Empresas llenas de datos que no saben qué hacer con ellos.

En el agro se genera muchísima información: producción, cosecha, poscosecha, calidad, logística, ventas. Pero suele quedarse guardada en Excels y archivos muertos, y las decisiones se toman por intuición.

Mi solución

Convierto esa información dispersa en visibilidad para decidir. No entrego gráficos; entrego claridad para actuar.

Dividir para entender. Medir para mejorar.

01

Observar el proceso

Como ingeniero agroindustrial divido los procesos en sus unidades mínimas y entiendo los retos biológicos, físicos y químicos. El contexto operativo es la mitad del diagnóstico.

02

Medir y cruzar datos

Limpio históricos, cruzo variables que nadie había conectado y segmento. Lo que los promedios esconden aparece cuando los datos se miran bien.

03

Traducir a decisiones

El análisis no termina en un gráfico: termina en una acción que alguien puede ejecutar. Conecto la operación con las ventas.

Evidencias, no promesas.

Proyectos bajo acuerdo de confidencialidad, presentados de forma anonimizada. Mismo patrón, mismo método: pasar de la intuición a la decisión.

Caso 01

Visibilidad comercial

De decidir "a ojo" a planificar con datos

Contexto

Comercializadora de berries frescos, con canales B2B y B2C.

Problema

Decisiones por intuición; sin visibilidad por canal, región ni cliente.

Método

Transformé cinco bases dispersas en un tablero de control: ventas, dinámica regional, alertas de riesgo y portafolio.

Resultado

Un equipo comercial que pasó de ser reactivo a planificar con semáforos de riesgo y matrices de dependencia.

TableauExcelPython
Caso 02

Productividad agrícola

Del promedio estático al plan de cosecha prescriptivo

Contexto

Agroindustria de arándanos con planificación a ojo, horas extra sorpresa y efecto látigo.

Pregunta

¿Cómo convertir registros históricos en un plan semanal de horas, brechas y costos con incertidumbre a la vista?

Hallazgo

Los promedios ocultaban un círculo vicioso: impacto de la curva de aprendizaje, fatiga, estacionalidad y competencia laboral.

Decisión

Un zoológico de pronósticos para un modelo prescriptivo: contratar cuando el break-even lo justifica y recalibrar metas en ventanas de estrés.

StreamlitPolarsPlotly
Caso 03

Sensibilidad cambiaria

Lo que más duele, en un número

Contexto

Productora de rosas de exportación en Colombia.

Problema

La operación depende del dólar, salario, merma, precio y flete. Cada movimiento cambia el margen sin un instrumento para cuantificarlo.

Método

Modelo de sensibilidad que traduce el movimiento de cada variable a pesos de utilidad. Diagrama de tornado para priorizar palancas.

Resultado

Cada sensibilidad apunta a una palanca distinta. El modelo cuantifica la exposición; la decisión la toma el cliente.

PythonPandasPlotly

Método propio, aplicado a la agroindustria.

No elijo la herramienta por moda. Elijo la que reduce la fricción entre el dato crudo y la decisión del miércoles a las 9 a. m.

Mapeo de Flujo de Valor (VSM)

Recorro el proceso productivo etapa por etapa —tiempos, merma, mano de obra, cuellos de botella— para dibujar dónde se pierde valor antes de proponer nada.

DiagnósticoTerreno

Sensibilidad y Riesgo

Traduzco el movimiento del dólar, el salario, la merma y el flete a pesos de utilidad perdidos o ganados. Diagramas de tornado para decidir con números.

ModeloRiesgo

Tableros de Control

Unifico bases dispersas en dashboards interactivos que muestran canal, región, cliente y riesgo en una sola vista. Diseñados para comités, no solo monitores.

StreamlitPlotlyPolars

Limpieza y Análisis Estadístico

Depuro históricos y segmento trabajadores, variedades y clientes para encontrar lo que los promedios esconden. Soluciones explicables sin cajas negras.

PythonDuckDBSQL

Experiencia, paso a paso.

No llegué a los datos desde un escritorio. Llegué desde el campo, entendiendo primero los procesos biológicos y operativos para luego medirlos con rigor.

El Fundamento

Ingeniería Agroindustrial

La base técnica. Aprendí a dividir los procesos en sus unidades mínimas y a entender los retos biológicos, físicos y químicos de la materia prima.

El Terreno

Operaciones en cultivos de alto valor

Experiencia directa en hongos, cannabis y berries. Aquí aprendí que los promedios mienten y que la mano de obra es el cuello de botella más crítico.

La Cuadrícula

Análisis de Datos y Certificación Google

La evolución natural. Incorporé Python, SQL, y otras herramientas. Pasé de reportar lo que pasó a construir modelos predictivos explicables.

La Síntesis (Hoy)

Analista de Datos Agroindustriales

Hoy traduzco esa dualidad. Hablo el idioma del campo y el de los datos, construyendo puentes entre ambos para decidir con claridad.

¿Tus datos agrícolas realmente se están usando?

Descarga nuestra guía rápida y audita la madurez de tus datos en 10 minutos. Identifica los 5 errores más comunes en la agroindustria y cómo solucionarlos.

Descargar Checklist (PDF)

Hablemos de tus datos.

Si tu proyecto o empresa tienen información operativa o comercial que no está siendo utilizada para decidir, escríbeme. Revisamos el contexto, evaluamos la viabilidad y te digo con claridad qué se puede hacer.

Ubicación: Colombia (Disponible para proyectos remotos)

Respuesta: En menos de 48 horas hábiles.