Proyectos

Tres anti-patrones de SQL Server diagnosticados y corregidos en un ERP farmacéutico real — con benchmarks en caché frío y planes de ejecución que respaldan cada cifra.

• Q1 — −59% elapsed · −99.3% reads en SalesOrders (2,856 → 19)
• Q2 — −99.2% reads (4,958 → 38) con columna calculada como leading key

XGBoost + SerpAPI: compara el precio real de Google Flights con la predicción del modelo y emite una señal Compra ahora / Espera con % de confianza.

• XGBoost MAE 2,088 INR · R² 0.97 — supera KNN y Regresión Lineal en la misma comparativa
• Pipeline completo: Kaggle → Supabase → MLflow → FastAPI (Render) → Streamlit Cloud

Pipeline end-to-end: Python ingesta un dataset de retail en Supabase, dbt construye un star schema con 52 tests automáticos, y Streamlit publica el análisis en producción.

• Pipeline completo en producción: ingesta → limpieza → star schema → dashboard
• 52/52 tests dbt — integridad de datos garantizada en cada capa

Caso BI para analizar patrones de consumo, horas pico y mix de productos en una cadena de cafeterias.

• $82M+ en ventas mensuales analizadas
• +17,000 transacciones usadas para detectar patrones

Caso BI de rentabilidad por región, segmento y categoría para analizar margen y expansión comercial en retail multi-sucursal.

• $1.6M en ventas con lectura de rentabilidad
• +22,000 órdenes segmentadas por región y cliente

Análisis de lanzamientos espaciales durante la Guerra Fría con foco en limpieza y visualización de datos históricos.

• Estandarización de datos históricos espaciales
• Gráficos sobre lanzamientos y países