Mariana Garcia Castaño

Estudiante del 5to ciclo de la carrera Técnico Profesional en Arquitectura de Datos Empresariales con mención en Big Data.
Cuento con conocimientos aplicados en Python, SQL Server, Bizagi Modeler, IBM Rhapsody y Power BI, adquiridos mediante cursos especializados y proyectos académicos.
Realizo análisis descriptivo de datos utilizando procesos ETL, limpieza de datos y visualización para generar insights.
Tengo nociones básicas de análisis predictivo, incluyendo modelos de aprendizaje supervisado y no supervisado mediante machine learning.
Me destaco por mis habilidades en análisis de datos, diseño de bases de datos y modelado de procesos.
Estoy orientada a desarrollarme profesionalmente en consultoría tecnológica y brindar soporte en la implementación de soluciones de Big Data y Business Intelligence para apoyar la toma de decisiones basadas en datos.

· Lenguajes: Python (intermedio), SQL Server(intermedio)

· Análisis de Datos: pandas, numpy, seaborn, matplotlib

· Visualización: Power BI (básico)

· Modelado de Procesos: Bizagi Modeler (intermedio)

· Modelado de Software: IBM Rhapsody (intermedio)

· Machine Learning (básico): Clasificación supervisada y no supervisada.

PROYECTO: “Predicción de Abandono de Clientes para una Empresa de Telecomunicaciones”
(03/2025 – 05/2025)

· Objetivo: Predecir la probabilidad de que un cliente abandone una empresa de telecomunicaciones, utilizando un modelo de clasificación.

· Actividades realizadas:

o Preparación de datos (importación, unión de tablas).

o Análisis exploratorio (descripción, tratamiento de valores nulos, análisis de variables numéricas y categóricas).

o Limpieza y transformación de datos (categorización, codificación, escalado, imputación).

o División en conjuntos de entrenamiento y prueba.

o Entrenamiento del modelo con SVC (Support Vector Classifier).

o Evaluación del modelo y ajuste para obtener probabilidades de salida.

· Herramientas: Python (pandas, numpy, seaborn, matplotlib, scikit-learn).

· Fuente de datos: Dataset público de Kaggle.

PROYECTO: “Análisis de la Finalización de Estudios Universitarios en la Universidad Nacional de Educación (UNE)”
(01/2025 – 02/2025)

· Objetivo: Analizar la base de datos de egresados del período 2020–2024 de la UNE para identificar patrones clave en la distribución académica, demográfica y de rendimiento, con el fin de apoyar la toma de decisiones institucionales.

· Actividades realizadas:

o Proceso ETL: Importación, unión y limpieza de datos.

o Análisis exploratorio: distribución por nivel académico, facultad, sede, género y especialidades más demandadas.

o Análisis estadístico y generación de gráficos dinámicos.

o Evaluación de rendimiento académico y correlaciones entre variables clave.

· Herramientas: Python (pandas, numpy, seaborn, matplotlib).

· Fuente de datos: Plataforma Nacional de Datos Abiertos – Base de egresados UNE 2020–2024.

· Resultado:Visualizaciones y reportes textuales que facilitan la interpretación de los datos para la planificación institucional y análisis estratégico.

PROYECTO: “Mejora del Modelado de Proceso de Empresa KONECTA”
(01/2025 – 02/2025)

· Objetivo: Diseñar un modelo de negocio optimizado para el proceso de supervisión de llamadas en el call center de Konecta, utilizando Bizagi Modeler y la metodología BPMN, incorporando tecnologías como machine learning y reconocimiento de voz para reducir la carga de trabajo manual.

· Actividades realizadas:

o Análisis del proceso actual de supervisión de llamadas y revisión manual.

o Diseño conceptual de un modelo de machine learning para reconocimiento de voz adaptado al entorno del call center.

o Modelado del nuevo flujo de supervisión automatizado utilizando Bizagi Modeler y BPMN.

o Validación del modelo propuesto respecto a eficiencia, precisión y aplicabilidad.

o Propuesta de integración y capacitación para la adopción futura del modelo en el entorno real.

· Herramientas: Bizagi Modeler (BPMN).

· Resultado:Modelo de negocio detallado que simula la automatización del análisis de llamadas, con un enfoque innovador que reduce en un 90% las tareas manuales de supervisión, mejora la eficiencia operativa y optimiza la calidad del servicio en el área de atención al cliente.

PROYECTO: “Modelado de Software Inteligente para la Digitalización del Casino NextBeet”
(11/2024 – 12/2024)

· Objetivo: Diseñar un modelo funcional de software inteligente que permita digitalizar y optimizar los procesos operativos del casino, mejorando la experiencia del cliente y la eficiencia interna.

· Actividades realizadas:

o Análisis y levantamiento de procesos clave: ingreso de clientes, gestión de fichas, juegos, fidelización y seguridad.

o Elaboración de requerimientos funcionales y no funcionales.

o Diseño de prototipos de funcionalidades clave (reconocimiento facial, kioskos, monitoreo en tiempo real).

o Construcción de diagramas de casos de uso y lógica del sistema en IBM Rhapsody.

o Redacción de matriz de trazabilidad, objetivos SMART y recomendaciones técnicas para su futura implementación.

· Herramientas: IBM Rhapsody.

· Resultado: Modelo funcional de solución tecnológica orientado a la transformación digital del casino, con enfoque en eficiencia operativa, fidelización de clientes y mejora de la experiencia de usuario.