Tableau sigue siendo una de las herramientas de visualización más pedidas en búsquedas de analistas de datos, y se puede aprender lo esencial en pocas semanas. Esta guía cubre la instalación, la conexión a fuentes de datos, la construcción del primer dashboard, los filtros y la interactividad, más una comparativa honesta con Power BI y Looker Studio.

La visualización de datos es la parte del trabajo de analista que más se ve. Podés escribir la consulta más elegante del mundo, pero si el resultado llega como una tabla de doscientas filas nadie va a tomar una decisión con eso. Tableau resuelve ese último tramo: convertir un dataset en algo que un gerente pueda leer en treinta segundos.

Qué es Tableau y para qué se usa realmente

Tableau es una plataforma de análisis visual: conectás una fuente de datos, arrastrás campos a un lienzo y obtenés gráficos interactivos que después se combinan en dashboards. No reemplaza a SQL ni a Python, los complementa. En la práctica, un analista usa SQL para extraer y transformar, y Tableau para explorar y comunicar.

El ecosistema tiene varias piezas y conviene no confundirlas:

• Tableau Desktop: la aplicación donde se construyen los análisis. Es la que vas a usar para aprender.

• Tableau Public: versión gratuita. Guarda los trabajos en la nube pública, lo que la vuelve ideal para portafolio.

• Tableau Server / Cloud: donde las empresas publican y comparten dashboards internamente.

• Tableau Prep: herramienta de limpieza y preparación de datos previa al análisis.

Para empezar alcanza con Tableau Public, que es gratis y no tiene límite de tiempo. La contrapartida es que tus visualizaciones quedan públicas, así que nunca lo uses con datos sensibles de una empresa. La documentación oficial de Tableau está disponible en español y es la mejor referencia cuando te trabás con una función puntual.

Paso 1 — Instalación y primer contacto

Descargá Tableau Public desde el sitio oficial, instalalo y creá una cuenta. Al abrirlo vas a ver tres zonas que conviene identificar desde el principio:

• Panel de datos (izquierda): lista los campos disponibles, separados en dimensiones (categorías: país, producto, fecha) y medidas (valores numéricos: ventas, cantidad, costo).

• Estantes de filas y columnas (arriba): donde arrastrás campos para definir la estructura del gráfico.

• Tarjeta Marcas: controla color, tamaño, etiquetas y detalle. Es donde ocurre el 80% del refinamiento visual.

La lógica de Tableau es distinta a la de Excel: no construís un gráfico eligiendo un tipo de la lista, sino que el tipo aparece como consecuencia de qué campos pusiste y dónde. Cuanto antes te acostumbres a eso, más rápido avanzás.

Paso 2 — Conectar una fuente de datos

Tableau conecta con archivos (Excel, CSV, JSON), bases de datos (PostgreSQL, MySQL, SQL Server) y servicios en la nube (BigQuery, Snowflake, Redshift). Para practicar, empezá con un CSV.

Tres cuidados al conectar:

1. Revisá los tipos de dato. Tableau infiere si un campo es texto, número o fecha, y se equivoca seguido con fechas en formato latinoamericano. Corregilo antes de graficar.

2. Entendé la granularidad. Una fila por transacción no es lo mismo que una fila por cliente. Confundir esto es la causa número uno de totales inflados.

3. Elegí entre extracto y conexión en vivo. El extracto copia los datos y es mucho más rápido para explorar; la conexión en vivo consulta la base cada vez y sirve cuando necesitás datos actualizados al minuto.

Paso 3 — Tu primer gráfico útil

Un ejercicio que enseña más que cualquier tutorial largo: ventas por mes y por categoría.

1. Arrastrá el campo de fecha a Columnas. Tableau lo agrupa por año automáticamente; cambialo a mes desde el menú del campo.

2. Arrastrá el campo de ventas a Filas. Aparece un gráfico de líneas.

3. Arrastrá la categoría a Color dentro de la tarjeta Marcas. Ahora tenés una línea por categoría.

4. Agregá una línea de tendencia desde el panel de Análisis.

En cuatro movimientos construiste algo que en una planilla llevaría bastante más trabajo. Esa velocidad es la razón por la que Tableau se sigue usando.

Paso 4 — Campos calculados: donde empieza el análisis real

Arrastrar campos alcanza para descripciones simples. El análisis aparece cuando creás métricas propias. Los cálculos que más se usan en el día a día:

• Ratios: margen sobre ventas, tasa de conversión, ticket promedio.

• Condicionales: clasificar clientes en segmentos según su volumen de compra con una estructura IF/THEN/ELSE.

• Cálculos de tabla: variación porcentual respecto al período anterior, participación sobre el total, promedios móviles.

• Expresiones LOD: permiten calcular a un nivel de detalle distinto al del gráfico. Es el tema más difícil de Tableau y el que más aparece en entrevistas técnicas.

Consejo práctico: nombrá los cálculos con un prefijo (por ejemplo calc_margen) para distinguirlos de los campos originales cuando el proyecto crezca.

Paso 5 — Del gráfico al dashboard

Un dashboard es una composición de varias hojas que responden juntas a una pregunta de negocio. La regla que mejor funciona es "una pregunta por dashboard": si intentás responder cinco cosas a la vez, no se entiende ninguna.

Estructura que casi siempre funciona:

• Arriba, tres o cuatro indicadores grandes con los números clave.

• En el centro, la evolución temporal.

• Abajo o a la derecha, el desglose por dimensión (producto, región, canal).

• Filtros globales visibles, no escondidos.

Después conectá las hojas con acciones: al hacer clic en una barra, el resto del dashboard se filtra. Esa interactividad es lo que diferencia un dashboard de un PDF con gráficos.

Errores frecuentes de quien recién empieza

• Usar gráficos de torta con más de cuatro categorías. Nadie compara ángulos con precisión. Una barra ordenada comunica mejor.

• Sumar valores que no se suman. Promedios, porcentajes y ratios no se agregan sumando. Es el error silencioso más caro.

• Saturar de colores. El color debe codificar una variable, no decorar.

• No definir la pregunta antes de graficar. Sin pregunta, el dashboard se convierte en una colección de gráficos sin conclusión.

• Ignorar la performance. Un dashboard que tarda treinta segundos en cargar no lo usa nadie, por más lindo que sea.

Tableau vs Power BI vs Looker Studio

En términos de empleabilidad, Power BI aparece con más frecuencia en avisos de la región por su costo, mientras que Tableau domina en empresas grandes y en equipos de datos maduros. Si tu objetivo es tener el perfil más completo posible, aprender Tableau primero facilita después el paso a Power BI: los conceptos de granularidad, agregación y diseño visual son los mismos.

Tres proyectos de práctica que sirven como portafolio

1. Dashboard de ventas retail. Usá un dataset público de transacciones. Objetivo: identificar qué categoría cae y en qué región. Incluí comparación contra el período anterior.

2. Análisis de calidad de servicio. Tomá datos de tickets de soporte y construí un dashboard de tiempos de resolución por tipo de problema y por equipo.

3. Panorama socioeconómico regional. Datos públicos de organismos estadísticos de tu país. Mostrá evolución de un indicador por provincia con un mapa y una serie temporal.

Publicalos en Tableau Public y sumá el link a tu perfil. Un dashboard interactivo pesa mucho más en un proceso de selección que una captura de pantalla. Si estás armando el resto del perfil, en esta guía sobre cómo conseguir trabajos en data sin experiencia hay criterios sobre qué proyectos priorizar.

Plan de estudio de 6 semanas

• Semanas 1-2: interfaz, conexión de datos, tipos de gráfico básicos, agregaciones.

• Semana 3: campos calculados y cálculos de tabla.

• Semana 4: dashboards, filtros, acciones e interactividad.

• Semana 5: expresiones LOD, parámetros y buenas prácticas de performance.

• Semana 6: proyecto integrador completo, publicado y documentado.

Cursos recomendados de Coderhouse

• Nivel inicial — Curso de Data Analytics: cubre el ciclo completo de análisis, incluyendo visualización y comunicación de resultados.

• Complemento directo — Curso de Power BI: la otra herramienta que más aparece en las búsquedas laborales de la región.

• Base de consulta — Curso de SQL: antes de visualizar hay que extraer bien. Es la habilidad que sostiene todo lo demás.

• Recorrido completo — Carrera de Data Analytics: para quien busca dedicarse profesionalmente al análisis de datos.

Preguntas frecuentes

¿Se puede aprender Tableau sin saber SQL?

Sí para empezar, no para trabajar. Podés conectar archivos y construir dashboards sin escribir una línea de SQL, pero en un puesto real los datos vienen de bases y necesitás extraerlos y filtrarlos vos. Aprender ambas cosas en paralelo es lo más eficiente.

¿Cuánto tarda en dominarse la herramienta?

Con seis a ocho horas semanales, en seis semanas llegás a un nivel funcional: construir dashboards completos con cálculos e interactividad. El nivel avanzado —expresiones LOD complejas, optimización de performance, arquitectura de fuentes— lleva varios meses de uso real.

¿Tableau es gratis?

Tableau Public es gratuito y sirve perfectamente para aprender y armar portafolio, con la limitación de que los trabajos quedan visibles públicamente. Tableau Desktop y Server son licencias pagas que suelen provee la empresa. Además existe una versión gratuita para estudiantes con verificación académica.

¿Conviene aprender Tableau o Power BI?

Depende del mercado al que apuntes. Power BI aparece más seguido en avisos por su integración con Microsoft y su costo menor; Tableau es más fuerte en empresas grandes y equipos de datos consolidados. Los conceptos son transferibles, así que empezar por cualquiera de las dos acelera el aprendizaje de la otra.

¿Qué nivel de estadística hace falta?

Para el uso cotidiano alcanza con promedios, medianas, percentiles, variaciones porcentuales y nociones de distribución. Entender cuándo la mediana comunica mejor que el promedio evita más errores que cualquier técnica avanzada.