Descubrimiento
Contexto y objetivoEntendimiento del problema, la decisión a mejorar, los usuarios involucrados y el resultado esperado.
Data & Analytics
Patrones Lab es un laboratorio de análisis de datos aplicado a fenómenos cotidianos y reales.
Aquí se trabajan proyectos independientes construidos a partir de datos públicos, con foco en detectar patrones, describir comportamientos y comunicar los hallazgos con su contexto.
El objetivo es plantear preguntas, preparar datos, construir análisis claros y generar resultados visuales.
Entendimiento del problema, la decisión a mejorar, los usuarios involucrados y el resultado esperado.
Identificación de las fuentes disponibles, su origen, actualización, confiabilidad y principales limitaciones.
Organización, limpieza y combinación de datos para construir una base consistente y usable.
Desarrollo del análisis, modelo o dashboard necesario según el objetivo definido.
Revisión de la coherencia, estabilidad y alineación de los resultados con la realidad del negocio.
Documentación del trabajo final, automatización de procesos recurrentes y consideración del feedback para mejoras futuras.
Selección de proyectos aplicados con datos públicos, metodología y resultados visuales. Usá los filtros para navegar por disciplina, herramienta o tipo de entrega.
Análisis de tráfico aéreo en España con datos públicos de AENA, con foco en volúmenes, patrones por aeropuerto y diferencias entre categorías.
Análisis exploratorio del alojamiento Airbnb en Londres con foco en precio, categorías, reseñas y patrones territoriales.
Análisis de viajes de taxi en Chicago para estudiar duración, demanda, distribución geoespacial y patrones operativos.
Clasificación supervisada de anuncios relativamente caros o baratos dentro de cada tipo de alojamiento.
Dashboard interactivo en Looker Studio para explorar viajes de taxi en Chicago, indicadores operativos, patrones horarios y recorridos pickup-dropoff.
Modelo probabilístico de Peligro Esperado en el fútbol con datos públicos de StatsBomb. Se estima la probabilidad de gol en las próximas 5 jugadas.
✅ publicado
Clustering no supervisado con K-means para la detección de fraudes con tarjetas de crédito.
✅ publicado
Clasificación supervisada mediante regresión logística para la detección de fraude con tarjeta de crédito.
✅ publicado
Clustering no supervisado con DBSCAN para identificar posibles fraudes con tarjeta de crédito.
Entrar al proyecto
Análisis de estadísticas del Mundial 2022 con datos públicos de StatsBomb, orientado a resumir rendimientos individuales y comparar jugadores mediante radar de percentiles.
Análisis de viajes de taxi en Chicago con foco en ubicación geográfica, movimientos entre puntos, predominios de zonas y rutas.

Análisis de rankings musicales de Spotify Charts con datos públicos de canciones, artistas, álbumes y mercados, orientado a explorar streams, presencia en charts, liderazgo temporal y distribución territorial mediante un dashboard interactivo en Power BI.
Para oportunidades profesionales, colaboración analítica o proyectos de BI · ML · Dashboards.
correo: encontrandopatrones@gmail.com
Escribime y te responderé a la brevedad.