Soy un ingeniero industrial y de sistemas con una pasión por la analítica de negocios. Poseo un título universitario como Ingenierio Industrial y de Sistemas de la Universidad del Valle de México y una Maestría en Business Analytics obtenida en el prestigioso EGADE Business School.
Mi enfoque se centra en aprovechar la intersección entre la ingeniería y la analítica para abordar desafíos empresariales de manera innovadora y eficiente. A lo largo de mi carrera, he desarrollado habilidades sólidas en el análisis de datos, modelado predictivo y visualización de datos.
Mis proyectos abarcan diversas áreas, desde optimización de procesos y mejora de la cadena de suministro hasta estrategias de marketing basadas en datos y análisis de riesgos. Mi objetivo es proporcionar soluciones basadas en datos que impulsen el crecimiento y la toma de decisiones informadas en cualquier entorno empresarial.
Con un enfoque orientado a resultados y una mentalidad analítica, estoy comprometido a ofrecer valor a través de la aplicación creativa de tecnologías y metodologías de vanguardia. Estoy emocionado por compartir mis proyectos y contribuir al avance continuo en el campo de la analítica empresarial.
¡Explora mi portafolio y descubre cómo mis habilidades y experiencia pueden agregar valor a tu organización!
- Python
- Power BI
- Power Automate
- Excel
- R Studio
- Tableu
- FlexSim
- Master in Business Analytics | EGADE Business School (Junio 2023)
- Ingenierio Industrial y de Sistemas | Universidad del Valle de México (2019)
Este proyecto fue desarrollado con el objetivo de proporcionar una herramienta efectiva para el análisis y seguimiento de finanzas personales. Utilizando Power BI, creamos un dashboard completo que abarca cuatro sectores clave: ingresos, gastos, utilidad y balance. Cada uno de estos sectores ofrece una visión clara y detallada de la situación financiera, permitiendo una toma de decisiones más informada y eficiente.
-
Ingresos: Este sector muestra de manera visual los ingresos generados en un período de tiempo determinado. Se incluyen gráficos de barras y líneas que muestran la distribución de los ingresos por categoría y su evolución a lo largo del tiempo.
-
Gastos: Aquí se presenta un análisis detallado de los gastos incurridos, con gráficos interactivos que muestran la distribución de los gastos por categoría y su comparación con períodos anteriores.
-
Utilidad: Este sector muestra la utilidad neta calculada restando los gastos de los ingresos. Se incluyen gráficos de torta y líneas para una comprensión rápida y clara de la situación financiera.
-
Saldo o Balance: En esta sección se muestra el saldo actual disponible, permitiendo una fácil visualización de la liquidez financiera. Además, se compara con el saldo objetivo establecido para cada mes, lo que facilita el seguimiento de metas financieras.
Además de estos cuatro sectores principales, el dashboard incluye análisis más detallados de cada categoría dentro de ingresos y gastos. Esto proporciona una comprensión más profunda de los patrones de gasto e ingreso, permitiendo identificar áreas de mejora y oportunidades de ahorro.
El dashboard de finanzas personales en Power BI ofrece una herramienta poderosa y visual para el análisis y seguimiento de las finanzas personales. Con sus características interactivas y detalladas, permite una toma de decisiones más informada y una gestión financiera más efectiva.
Da clic aquí para ver el dashboard completo
Este proyecto se centra en la optimización de recursos para el plan de producción en un área específica de una planta de manufactura. Utilizando técnicas avanzadas de optimización y programación en Python, logramos reducir significativamente la cantidad de recursos necesarios para ejecutar el plan de producción, al tiempo que aumentamos la productividad del área en un 35%.
Antes de la implementación del proyecto, se requerían tres ingenieros dedicados y cuatro horas diarias por persona para planificar y ejecutar el plan de producción. Sin embargo, mediante el desarrollo de un algoritmo de optimización personalizado, logramos reducir este proceso a solo cinco minutos cada quince días con un solo ingeniero.
El proyecto aborda diversas limitantes del área, incluyendo la mezcla de productos a fabricar, la disponibilidad de materia prima y la cantidad de setups necesarios. Utilizando datos históricos y modelos predictivos, el algoritmo optimiza la asignación de recursos y minimiza los tiempos de configuración, garantizando una producción eficiente y rentable.
-
Reducción de recursos: El proyecto logra reducir la cantidad de recursos necesarios para el plan de producción, lo que se traduce en ahorros significativos en costos laborales y tiempo dedicado a la planificación.
-
Automatización del proceso: Mediante el desarrollo de un algoritmo automatizado en Python, el proceso de planificación y ejecución del plan de producción se simplifica enormemente, liberando recursos para otras tareas críticas.
-
Aumento de la productividad: La implementación del proyecto resulta en un aumento del 35% en la productividad del área, permitiendo una producción más eficiente y rentable.
El proyecto de optimización de recursos para el plan de producción en una planta de manufactura demuestra el poder de la programación en Python para resolver desafíos empresariales complejos. Al reducir la cantidad de recursos necesarios, automatizar el proceso de planificación y aumentar la productividad del área, el proyecto proporciona un valor significativo a la empresa, mejorando su competitividad y rentabilidad.
Da clic aquí para visualizar el codigo
Este proyecto se centra en el análisis de indicadores clave de mortalidad y natalidad a nivel mundial con el fin de proporcionar una visualización clara y comprensible de estos datos. Utilizando Power BI, hemos creado un dashboard interactivo que categoriza los indicadores por la cantidad de población en cada país, la esperanza de vida y la mortalidad infantil. Además, los datos se agrupan por continente y se representan visualmente en un mapa de calor para una mejor comprensión y análisis.
-
Categorización por indicadores clave: El dashboard presenta indicadores fundamentales como la cantidad de población en cada país, la esperanza de vida y la mortalidad infantil. Estos indicadores son esenciales para comprender la dinámica demográfica y la salud de una población.
-
Agrupación por continente: Los datos se agrupan por continente, lo que permite una comparación fácil y rápida entre diferentes regiones del mundo. Esta agrupación facilita la identificación de tendencias y disparidades regionales en los indicadores de mortalidad y natalidad.
-
Visualización en mapa de calor: Los datos se visualizan en un mapa de calor, lo que proporciona una representación gráfica intuitiva de la distribución geográfica de los indicadores. Los colores del mapa de calor reflejan los valores de los indicadores, lo que permite identificar patrones y tendencias de manera efectiva.
-
Interactividad: El dashboard es interactivo, lo que significa que los usuarios pueden explorar los datos de manera dinámica. Se pueden aplicar filtros y seleccionar diferentes variables para personalizar la visualización según las necesidades específicas del usuario.
El proyecto de análisis de indicadores de mortalidad y natalidad a nivel mundial con Power BI ofrece una herramienta poderosa para comprender y analizar la situación demográfica y de salud a escala global. Al proporcionar una visualización clara y comprensible de estos datos, el dashboard facilita la identificación de patrones, tendencias y disparidades geográficas, lo que puede informar políticas y acciones para mejorar la salud y el bienestar de las poblaciones en todo el mundo.
Da clic aquí para ver el dashboard completo
Este proyecto se enfocó en el análisis y la predicción de las ventas de una cadena de supermercados que opera a lo largo de Estados Unidos. Utilizando datos obtenidos de un repositorio, llevamos a cabo un exhaustivo análisis para identificar tendencias, segmentos de mercado y localidades con mayor volumen de ventas. Posteriormente, aplicamos técnicas de regresión lineal y de random forest para estimar las ventas futuras de la cadena.
-
Análisis exploratorio de datos: Utilizamos técnicas de análisis exploratorio de datos para comprender la estructura y la distribución de los datos. Identificamos tendencias, patrones y relaciones entre las variables que nos permitieron obtener información valiosa sobre el desempeño de la cadena de supermercados.
-
Segmentación de mercado: Mediante el análisis de clustering, segmentamos el mercado para identificar grupos de clientes con características similares. Esto nos permitió comprender mejor las necesidades y preferencias de cada segmento, lo que a su vez facilitó la formulación de estrategias de marketing más efectivas.
-
Localidades con mayor volumen de ventas: Utilizando técnicas de visualización de datos, identificamos las localidades con mayor volumen de ventas y analizamos los factores que contribuyeron a su éxito. Esto proporcionó información útil para la toma de decisiones relacionadas con la asignación de recursos y la expansión de la cadena de supermercados.
-
Predicción de ventas: Aplicamos modelos de regresión lineal y de random forest para predecir las ventas futuras de la cadena de supermercados. Utilizamos datos históricos de ventas, así como variables predictoras relevantes, para generar pronósticos precisos que ayudaron a la planificación estratégica y la toma de decisiones.
El proyecto de análisis y predicción de ventas para una cadena de supermercados en Estados Unidos con Python proporcionó información valiosa que ayudó a la cadena a comprender mejor su desempeño, identificar oportunidades de crecimiento y optimizar sus operaciones. Al utilizar técnicas avanzadas de análisis de datos y modelado predictivo, pudimos proporcionar insights significativos que contribuyeron al éxito y la rentabilidad de la cadena de supermercados.
Da clic aquí para visualizar el codigo
Este proyecto tiene como objetivo realizar un análisis exhaustivo de las ventas de videojuegos a lo largo del tiempo para identificar tendencias y factores de popularidad en el mercado. Utilizando Power BI, hemos creado un dashboard interactivo que proporciona una visión detallada de varios aspectos clave de la industria de los videojuegos, incluyendo el tipo de consola más vendido, los géneros más populares, la distribución por región y las tendencias de compra por mercado.
-
Análisis de tipo de consola: El dashboard muestra la distribución de las ventas de videojuegos por tipo de consola, lo que permite identificar cuáles son las plataformas más populares entre los consumidores. Esta información es crucial para los desarrolladores y editores de juegos que buscan lanzar nuevos títulos en plataformas específicas.
-
Análisis de género de videojuegos: Se presenta un análisis detallado de los géneros de videojuegos más comprados por los consumidores. Esto ayuda a entender las preferencias del público objetivo y permite a los inversores y desarrolladores tomar decisiones informadas sobre qué tipos de juegos lanzar al mercado.
-
Distribución por región: El dashboard muestra la distribución geográfica de las ventas de videojuegos, lo que permite identificar tendencias regionales y adaptar estrategias de marketing y distribución en consecuencia.
-
Editoriales predominantes: Se proporciona información sobre las editoriales más predominantes en cada categoría de videojuegos, lo que ayuda a los inversores y desarrolladores a identificar las principales empresas del sector y a evaluar el potencial de asociación o inversión.
El dashboard de análisis de ventas de videojuegos con Power BI ofrece una visión completa y detallada de la industria de los videojuegos, proporcionando insights valiosos para inversores, editores, publicistas y desarrolladores. Al permitir el análisis de múltiples factores, como tipo de consola, género de videojuego, distribución por región y editoriales predominantes, este dashboard ayuda a entender mejor el mercado y estimar las ventas potenciales, lo que facilita la toma de decisiones estratégicas y la planificación de inversiones en la industria de los videojuegos.
Da clic aquí para ver el dashboard completo
Este proyecto se enfocó en la optimización del proceso de soldadura en un entorno de manufactura, específicamente en la verificación y control de la temperatura durante la unión de tuberías. Trabajando en colaboración con una casa certificadora de procesos de soldadura, nuestro objetivo era garantizar que la temperatura en la que se realizaba el proceso de soldadura cumpliera con las especificaciones requeridas.
Para lograr esto, recolectamos datos de más de 24 horas de observación, obtenidos de un PLC que monitoreaba y registraba las curvas de temperatura durante la unión de las tuberías. Utilizando Python, procesamos y analizamos estos datos para visualizar el comportamiento del proceso, identificar el punto máximo de temperatura en función del tiempo y evaluar la duración de cada ciclo de soldadura.
Tras un exhaustivo análisis, determinamos que el proceso requería más tiempo para garantizar una unión adecuada. Realizamos ajustes y observamos mejoras significativas, lo que nos permitió certificar las soldaduras de manera efectiva. Para optimizar aún más el proceso, implementamos una torreta conectada a un PLC que utilizaba una cámara térmica para indicar al operador cuándo la unión alcanzaba la temperatura óptima para su proceso. Esto aseguró no solo la calidad de las uniones, sino también la correcta capilaridad de los metales.
-
Recolección y procesamiento de datos: Recopilamos y procesamos datos de temperatura obtenidos de un PLC para analizar el comportamiento del proceso de soldadura a lo largo del tiempo.
-
Análisis y visualización de datos: Utilizamos Python para analizar y visualizar los datos, identificando tendencias y patrones clave que nos permitieron tomar decisiones informadas sobre la optimización del proceso.
-
Ajustes y mejoras: Realizamos ajustes en el proceso de soldadura basados en el análisis de datos, lo que resultó en mejoras significativas en la calidad y eficiencia de las soldaduras.
-
Implementación de soluciones de control: Para asegurar la calidad y consistencia del proceso, implementamos una solución de control basada en una torreta conectada a un PLC y una cámara térmica, que indicaba al operador cuándo la unión había alcanzado la temperatura óptima para la soldadura.
El proyecto de optimización del proceso de soldadura en manufactura con Python demostró el poder del análisis de datos y la implementación de soluciones tecnológicas para mejorar la calidad y eficiencia de los procesos industriales. Al utilizar Python para analizar y visualizar datos de temperatura, identificamos áreas de mejora y desarrollamos soluciones efectivas que garantizaron la calidad y consistencia de las soldaduras. Esta implementación no solo aseguró la calidad de las uniones, sino que también mejoró la eficiencia del proceso y redujo los costos asociados con la retrabajo y desperdicio de material.
