Caso de estudio: un(a) data analysts que escaló su actividad gracias a la IA

Aquí la historia detallada de un(a) data analysts que transformó su actividad en 12 meses gracias a la IA. Historia compuesta, inspirada en varios feedbacks reales del terreno. Todas las cifras son representativas de casos observados en 2024-2026.

El punto de partida: enero de 2025

Nuestra data analysts, llamémosla Carmen, tiene 38 años, 12 años en la profesión, independiente desde hace 4 años. Su actividad funciona sobre el papel, pero el día a día es asfixiante:

• 60 horas por semana de media, incluidas 25 horas de tareas administrativas que detesta.
• 8 a 10 clientes activos, techo infranqueable sin contratar.
• TJM a 450€, estable desde hace 2 años.
• CA anual a 95.000€, pero con un burnout que apunta.

Carmen había oído hablar de la IA. Probó ChatGPT gratuito, sin convicción.

El clic: febrero de 2025

Una colega le muestra concretamente lo que hace con su stack IA. Carmen ve en 20 minutos lo que ella habría hecho en 4 horas.

Decisión: un fin de semana de setup intensivo. Se suscribe a:

• ChatGPT, Free · $20/mo (Plus) · $200/mo (Pro)
• Claude, Free · $18/mo (Pro) · $100/mo (Max)
• Cursor, Free · $20/mo (Pro)
• GitHub Copilot, $10/mo (Pro)

Total invertido: 80€/mes. Inversión en tiempo: 15 horas en el fin de semana.

Mes 1 (marzo 2025), Aprendizaje y frustración

El primer mes es rugoso. Carmen debe forzar el uso de la IA incluso cuando podría hacerlo rápido a mano. Pero persiste. Cada noche, 15 minutos para:

• Documentar los prompts que funcionaron.
• Analizar los que no funcionaron.
• Afinar sus templates.

Balance mes 1: -3 horas ganadas por semana, pero 5 prompts templates sólidos constituidos.

Meses 2 y 3, Primeras ganancias visibles

A partir del mes 2, el clic ocurre. Carmen empieza a usar sus prompts a diario sin pensar. La producción se acelera.

• Escribir y depurar SQL complejo en minutos.
• Limpiar y transformar datasets en Python sin codear línea por línea.
• Generar dashboards a partir de una pregunta de negocio.

Balance mes 3: +6 horas ganadas por semana. Carmen deja de trabajar los sábados por primera vez en 3 años.

Meses 4-6, Régimen de crucero y ajustes

Carmen añade dos herramientas complementarias. Presupuesto pasa a 130€/mes. Empieza a aumentar sus tarifas: pasa de 450€ a 550€ de TJM en los nuevos contratos. Sin pérdida de cliente.

Balance mes 6: 10-12 horas ganadas por semana. CA al alza del 20% en los contratos recientes.

Meses 7-12, El escalado asumido

Carmen pasa a la estrategia de expansión:

• Lanza un boletín especializado.
• Acepta dos expedientes más (15 clientes activos en lugar de 10).
• Rechaza 3 clientes que no le correspondían realmente.
• Aumenta su TJM de referencia a 600€.

Balance mes 12:

• Carga horaria pasada de 60 a 40 horas por semana.
• Clientes activos: 15 (vs 10).
• TJM medio: 600€ (vs 450€). Subida del 33%.
• CA anual: 160.000€ (vs 95.000€). Subida del 68%.
• 4 semanas de vacaciones tomadas (vs 2).

Lo que realmente funcionó, el análisis

1. Invertir masivamente en la fase de aprendizaje. Las 15 horas del primer fin de semana + los 15 minutos diarios durante 3 meses.

2. Reformar los prompts como se afina un proceso. Carmen tiene una carpeta Notion con 47 prompts templates afinados.

3. Conservar lo humano en lo que importa. Carmen NUNCA automatizó la relación con el cliente.

La stack final de Carmen

1. Notion AI ⭐ Recomendado

To draft analysis reports from notebooks. Storytelling for decision-makers, insight popularization.

Precio: $10/mo/user · Probar gratis →

2. ChatGPT

Code interpreter for direct Python/pandas analysis: CSV upload, natural-language queries, matplotlib visualizations. Essential for ad hoc analyses.

Precio: Free · $20/mo (Plus) · $200/mo (Pro) · Sitio oficial →

3. Claude

For complex SQL and Python: Claude generates clean, commented, optimized code. Excellent reasoning on data schemas.

Precio: Free · $18/mo (Pro) · $100/mo (Max) · Sitio oficial →

4. Cursor

For analysts coding locally: smart autocomplete on notebooks, assisted refactoring, transformation function generation.

Precio: Free · $20/mo (Pro) · Sitio oficial →

5. GitHub Copilot

Cursor alternative, well-integrated for data teams on GitHub. Excellent for Python data science and SQL.

Precio: $10/mo (Pro) · Sitio oficial →

Presupuesto mensual total: 150€. Inversión anual: 1.800€. Por una facturación adicional de 65.000€. ROI: 36x.

Las lecciones a retener

1. Bloquea un fin de semana para el setup. Da 15 horas concentradas.

2. Mantén una carpeta de prompts desde el día 1. El oro está en la reutilización.

3. Aumenta tus tarifas tras 6 meses. Entregas objetivamente más valor. Captúralo.

Para ir más lejos

• Guía completa para data analysts
• Boletín diario

---

El próximo paso correcto para un(a) data analysts

Si solo pruebas una herramienta esta semana, elige Notion AI. Es la que más aparece en el feedback de la comunidad para esta profesión. Prueba gratis, sin tarjeta.

Probar Notion AI gratis →