Data & BI Analyst · Process Automation, Tijuana, Baja California, México
I automate operational processes and turn scattered data into systems that support decisions. I am a Business Intelligence graduate from UABC, with all 350 academic credits completed and the thesis-based degree process in progress. During a six-month internship at Telnor (Telmex–TELNOR Group) I built a coordination system that reached production, three RPA robots against corporate portals, and an ETL pipeline feeding an executive dashboard.
My approach: learn the manual process first, in the field if necessary, then automate it, and document it so someone else can continue without me.
Every repository below is a reconstruction audited for methodological soundness. While building this portfolio I re-examined my own academic notebooks and found information leakage in three of them. I rebuilt the pipelines, the metrics dropped, and I published the honest numbers. Each README documents what was wrong and what changed.
| Project | What it does | Headline result |
|---|---|---|
| telecom-customer-churn | Churn classification on 6,589 customers, preprocessing fitted inside each CV fold | Random Forest: ROC-AUC 0.924, F1 0.735 |
| mexico-poverty-data-warehouse | Inmon-style warehouse over CONEVAL/ENIGH microdata: staging → normalized EDW → five data marts | Reproduces national estimates from 309,534 records weighted to 128.9M people |
| iowa-liquor-sales-analysis | Sales forecasting with temporal backtesting and county segmentation | Seasonal baseline wins: MAPE 4.79%. Documented as a finding, not a failure |
| mercadolibre-pipeline | End-to-end pipeline: scraping → cleaning → MySQL → interactive dashboards | Selenium · pandas · SQLAlchemy · Dash |
| heart-disease-model-comparison | Five classifiers under nested cross-validation, 920 records from four hospitals | SVM 0.897 ± 0.027; uncertainty overlaps, no clear winner |
| fashion-mnist-gridsearch | GPU hyperparameter search, 36 fits | Test accuracy 0.8748 |
| route-optimization-algorithms | Dijkstra, A*, SPFA, Floyd–Warshall and BFS on one shared weighted graph | Four converge at cost 5.10; BFS minimizes hops instead |
| bike-sharing-temporal-regression | Daily demand regression with a chronological holdout and leakage-prone target components removed | Ridge: MAE 875.27, R² 0.606 on the final 147 days |
Languages & data: Python · SQL / MySQL · MongoDB · R
Analysis & ML: pandas · NumPy · scikit-learn · statsmodels · SHAP · nested cross-validation
Time series: temporal backtesting · seasonal baselines · academic experience with SARIMAX
Big data: PySpark · Hadoop / HDFS
Automation & RPA: Selenium · python-telegram-bot · BeautifulSoup · Google Sheets API · openpyxl
BI & visualization: Power BI · Looker Studio · Tableau · Plotly · Dash · Seaborn
Cloud: AWS (VPC, EC2, IAM) · Azure · Google Cloud
Practices: E2E testing · chaos testing · technical documentation · Git · Scrum
Google Data Analytics Professional Certificate · AWS Academy Graduate - Cloud Foundations · EC0935 Project Work Management (CONOCER/SEP, as Project Lead) · Scrum Fundamentals Certified
English: C1 (CEFR), certified by UABC's LEL examination.
Español
Analista de Datos y BI · Automatización de Procesos, Tijuana, Baja California
Automatizo procesos operativos y convierto datos dispersos en sistemas que apoyan decisiones. Soy egresado de la Licenciatura en Inteligencia de Negocios de la UABC, con los 350 créditos completados y el proceso de titulación por tesis en curso. En seis meses de prácticas en Telnor (Grupo Telmex–TELNOR) construí un sistema de coordinación que llegó a producción, tres robots RPA contra portales corporativos y un pipeline ETL para un tablero directivo.
Mi enfoque: aprender el proceso manual primero, en campo si hace falta, después automatizarlo, y dejarlo documentado para que otro pueda continuarlo sin mí.
Cada repositorio es una reconstrucción auditada metodológicamente. Al armar este portafolio revisé mis propios cuadernos académicos y encontré fuga de información en tres de ellos. Reconstruí los pipelines, las métricas bajaron, y publiqué las cifras honestas. Cada README documenta qué estaba mal y qué cambió.
| Proyecto | Qué hace | Resultado principal |
|---|---|---|
| telecom-customer-churn | Clasificación de deserción sobre 6,589 clientes, preprocesamiento dentro de cada fold | Random Forest: ROC-AUC 0.924, F1 0.735 |
| mexico-poverty-data-warehouse | Bodega de datos Inmon sobre microdatos CONEVAL/ENIGH: staging → EDW normalizado → cinco data marts | Reproduce los indicadores nacionales desde 309,534 registros ponderados a 128.9M de personas |
| iowa-liquor-sales-analysis | Pronóstico de ventas con backtesting temporal y segmentación por condado | Gana el baseline estacional: MAPE 4.79%. Documentado como hallazgo, no como fracaso |
| mercadolibre-pipeline | Pipeline completo: scraping → limpieza → MySQL → dashboards interactivos | Selenium · pandas · SQLAlchemy · Dash |
| heart-disease-model-comparison | Cinco clasificadores con validación anidada, 920 registros de cuatro hospitales | SVM 0.897 ± 0.027; la incertidumbre se solapa, sin ganador claro |
| fashion-mnist-gridsearch | Búsqueda de hiperparámetros en GPU, 36 entrenamientos | Accuracy de prueba 0.8748 |
| route-optimization-algorithms | Dijkstra, A*, SPFA, Floyd–Warshall y BFS sobre un mismo grafo ponderado | Cuatro convergen en costo 5.10; BFS minimiza saltos |
| bike-sharing-temporal-regression | Regresión de demanda diaria con hold-out cronológico y eliminación de componentes que revelaban el objetivo | Ridge: MAE 875.27, R² 0.606 en los 147 días finales |
Google Data Analytics Professional Certificate · AWS Academy Graduate - Cloud Foundations · EC0935 Gestión de Trabajo por Proyectos (CONOCER/SEP, como Líder de Proyecto) · Scrum Fundamentals Certified
Inglés: C1 (MCER), acreditado por examen LEL de la UABC.
Basado en Tijuana, México. Disponible para trabajo remoto con equipos de México y Estados Unidos. aaronfernandezsec@gmail.com
Based in Tijuana, Mexico. Available for remote work with teams in Mexico and the US. aaronfernandezsec@gmail.com