Curso de Copilot en Excel para tu equipo — Integración en procesos

Estructura de un buen prompt: objetivo, contexto, fuente, restricciones y resultado esperado.

Referencia explícita a hojas, tablas, columnas y rangos.

Diseño de prompts que minimicen la ambigüedad.

Uso de refinamiento iterativo mediante follow-up prompts.

Solicitud a Copilot para que explique su enfoque antes de ejecutar cambios.

Selección del modo Chat, Plan o Edit según el riesgo de la tarea.

Prompts para preservar fórmulas, formatos, estructura o reglas de negocio.

Definición de criterios de validación dentro del propio prompt.

Prompt chaining para tareas complejas.

División de peticiones grandes en etapas verificables.

Reutilización del contexto de conversación.

Solicitud de alternativas antes de modificar el libro.

Patrones de prompting para finanzas, operaciones, ventas, RR. HH. y reporting.

Errores comunes en prompts y técnicas para corregirlos.

Creación de una biblioteca profesional de prompts reutilizables.

Creación de nuevas hojas mediante instrucciones en lenguaje natural.

Renombrado, organización y eliminación segura de hojas.

Inserción y modificación de valores y rangos.

Creación de tablas a partir de rangos sin estructurar.

Reorganización de datos entre distintas hojas.

Aplicación de formatos numéricos, bordes, estilos y formato condicional.

Creación y modificación de reglas de validación de datos.

Generación de rangos con nombre cuando sea necesario.

Diseño de plantillas mediante instrucciones en lenguaje natural.

Creación de libros de planificación, seguimiento y reporting desde cero.

Mantenimiento de una estructura consistente en procesos repetitivos.

Combinación de información procedente de diferentes hojas.

Revisión de cambios antes de guardar.

Uso de Deshacer y del historial de versiones.

Diseño de libros que sigan siendo comprensibles y editables después de los cambios realizados por Copilot.

Traducción de necesidades de negocio a fórmulas de Excel.

Generación de fórmulas desde peticiones en lenguaje natural.

Aplicación de fórmulas sobre rangos y varias hojas.

Referencias relativas, absolutas y mixtas.

IF, IFS, AND, OR y lógica condicional.

Escenarios de búsqueda con XLOOKUP, INDEX, MATCH y alternativas.

Funciones de texto.

Funciones de fecha y hora.

Agregaciones y agregaciones condicionales.

Fórmulas de matrices dinámicas.

LET y estructuración avanzada de fórmulas cuando resulte adecuada.

Explicación paso a paso de fórmulas existentes.

Depuración de fórmulas incorrectas o inconsistentes.

Simplificación de fórmulas complejas manteniendo la lógica.

Establecimiento de estándares de consistencia, documentación y validación.

Ventajas de las tablas estructuradas para trabajar con Copilot.

Conversión de rangos en tablas correctamente diseñadas.

Convenciones de nombres para tablas y columnas.

Uso de referencias estructuradas en fórmulas.

Creación de columnas calculadas mediante Copilot.

Identificación de valores ausentes.

Detección de duplicados.

Normalización de categorías inconsistentes.

Identificación de tipos de datos incorrectos.

Detección de outliers y registros anómalos.

Aplicación de reglas de validación para proteger la calidad del dato.

Uso de formato condicional para resaltar problemas.

Uso de Skills de limpieza de datos cuando estén disponibles.

Separación entre datos origen, cálculos y capas de reporting.

Creación de controles reutilizables de calidad antes del análisis.

Identificación de cuándo limpiar datos directamente con Copilot y cuándo utilizar Power Query.

Estandarización de nombres, categorías, fechas, textos y números.

Eliminación o marcación de duplicados.

Gestión de valores nulos, vacíos o incorrectos.

División y combinación de columnas.

Creación de campos derivados.

Normalización de valores inconsistentes.

Preparación de múltiples datasets para combinación posterior.

Diferencia entre transformación reproducible y limpieza manual puntual.

Uso de Power Query para importaciones y transformaciones repetibles.

Importación y actualización de fuentes externas.

Diferencia entre la cuadrícula de Excel y Power Query Editor.

Combinación de razonamiento con Copilot y transformaciones deterministas en Power Query.

Validación de resultados tras la transformación.

Diseño de workflows de preparación de datos auditables.

Creación de tablas dinámicas mediante instrucciones en lenguaje natural.

Selección de filas, columnas, filtros y valores.

Elección de la agregación correcta según la pregunta de negocio.

Construcción de resúmenes multinivel.

Agrupación de fechas por mes, trimestre o año.

Comparación entre periodos, categorías, equipos o unidades de negocio.

Modificación de tablas dinámicas mediante Copilot.

Explicación de resultados en lenguaje de negocio.

Combinación con filtros y segmentadores cuando sea apropiado.

Detección de agregaciones engañosas.

Prevención del doble conteo.

Creación de resúmenes directivos a partir de datos transaccionales.

Conexión de tablas dinámicas con gráficos.

Actualización tras cambios en los datos de origen.

Conversión de análisis agregados en interpretaciones accionables.

Creación de gráficos a partir de una intención analítica expresada en lenguaje natural.

Selección del tipo de gráfico según la pregunta de negocio.

Gráficos de líneas, columnas, barras, dispersión y otras visualizaciones habituales.

Creación y modificación de gráficos mediante Copilot.

Construcción de dashboards con múltiples elementos analíticos.

Vinculación de gráficos y tablas dinámicas con los datos de origen.

Identificación visual de cambios relevantes y excepciones.

Uso de Skills de diseño de gráficos cuando estén disponibles.

Prevención de escalas y categorías engañosas.

Diseño visual orientado a KPIs.

Consistencia entre tablas, cálculos y visualizaciones.

Aplicación coherente de temas y formatos.

Uso de guías de marca cuando estén disponibles.

Accesibilidad, contraste y legibilidad.

Conversión de un libro analítico en una narrativa ejecutiva.

Formulación de preguntas analíticas directamente sobre los datos.

Comparación entre periodos, productos, regiones o equipos.

Identificación de mejores y peores rendimientos.

Detección de tendencias y cambios temporales.

Identificación de valores atípicos.

Uso de preguntas de seguimiento.

Exploración de posibles factores que explican cambios observados.

Diferencia entre correlación y causalidad demostrada.

Solicitud de resúmenes de hallazgos.

Creación de tablas de síntesis a partir del análisis.

Generación de gráficos de apoyo.

Revisión de la lógica empleada para obtener una conclusión.

Verificación de resultados contra los datos de origen.

Prevención de explicaciones no fundamentadas o alucinadas.

Conversión de preguntas analíticas en workflows estructurados de soporte a decisiones.

Identificación de cuándo basta Excel y cuándo Python aporta valor adicional.

Respuestas analíticas directas mediante análisis basado en Python.

Activación de modos de análisis avanzado cuando estén disponibles.

Creación automática de hojas de análisis.

Comprensión del código Python generado sin necesidad de ser desarrollador.

Resúmenes estadísticos.

Análisis de tendencias y distribuciones.

Detección de outliers.

Análisis de correlación.

Comparaciones avanzadas entre grupos.

Simulaciones y análisis de escenarios.

Visualizaciones avanzadas con Python.

Proyecciones y forecasting.

Conservación y edición de celdas Python para análisis actualizables.

Validación de hallazgos generados con Python antes de utilizarlos en decisiones.

Análisis de tendencias mediante datos históricos.

Análisis de variaciones entre periodos.

Comparación real frente a presupuesto.

Comparación real frente a forecast.

Creación de escenarios base.

Escenarios optimista, esperado y pesimista.

Análisis de sensibilidad.

Preguntas what-if mediante lenguaje natural.

Análisis de drivers de negocio.

Identificación de estacionalidad.

Explicitación de hipótesis utilizadas en una previsión.

Separación entre evidencia observada y proyección.

Evaluación de incertidumbre.

Prevención de falsa precisión en resultados generados por IA.

Combinación de Copilot con criterio profesional y conocimiento del negocio.

Comprensión de las fuentes de datos que Copilot puede utilizar en Excel.

Selección o desactivación de fuentes Web y Work.

Búsqueda de información web desde Excel.

Importación de información web en tablas.

Recuperación de datos desde otros libros almacenados en OneDrive o SharePoint.

Importación de datos seleccionados desde otros libros.

Uso de Word, PowerPoint y PDF corporativos como contexto cuando estén disponibles.

Recuperación de información relevante de correos y reuniones cuando los permisos lo permitan.

Respeto a los permisos de acceso existentes del usuario.

Diferencia entre información externa e información corporativa.

Revisión de fuentes antes de utilizar datos externos.

Prevención de contaminación del análisis con información irrelevante.

Combinación de datos importados con información existente.

Diferencia entre resultados estáticos y actualizables.

Diseño de workflows trazables cuando intervienen varias fuentes.

Concepto de Skills como instrucciones reutilizables.

Diferencia entre plantilla de prompt y Skill.

Uso de Skills integradas gestionadas por Microsoft.

Uso de brandkit para guías visuales corporativas cuando esté disponible.

Uso de chart-design para creación y mejora de gráficos.

Uso de clean-data para procesos repetitivos de calidad de datos.

Uso de theme-design para mantener estilos coherentes.

Uso de skill-builder para convertir un workflow en una Skill reutilizable.

Invocación de Skills desde la interfaz de Copilot.

Activación y desactivación de Skills.

Creación de Skills personalizadas almacenadas en OneDrive.

Estructura y función del archivo SKILL.md.

Inclusión de instrucciones, referencias, scripts o assets cuando corresponda.

Creación de workflows reutilizables para cierre mensual, reporting o conciliaciones.

Gobierno de Skills compartidas para mantener consistencia y control.

Uso de Copilot en libros almacenados en OneDrive y SharePoint.

Implicaciones de editar directamente libros colaborativos.

Visibilidad de los cambios para otros usuarios.

Uso del historial de versiones como mecanismo de control y recuperación.

Permisos de Microsoft 365 como base para el acceso a datos corporativos.

Prevención de sobreexposición de información mediante permisos excesivos.

Gestión de información financiera, de clientes, RR. HH. y operaciones.

Diferenciación entre datos autorizados y datos que no deben compartirse con IA.

Revisión de información procedente de fuentes web.

Riesgo de errores, malas interpretaciones y alucinaciones.

Sesgo de confirmación y exceso de confianza.

Validación humana en decisiones financieras, legales, médicas o sensibles.

Documentación y explicabilidad de cambios analíticos relevantes.

Estándares internos para prompts, Skills, fuentes y revisión.

Responsabilidad profesional sobre los resultados generados con ayuda de Copilot.

Identificación de cuándo Copilot aporta valor y cuándo Excel tradicional es más rápido.

Combinación de Copilot con fórmulas, tablas, tablas dinámicas, Power Query y Python.

Diseño de libros comprensibles tanto para humanos como para Copilot.

Convenciones coherentes de nombres.

Prevención de complejidad innecesaria.

Mantenimiento de lógica determinista en cálculos críticos.

Revisión de dependencias antes de aceptar cambios estructurales.

Validación de totales, conciliaciones y cifras de control.

Creación de celdas de comprobación.

Comparación antes/después de modificaciones.

Uso del modo Plan para cambios de alto impacto.

Uso del modo Edit para tareas controladas y reversibles.

Conservación de las competencias avanzadas de Excel.

Medición de productividad mediante ahorro de tiempo, reducción de errores y repetibilidad.

Mejora continua de workflows apoyados por Copilot.

Selección de un caso profesional de Excel basado en un dataset realista.

Organización de los datos en una estructura preparada para Copilot.

Creación de tablas, convenciones de nombres y controles de calidad.

Limpieza y normalización de datos inconsistentes.

Importación de información adicional corporativa o web cuando sea pertinente.

Creación y validación de fórmulas de negocio con Copilot.

Desarrollo de tablas dinámicas y vistas agregadas.

Creación de gráficos y dashboard ejecutivo.

Investigación mediante lenguaje natural de tendencias, anomalías y drivers.

Análisis avanzado con Python cuando el caso lo requiera.

Creación de un forecast, escenario o análisis de sensibilidad.

Diseño de una Skill personalizada o workflow estandarizado.

Preparación de un resumen ejecutivo con hallazgos, limitaciones y recomendaciones.

Aplicación de controles de gobernanza, fuentes, versiones y validación humana.

Presentación final demostrando cómo Copilot ha mejorado análisis, repetibilidad, calidad y soporte a decisiones.