# Carlos Méndez

Headline: Analista de datos con experiencia en business intelligence, SQL y visualización

- Email: carlos.mendez@email.com
- Phone: +34 612 345 678
- URL: https://carlosmendez.dev

Ubicación: Calle de Alcalá 123, Madrid, Comunidad de Madrid, España, 28001

Perfiles: 
- LinkedIn: [@carlosmendez](https://www.linkedin.com/in/carlosmendez)
- GitHub: [@carlosmendez](https://github.com/carlosmendez)

## Información básica

Analista de datos con más de 5 años de experiencia ayudando a empresas del sector financiero y de telecomunicaciones a convertir datos en decisiones estratégicas.

Especializado en extracción, limpieza y modelado de datos con SQL y Python, así como en diseño de cuadros de mando interactivos con Power BI y Tableau. Apasionado por encontrar historias dentro de los datos y comunicarlas de forma clara a audiencias no técnicas.


## Educación

### Universidad Carlos III de Madrid

Licenciatura, Ciencia de Datos e Inteligencia Artificial, Puntuación: 8.7, sept 2015–jul 2019

URL: https://www.uc3m.es

Cursos: Estadística avanzada, Análisis multivariante, Machine Learning, Visualización de datos, Bases de datos, Big Data

Summary: 
- Formación sólida en estadística, programación y análisis de datos.
- Desarrollo de proyectos académicos de machine learning y visualización.
- Trabajo en equipo y comunicación de resultados técnicos.


## Experiencia laboral

### Analista de datos

Banco Santander, mar 2022 hasta la fecha

URL: https://www.santander.com

Palabras clave: SQL, Python, Power BI, Segmentación, Detección de fraude

Summary: 
- Diseñé e implementé modelos de segmentación de clientes para campañas de marketing, mejorando la tasa de conversión en un 18 %.
- Elaboré informes y cuadros de mando en Power BI para la dirección de banca minorista.
- Optimicé consultas SQL en bases de datos de más de 50 millones de registros, reduciendo el tiempo de ejecución en un 40 %.
- Colaboré con equipos de riesgo para automatizar la detección de transacciones sospechosas.


### Analista de inteligencia de negocio

Telefónica, jul 2019–feb 2022

URL: https://www.telefonica.com

Palabras clave: Tableau, Análisis de abandono, Automatización, Python, Liderazgo

Summary: 
- Desarrollé el repositorio central de indicadores de negocio, unificando fuentes de datos heterogéneas.
- Automatizé la generación de informes semanales con Python y SQL, ahorrando más de 10 horas semanales al equipo.
- Presenté análisis de abandono y satisfacción de clientes ante comités de dirección.
- Formé a 15 personas del equipo en el uso de Tableau y buenas prácticas de analítica.


## Idiomas

- Español: Competencia nativa o bilingüe
- Inglés: Competencia profesional plena, Palabras clave: IELTS 7.5
- Francés: Competencia elemental

## Competencias

- Análisis de datos: Experto, Palabras clave: Excel, SQL, Python, Pandas, NumPy
- Visualización de datos: Avanzado, Palabras clave: Power BI, Tableau, Looker Studio, Matplotlib, ggplot2
- Bases de datos: Avanzado, Palabras clave: PostgreSQL, MySQL, BigQuery, MongoDB
- Machine Learning: Intermedio, Palabras clave: Scikit-learn, Regresión, Clasificación, Clustering

## Premios

### Premio al mejor trabajo fin de grado en análisis de datos

Universidad Carlos III de Madrid, oct 2019

Summary: 
Reconocimiento al TFG titulado "Predicción de abandono de clientes mediante técnicas de machine learning", galardonado por su aplicación práctica y rigor metodológico.


## Certificados

### Google Data Analytics Professional Certificate

Google, mar 2022

URL: https://www.coursera.org/professional-certificates/google-data-analytics
### Microsoft Certified: Power BI Data Analyst Associate

Microsoft, sept 2023

URL: https://learn.microsoft.com/en-us/certifications/data-analyst-associate/

## Proyectos

### Modelo de detección de fraude en transacciones

Proyecto de machine learning para identificar transacciones fraudulentas en tiempo real utilizando datos sintéticos y técnicas de aprendizaje supervisado., ene 2023–may 2023

URL: https://github.com/carlosmendez/fraud-detection

Palabras clave: Python, XGBoost, FastAPI, Machine Learning, Fraude financiero

Summary: 
- Implementé un pipeline completo de limpieza, ingeniería de características y entrenamiento con XGBoost.
- Alcancé una precisión del 96 % y un AUC-ROC de 0,98 en el conjunto de prueba.
- Desarrollé una API sencilla con FastAPI para servir las predicciones.


## Intereses

- Visualización de datos: Storytelling con datos, Infografía
- Deportes: Fútbol, Running, Ciclismo
- Lectura: Ciencia ficción, Ensayos

## Voluntariado

### Fundación Ayuda en Acción

Analista de datos voluntario, ene 2020–dic 2023

URL: https://ayudaenaccion.org

Summary: 
- Creé cuadros de mando para el seguimiento de proyectos educativos en zonas rurales.
- Analicé encuestas de satisfacción de beneficiarios para orientar la toma de decisiones.
- Formé a personal local en el uso básico de Excel y Google Sheets.