimiento y redacta la recomendación. (3 niveles)
- [9. Caso 9: Dónde pierde gente el embudo web](https://analystquest.com/es/casework/web-funnel/): Marketing cree que el móvil convierte mal. Plantea la pregunta, verifica lo que los datos de sesiones pueden y no pueden mostrar, construye un embudo por dispositivo y por año, y redacta la recomendación. (3 niveles)
- [10. Caso 10: Revisión de plantilla y salarios](https://analystquest.com/es/casework/headcount-and-pay/): Finanzas necesita plantilla, nómina y salario típico por departamento antes del presupuesto, y Soporte dice que sus gerentes están sobrecargados. Plantea la pregunta, verifica la exportación de RR. HH., resume salarios y tramos de control, y recomienda. (3 niveles)
- [11. Caso 11: Dónde abrir la primera sala de exposición](https://analystquest.com/es/casework/regional-expansion/): Harbor & Pine solo vende en línea y la CEO quiere una primera sala de exposición. Plantea la pregunta, limpia las etiquetas desordenadas de estado y ciudad, clasifica estados y áreas metropolitanas por ingresos completados y redacta la recomendación. (3 niveles)
- [12. Caso 12: La revisión mensual del negocio](https://analystquest.com/es/casework/monthly-business-review/): Construye la revisión mensual del negocio de Harbor & Pine para noviembre de 2025: elige el mes que está completo, pon los KPI principales junto al mes pasado y al año pasado, explica el único número que se movió en la dirección equivocada y redacta el titular. (3 niveles)

## Recursos

- [Recursos](https://analystquest.com/es/resources/): Hojas de referencia, preguntas de entrevista y un glosario que acompañan a los niveles.
- [Hoja de referencia de SQL](https://analystquest.com/es/resources/sql-cheat-sheet/): Las consultas que los analistas escriben cada semana, agrupadas por el trabajo que necesitas resolver. Cada fragmento se ejecuta tal como está escrito sobre las tablas de la tienda Harbor & Pine, y cada grupo enlaza con el nivel que lo enseña.
- [Hoja de referencia de pandas](https://analystquest.com/es/resources/pandas-cheat-sheet/): El pandas que usas en el trabajo, agrupado por tarea. Cada fragmento se ejecuta tal como está escrito sobre las tablas de Harbor & Pine, y cada grupo enlaza con los niveles que lo enseñan.
- [Hoja de referencia de Excel](https://analystquest.com/es/resources/excel-cheat-sheet/): Las fórmulas que los analistas usan cada semana, agrupadas por el trabajo que necesitas resolver. Cada una se comprobó con los mismos datos de la tienda que usan los niveles de Excel, y cada grupo enlaza con los niveles que lo enseñan.
- [Preguntas de entrevista](https://analystquest.com/es/resources/interview-questions/): Preguntas de entrevistas reales de analista, cada una con una respuesta modelo, la respuesta que resta puntos y un nivel para practicarla.
- [Entrevista simulada](https://analystquest.com/es/resources/mock-interview/): Una sesión con tiempo que mezcla tareas en vivo de SQL, pandas y Excel con preguntas de opción múltiple y orales, y después te puntúa por tema.
- [Glosario](https://analystquest.com/es/resources/glossary/): Las palabras que usan analistas, gerentes y entrevistadores, desde SQL y pandas hasta Excel, Power BI y estadística, cada una en una frase sencilla.
- [Proyectos de portafolio](https://analystquest.com/es/resources/portfolio-projects/): Cuatro proyectos con datos públicos, cada uno con una pregunta de negocio, pasos enlazados a niveles y qué poner en GitHub, LinkedIn y tu CV.
- [Panel de ventas de un e-commerce](https://analystquest.com/es/resources/portfolio-projects/ecommerce-sales-dashboard/): Una página que un director de ventas puede leer en un minuto: ingresos, pedidos, valor promedio del pedido y dónde se movieron.
- [Análisis de retención de clientes por cohortes](https://analystquest.com/es/resources/portfolio-projects/customer-cohort-retention/): ¿Vuelven a comprar los clientes primerizos? Cohortes mensuales y una cuadrícula de retención, construidas en SQL y verificadas en pandas.
- [Análisis e informe de una prueba A/B](https://analystquest.com/es/resources/portfolio-projects/ab-test-write-up/): Comprueba la asignación, estima el efecto con un intervalo de confianza y escribe una decisión sobre la que un gerente de producto pueda actuar.
- [Informe mensual de KPI con SQL y Power BI](https://analystquest.com/es/resources/portfolio-projects/monthly-kpi-report/): El informe que casi todo analista tiene a su cargo: SQL para los números, Power BI o Excel para la página, actualizado cada mes.
- [Certificados de finalización](https://analystquest.com/es/certificates/): Termina todos los niveles de una ruta de AnalystQuest y obtén un certificado con tu nombre, estrellas y XP. Descárgalo en PDF o imagen, verifícalo con un enlace y añádelo a LinkedIn.

## Versión en inglés

- [AnalystQuest in English](https://analystquest.com/): AnalystQuest is a free browser game for learning data analysis: SQL, Python/pandas, Excel, Statistics, KPIs, Power BI and Casework. Every level is a realistic ticket from a colleague at Harbor & Pine, a fictional home-goods store, answered on the same store dataset. It runs entirely in the browser (no install), has optional Google sign-in to save progress, and is available in English and Spanish.
- [English llms.txt](https://analystquest.com/llms.txt)
- [English llms-full.txt](https://analystquest.com/llms-full.txt)

## Opcional

- [Términos](https://analystquest.com/es/terms/)
- [Privacidad](https://analystquest.com/es/privacy/)
- [Cookies](https://analystquest.com/es/cookies/)
- [Mapa del sitio](https://analystquest.com/sitemap.xml)