CATALINA AZANCOT CABELLO
CONVIERTO DATOS EN ACCIONES DE NEGOCIO
Sobre mi
Soy analista de datos junior con una fuerte motivación por transformar datos en decisiones que generen valor real para el negocio.
Mi enfoque parte de comprender a fondo las necesidades estratégicas de cada empresa, con el objetivo de detectar oportunidades de mejora, optimizar procesos y aportar soluciones accionables que impulsen tanto el rendimiento empresarial como el bienestar de las personas.
Convierto datos en acciones de negocio. Porque los datos, por sí solos, no hacen magia. Pero cuando se les dedica el análisis y el cuidado que merecen, tienen el poder de transformar cualquier empresa.
Servicios
Transformo datos en decisiones. Desde la limpieza y el análisis exploratorio hasta la detección de patrones y la predicción de comportamientos, diseño e implanto soluciones integrales que ayudan a las empresas a optimizar sus procesos, tomar decisiones estratégicas y aumentar su rentabilidad.
Limpieza, validación y exploración de datos
Antes de realizar cualquier análisis, limpio y valido los datos con Python para garantizar su calidad, integridad y fiabilidad. Después, realizo un análisis exploratorio para detectar patrones y extraer información clave desde el primer momento.
Visualización y toma de decisiones
Convierto los datos en dashboards interactivos y comprensibles para cualquier usuario. Analizo relaciones y comportamientos relevantes, y a partir de ellos formulo acciones de negocio concretas que ayudan a tomar decisiones estratégicas. Trabajo con Power BI como herramienta principal para la visualización.
Predicción y análisis
avanzado
No solo analizo lo que ha pasado o está ocurriendo, sino que aplico modelos de aprendizaje automático para anticipar comportamientos, predecir valores y segmentar clientes. Esto permite tomar decisiones proactivas basadas en lo que podría suceder. Para ello, trabajo principalmente con Python y R.
Arquitectura de datos y consultas SQL
Diseño bases de datos relacionales optimizadas y creo flujos de transformación de datos (ETL) para facilitar su análisis y automatizar procesos. Domino consultas SQL avanzadas y estructuro la información para que se integre fácilmente con herramientas como Power BI o Python.
Proyectos
🧠 Detrás del abandono: lo que cuesta perder a un cliente
🎯 Objetivo
-
Detectar patrones de abandono para mejorar la retención mediante segmentación y modelos predictivos
📈 Impacto estimado del análisis
-
+1.700 clientes retenidos con acciones dirigidas
-
Más de 65.000 € al mes en ingresos recuperables
→ Segmentación proactiva para fidelizar clientes
🛠️ Python | SQL | Power BI | IA | R
🧠 Análisis de rentabilidad y valor del cliente
🎯 Objetivo
Descubrir qué clientes realmente generan valor: del volumen a la rentabilidad
📈 Impacto estimado del análisis
-
+25.800 € en CLV adicional de clientes de alto valor
-
+9,65% de crecimiento sobre su valor actual
→ Segmentación clara de clientes rentables y no rentables para fidelizar, reactivar o reducir inversión según su valor real
🛠️ Python | Scikit-learn | IA
🧠 Reservas que vuelan… y se pierden
🎯 Objetivo
-
Transformar datos de cancelaciones en estrategias para mejorar ingresos y fidelización
📈 Impacto estimado del análisis
-
10% menos cancelaciones
-
20% más satisfacción
→ Más retención, menos quejas y mayor fidelización
🛠️ Python | SQL | Power BI | IA | Scikit-learn
🧠 Automatización del flujo de datos con AWS Glue DataBrew
🎯 Objetivo
-
Automatizar el flujo de datos de ventas y logística mediante un pipeline ETL con AWS DataBrew
📈 Beneficios empresariales
-
Agilidad operativa reduciendo tareas manuales
-
Decisiones rápidas con datos actualizados en tiempo real
-
Control logístico y solución escalable en la nube
🛠️ Amazon S3 | AWS Glue Data Catalog| AWS DataBrew
🧠 Alerta temprana de clientes insatisfechos con automatización e IA
🎯 Objetivo
-
Automatizar la gestión del feedback de clientes y agilizar la respuesta ante opiniones negativas
📈 Beneficios empresariales
-
Ahorro de tiempo y eficiencia operativa, eliminando tareas manuales repetitivas
-
Respuesta temprana ante clientes insatisfechos
-
Registro estructurado del feedback por tipo de sentimiento
🛠️ Make | OpenAI GPT (vía API) | Google Workspace
🧠 Transformando desafíos en oportunidades
🎯 Objetivo
Optimizar procesos y mejorar la retención de clientes mediante automatización y análisis de incidencias
📈 Impacto estimado del análisis
-
37% menos tiempo de respuesta
-
62% menos incidencias no resueltas
→ Mayor satisfacción y fidelización del cliente
🛠️ Python | SQL | Power BI | IA | Scikit-learn
