Disponible para proyectos

Construyo sistemas de datos
que funcionan solos

Automatización · Python · SQL · Pipelines

Diseño infraestructuras de datos que capturan, procesan y actualizan información de forma continua, sin intervención manual.

Python / SQL / GitHub Actions / Scrapy / Power BI

Qué construyo

Automatización de datos

Sistemas que eliminan el trabajo manual repetitivo y mantienen la información actualizada de forma continua.

  • Web scraping
  • ETL pipelines
  • CI/CD con GitHub Actions
  • Almacenamiento en la nube

Análisis de datos

Análisis con Python y SQL sobre datos reales, no datasets de práctica. Exploración, validación de hipótesis y extracción de conclusiones accionables.

  • Pandas / NumPy
  • SQL avanzado
  • Análisis exploratorio
  • Reportes reproducibles

Dashboards conectados

Visualizaciones que se actualizan solas porque están conectadas a datos reales. No capturas estáticas. Construidos con Power BI o Streamlit.

  • Power BI
  • Streamlit
  • Datos en tiempo real
  • Deployable en la nube

Sistemas construidos

01

Análisis Electoral End-to-End (Chile)

Ecosistema de datos que automatiza la extracción de resultados electorales fragmentados, los consolida en SQL Server y utiliza Machine Learning (K-Means/PCA) para generar segmentaciones. Incluye un dashboard interactivo en Streamlit para analizar tendencias territoriales en tiempo récord.

Python Selenium SQL Server Scikit-Learn Streamlit
02

YouTube Music Trends

Pipeline automatizado que extrae semanalmente los rankings musicales de YouTube, valida los datos mediante IA y mantiene un histórico actualizado de forma autónoma usando GitHub Actions.

Python GitHub Actions YouTube API Streamlit
03

Monitor de Precios

Sistema de web scraping diseñado para rastrear precios de la competencia diariamente, conservar el histórico de variaciones y alertar automáticamente ante caídas relevantes.

Python Scrapy SQLite
No trabajo con datasets estáticos.
Diseño sistemas que capturan, procesan
y mantienen datos en el tiempo.

La diferencia entre un análisis y un sistema de datos es que uno caduca y el otro no.

Competencias técnicas

Lenguajes
Python
SQL
Bash
Extracción
Scrapy
BeautifulSoup
APIs REST
Automatización
GitHub Actions
Cron jobs
Docker
Análisis
Pandas / NumPy
PostgreSQL
Jupyter
Visualización
Power BI
Streamlit
Matplotlib
Infraestructura
Git / GitHub
GitHub Pages
Cloud Storage

Cómo trabajo

01

Entender el problema

Antes de escribir código, identifico qué pregunta se quiere responder y qué decisión depende de esa respuesta. Sin claridad en esto, cualquier pipeline es desperdicio.

02

Identificar fuentes de datos

Mapeo las fuentes disponibles: APIs públicas, sitios scrapeables, archivos descargables, bases de datos internas. Evalúo calidad, frecuencia de actualización y restricciones legales.

03

Construir el pipeline automatizado

Desarrollo el sistema de extracción, transformación y carga. Lo conecto a GitHub Actions o equivalente para que corra sin intervención. Pruebas y manejo de errores incluidos.

04

Entregar sistema + documentación

Entrego el sistema funcionando con documentación para operar, modificar y extenderlo. No entrego código que solo yo puedo mantener.

Trabajemos juntos

Si tienes un problema de datos —estructurado o no— y quieres saber si tiene solución automatizable, escríbeme. Sin compromiso.