Skip to content
View IsaacEx's full-sized avatar

Block or report IsaacEx

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Maximum 250 characters. Please don't include any personal information such as legal names or email addresses. Markdown supported. This note will be visible to only you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
IsaacEx/README.md

Hola, soy Isaac Martínez 👋

Analista de Datos & Consultor de Negocios

Transformando datos en soluciones claras para la toma de decisiones.

🔍 Sobre mí

Cuento con 3 años de trayectoria en consultoría empresarial y optimización operativa. Mi formación en Mercadotecnia y mi experiencia técnica me permiten actuar como un puente práctico entre las necesidades de un negocio y el análisis de sus datos.

Me enfoco en la integridad de los hallazgos y en la claridad de la comunicación. No solo entrego código; entrego respuestas que ayudan a entender dónde están las ineficiencias y cómo corregirlas.

🛠️ Herramientas y Stack

Categoría Tecnologías y Herramientas
Análisis y Modelado Python (Pandas 3.0, NumPy), SQL, PyArrow, Scikit-learn, SciPy.
Visualización y BI Power BI, Tableau, Plotly, Dash, Streamlit, Matplotlib, Seaborn.
Estrategia y Negocio Métricas (CAC/LTV, Unit Economics), Pruebas A/B, Diagnóstico de Procesos, Investigación de Mercado, Segmentación de Clientes, Análisis de KPIs.
Herramientas y Entorno Git/GitHub, Cursor, Antigravity IDE, VS Code, Entornos Conda.

📂 Índice de Proyectos por Categoría

Categoría Proyecto ¿Qué resolví?
💰 Estrategia & ROI Showz Identificación de canales de marketing con CAC > LTV.
Instacart Auditoría técnica de dataset masivo (4.5M+) y patrones de fidelidad.
Megaline / ICE Rentabilidad de planes y validación de reseñas como predictor de éxito.
📊 Estadística & ML FoodTech Test A/A/B con rigor estadístico (Bonferroni) para validar ventas.
Model Fitness Modelo predictivo de abandono (Churn) y segmentación por Clustering.
A/B Testing / Zuber Priorización RICE y análisis de impacto climático en movilidad.
🛠️ Ingeniería YT Trends Pipeline automatizado con Pandas 3.0 y PyArrow para reportes en vivo.
Vehicle Market Dashboard interactivo para detectar depreciación de mercado.

⏳ Próximamente (Refactorización Modular)

  • CallMeMaybe: Eficiencia operativa en call centers (Arquitectura desacoplada).
  • E-commerce Recommender: Validación científica de algoritmos de recomendación.
  • Book Service SQL: Consultas avanzadas para segmentación de catálogo.

📫 Contacto

Pinned Loading

  1. yt-trends-dashboard-pipeline yt-trends-dashboard-pipeline Public

    Pipeline ETL automatizado diseñado para Sterling & Draper para el análisis de tendencias de contenido en YouTube. Desarrollado con Python 3.12, Pandas 3.0 y PyArrow CoW para una refactorización de …

    Jupyter Notebook

  2. aab-testing-optimized-pipeline aab-testing-optimized-pipeline Public

    A/A/B Testing & Funnel Optimization pipeline para FoodTech. Análisis de impacto UI/UX con rigor estadístico (Z-Test, Bonferroni) y arquitectura de alto rendimiento en Pandas 3.0 + PyArrow.

    Jupyter Notebook

  3. showz-unit-economics-analysis showz-unit-economics-analysis Public

    Auditoría estratégica de ROI y Unit Economics para la plataforma Showz. Identificación de ineficiencias críticas en la captación de usuarios y optimización de la rentabilidad operativa mediante el …

    Jupyter Notebook

  4. ice-gaming-market-analysis ice-gaming-market-analysis Public

    Video Game Market Analysis (2012-2016): Consultoría Estratégica y Validación Estadística para 2017. Enfoque en Plataformas y Eficiencia Comercial.

    Jupyter Notebook

  5. megaline-revenue-optimization megaline-revenue-optimization Public

    Megaline Revenue Analysis: Optimización de rentabilidad e inferencia estadística para identificar ineficiencias en la segmentación de planes y mitigar riesgos de churn.

    Jupyter Notebook

  6. model-fitness-churn-prediction model-fitness-churn-prediction Public

    Pipeline modular de Machine Learning para la predicción de abandono de clientes. Incluye análisis bivariado, eliminación de multicolinealidad y clustering jerárquico.

    Jupyter Notebook