5,821 puntos de datos tomados de mi foto. Pasa el cursor o tócalos.
Construyo modelos de riesgo, los llevo a producción y diseño las herramientas para que los equipos de negocio los usen por su cuenta.
Pregúntale a mi IA sobre mi trabajo
Funciona en un Worker de Cloudflare y responde solo con información que Kelly verificó.
Proyectos que llegaron a producción
Trabajo real, resultados reales. Cada caso indica dónde ocurrió. Los visuales están recreados con datos sintéticos.
Pacífico EPS, 2025 a la fecha
Scoring de riesgo que el negocio ejecuta sin código
Sin códigomodelos ejecutados por el negocio
Ver el caso
Problema
Ejecutar un modelo de riesgo requería al equipo de datos cada vez, lo que frenaba su adopción.
Enfoque
Construí scorecards de riesgo y regresiones logísticas (binning con WoE, validación con KS, Gini y ROC) y los desplegué en producción con una interfaz hecha en Flet con Python.
Resultado
El negocio evalúa casos por su cuenta, y la contribución de cada variable es legible para usuarios no técnicos.
Stack
Pythonstatsmodelsscikit-learnFletSQL
Pacífico EPS, 2025 a la fecha
De dos semanas a dos horas
2 sem → 2 hy 9 colegas capacitados
Ver el caso
Problema
Un proceso recurrente tomaba dos semanas de trabajo manual.
Enfoque
Lo rehice como un pipeline en Python y dicté sesiones de Python a 9 colegas no técnicos para que el equipo sea dueño del proceso.
Resultado
El proceso ahora toma unas dos horas, y el conocimiento ya no depende de una sola persona.
Stack
PythonpandasOracleSQL Server
Logistics (MDPI), primera autora, Marzo 2026
Random Forest + Algoritmos Genéticos para inventarios
+4.52 ppde ROI vs. línea base, 5 de 5 tiendas
Ver el caso
Problema
¿Puede el machine learning superar a una regla de reposición por media móvil en tiendas de conveniencia reales de Lima?
Enfoque
Un Random Forest pronostica las transacciones diarias; esos pronósticos alimentan una simulación de inventario donde un Algoritmo Genético ajusta la política de reposición mensual con restricciones de cobertura.
Resultado
MAPE menor a 13%. Superó en ROI a la media móvil de 28 días en las cinco tiendas, con significancia según el test de Wilcoxon.
Llevar la IA generativa de los experimentos a las plataformas que los equipos usan cada día.
Enfoque
Como AI Champion del equipo, desarrollé e integré casos de uso con la API de ChatGPT Enterprise en plataformas en tiempo real.
Resultado
Casos de IA funcionando en herramientas de producción y dos primeros lugares en hackathons internas de alcance latinoamericano.
Stack
API de ChatGPT EnterprisePythonDiseño de prompts
Belcorp, 2024 a 2025
Datos de campañas de tres plataformas, automatizados
3 APIs → 1ingesta automática en LATAM
Ver el caso
Problema
Los datos de campañas digitales de varios mercados de LATAM se recolectaban a mano.
Enfoque
Integré las APIs de Meta, TikTok y Google Ads con Python en un solo flujo de ingesta.
Resultado
Se eliminó la recolección manual de datos en los mercados de LATAM.
Stack
PythonAPI de MetaAPI de TikTokAPI de Google Ads
Pacífico EPS, 2025 a la fecha
Reportes interactivos para gerencia
1 reporteen lugar de fuentes dispersas
Ver el caso
Problema
Las decisiones de gerencia necesitaban datos repartidos en varias fuentes.
Enfoque
Construí reportes HTML automáticos que reúnen esas fuentes en una sola vista interactiva.
Resultado
Gerencia revisa un solo reporte actualizado en lugar de armar el panorama a mano.
Stack
PythonHTMLSQL
Laboratorio: un scorecard de crédito para jugar
El mismo tipo de modelo que construyo en el trabajo, rehecho con datos sintéticos. Cambia al solicitante y mira cómo se actualizan el score, la probabilidad de default y la explicación.
Rangos y pesos sintéticos, construidos para esta demo. Sin datos reales de clientes ni de empresas.
Score
604
Probabilidad de default
1.8%
Riesgo medio: revisión manual
449682
Qué mueve este score, frente a un solicitante promedio
Edad32
Deuda sobre ingreso45
Tiempo en el empleo actual35
Atrasos en los últimos 12 meses70
Uso de la línea de crédito42
Sube el riesgoBaja el riesgo
Cómo funciona: cada variable se agrupa en rangos, y cada rango tiene puntos derivados de su Weight of Evidence y del coeficiente de la regresión logística. Los puntos suman un score escalado para que 600 equivalga a odds de 50 a 1, y cada 40 puntos se duplican los odds (PDO 40). Probabilidad de default = 1 / (1 + odds).
Mi perfil, explicado como un modelo
Un waterfall al estilo SHAP. Los pesos son simbólicos; la evidencia detrás de cada barra es real. Elige una barra para verla.
Punto de partida
0.50
Predicción
0.91
Modelos que el negocio ejecuta por su cuenta
Scorecards de riesgo y regresiones logísticas desplegadas con una interfaz en Flet, para que el negocio evalúe casos sin escribir código.
Pacífico EPS, 2025 a la fecha
Enseñar y transformar
9
Colegas capacitados en Python
Compañeros no técnicos de Pacífico EPS, capacitados para usar Python en su trabajo.
7
Estudiantes en Pequeños Solucionadores
Un piloto que diseñé y lideré sobre Design Thinking con IA para estudiantes de comunidades vulnerables.
EnFoco
Plataforma gratuita para padres de niños con TDAH
La co-lidero junto a especialistas en neurología clínica e ingeniería, desde febrero de 2026.
PUCP
Jefa de práctica
Guié equipos de estudiantes en estudios de mercado, con horas de asesoría voluntaria.
Graduación en la PUCP, primer puesto de mi promoción.
Trayectoria
Dic 2025 a la fecha
Data Scientist, Pricing & Analytics, Pacífico EPS
Scorecards de riesgo, validación estadística de tests A/B/C y reportes automáticos para gerencia.
Ago a dic 2025
Jefa de práctica, PUCP
Estudios de mercado con equipos de estudiantes.
Jul 2024 a dic 2025
Omnimedia Analyst, Belcorp
AI Champion. Casos de IA generativa, APIs de plataformas de anuncios y apoyo en el Marketing Mix Model con Deloitte.
Ago 2023 a jun 2024
Practicante de Auditoría Interna, Belcorp
Un script en R construido desde cero que redujo a la mitad el tiempo de las auditorías.
2019 a 2024
Ingeniería Industrial, PUCP
Primer puesto de la promoción 2024-1. Becaria de Beca 18. Aspire Leaders Program.
Construyamos algo
Abierta a roles de data science e IA, colaboraciones de investigación y programas de posgrado.
