Analista de datos en México. Me interesa una cosa: que los datos terminen en una decisión, no en un slide deck que nadie vuelve a abrir.

He construido proyectos end-to-end donde el entregable no es solo un dashboard o un notebook — es un hallazgo que cambia la lectura del negocio. Como descubrir que el +11% de crecimiento de una empresa inmobiliaria es insostenible porque la adquisición de clientes cayó 67%, o que una landing page B genera $7.66 más por usuario convertido con un p-value de 1.06e-20.

Lenguajes & análisis Python · SQL · PostgreSQL

Librerías Pandas · NumPy · Matplotlib · Seaborn · SciPy · Statsmodels

Estadística aplicada Prueba t de Student · Prueba Z de proporciones · Chi-cuadrada · A/B Testing · Prueba de Levene

Visualización & BI Power BI · DAX · Google Sheets

Modelado de datos Esquema estrella · Tablas de hechos y dimensiones · Análisis de cohortes

Entorno de trabajo Google Colab · Jupyter Notebook · DBeaver

Dashboard de 3 vistas en Power BI con narrativa SCQA — el hallazgo principal: el +11% YoY es insostenible.

• Construí un modelo estrella con 23 medidas DAX organizadas en 8 carpetas funcionales y 4 columnas calculadas para análisis de cohortes
• Diseñé deltas dinámicos bidireccionales con SELECTEDVALUE + REMOVEFILTERS que comparan cualquier año contra el otro y desaparecen cuando ambos están seleccionados
• Descubrí que Departamento vende 60% del volumen pero solo genera 31% del ingreso — un scatter plot de paradoja volumen vs ingreso que cambió la recomendación comercial
• Revelé que la adquisición de clientes cayó 67% (197→64/mes) y el ingreso de primera compra pasó de 61% a 18%, exponiendo que el crecimiento se sostiene por inercia de recompra, no por nueva demanda
• Stack: Power BI · DAX · Python · Pandas

Análisis estadístico de un experimento A/B — 40,000 usuarios, 28 días, 4 pruebas estadísticas, una decisión.

• Apliqué prueba t de Student + Levene para comparar gasto promedio: página B genera $7.66 más por usuario convertido ($68.75 vs $61.09), con p-value de 1.06e-20
• Confirmé vía prueba Z de proporciones que página B convierte 3.38pp más (15.96% vs 12.57%), con p-value de 3.76e-22
• Descubrí que el tipo de usuario (Nuevo vs Recurrente) no tiene impacto estadísticamente significativo en la conversión (p=0.474) — eliminando una variable de segmentación sin respaldo en datos
• Stack: Python · Pandas · SciPy · Statsmodels · Matplotlib · Seaborn

Análisis SQL end-to-end de ~100K órdenes de un marketplace brasileño — Revenue, Operaciones y Experiencia del Cliente.

• Identifiqué que Health & Beauty lideró el revenue por volumen, no por precio — con implicaciones directas para estrategias de upselling
• Descubrí que el Nordeste concentraba los peores tiempos de entrega del país y correlacionaba con una caída de ~1.5 estrellas en satisfacción
• Construí una capa de vistas en PostgreSQL como interfaz limpia hacia Power BI
• Stack: SQL · PostgreSQL · DBeaver · Power BI

Análisis de comportamiento de clientes y segmentación de churn para una empresa de telecomunicaciones LATAM.

• Identificación de desalineación oferta-comportamiento: usuarios de alto uso pagando excedentes superiores al costo del plan Premium
• Detección de churn silencioso en usuarios de bajo uso sin señales previas visibles
• Stack: Python · Pandas · Seaborn · Matplotlib · SciPy

Monterrey, México · Abierto a oportunidades en Data Analytics