El stack de herramientas de un data scientist nómada tiene un requisito adicional al del analista de oficina: todo debe funcionar bien desde cualquier conexión, en cualquier país, con las restricciones de equipamiento de un viajero. Esta guía cubre las herramientas que realmente necesitas, organizadas por función.
El stack técnico mínimo viable
Para SQL y bases de datos
DBeaver Community (gratuito): El cliente de base de datos universal. Conecta a PostgreSQL, MySQL, SQLite, BigQuery, Redshift, Snowflake y docenas más. Ligero, funciona offline para bases locales y tiene modo dark para largas sesiones nocturnas.
TablePlus ($99 licencia única o $49/año): Alternativa premium con mejor UI que DBeaver. Muchos data scientists migran a él después de años con DBeaver. Especialmente bueno si trabajas con PostgreSQL y MySQL.
BigQuery sandbox (gratuito, 1TB/mes): Para practicar SQL con datos reales a escala. El sandbox de Google no requiere tarjeta de crédito y es suficiente para el 90% del aprendizaje y proyectos pequeños.
Para Python y análisis
VS Code (gratuito): El editor universal. Con las extensiones Python, Jupyter y GitLens se convierte en el entorno de datos completo. Ligero en memoria comparado con IDEs completos.
JupyterLab (gratuito): Para análisis exploratorio e iterativo. Los notebooks son el formato estándar para comunicar análisis técnico con clientes.
Google Colab (gratuito, Pro desde $10/mes): La ventaja para nómadas: zero setup, corre en el navegador, accede a GPUs gratuitas para modelos. El plan gratuito es suficiente para análisis y modelos medianos. Pro añade más RAM y tiempo de sesión.
Stack Python esencial
| Librería | Función | Instalación |
|---|---|---|
| pandas | Manipulación de datos | pip install pandas |
| numpy | Cálculos numéricos | pip install numpy |
| matplotlib | Visualización estática | pip install matplotlib |
| seaborn | Visualización estadística | pip install seaborn |
| plotly | Gráficas interactivas | pip install plotly |
| scikit-learn | Machine learning | pip install scikit-learn |
| sqlalchemy | Conexión Python-SQL | pip install sqlalchemy |
Para data engineering más avanzado: dbt-core (transformaciones SQL), Apache Airflow (orquestación).
Herramientas de visualización y dashboards
Looker Studio (gratuito)
La opción de cero costo que conecta con Google Sheets, BigQuery, Google Analytics y 500+ fuentes. Genera dashboards interactivos con URL pública. Ideal para clientes con ecosistema Google y para construir portafolio.
Limitación: menos personalización visual que Tableau o Power BI.
Power BI Desktop (gratuito)
El estándar corporativo en empresas con Microsoft 365. El archivo .pbix se desarrolla en desktop (Windows) y se entrega al cliente. La versión desktop es gratis; el servicio cloud lo paga el cliente.
Nota: solo disponible para Windows nativo. En Mac requiere máquina virtual o Parallels.
Tableau Public (gratuito para portafolio)
Las visualizaciones son más flexibles y poderosas visualmente que Power BI. Tableau Public permite publicar dashboards públicos gratis, ideal para portafolio. La licencia profesional la paga el cliente ($75/mes).
Streamlit (gratuito, open source)
Convierte tu código Python en una app web interactiva con pocas líneas de código. Muy popular para demostrar modelos de ML a clientes no técnicos. Deploy gratuito en Streamlit Cloud.
Herramientas de gestión de proyectos y cliente
Notion ($10/mes o $8/año en plan Pro)
El centro de operaciones para freelances de datos. Úsalo para:
- Documentación de cada proyecto con template propio
- Tracking de horas y entregables
- Base de conocimiento de clientes
- Pipeline de ventas simple
Linear (gratuito para proyectos individuales)
Tracking de tareas técnicas más ágil que Notion. Muchos equipos de tech ya usan Linear; familiarizarte con él facilita integrarte a equipos de clientes.
Loom (gratuito hasta 5 min por video, $8/mes para ilimitado)
Grabar walkthroughs de dashboards y análisis en video. Indispensable cuando hay diferencia horaria con el cliente: en lugar de una llamada a las 11pm, grabas una presentación de 10 minutos que el cliente ve en su horario.
Herramientas de control de versiones y entrega
GitHub (gratuito)
No negociable. Todo código de proyectos va a GitHub:
- Versiona cambios y permite recuperar versiones anteriores
- El portafolio técnico visible para clientes y empleadores
- Colaboración con subcontratistas sin enviar archivos por email
Aprende los comandos básicos de git desde el inicio: add, commit, push, pull, branch, merge. No necesitas más para el 95% del trabajo en datos.
Herramientas de productividad para trabajar nómada
1Password ($3/mes)
Gestor de contraseñas. Con docenas de credenciales de clientes, bases de datos y servicios, es imposible mantenerlas seguras en tu cabeza o en un archivo de texto.
Tailscale (gratuito para personal)
VPN peer-to-peer que permite conectarte a recursos de red remotos de forma segura. Útil cuando el cliente tiene base de datos solo accesible desde su red.
Authy o Google Authenticator (gratuito)
2FA para todas tus cuentas. Más importante aún si manejas datos sensibles de clientes.
Raycast (Mac, gratuito) / PowerToys (Windows, gratuito)
Launchers de productividad que aceleran el flujo de trabajo con atajos de teclado. Pequeño detalle que suma en el día a día.
Tabla de costos mensuales del stack completo
| Herramienta | Costo mensual |
|---|---|
| VS Code, DBeaver, Git | Gratis |
| Google Colab (básico) | Gratis |
| Looker Studio | Gratis |
| GitHub (plan free) | Gratis |
| Notion Personal Pro | $8–$10 |
| Loom Pro | $8 |
| 1Password | $3 |
| Total mínimo | ~$19–$21/mes |
| Google Colab Pro (opcional) | +$10 |
| Tableau o Power BI (para proyectos donde el cliente paga) | El cliente paga |
El stack completo para un data scientist nómada cuesta menos de $25/mes. Las herramientas caras (Tableau, Power BI enterprise, Snowflake) las paga el cliente, no tú.
¿Tienes preguntas sobre alguna herramienta específica o cómo configurar tu stack para cierto tipo de proyectos? En el foro de Nomadaz hay data scientists respondiendo dudas técnicas de su experiencia real. Únete y pregunta.