Economía · Ciencia de datos · Conducta del consumidorEconomics · Data science · Consumer behavior
Tengo formación y experiencia en economía y ciencia de datos. Me obsesionan la conducta del consumidor, la economía conductual y los sesgos cognitivos — y llevo 15+ años aplicándolos desde la inteligencia de negocio y el marketing en Latinoamérica. Trained and seasoned in economics and data science. Obsessed with consumer behavior, behavioral economics, and cognitive biases — applying them for 15+ years through business intelligence and marketing across Latin America.
Sobre míAbout
Quince años en terreno — Chile, Argentina, Perú, Bolivia — me enseñaron cómo se ve el caos operativo antes del dashboard. Mi lente es la conducta: entender los atajos y sesgos con los que las personas decidimos de verdad, para construir sistemas que decidan mejor.Fifteen years in the field — Chile, Argentina, Peru, Bolivia — taught me what operational chaos looks like before the dashboard. My lens is behavior: understanding the shortcuts and biases behind how people actually decide, to build systems that decide better.
La mirada de economista ordena todo: costo, retorno, incentivos y comportamiento. La IA no reemplaza personas — les devuelve el tiempo que se pierde en lo repetitivo.The economist's lens organizes everything: cost, return, incentives, and behavior. AI doesn't replace people — it gives them back the time lost to repetitive work.
Demos en vivo · 01 · Business IntelligenceLive demos · 01 · Business Intelligence
Un command center como los que construyo: mapa de la red, ingresos con forecast, cumplimiento de meta, carga por proceso, anomalías y eventos — todo vivo, acá en tu navegador.A command center like the ones I build: network map, revenue with forecast, goal attainment, process load, anomalies, and events — all live, right in your browser.
Demos en vivo · 02 · Brand TrackerLive demos · 02 · Brand Tracker
Escribí una marca y corré el análisis. Es la lógica de mi Brand Tracker: reviews reales → clasificación con IA sobre una taxonomía de experiencia de compra (9 aspectos) → métricas SQL donde cada cifra es trazable hasta la review original.Type a brand and run the analysis. This is the logic behind my Brand Tracker: real reviews → AI classification over a 9-aspect shopping-experience taxonomy → SQL metrics where every figure traces back to the original review.
Demos en vivo · 03 · AgentesLive demos · 03 · Agents
Rugol es mi agente: el puente entre vos y yo. Te cuenta lo que he hecho, te pone en contacto conmigo o me deja tu mensaje. Y podés hablarle de verdad — por voz (ElevenLabs).Rugol is my agent: the bridge between you and me. It tells you what I've done, connects you with me, or takes your message. And you can actually talk to it — by voice (ElevenLabs).
El puente por voz entre vos y EduThe voice bridge between you and Edu
Agente de voz listo para conectarVoice agent ready to connect
Pegá tu agent-id de ElevenLabs en el código para activar la voz.Paste your ElevenLabs agent-id in the code to enable voice.
Case study
Análisis de tráfico de 10 malls en Chile con datos de Google Maps API, para optimizar la asignación de promotores.Mall traffic analysis using Google Maps API data to optimize promoter schedules across 10 malls in Chile.
Con tráfico máximo entre 15:00 y 18:00 h — consistente en toda la muestra.Traffic peaks between 3–6 pm — consistent across the entire sample.
Un promotor en Parque Arauco un sábado 15–18 h genera 3–5× más impacto que un martes a las 11 h.A promoter at Parque Arauco on Saturday 3–6 pm generates 3–5× more impact than the same promoter on Tuesday at 11 am.
más tráfico el sábado vs. el jueves (día más débil). La asignación inteligente de turnos es ventaja competitiva directa.higher Saturday traffic vs. Thursday (weakest day). Smart schedule assignment is a direct competitive advantage.
la ventana peak concentra el mayor ROI de presencia en tienda. Fuente: Google Maps Places API + calibración retail Chile.the peak window concentrates the highest ROI for in-store presence. Source: Google Maps Places API + Chilean retail calibration.
Portfolio
Cada proyecto resuelve un problema de negocio concreto — de analítica retail a retención de talento y forecasting financiero. Código abierto en GitHub; cuatro corren en vivo.Each project solves a real business problem — from retail analytics to HR retention to financial forecasting. Open source on GitHub; four run live.
Pipeline end-to-end: World Bank API → SQLite → forecasting ML para 6 países LATAM. 7 indicadores con predicción a 5 años.End-to-end pipeline: World Bank API → SQLite → ML forecasting for 6 LATAM countries. 7 indicators with 5-year predictions.
20+ indicadores técnicos (RSI, MACD, Bollinger), clasificadores Random Forest y Gradient Boosting, motor de backtesting con Sharpe ratio.20+ technical indicators (RSI, MACD, Bollinger), Random Forest & Gradient Boosting classifiers, backtesting engine with Sharpe ratio.
Inteligencia de precios competitivos para retail LATAM: ensemble de 4 métodos de detección de anomalías, heatmaps de brechas e insights automáticos.Competitive pricing intelligence for LATAM retail: 4-method anomaly detection ensemble, price gap heatmaps, and auto-generated insights.
Minería de reglas de asociación sobre 38K+ transacciones de supermercado. Apriori y FP-Growth revelan qué productos impulsan compras cruzadas.Association rule mining on 38K+ supermarket transactions. Apriori & FP-Growth reveal which products drive cross-purchases.
¿Le gana un buen modelo de ML a los LLM de decisión? Torneo de 10 modelos (XGBoost, LightGBM, Boruta) contra Jev y Laya en dos datasets de RR.HH., y el LLM como capa de despliegue del modelo.Does a well-designed ML model beat LLM decision engines? A 10-model tournament (XGBoost, LightGBM, Boruta) vs Jev and Laya on two HR datasets, with the LLM as the model's deployment layer.
Modelo XGBoost con 0,98 AUC-ROC sobre 12K registros sin duplicados. Explicaciones SHAP hacen cada predicción transparente para RR.HH.XGBoost model achieving 0.98 AUC-ROC on 12K deduplicated records. SHAP explanations make every prediction transparent for HR teams.
Clustering K-Means y DBSCAN con optimización por silueta. Recomendaciones comerciales por segmento según comportamiento de compra.K-Means & DBSCAN clustering with silhouette optimization. Commercial strategy recommendations per segment.
ARIMA vs. Prophet vs. LSTM sobre datos de Amazon: descomposición completa, tests de estacionariedad y benchmarking de modelos.ARIMA vs. Prophet vs. LSTM on Amazon stock data: full decomposition, stationarity testing, and model benchmarking.
Sistema de monitoreo de marca sobre reviews reales: ingesta determinística, clasificación con Claude por taxonomía de trade marketing y métricas SQL 100% trazables.Brand monitoring system over real reviews: deterministic ingestion, Claude classification over a trade marketing taxonomy, and fully traceable SQL metrics.
Código, notebooks y documentación de todos los proyectos — abiertos y reproducibles.Code, notebooks, and documentation for every project — open and reproducible.
Lab · Productos propiosLab · Own products
Herramientas propias que ya operan en el mundo real — la mejor prueba de lo que sé hacer.Tools of my own that already run in the real world — the best proof of what I can build.
AI Agent Studio para Claude Code: un menú guiado para diseñar, crear y operar proyectos de IA agéntica — pensado para gente de negocio, no solo devs.AI Agent Studio for Claude Code: a guided menu to design, build, and operate agentic AI projects — made for business people, not just devs.
Orquestador de agentes de IA: una sala de control local donde equipos de agentes Claude hacen el trabajo, te desafían y recuerdan lo aprendido. El ADN de mi laboratorio.AI agent orchestrator: a local control room where teams of Claude agents do the work, challenge you, and remember what they learn. My lab's DNA.
Voz del cliente sobre reviews de Google: ingesta determinística separada del análisis IA, taxonomía de trade marketing y scorecards SQL donde cada cifra es trazable a la review original.Voice of the customer over Google reviews: deterministic ingestion separated from AI analysis, a trade marketing taxonomy, and SQL scorecards where every figure traces to the original review.
PublicacionesPublished work
Escribo en América Retail sobre economía del comportamiento, sesgos cognitivos y el lado humano del dato.I write at América Retail about behavioral economics, cognitive biases, and the human side of data.
17+ artículos publicados —17+ published articles — leerlos en América Retail →read them at América Retail →
Toolkit
Museo de sesgos cognitivosMuseum of cognitive biases
Anclaje
ContactoContact
Business intelligence, machine learning o agentes de IA aplicados a tu operación — con las personas en el centro.Business intelligence, machine learning, or AI agents applied to your operation — with people at the center.