Resumen ejecutivo

• Los seis tipos de ejercicio que más aparecen en challenges técnicos de Data Analyst: JOINs y agregaciones, funciones de ventana, limpieza con pandas, análisis exploratorio, una métrica de negocio y la presentación de resultados.

• Para cada uno: un enunciado de ejemplo, cómo encararlo y el error que te deja afuera.

• Código de referencia en SQL y Python para practicar.

• Un checklist de entrega para que el evaluador vea criterio, no solo código que corre.

Pasaste la entrevista con RR. HH. y te llega el mail: "te compartimos un challenge técnico, tenés 48 horas". Para muchos perfiles junior, este es el punto donde se cae el proceso. No porque no sepan SQL o Python, sino porque no saben qué está evaluando la empresa. Un challenge de data casi nunca mide si conocés una función rara: mide si podés tomar datos desprolijos, responder una pregunta de negocio y explicar la respuesta. Esta guía repasa los seis ejercicios más comunes y cómo resolverlos. Si estás en una etapa anterior del proceso, complementala con la guía para prepararte para una entrevista de Data Analyst.

Cómo suelen ser los challenges de data

• Take-home: te dan un dataset (CSV o una base) y un plazo de uno a tres días. Entregás notebook, consultas y conclusiones.

• En vivo: resolvés consultas SQL en una plataforma compartida mientras explicás tu razonamiento.

• Online con tiempo limitado: ejercicios autocorregibles, parecidos a los de plataformas como el plan Top SQL 50 de LeetCode.

Ejercicio 1: JOINs y agregaciones

Enunciado típico: "Con las tablas clientes y pedidos, calculá la facturación total por provincia de los últimos tres meses".

Cómo encararlo: identificá la clave de unión, filtrá fechas antes de agregar y decidí si necesitás LEFT JOIN para incluir provincias sin ventas.

SELECT c.provincia, SUM(p.monto) AS facturacion FROM pedidos p JOIN clientes c ON c.id = p.cliente_id WHERE p.fecha >= CURRENT_DATE - INTERVAL '3 months' GROUP BY c.provincia ORDER BY facturacion DESC;

Error que descalifica: duplicar filas por un JOIN contra una tabla con varias filas por cliente y no darte cuenta de que el total quedó inflado. Siempre compará el conteo antes y después del JOIN.

Ejercicio 2: funciones de ventana

Enunciado típico: "Para cada cliente, mostrá su segunda compra" o "calculá el acumulado mensual de ventas".

Cómo encararlo: usá ROW_NUMBER(), RANK() o SUM() OVER con PARTITION BY y ORDER BY. El tutorial oficial de funciones de ventana de PostgreSQL es la mejor referencia para repasar.

SELECT cliente_id, fecha, monto FROM (SELECT *, ROW_NUMBER() OVER (PARTITION BY cliente_id ORDER BY fecha) AS n FROM pedidos) t WHERE n = 2;

Error que descalifica: resolverlo con subconsultas eternas o, peor, exportar a Excel. Las funciones de ventana son el filtro más común entre junior y semi senior.

Ejercicio 3: limpieza de datos con pandas

Enunciado típico: "El CSV tiene fechas en distintos formatos, montos con coma decimal y duplicados. Dejalo listo para analizar".

Cómo encararlo: explorá con df.info() y df.isna().sum(), normalizá tipos con pd.to_datetime y pd.to_numeric, eliminá duplicados con criterio y documentá cada decisión. La guía de pandas sobre datos faltantes explica las opciones para tratar nulos.

Error que descalifica: borrar filas con nulos sin decir cuántas eran ni por qué. El evaluador quiere ver tu criterio. Si querés repasar, tenés la guía completa de pandas para analistas.

Ejercicio 4: análisis exploratorio

Enunciado típico: "Analizá este dataset de ventas y contanos qué encontrás".

Cómo encararlo: no hagas cuarenta gráficos. Elegí tres o cuatro preguntas (tendencia en el tiempo, concentración por cliente o producto, estacionalidad, outliers) y respondelas con un gráfico claro cada una.

Error que descalifica: describir gráficos ("las ventas suben en marzo") sin interpretar ("suben en marzo por la vuelta a clases; conviene reforzar stock en febrero").

Ejercicio 5: una métrica de negocio

Enunciado típico: "Calculá la tasa de retención mensual", "el ticket promedio por canal" o "la conversión del embudo".

Cómo encararlo: escribí primero la definición en palabras (qué cuenta en el numerador, qué en el denominador y en qué período), después el código. Si el enunciado es ambiguo, aclará el supuesto que tomaste.

Error que descalifica: calcular algo distinto de lo que pidieron porque no definiste la métrica antes de programar.

Ejercicio 6: presentar resultados

Enunciado típico: "Prepará una presentación de cinco minutos para el gerente comercial".

Cómo encararlo: estructura de tres partes: la respuesta en una frase, la evidencia (dos o tres gráficos) y la recomendación con próximos pasos. Pensá en alguien que no sabe SQL.

Error que descalifica: mostrar el código en la presentación o terminar sin recomendación.

Checklist antes de entregar

• README con cómo correr tu solución y los supuestos que tomaste.

• Consultas y notebook ordenados, con comentarios breves.

• Conclusiones al principio, no al final.

• Una sección de "qué haría con más tiempo".

• Revisión de que los números de la presentación coinciden con los del código.

Cursos recomendados de Coderhouse

Para llegar al challenge con las bases firmes, el Curso de SQL cubre JOINs, agregaciones y funciones de ventana. Si querés el recorrido completo de analista, con limpieza, visualización y presentación de resultados, el Curso de Data Analytics trabaja con casos parecidos a los de un proceso real, y el Curso de Python te prepara para la parte de pandas.

Preguntas frecuentes

¿Puedo usar IA para resolver un challenge técnico? Depende de la empresa. Algunas lo permiten y piden que lo declares; otras no. Preguntá antes. En cualquier caso, tenés que poder explicar cada línea en la entrevista siguiente.

¿Qué pasa si no termino todo el challenge? Entregá lo que tengas, bien documentado, y explicá qué faltó y cómo lo resolverías. Una solución parcial clara suele valer más que una completa sin criterio.

¿Qué nivel de SQL piden para un puesto junior? Lo habitual es SELECT, filtros, JOINs, GROUP BY, subconsultas y funciones de ventana básicas. CTEs con WITH suman mucho.

¿Conviene entregar en notebook o en scripts? Para análisis, un notebook ordenado es lo más común. Si el puesto es más técnico, sumá un script reproducible.