Saltar a los proyectos

Guillermo S. Fuentes JaqueEstadística y Análisis de Datos

Portafolio de proyectos

Estadística y Análisis de Datos

Modelos predictivos, tendencias, agrupamiento y tratamiento de datos, en proyectos propios y en artículos científicos. Cada tarjeta indica qué tipo de trabajo es y qué resultado se puede comprobar.

10 proyectos y publicaciones
807.597 licitaciones analizadas
7.043 clientes en el modelo de abandono
5 modelos comparados

Mostrando los 10 proyectos

01

Modelos predictivos y explicabilidad

3 proyectos

Vista previa de churnTelecom

Proyecto propio

012026

churnTelecom

Cinco modelos comparados, ROC-AUC de 0,848 y explicabilidad con SHAP.

ROC-AUC 0,848
5 modelos
SHAP

Python
Scikit-learn
XGBoost
LightGBM
SHAP

Detalle de churnTelecom: problema, solución y resultado

Problema: Identificar qué clientes de una empresa de telecomunicaciones tienen mayor probabilidad de abandonar, y por qué.
Solución: Pipeline de extremo a extremo con el conjunto de datos público IBM Telco: análisis exploratorio, ingeniería de variables, comparación de cinco modelos y explicabilidad con SHAP traducida a recomendaciones de negocio.
Resultado: 7.043 clientes; mejor ROC-AUC de 0,848 (regresión logística) frente a Random Forest, Gradient Boosting, XGBoost y LightGBM; 359 clientes de alto riesgo identificados en el conjunto de prueba.

Vista previa de monitoreoML

Experimental

022026

monitoreoML

Detección de deriva de datos y alertas de reentrenamiento.

Python
Scikit-learn
Pruebas estadísticas

Detalle de monitoreoML: problema, solución y resultado

Problema: Los modelos pierden rendimiento después de desplegarse, cuando cambian los datos que reciben.
Solución: Marco de monitoreo que detecta deriva de datos y de predicciones con las pruebas de Kolmogorov-Smirnov, PSI y Jensen-Shannon, sigue métricas de calibración y emite alertas con criterios de reentrenamiento.
Resultado: Evaluado con 12 meses de deriva simulada sobre datos sintéticos: el ROC-AUC cae de 0,946 a 0,57–0,65 y el sistema genera 21 alertas. No es un sistema en producción.

Vista previa de segmentacionClientes

Experimental

032026

segmentacionClientes

Cuatro segmentos de clientes con tres métodos de agrupamiento.

Python
Scikit-learn
Clustering
RFM

Detalle de segmentacionClientes: problema, solución y resultado

Problema: Agrupar clientes en perfiles útiles para decidir estrategias de retención y venta.
Solución: Análisis RFM, comparación de K-Means, agrupamiento jerárquico y DBSCAN, estimación simplificada del valor del cliente y estrategias por segmento.
Resultado: Cuatro segmentos sobre 5.000 clientes, con índice de silueta entre 0,29 y 0,38. Usa datos sintéticos generados para el ejercicio.

02

Series de tiempo y tendencias

4 proyectos

Vista previa de Análisis de compras públicas de Chile

Proyecto propio

042026

Análisis de compras públicas de Chile

807.597 licitaciones y más de 30 GB procesados en streaming, con pronóstico a 2028.

807.597 licitaciones
30 GB en streaming
Pronóstico a 2028

Python
ETL en streaming
Parquet
Prophet
XGBoost
GitHub Actions

Detalle de Análisis de compras públicas de Chile: problema, solución y resultado

Problema: Los datos abiertos de ChileCompra superan los 30 GB en archivos mensuales con formatos inconsistentes: no caben en memoria ni se pueden analizar directamente.
Solución: Pipeline reproducible de descarga masiva, ETL en streaming por bloques hacia Parquet, limpieza, ingeniería de variables, un índice de oportunidad de mercado y pronóstico con Prophet y XGBoost. El sitio de resultados se publica solo con cada cambio.
Resultado: 807.597 licitaciones analizadas (2019–2025), más de 15 millones de registros procesados, pronóstico 2025–2028 y más de 12 visualizaciones, incluido un diagrama Sankey interactivo.

Vista previa de analisis-hidrometeorologico-chile

Proyecto propio

052025

analisis-hidrometeorologico-chile

Sequía y disponibilidad hídrica de Chile central entre 2015 y 2024, con un flujo reproducible.

Python
ERA5-Land
SPI
Mann-Kendall
ETCCDI

Detalle de analisis-hidrometeorologico-chile: problema, solución y resultado

Problema: Evaluar la megasequía de Chile central exige indicadores comparables y series sin vacíos.
Solución: Pipeline en Python que descarga datos diarios de ERA5-Land para Santiago, Valparaíso y Rancagua, controla su calidad y calcula el índice de precipitación estandarizado (SPI) a 1, 3, 6 y 12 meses, balance hídrico, tendencias de Mann-Kendall con pendiente de Sen e índices de extremos ETCCDI.
Resultado: Diagnóstico de la década: en Santiago, el período 2019–2022 llegó a la categoría «extremadamente seco» (SPI-12 menor que −2).

Vista previa de Temperatura de superficie en Chile central

Publicación

062024 · Hydrology

Temperatura de superficie en Chile central

La temperatura de la superficie aumentó en los veranos de 2000 a 2017, sobre todo en la cordillera.

MODIS
Mann-Kendall
Series de tiempo

Detalle de Temperatura de superficie en Chile central: pregunta, método y hallazgo

Pregunta: ¿Cómo ha cambiado la temperatura de la superficie terrestre en las regiones de Valparaíso y Metropolitana durante los meses de verano?
Método: Imágenes Terra MODIS de diciembre, enero y febrero entre 2000 y 2017, analizadas con la prueba de tendencia de Mann-Kendall.
Hallazgo: Se observa un aumento de la temperatura de superficie, en especial en la cordillera de los Andes en enero (5.240 km²), en zonas sin vegetación, nieves y glaciares que sirven de reserva de agua para Santiago.
Referencia: Spatio-Temporal Behavior of Land Surface Temperatures (LSTs) in Central Chile, Using Terra MODIS Images. Hydrology, 2024. Artículo en coautoría.

Vista previa de Calentamiento de lagos del centro-sur de Chile

Publicación

072021 · Remote Sensing

Calentamiento de lagos del centro-sur de Chile

12 de 14 lagos muestran un aumento significativo de su temperatura superficial entre 2000 y 2016.

MODIS
Tendencias
Lagos

Detalle de Calentamiento de lagos del centro-sur de Chile: pregunta, método y hallazgo

Pregunta: ¿La temperatura superficial de los lagos del centro-sur de Chile muestra señales de cambio climático?
Método: Tendencias mensuales, estacionales y anuales de la temperatura superficial de 14 lagos de más de 10 km², con imágenes MODIS de 2000 a 2016.
Hallazgo: 12 de los 14 lagos presentan un aumento estadísticamente significativo, a una tasa de 0,10 °C por década, más marcado en lagos de mayor altitud como Maule, Laja y Galletué.
Referencia: Evidence of Climate Change Based on Lake Surface Temperature Trends in South Central Chile. Remote Sensing, 2021. Artículo en coautoría.

03

Métodos y guías

3 proyectos

Vista previa de Guía de datos faltantes e imputación

Material docente

082026 · licencia CC BY 4.0

Guía de datos faltantes e imputación

Guía técnica sobre valores faltantes: de la eliminación de datos a la imputación con KNN.

Python
Imputación
KNN

Detalle de Guía de datos faltantes e imputación: necesidad, recurso y uso

Necesidad: Los datos faltantes son uno de los problemas más frecuentes del análisis de datos, y tratarlos mal sesga los resultados.
Recurso: Guía con fundamentos, métodos simples y avanzados, un flujo de decisión y código reproducible en Python.
Uso: Documento web publicado con licencia abierta.

Vista previa de Clasificación de zonas homogéneas

Material docente

092022 · Estadística Aplicada II

Clasificación de zonas homogéneas

Clase de análisis de conglomerados, de los componentes principales al método de agrupación.

Análisis de conglomerados
Componentes principales

Detalle de Clasificación de zonas homogéneas: necesidad, recurso y uso

Necesidad: Agrupar territorios parecidos requiere reducir muchas variables y elegir una medida de distancia.
Recurso: Página de clase que recorre la construcción de la base de datos, los componentes principales, la matriz de distancias y el método de agrupación.
Uso: Material publicado para el curso de Estadística Aplicada a los Recursos Naturales II.

Vista previa de Modelos de emisividad atmosférica a escala global

Publicación

102023 · Scientific Reports

Modelos de emisividad atmosférica a escala global

Una ecuación calibrada a escala global reduce en 64 % el error al estimar la radiación neta.

Reanálisis
Calibración de modelos
K-means

Detalle de Modelos de emisividad atmosférica a escala global: pregunta, método y hallazgo

Pregunta: ¿Qué modelo sencillo estima mejor la radiación de onda larga que llega desde la atmósfera en días despejados?
Método: Evaluación de ocho modelos globales de emisividad atmosférica con datos de reanálisis NCEP/NCAR, calibración del mejor mediante un análisis de inestabilidad paramétrica y agrupamiento K-means.
Hallazgo: La ecuación de Brutsaert tuvo el mejor desempeño. Una vez calibrada, redujo en 64 % el error de la radiación neta a escala mundial, y el análisis K-means identificó cinco zonas homogéneas.
Referencia: Assessment of atmospheric emissivity models for clear-sky conditions with reanalysis data. Scientific Reports, 2023. Artículo en coautoría.