Curso de Python en Colombia: Python para análisis de datos, en vivo

Respuesta corta: el curso de Python para datos de ProgramBI en Colombia es online y en vivo por Zoom: 20 horas, 8 módulos, nivel básico-intermedio, los lunes y miércoles de 17:30 a 19:30, hora de Colombia. Arranca el lunes 23 de noviembre de 2026 y su valor es $ 299.900. Trae grabaciones de por vida y certificado.

¿Qué aprendes? Python desde cero orientado a datos: lo básico del lenguaje (variables, funciones, listas y diccionarios) y luego Pandas para depurar, transformar, agrupar y cruzar bases; gráficos con Matplotlib y conexión a bases de datos y APIs. En el trabajo diario significa que la base de 500.000 filas que hoy bloquea tu Excel se procesa en segundos.

El problema que Python resuelve en empresas colombianas

En Colombia hay sectores que generan volúmenes enormes de registros: una EPS procesa autorizaciones y facturación de miles de IPS; un banco registra millones de transacciones; un BPO guarda cada interacción de cada agente; un operador logístico en Barranquilla o Buenaventura rastrea cada contenedor. El área de negocio suele recibir esos datos en planos o en archivos de Excel gigantes que se cuelgan al abrirlos.

Python con Pandas fue pensado para eso. Lee archivos que Excel no soporta, los depura, los cruza con otras fuentes y entrega solo lo que importa. Y lo hace igual cada vez, sin depender de que alguien recuerde qué fórmula iba en qué columna.

¿Excel o Python? Una comparación honesta

Excel sigue siendo excelente para análisis rápidos. Python gana cuando el proceso es grande, repetitivo o necesita quedar documentado.

Lo que pide el mercado (referencia)

En las vacantes de analista de datos en Colombia, Python aparece cada vez más junto a SQL, Excel y Power BI. Como referencia, Computrabajo Colombia informa un sueldo medio de $2.416.855 COP al mes para «analista de datos», con 7.156 salarios de los últimos 12 meses (consultado el 4 de noviembre de 2026). co.computrabajo.com/salarios/analista-de-datos La media mezcla cargos muy distintos; los que piden Python y SQL suelen ubicarse arriba.

Ejemplos con datos colombianos

Leer un plano de texto separado por punto y coma (muy común en salud y banca):

import pandas as pd
facturas = pd.read_csv("facturacion_ips.txt", sep=";", encoding="latin-1",
                       dtype={"nit": str, "cedula": str})

Depurar cédulas y NIT con puntos, espacios o dígito de verificación pegado:

facturas["cedula"] = facturas["cedula"].str.replace(r"\D", "", regex=True)
facturas["nit"] = facturas["nit"].str.split("-").str[0].str.replace(".", "", regex=False)

Valor facturado por departamento y mes:

facturas["fecha"] = pd.to_datetime(facturas["fecha"], dayfirst=True)
resumen = (facturas.groupby(["departamento", facturas["fecha"].dt.to_period("M")])
                   ["valor_cop"].sum().reset_index())

Detectar facturas duplicadas antes de pagar:

dup = facturas[facturas.duplicated(subset=["nit", "numero_factura"], keep=False)]

Leer cédulas y NIT como texto (dtype=str) evita que Pandas los convierta en número y les quite ceros o los muestre en notación científica.

Caso: el informe diario de un call center

Un analista de WFM en un BPO de Medellín recibe cada mañana el detalle de llamadas del día anterior: más de 200.000 registros. Necesita nivel de servicio, tiempo medio de atención y ausentismo por campaña. Con Python:

llamadas = pd.read_csv("llamadas_ayer.csv", parse_dates=["inicio"])
kpis = llamadas.groupby("campania").agg(
    llamadas=("id", "count"),
    tma_seg=("duracion_seg", "mean"),
    nivel_servicio=("espera_seg", lambda s: (s <= 20).mean()))
kpis.to_excel("kpis_diarios.xlsx")

El script corre en segundos. El analista llega, revisa el resultado y dedica la mañana a explicar por qué una campaña cayó, no a calcularlo.

Ruta de aprendizaje recomendada

1. Excel bien dominado: si te falta base, el curso de Excel.
2. SQL para extraer: curso de SQL Server.
3. Python con Pandas para depurar y automatizar (este curso).
4. Power BI para presentar: curso de Power BI y guía de Power BI para Colombia.

Si quieres SQL, Power BI y Python en un programa, está el curso de Análisis de datos.

Plan de práctica de cuatro semanas

• Semana 1: abre Google Colab (gratis) y practica tipos de datos, listas, diccionarios y ciclos.
• Semana 2: carga con Pandas un archivo de tu trabajo (anonimizado). Filtra, ordena y crea columnas.
• Semana 3: cruza con merge y resume con groupby por ciudad, oficina o campaña.
• Semana 4: automatiza un informe que hoy haces a mano y compáralo con el resultado manual.

Cargos que piden Python en Colombia

En Computrabajo, elempleo.com, Magneto y LinkedIn, Python aparece en avisos de «analista de datos», «analista de riesgo», «analista de información en salud», «analista de WFM» e «inteligencia de negocios». En empresas multinacionales y en trabajos remotos para el exterior, suele ir acompañado de SQL e inglés.

Datos personales: cuidado al practicar

Si practicas con bases de tu empresa, recuerda que en Colombia el tratamiento de datos personales está regulado. Trabaja con datos anonimizados (quita nombres, cédulas y teléfonos) y nunca subas bases reales a servicios en la nube sin autorización de tu empresa. Para tu portafolio, usa datos sintéticos o públicos.

Tu primer portafolio con Python

Un reclutador en Bogotá o Medellín revisa muchos perfiles en poco tiempo. Un proyecto corto y claro te diferencia:

1. Elige un problema de tu sector: glosas en salud, mora en una cooperativa, SLA en un call center o rotación de inventario en retail.
2. Usa datos sintéticos o públicos: genera una base de ejemplo con Pandas o descarga un conjunto de datos abiertos del Estado.
3. Muestra el antes y el después: cuánto tomaba el proceso manual y cuánto toma el script.
4. Publica un cuaderno de Jupyter con código, gráficos y conclusiones en lenguaje de negocio.
5. Cuéntalo en LinkedIn en cinco líneas, con una imagen del resultado.

Ese proyecto te sirve en la entrevista: te van a preguntar cómo resolviste un problema, y tendrás uno concreto para contar.

Errores comunes al empezar

• Leer identificadores como número. Cédulas y NIT pierden ceros o se ven en notación científica.
• Fechas en formato día/mes. Usa dayfirst=True o el formato explícito al convertir.
• Uniones que duplican filas. Revisa len(df) antes y después del merge.
• Copiar código sin entenderlo. Cuando falle, no sabrás corregirlo.
• Saltar a modelos predictivos antes de dominar la limpieza.

Cómo elegir un curso de Python online en Colombia

• Enfocado en análisis de datos, con Pandas como eje.
• En vivo y en hora colombiana.
• Casos de negocio reales: facturación, cartera, operaciones.
• Grabaciones de por vida.
• Integración con SQL y Power BI.

El curso Python en vivo de ProgramBI (Colombia)

Según la ficha del curso para Colombia, revisada el 4 de noviembre de 2026:

• En vivo por Zoom, lunes y miércoles de 17:30 a 19:30, hora de Colombia.
• 20 horas, 8 módulos, nivel básico-intermedio, desde cero.
• Temario: variables, tipos de datos y operadores; control de flujo y funciones; listas, diccionarios y tuplas; módulos y librerías; DataFrames y Series con Pandas; limpieza y transformación; GroupBy, agregaciones y Merge; conexión a bases de datos y APIs; visualización con Matplotlib; IA aplicada a Python.
• Nivel avanzado: análisis avanzado con Pandas y ciencia de datos aplicada a negocios.
• Grabaciones de por vida, certificado y proyectos con datos reales.
• Inicio: lunes 23 de noviembre de 2026. Valor: $ 299.900.
• Instructor: Manuel Oliva, Magíster en Data Science (UAI).

Formas de pago: los cursos de ProgramBI se pueden pagar en 3 cuotas sin interés, en todos los países.