Trayectoria | Francisco Mínguez

01

Marketing, análisis y Banco Sabadell

Durante unos cinco años el trabajo fue análisis de marketing y ventas, y después responsabilidad de negocio. Las preguntas fueron por delante de las herramientas: primero una hoja que había que rehacer a mano, después un análisis que tenía que poder repetirse.

Análisis de marketing y ventas

ProblemaLas campañas y las ventas necesitaban una lectura con la que se pudiera decidir, y la hoja había que rehacerla a mano cada vez que cambiaba la pregunta.

ContribuciónEn Hohe Regel fui analista de marketing y ventas: seguía campañas y ventas y las convertía en esa lectura. En IE Law School fui Program Account Executive, un trabajo comercial con programas formativos y con las personas que podían incorporarlos. Ahí aprendí y apliqué Excel, Power Query y Power BI.

ResultadoLa lectura comercial podía prepararse de nuevo sin empezar de una hoja en blanco.

Informes de negocio en Banco Sabadell

ProblemaEl puesto pedía informes, segmentación comercial y relación con clientes. Un análisis que no se podía repetir no alcanzaba para esa responsabilidad.

ContribuciónFui director de negocios y especialista en seguros. Preparé los informes, trabajé la segmentación comercial y mantuve la relación con clientes. Empecé con Python y R por mi cuenta, para poder lanzar otra vez un análisis. La formación especializada vino después.

ResultadoLos informes servían al negocio. En el banco, ese uso seguía siendo el de un informe de negocio.

02

Formación y DeepForward

Los informes enseñaron el límite de aprender la herramienta con la pregunta ya encima. Hice un MBA en ENEB y el máster en Data Science y Business Analytics de IMF, UCAV e Indra. La nota oficial del máster es 9,3. El máster coincidió con las prácticas de AXA.

El trabajo de fin de máster, DeepForward, tiene un 10/10. Llevaba una pregunta de marketing y de banca, y comparaba un modelo propio con una línea base de verdad.

El grado de Marketing, cursado en inglés, es de la URJC. Inglés C1. TOEIC 910/990.

DeepForward

ProblemaTras una campaña telefónica, ¿suscribirá un cliente un depósito a plazo? El material es el conjunto público Bank Marketing.

ContribuciónPreparé los datos, estudié las variables y la dimensionalidad, y dejé baselines clásicos antes de complicar el modelo. La pieza propia fue una red neuronal polinómica profunda en PyTorch. Para construirla estudié cómo esa librería ejecuta una capa, un pase hacia delante y un paso de entrenamiento, y la implementé yo.

ResultadoEn la evaluación documentada, la red se mantuvo cerca de XGBoost e identificó algo más de casos positivos. XGBoost conservó una exactitud y un AUC un poco mejores. Me quedé con el orden de trabajo: una línea base, criterios de evaluación fijados antes, y complejidad solo cuando se gana el sitio.

Explorar el caso

03

AXA Seguros y EIOPA

En AXA Seguros hice prácticas curriculares. Los procesos vivían en SAS, y el tamaño del trabajo era lo que decidía la herramienta.

En EIOPA, en Fráncfort, el material eran informes ESG. La revisión tenía que poder juzgarse.

Migración de SAS

ProblemaLos procesos que toqué vivían en SAS. Pasarlos formaba parte de las prácticas, y el destino tenía que seguir al volumen.

ContribuciónParticipé en pasarlos a Python y PySpark en Databricks. También construí indicadores con Python, R y Power BI, para seguir el negocio de las prácticas con una lectura que se pudiera repetir.

ResultadoPython cuando el proceso cabe en una máquina. PySpark cuando el volumen, o la forma de partir el trabajo, pide un clúster.

Documentación ESG y greenwashing

ProblemaLa dificultad estaba en la forma del material: informes largos, páginas escaneadas y un lenguaje que no deja el hallazgo en un solo campo.

ContribuciónMonté el procesamiento documental de esa revisión. OCR para el escaneado, procesamiento de lenguaje (NLP), extracción, parsing y fragmentación del texto en pasajes. Comparé LightGBM y PyTorch con un baseline, y revisé anomalías con Isolation Forest y autoencoders. En paralelo pasé trabajo de SAS a Python en Azure.

ResultadoLa revisión quedó con un recall medido. El equipo podía juzgar la detección, y el texto de los informes pudo extraerse y partirse para la lectura.

04

Experian

Senior Data Scientist

En Experian trabajé como Senior Data Scientist. En la segmentación de siniestralidad laboral fui además Product Owner: dirección técnica, desarrollo y presentación de los resultados a los clientes.

El trabajo fueron tres piezas: procesos que había que poder volver a ejecutar, una segmentación que se pudiera explicar, y un ajuste espacial cuya función matemática ya tenía autor.

Modernización de procesos

ProblemaVarios procesos analíticos seguían en T-SQL y SSIS. Cambiar uno obligaba a reabrir un script largo, y ejecutarlo tardaba más que la decisión que lo estaba esperando.

ContribuciónLos pasé a piezas modulares en Python y PySpark sobre Databricks: clases que se reutilizan, orquestación sencilla con Databricks Jobs, controles de calidad en el camino e integración continua.

ResultadoLa migración duró unos cuatro meses. Los tiempos de ejecución bajaron de forma sustancial, y un cambio podía volver a lanzarse y revisarse como un job.

Segmentación de siniestralidad laboral

ProblemaUna tasa de siniestralidad con pocas empresas se mueve de más. En la clasificación española de actividades, un CNAE con pocas observaciones puede parecer extremo sobre todo porque la muestra es pequeña. Un promedio esconde los grupos que se comportan distinto.

ContribuciónFui el responsable principal del proyecto. Preparé y limpié los datos y construí indicadores de siniestralidad. El suavizado bayesiano por CNAE acerca una clase pequeña al patrón más amplio, para que la tasa siga siendo usable cuando la muestra es pequeña. Elegí variables y las regularicé, revisé la multicolinealidad para sacar una señal repetida, y reduje dimensiones con PCA. Después probé configuraciones de K-means, el agrupamiento por centros.

ResultadoLa configuración que mantuve tiene nueve grupos de empresas, cada uno con un patrón de siniestralidad distinto. Los grupos se podían leer y enseñar: comportamientos distintos, en lugar de un promedio que no describía bien a ninguno.

Trabajo geoespacial

ProblemaLa línea pedía una lectura espacial, y después un ajuste. Un compañero había definido la función matemática de la optimización. Faltaba un modo de ajustar sus parámetros.

ContribuciónTrabajé con GeoPandas y otras herramientas espaciales, e implementé una red neuronal en PyTorch para ajustar esos parámetros. La función es de mi compañero. La red y el ajuste son el trabajo que hice yo. Entrenar esa red continuaba lo que había practicado en DeepForward.

ResultadoLos parámetros de esa función pudieron ajustarse, con la autoría de la función y la de la red bien separadas.

05

Multiverse Computing

Contrato por proyecto

El contrato era por un periodo definido. El trabajo cubrió modelos de lenguaje, modelos multimodales y visión por computador. En los proyectos que llevé, ingeniería y producto iban juntos: marqué prioridades y sostuve la conversación con los stakeholders.

Integración e inferencia

ProblemaUn modelo que corre en una máquina, en el entorno de una persona, todavía no es un modelo que el equipo pueda volver a ejecutar.

ContribuciónIntegré, empaqueté y ejecuté modelos con distintos backends de inferencia, en contenedores, en la nube y en máquinas con GPU.

ResultadoEl mismo modelo podía empaquetarse y ejecutarse de nuevo, en más de un backend, sin depender de un único puesto de trabajo.

Compresión

ProblemaLos modelos pesaban más de lo que el despliegue podía llevar con holgura, y comprimir cambia lo que hace un modelo.

ContribuciónLos comprimí con pruning, con cuantización y con redes tensoriales. Usé knowledge distillation para que un modelo menor aprendiera de uno mayor, y trabajé la recuperación de calidad después de la compresión.

ResultadoLos modelos comprimidos podían servirse donde el peso original no cabía, y acercarse de nuevo al comportamiento que el uso necesitaba.

Evaluación de RAG

ProblemaUna recuperación más una respuesta generada puede sonar fluida cuando el contexto recuperado es escaso, o cuando el sistema tendría que haberse abstenido.

ContribuciónEvalué la recuperación y la respuesta con RAGAS, y con medidas complementarias: cuándo el sistema debe abstenerse y si el contexto basta.

ResultadoLa evaluación mostraba el soporte de la respuesta, y los casos en los que responder era el movimiento equivocado.

06

Investigación independiente

La pregunta en la que trabajo ahora es cuándo merece confianza un sistema que recupera un pasaje y responde con un modelo. Una respuesta fluida puede apoyarse en un pasaje débil, en una cita que un documento más nuevo ya sustituyó, o en un contexto que no basta.

Lo que quiero reunir es un conjunto de comprobaciones: una recuperación que sepa cuándo debe responder, una evidencia que siga siendo el documento correcto, un contexto suficiente, abstención cuando no lo es, una comparación a la que se le permita no recomendar a nadie, y una comprobación de regresión cuando algo cambia.

Hay además otra demo, con otro corpus, que no reproduce el estudio de recuperación. Ahora mismo no es pública.

La dirección es tener estas comprobaciones disponibles juntas, para poder juzgar un cambio antes de que salga. Hoy el trabajo publicado son los estudios, el laboratorio y la nota de los casos de abajo.

Cuándo la recuperación debe responder

ProblemaUn pasaje recuperado no es, por sí solo, soporte bastante para una respuesta. La decisión tenía que quedar fija antes de ver la puntuación.

ContribuciónDejé fijos tres criterios y los puntué una vez, en un corpus sintético de soporte. El estudio decide si el documento recuperado sostiene una respuesta. Deja aparte la redacción de la respuesta.

ResultadoCumplió las tres condiciones que se habían fijado: acertó 17 de las 20 preguntas que respondió, cubrió 17 de las 22 que tenían respuesta, y respondió 3 de 14 preguntas que tendría que haber rechazado. En las mismas 36 preguntas, la decisión fue correcta 28 veces.

Explorar el caso

Una cita puede estar obsoleta

ProblemaUn pasaje recuperado puede ser una cita real y, aun así, no ser el que conviene usar, si un documento más nuevo lo sustituyó.

ContribuciónSeparé ese caso de una recuperación simplemente débil. Una respuesta fiel al pasaje viejo está anclada y sigue desfasada.

ResultadoLa nota pública trata esa elección como una decisión propia: qué documento sigue siendo el que hay que usar.

Explorar el caso

Un laboratorio de calidad de datos

ProblemaUna fila puede entrar en un pipeline y seguir siendo una fila que no conviene conservar. La comprobación tenía que decir cuáles se quedaban.

ContribuciónCorrí un laboratorio sintético, aparte de cualquier sistema de un empleador. Cada fila de origen quedó aceptada o en cuarentena.

ResultadoLos totales de línea cuadraron. El laboratorio es una corrida pública, no un sistema de cliente.

Explorar el caso

Una comprobación de regresión

ProblemaUn cambio puede parecer pequeño y, aun así, romper un comportamiento que antes aprobaba.

ContribuciónEscribí la comprobación con datos de ejemplo: una base aprueba, y un cambio de prompt introduce una regresión grave.

ResultadoLa salida queda bloqueada. La nota muestra la forma de esa decisión. No es un instrumento que se opere en la página.

Explorar el caso

Del marketing y el negocio a los datos y la inteligencia artificial.

Marketing, análisis y Banco Sabadell

Análisis de marketing y ventas

Informes de negocio en Banco Sabadell

Formación y DeepForward

DeepForward

AXA Seguros y EIOPA

Migración de SAS

Documentación ESG y greenwashing

Experian

Modernización de procesos

Segmentación de siniestralidad laboral

Trabajo geoespacial

Multiverse Computing

Integración e inferencia

Compresión

Visión por computador

Evaluación de modelos de lenguaje

Evaluación de RAG

Investigación independiente

Cuándo la recuperación debe responder

Una cita puede estar obsoleta

Una comparación de modelos

Un laboratorio de calidad de datos

Una comprobación de regresión

¿Hablamos del encargo?