Disponible para nuevos desafíos

Hola, soy Rebeca.
Analista de Datos

Transformo datos en decisiones de negocio con Python, SQL y herramientas de BI.

Ver ProyectosHablemosDescargar CV↓
RO
Ubicación
Quilmes, Argentina
01Proyectos

Mis análisis

Una selección de proyectos donde transformo datos en respuestas accionables.

2025Challenge 1 de Data Science — Alura Latam & Oracle

Análisis de Desempeño de Tiendas — Alura Store

(Python · Pandas · Matplotlib · Seaborn)

Problema a resolver

Determinar cuál de las 4 tiendas de la cadena Alura Store tiene menor eficiencia para tomar la decisión de venta o cierre con base en datos.

Dataset utilizado

4 archivos CSV provistos por Alura Latam con registros de ventas, satisfacción de clientes, costos logísticos y participación por categoría de producto.

Herramientas

PythonPandasMatplotlibSeaborn

Resultados

La Tienda 4 concentró los peores indicadores: ingresos bajos, calificación media y logística poco competitiva. Recomendación: venta o cierre, reforzando las Tiendas 2 y 3.

Ver caso ↗Ver código ↗
2026Challenge de Data Science Parte 1 — Alura Latam & Oracle

EDA y Análisis de Churn — Telecom X

(Python · Pandas · Matplotlib · Seaborn)

Problema a resolver

Identificar los factores que determinan la cancelación de clientes (churn) en una empresa de telecomunicaciones y generar insights accionables para reducirla.

Dataset utilizado

JSON anidado extraído desde una API externa con datos de ~7.000 clientes: tipo de contrato, servicios contratados, método de pago y antigüedad.

Herramientas

PythonPandasMatplotlibSeaborn

Resultados

Contratos mensuales presentan 4× más churn que los anuales. La baja antigüedad (primeros 3 meses) es el predictor más fuerte. Los pagos automáticos se asocian con mayor retención.

Ver caso ↗Ver código ↗
2026Challenge de Data Science Parte 2 — Alura Latam & Oracle

Predicción de Churn con Machine Learning — Telecom X

(Python · scikit-learn · Pandas · Seaborn)

Problema a resolver

Construir un modelo clasificador que identifique a los clientes con mayor riesgo de cancelación para habilitar acciones de retención proactivas y basadas en datos.

Dataset utilizado

Dataset limpio exportado del análisis exploratorio de la Parte 1: 7.043 clientes y 21 variables tras el proceso de ETL y EDA previo.

Herramientas

Pythonscikit-learnPandasSeaborn

Resultados

Regresión Logística alcanzó ROC-AUC ~0.85. Las variables más influyentes fueron antigüedad, cargos mensuales y tipo de contrato. Modelo exportado para pruebas de predicción y análisis de riesgo de churn.

Ver caso ↗Ver código ↗
2026Trabajo Práctico Integrador — Talento Tech, Data Analytics con Python

Análisis de Ventas y Campañas de Marketing — SynthData

(Python · Pandas · Seaborn · Plotly · SciPy)

Problema a resolver

Identificar qué impulsa los ingresos de un retailer de electrodomésticos, electrónica y decoración, y evaluar si sus campañas de marketing se reflejan en las ventas.

Dataset utilizado

3 archivos CSV (ventas, clientes y campañas de marketing) con ~3.000 ventas de 2024, 567 clientes y 90 campañas en TV, redes sociales y email.

Herramientas

PythonPandasSeabornPlotlySciPy

Resultados

Electrodomésticos lidera en ingresos, con las tres categorías dentro de un margen del 5%. Las ventas ocurridas durante campañas no muestran un ticket significativamente mayor (p ≈ 0,48). Recomendación: medir el impacto en volumen y costo por canal antes de reasignar inversión.

Ver caso ↗Ver código ↗
02Especialidades

Cómo trabajo

Tres áreas en las que combino herramientas y método para resolver problemas con datos.

01

Análisis Exploratorio

Limpieza, transformación y análisis de datasets complejos para encontrar patrones y responder preguntas de negocio.

PythonPandasNumPy
02

Visualización & BI

Dashboards interactivos y reportes ejecutivos que convierten métricas en decisiones claras.

Power BILooker StudioTableau
03

SQL & Modelado

Diseño de queries eficientes, transformación de datos y modelado dimensional para análisis escalable.

SQLModelado relacionalConsultas para análisis
03Sobre mí

Quién soy

Data Analyst en formación con foco en Python, SQL y Power BI. Mi trabajo se basa en convertir datos en información útil para responder preguntas, detectar patrones y apoyar decisiones.

Vengo del mundo de la administración y la gestión documental en telecomunicaciones, y de un paso por edición y librerías. Esa trayectoria me dio lo que más valoro hoy: atención al detalle, pensamiento estructurado y la capacidad de comunicar ideas complejas con claridad.

Busco oportunidades iniciales como Data Analyst Jr., BI Analyst Jr. o Reporting Analyst, donde pueda combinar pensamiento analítico, criterio documental y herramientas técnicas para transformar datos en información útil.

Stack técnico

Análisis & datos
PythonPandasNumPyExcel
Visualización
Power BIMatplotlibSeaborn
Bases de datos
SQLModelado relacional
Estadística & ML
Estadística descriptivaRegresión linealClasificación
Herramientas
GitGitHub

Formación

  • IBM Data Analyst Professional Certificate — en curso
  • Google Data Analytics Certificate — en curso
  • Analista de Datos — Talento Tech BA — en curso
  • Formación en Alura Latam: Python, SQL, Machine Learning y Visualización de Datos — Python · SQL · ML · Visualización
UbicaciónQuilmes, Argentina
ModalidadRemoto · Híbrido
ZonaBuenos Aires · Argentina
DisponibilidadAbierta a oportunidades
IdiomasEspañol · Inglés intermedio
Emailrebeca-olivera@live.com.ar
04 / Contacto

¿Tenés datos que necesitan
una historia?

Estoy buscando mi primera posición como Analista de Datos. Si tu equipo necesita alguien con ganas, método y proyectos sólidos para mostrar, hablemos.

EscribimeLinkedIn