Marisol Martínez Pulgarín — Portafolio de Proyectos

Acerca de mí

Me certifiqué como Analista de Datos porque disfruto convertir datos desordenados en dashboards limpios que ayudan a los equipos a tomar mejores decisiones basadas en evidencia.

Comencé en desarrollo de software, seguí varios años operando ERP Oracle EBS y procesos de calidad CMMI, y luego fundé y operé dos marcas de venta minorista — una experiencia que me dio visión de negocio de primera mano.

Esa es la mezcla que inyecto a cada proyecto: aplico rigor técnico y analítico al ciclo completo del análisis —extracción, limpieza y modelado de datos— y lo conecto con visión de negocio y curiosidad por las historias ocultas en los números para generar insights accionables que impulsan decisiones estratégicas.

Puedes ver algunos de estos proyectos aplicados más abajo.

Habilidades tecnológicas

  • Análisis y gestión de datos utilizando Excel / SQL / Python
  • Visualización de datos y narración de historias usando Power BI y Tableau

Habilidades blandas

Análisis de datos Rigor analítico y pensamiento crítico Puente técnico-negocio Comunicación efectiva Storytelling de datos Colaboración con equipos multidisciplinarios Proactividad y autogestión Orientación a resultados Optimización de procesos Atención al detalle Adaptabilidad

Proyectos seleccionados


01 Análisis de desempeño comercial para empresa inmobiliaria

En el sector inmobiliario, comprender a fondo el desempeño comercial es fundamental para sostener el crecimiento, garantizar la rentabilidad y responder de forma ágil al comportamiento de los clientes. Andes Capital Real Estate gestiona la venta de distintos tipos de propiedades a través de múltiples canales y segmentos de clientes, pero al operar la información solo a nivel transaccional, carece de una visión analítica clara del negocio. Contar con un dashboard ejecutivo permite analizar ventas, clientes y propiedades de forma integrada, apoyando decisiones estratégicas basadas en datos.

Herramientas y tipo de proyecto
Python Excel Power BI Limpieza de datos Transformación de datos Análisis exploratorio Cohortes de retención

Preguntas clave

  1. ¿Cuál es el ingreso total generado por las ventas de propiedades?
  2. ¿Qué tipo de propiedad genera más ingresos?
  3. ¿Qué segmentos de clientes compran más?
  4. ¿Cómo evolucionan las ventas en el tiempo?
  5. ¿El negocio está creciendo año contra año?
  6. ¿Los clientes vuelven a comprar después de su primera compra?

Metodología

  • Limpieza de datos: Unificación de las fuentes en un archivo consolidado, corrección de codificación y, validación de duplicados y consistencia categórica.
  • Modelado de datos: Construcción de un modelo relacional en esquema estrella y definición de métricas base y de participación para analizar el peso relativo de segmentos y categorías del negocio.
  • Análisis exploratorio y de cohortes: Revisión de la evolución temporal de ventas, comparación entre las principales dimensiones del negocio y construcción de una matriz de retención mensual para identificar patrones de recompra.
  • Construcción del dashboard: Desarrollo de un reporte interactivo en tres vistas (resumen ejecutivo, análisis comercial y cohortes), permitiendo explorar el negocio a distintos niveles de detalle y facilitando la toma de decisiones basada en datos en lugar de reportes estáticos.

Conclusiones y recomendaciones

    Hallazgos clave

  • Casa es el tipo de propiedad con mayor ingreso, seguido de Comercial y Departamento; Ciudad de México concentra más ventas que Bogotá, y el canal Corredor genera más del doble de ingresos que la venta Directa.
  • Existe un patrón de estacionalidad recurrente en ambos años y ciudades (picos en marzo–abril y septiembre–noviembre, caídas en mayo–agosto), impulsado por volumen de ventas y no por variación de precio, ya que el ticket promedio se mantiene estable.
  • El segmento de clientes de primera vez concentra la mayor parte del ingreso, y las cohortes más tempranas (enero–abril) muestran la mayor recurrencia de compra.

    Estrategias recomendadas

  • Priorizar propiedad tipo Casa: Enfocar esfuerzos comerciales en el tipo de propiedad con mayor generación de ingresos.
  • Fortalecer el canal Corredor: Reforzar la relación con este canal dado su peso dominante en el revenue.
  • Mejorar la recompra en cohortes recientes: Diseñar estrategias de retención enfocadas en clientes adquiridos en periodos más recientes.
  • Incentivar la demanda en meses valle: Implementar acciones de marketing no ligadas al precio durante los periodos de menor actividad, apalancándose en los segmentos y canales dominantes.

Visualizaciones destacadas

1. Patrón de estacionalidad recurrente:
Observamos que el patrón de estacionalidad se repite en ambos años y ciudades (picos en mar-abr y sep–nov, caídas en may–ago). Sin embargo, el ticket promedio se mantiene estable a lo largo del año, mientras que la cantidad de ventas varía fuertemente, lo que indica se debe a un cambio en el volumen de operaciones y no a variación en el precio de venta.

p10_v_dashboard1.png

2. Análisis de cohortes:
Las cohortes de clientes adquiridos entre enero y abril de 2023 muestran la mayor recurrencia de compra en los meses posteriores, mientras que las cohortes más tardías presentan una recompra menor y más irregular, reforzando la oportunidad de fortalecer la retención en los clientes más recientes.

p10_cohortes.png
Explora más detalles del proyecto en el repositorio completo →

02 Análisis de desempeño comercial en empresa retail

En el retail multicategoría, entender qué está pasando con las ventas —y por qué— es lo que separa una operación reactiva de una que anticipa sus propios riesgos. Andes Retail Group opera en Perú, Chile y Colombia con cuatro categorías de producto, y aunque el volumen de operación se mantuvo estable entre 2024 y 2025, los ingresos totales cayeron sin que la causa fuera evidente a simple vista. Este proyecto convierte esa información transaccional en un dashboard ejecutivo en Power BI que responde en segundos qué segmentos, categorías y regiones están detrás de esa caída — y dónde exactamente está la oportunidad de recuperarla.

Herramientas y tipo de proyecto
Power BI Power Query Excel Análisis exploratorio Dashboard Design SCQA

Preguntas clave

  1. ¿Cómo ha evolucionado el ingreso total entre 2024 y 2025?
  2. ¿Qué segmentos de clientes aportan mayor ingreso y rentabilidad?
  3. ¿Qué categorías de producto tienen mayor impacto en el negocio?
  4. ¿Existen diferencias relevantes entre países o regiones?
  5. ¿Qué patrones temporales se observan a lo largo del año?
  6. ¿Dónde podrían existir oportunidades de mejora comercial?

Metodología

  • Limpieza de datos: Importación del dataset transaccional, validación de tipos de datos y creación de una columna calculada para clasificar el nivel de venta de cada pedido.
  • Diseño y planificación: Definición previa de las preguntas de negocio a responder, los KPIs necesarios y la jerarquía visual del dashboard, antes de construir las visualizaciones.
  • Construcción de visualizaciones: Desarrollo de dos vistas interactivas: una de resumen ejecutivo y otra de análisis detallado. Se agregaron filtros cruzados entre las principales dimensiones del negocio.
  • Análisis exploratorio: Comparación de ingresos entre periodos, segmentos, categorías y regiones para identificar patrones y causas detrás del desempeño comercial.
  • Narrativa de negocio: Estructuración de los hallazgos bajo un modelo narrativo (situación, complicación, pregunta, respuesta) y su traducción en un mensaje ejecutivo orientado a la toma de decisiones.

Conclusiones y recomendaciones

    Hallazgos clave

  • Los ingresos totales cayeron de 2024 a 2025, explicado por menos pedidos y un menor ticket promedio, concentrado casi en su totalidad en el segmento Premium.
  • La caída de Premium no es uniforme entre mercados: Chile-Premium concentra la caída más severa, seguido de Perú y Colombia; dentro de Premium, las categorías Ropa y Electrónica son las más afectadas.
  • La región Sur cae de forma consistente en los tres países, independientemente del segmento de cliente.

    Estrategias recomendadas

  • Revisar propuesta de valor y pricing en Premium: Evaluar ajustes de precio y valor percibido en Chile y Perú, los mercados más golpeados.
  • Investigar causas en categorías clave: Profundizar en Ropa y Electrónica dentro de Premium (competencia, disponibilidad, preferencias del cliente).
  • Analizar la región Sur en los tres países: Identificar causas operativas o logísticas comunes que expliquen la caída consistente en esta región.

Visualizaciones destacadas

1. Comparativa de evolución mensual 2024 vs 2025:
El patrón estacional se repite en ambos años, pero 2025 se mantiene por debajo de 2024 durante casi todo el periodo, cerrando con ingresos totales de $5.53 mill. y un ticket promedio de $1,106 — consistente con la caída explicada por menor volumen de pedidos y ticket promedio.

p09_v_dashboard1.png

2. Caída de ingresos por segmento de cliente:
Premium es el único segmento con una caída notable de 2024 a 2025 (de $1.40 mill. a $1.20 mill.), mientras que Estándar cae ligeramente y Económico se mantiene estable, confirmando que la caída general del negocio se concentra casi por completo en Premium.

p09_v_dashboard2_1.pn

3. Caída de Premium por país:
La caída de Premium no es uniforme entre mercados: Chile-Premium presenta la mayor caída, seguido de Perú, mientras que en Colombia el segmento se mantiene prácticamente estable.

p09_v_dashboard2_2.png

4. Caída de ingresos por región:
La región Sur cae de forma consistente en Chile, Colombia y Perú, mientras que Perú-Centro muestra la caída puntual más pronunciada entre todas las combinaciones de país-región.

p09_v_dashboard2_3.png
Explora más detalles del proyecto en el repositorio completo →