Economista empírico en el cruce entre economía, matemáticas, estadística y ciencias de la computación.
Economista y profesional de datos que convierte datos masivos y desordenados en decisiones óptimas. Aporto una base sólida en teoría económica junto a habilidades técnicas prácticas - Python, R, SQL, VBA, Power Query y Power BI - para automatizar flujos, modelar sistemas complejos y reemplazar procesos heredados con soluciones escalables.
Mi formación está en cuentas nacionales y análisis macroeconómico (cálculo del PIB bajo el marco del SCN 2008), pero mi verdadero interés es más amplio: construir pipelines de datos, dashboards y herramientas analíticas que hagan la información realmente utilizable. Me importa el camino completo desde el dato crudo hasta la conclusión - automatización, reproducibilidad y claridad.
Fuera del trabajo, mis proyectos personales exploran la IA agéntica y la automatización con LLM - prompt engineering y flujos agénticos para automatizar investigación y análisis de principio a fin. Es donde experimento con las herramientas más nuevas antes de que se vuelvan estándar.
Lo que me mantiene curioso es el cruce entre economía, computación y filosofía: no solo cómo procesar datos, sino qué miden, qué ocultan, y cómo funcionan de verdad los sistemas económicos. Me atraen tanto las preguntas detrás de los números como las herramientas que las responden, y veo esa mezcla de teoría e ingeniería como mi verdadera ventaja.
Actualmente curso la Maestría en Análisis y Visualización de Datos Masivos (UNIR).
Economía empírica y cuantitativa, cuentas nacionales (SCN 2008), medición macroeconómica
Econometría aplicada, datos de panel, estadística inferencial, modelado matemático
Visualización de datos, dashboards, Power BI, análisis exploratorio
Python, R, SQL, pipelines de datos, dashboards, big data
Flujos agénticos, automatización con LLM, prompt engineering
Filosofía de la medición, teoría del valor-trabajo (Cockshott, Marx, Shaikh), historia del pensamiento económico
Un vault - una recopilación de técnicas y código de la Maestría en Datos Masivos: pipelines con MongoDB y Neo4j, ML supervisado (scikit-learn, Keras), estadística inferencial y un ejercicio de streaming con Spark/HDFS/Kafka. Cada módulo es autocontenido con su propio README bilingüe.
Un pipeline de extremo a extremo que convierte correos de notificación bancaria en un presupuesto categorizado y autohospedado: reglas de palabras clave más un LLM para los casos ambiguos, cruce de comercios con Apple Pay, y sincronización con una instancia autohospedada de Firefly III.
Pipeline y dashboard en Streamlit para la nómina del sector público dominicano, construido a partir de los PDFs mensuales del portal de transparencia. Extrae, limpia y normaliza registros para comparar estructura de compensación y trayectorias de carrera entre instituciones.
Scripts de RAG y mantenimiento para un vault de conocimiento personal: búsqueda híbrida, embeddings incrementales y una consolidación nocturna con guardarraíles que mantiene enlaces y estructura de grafo sin reescribir notas en silencio.
Once skills de Claude Code para investigación, escritura y gestión de conocimiento personal: investigación profunda multi-fuente, informes citados con el método STORM, conversión de libros a skills, y más.
Investigación, colaboraciones y proyectos de datos.