Luis Elías Matus Ruiz

Reto

Como analista junior en un e-commerce de tecnología en México y Colombia, recibí un dataset crudo del Q4 2024: formatos inconsistentes, duplicados, valores ausentes y columnas desorganizadas. La Dirección de Operaciones necesitaba un informe ejecutivo para decidir la estrategia del siguiente trimestre.

Acción

Preservé los datos originales y trabajé sobre una copia limpia: normalicé precios y montos a formato moneda, corregí nombres de ciudades con NOMPROPIO, dividí el campo de producto en categoría, tipo y especificaciones, reconstruí los valores ausentes de precio unitario y monto total a partir de la cantidad, y eliminé duplicados documentando cada hallazgo.

Resultado

Informe ejecutivo con ventas totales del trimestre, ticket promedio, número de transacciones y precio promedio por categoría, más dos visualizaciones clave: ventas por ciudad (Medellín como mercado líder, seguido de Bogotá) y evolución mensual con tendencia creciente de octubre a diciembre. La recomendación: concentrar la inversión promocional en las plazas de mayor volumen.

Reto

La Dirección Comercial necesitaba saber qué departamentos generaban ventas de forma más eficiente y cuáles quedaban por debajo de su potencial, para ajustar presupuesto e inventario.

Acción

Limpié y normalicé la tabla transaccional de ventas semanales, la enriquecí con los catálogos de tiendas y departamentos (BUSCARV), construí tablas dinámicas con campos calculados y diseñé un dashboard con filtro por departamento.

Resultado

Dashboard dinámico con dos KPIs: ventas por m² (eficiencia) y participación del departamento sobre el total. Ejemplo: Snacks y Bebidas alcanza $272.06 de ventas por m² y 6.35% de participación. El resumen ejecutivo se comunicó con el método Contexto → Hallazgo → Implicación, con validaciones de calidad documentadas en un README.

Reto

La compañía vendía en varios países y territorios, pero nadie podía responder algo básico: ¿qué mercados son realmente rentables? Los ingresos, los costos operativos y la inversión en campañas de marketing vivían en tablas distintas, con la clave de territorio guardada incluso con tipos de dato diferentes en cada una.

Acción

Partí de la tabla limpia de ventas para agregar ingresos y costos por país y clave de territorio; después calculé la inversión en campañas por territorio y uní ambos mundos con un LEFT JOIN, resolviendo la inconsistencia de tipos con conversión directa en la consulta y protegiendo los nulos con COALESCE y NULLIF para evitar divisiones entre cero.

Resultado

Un tablero de rentabilidad por mercado con tres indicadores de negocio: beneficio bruto, margen % y ROI de campañas. Estados Unidos lidera en tamaño (3.35 M de ingresos, 1.45 M de beneficio bruto y 75.8% de ROI), mientras Australia destaca en eficiencia con 49.2% de ROI y 41.5% de margen. En el otro extremo, Canadá y Reino Unido facturan bien pero devuelven apenas 17–22% por cada dólar invertido en marketing: mercados donde conviene revisar el gasto antes de crecerlo.

Reto

MercadoLibre necesitaba entender dos cosas: dónde se perdían los usuarios en el embudo de compra (de seleccionar un producto a comprarlo) y qué tan bien retenía a los usuarios a 7, 14, 21 y 28 días después del registro, por cohorte mensual y por país.

Acción

Construí una consulta SQL con CTEs para definir la cohorte mensual (TO_CHAR + DATE_TRUNC sobre la primera fecha de registro), unir los datos de actividad con un LEFT JOIN, y calcular el % de retención acumulado a D7, D14, D21 y D28 con COUNT DISTINCT, CASE WHEN, NULLIF y ROUND. Analicé también la caída entre cada etapa del embudo de conversión (select_item → add_to_cart → purchase) y desglosé la retención por país.

Resultado

El cohorte de Marzo 2025 mostró la mejor retención a largo plazo (26.6% a D21, 3.0% a D28), mientras que Agosto 2025 fue el peor en todos los puntos (70.8% a D7, 0.2% a D28). A nivel país, Perú (3.2%) y México (3.1%) lideran la retención a 28 días; Colombia (1.6%) y Chile (1.7%) quedan atrás. En el embudo, la mayor caída ocurre entre select_item (76.90%) y add_to_cart (11.01%): una pérdida de ~85.7% de los usuarios que mostraron interés inicial.

Reto

Como analista de datos del banco de desarrollo, debía responder en qué ciudades conviene invertir en infraestructura de transporte. Para eso había que cruzar dos bases distintas —tráfico en tiempo real (TomTom) e indicadores económicos anuales (OECD)— con estructuras, granularidades y nombres de ciudad diferentes.

Acción

En Jupyter Notebook con pandas y numpy: estandaricé nombres de columnas y tipos de datos, extraje el año de UpdateTimeUTC y filtré 2024, agregué los registros de tráfico a promedios por ciudad-año (JamsDelay, TrafficIndexLive, JamsLengthInKms, JamsCount, MinsDelay, TravelTime live vs. histórico) y los uní con los indicadores económicos mediante un merge por ciudad y año. Después exploré la relación con seaborn y matplotlib: boxplot de congestión, histograma de PIB per cápita y un gráfico comparativo de doble eje para las 20 ciudades con más tráfico.

Resultado

Se obtuvo un dataset único, limpio y listo para análisis (una fila por ciudad-año 2024) y un panorama claro: el retraso promedio por congestión es de 629.52 minutos, con una distribución muy sesgada —unas pocas megaciudades concentran la peor congestión— mientras que el PIB per cápita se concentra entre los 8,000 y 15,000 USD. El gráfico comparativo muestra que congestión alta y productividad alta no van de la mano: ciudades como Ciudad de México y Lima encabezan la congestión con un PIB per cápita medio, mientras Monterrey combina baja congestión con el PIB per cápita más alto de la muestra. Ahí es donde la inversión en transporte tiene mayor potencial de retorno.

Reto

La empresa tenía toda su información a nivel transaccional, pero ninguna visión analítica del negocio: no podía responder cuánto ingreso genera, qué segmentos de clientes compran más, cómo evolucionan las ventas mes a mes ni si los clientes vuelven a comprar después de su primera compra.

Acción

Validé tipos de datos, nulos y duplicados; construí una tabla calendario (dim_fecha) con año, mes y año-mes para habilitar inteligencia de tiempo; modelé un esquema estrella uniendo la tabla de hechos de ventas con las dimensiones de clientes y propiedades; y creé medidas de ingresos, costo, ganancia y comparativos temporales. Con eso diseñé un dashboard ejecutivo en Power BI con KPIs, evolución mensual, desglose por país y segmentación por nivel de venta.

Resultado

Un dashboard interactivo que resume el negocio de un vistazo: 6 mill. de ingresos, 3.59 mill. de costo y 1.94 mill. de ganancia. La evolución mensual muestra un año en forma de U —arranque fuerte en enero, valle entre junio y agosto y recuperación clara hacia diciembre— y el desglose por país sitúa a Perú como mercado líder, seguido de Chile, con Colombia muy por detrás. El filtro de nivel de venta (alta/baja) permite a la dirección analizar cada escenario sin tocar los datos.

Reto

El equipo de negocio de RappiPlus no sabía si la suscripción estaba cumpliendo su objetivo. La pregunta del director era directa: ¿estamos ganando dinero? Antes de responderla había que confiar en los datos: tres fuentes distintas (pedidos crudos, catálogo de productos e inversión de marketing) con inconsistencias, nulos y categorías mezcladas en español e inglés.

Acción

En Python limpié y estructuré los tres datasets (pedidos, catálogo y gasto de marketing), los uní para incorporar el costo real de cada producto y calculé los KPIs del negocio: ingreso total, costo de productos, inversión de marketing y profit neto. Después desglosé la inversión por canal de adquisición con seaborn y matplotlib, usando escala logarítmica para que las magnitudes muy distintas fueran comparables en una sola lectura.

Resultado

El negocio genera $51.97 mill. de ingreso total, con $43.12 mill. de costo de productos y $2.87 mill. de inversión en marketing, lo que deja un profit neto de $5.97 mill. (≈11.5% de margen). La inversión de marketing está prácticamente repartida en partes iguales entre social, organic y paid_search (~850–900 mil cada uno), además de un bloque de gasto sin canal asignado que revela un problema de calidad en el registro de campañas.