Transformo datos de ventas y distribución en decisiones.

Analista de datos con experiencia real en operaciones comerciales. Combino visión de negocio comercial con capacidad técnica para que los números cuenten algo útil.

SQL · Python · Power BI · PostgreSQL

Ver proyectos Contactarme

Sobre mí

Soy analista de datos con algo que no es tan común en el perfil: experiencia real trabajando dentro de operaciones comerciales. Hoy me desempeño en administración comercial en una distribuidora, donde manejo todos los días datos de ventas, stock, liquidaciones y reportes para el negocio.

Esa base me permite entender qué pregunta hay detrás de cada dato, no solo cómo procesarlo. Sobre eso sumo la parte técnica: SQL, Python (pandas, scikit-learn), Power BI y PostgreSQL.

Lo que más me interesa es el punto donde se cruzan el negocio y los datos: traducir números en decisiones concretas para áreas comerciales, de riesgo o de operaciones. Estudio Economía y me formé en Ciencia de Datos (UTN).

Skills

Análisis & BI

SQL Power BI Excel avanzado BigQuery

Lenguajes & Data

Python pandas scikit-learn PostgreSQL

Herramientas

Git Docker

Proyectos

Predicción de default crediticio

Anticipa qué clientes no van a pagar el próximo mes para que riesgo actúe antes.

Modelo de ML sobre 30.000 registros de tarjetas de crédito (dataset UCI, Taiwán 2005). Random Forest vs Regresión Logística con EDA completo, tests de hipótesis, manejo de desbalance y validación cruzada estratificada.

› Random Forest: 82% accuracy, 0.78 ROC-AUC
› Variable más predictiva: estado de pago más reciente (pay_0)
› Propuesta de scoring en tiempo real y alertas tempranas para el área de riesgo

Python scikit-learn pandas seaborn scipy

GitHub →

Análisis de ventas y distribución (SQL / BigQuery)

Responde preguntas de negocio sobre ventas y stock con consultas SQL.

10 queries SQL sobre dataset real (anonimizado) de una distribuidora editorial: 9.000 registros de ventas, 2.100 de stock. CTEs, window functions, JOINs y análisis de Pareto para responder preguntas reales del área comercial.

› Pareto confirmado: ~20% de los títulos genera el 80% de las ventas
› Detección de títulos con riesgo de quiebre de stock (ventas > stock disponible)
› Análisis de concentración: 3 sucursales representan ~75% del volumen

SQL BigQuery

GitHub →

Dashboard comercial en Power BI — página 1

Dashboard comercial en Power BI

Convierte datos de ventas en un tablero de KPIs accionable para el área comercial.

Dashboard interactivo de 3 páginas sobre datos reales de una distribuidora editorial: resumen de ventas por sucursal, análisis de productos por categoría/título, y análisis de stock por depósito y tipo de comercialización.

› 63 sucursales, 594 títulos, 45 mil unidades vendidas
› Top categoría: Juvenil (53% de unidades) — top título: La torre en la niebla (1.280 uds)
› Análisis de stock por depósito (cadena, depósito, terceros) con valorización de 215 mil M

Power BI DAX Excel

Contacto

Abierto a oportunidades como Analista de Datos / BI, presencial o remoto.

fran.palladino00@gmail.com GitHub