Donde los datos
se vuelven decisiones
Notas de campo de un Data Scientist. Cada proyecto del portafolio contado por dentro: el problema real, el enfoque, la metodología y el impacto medible. Sin humo — solo lo que funciona y por qué.
Forecasting de demanda: planificar con incertidumbre, no contra ella
El error más caro del retail no es comprar de más ni de menos — es planificar con un solo número. Así construimos modelos de series temporales con bandas de confianza que le devolvieron a la operación el control del inventario.
El trabajo, contado por dentro
Siete proyectos reales, siete historias de cómo los datos cambiaron una decisión de negocio. Filtra por disciplina.
De la pregunta de negocio al modelo en producción
Un proceso disciplinado importa más que el algoritmo de moda. Este es el que repito en cada proyecto.
Discovery
Antes de tocar un dato: ¿qué decisión va a cambiar este proyecto? Definimos la métrica de éxito en términos de negocio.
Fundación de datos
Ingesta, limpieza, validación. El 70% del trabajo. Un pipeline reproducible vale más que un notebook brillante.
Modelado
Del baseline simple al modelo justo — no el más complejo, el que el negocio puede entender, confiar y mantener.
MLOps
Un modelo en un notebook no sirve a nadie. Despliegue, monitoreo de drift, reentrenamiento. Que viva en producción.
Impacto
Medimos contra la métrica del paso 01. Si no movió el negocio, no terminó. Iteramos hasta que lo haga.
impactadas
entregados
producción
data-driven
Convirtamos tus datos en tu
próxima ventaja competitiva
Cada caso de este blog empezó con una conversación. El tuyo también puede.
Iniciar conversación