Adrian Labrador

Experience

• 

  PutKuDrip

  Jan 2019 - Jan 2021

  Data Analyst

  Investigación y análisis de datos cuantitativos recopilados para comprender el comportamiento del cliente, su demografía y su ciclo de vida.Modelado de datos para respaldar las decisiones de iniciativas empresariales de alta prioridad relacionadas con el desarrollo de productos y UX.Diseño de modelo de análisis estadísticos para posicionamiento de productos.Aptitudes: Capacidad de análisis · Microsoft Power BI Google Analytics

• 

  Teruya & Sterling Attorneys at Law

  Jun 2021 - Jan 2021

  Data Analyst

  Colaborar en el análisis de negocio identificando oportunidades, desarrollando ingeniería de procesos, documentando entradas y salidas de cada tarea ejecutada por el usuario para crear colección de datos cualitativos y cuantitativos.Limpiar, estructurar, segmentar y seleccionar datos para realizar análisis descriptivos, prescriptivos, predictivos y diagnósticos según los requerimientos.Seleccionar KPI's para facilitar toma de decisiones, conversión y posicionamiento del servicio con visualizaciones simples de gráficos intuitivos.Realizar dashboards referentes a los requerimientos del cliente y presentarlo a los stakeholders.Validar datos, test de formularios para recaudación de datos y dar soporte al cliente con bugs relacionados al manejo de dashboards o data entry de los usuarios. Mostrar menos

• 

  Automóviles San Jorge

  Feb 2023 - now

  Data Engineer

  Responsabilidades y Logros:- Desarrollo de Almacenes de Datos: Diseño, construcción y optimización de almacenes de datos en Google BigQuery, siguiendo un esquema dimensional para facilitar el análisis de datos. - Extracción de Datos: Implementación de procesos ETL para extraer datos de bases monolíticas y Google Drive utilizando las bibliotecas PyODBC y gspread.- Transformación de Datos: Utilización de Pandas y NumPy para el preprocesamiento, manipulación y transformación de datos, incluido el parsing de fechas y otras tareas de limpieza.- Carga Incremental: Diseño e implementación de un método de carga incremental en el almacén de datos utilizando hashes y marcas de tiempo para optimizar la eficiencia.- Bases de Datos Intermedias: Carga de datos transformados al area de stage en MariaDB utilizando SQLAlchemy como preparación para el almacenamiento final.- Contenedorización y Despliegue: Uso de Docker para contenedorizar la aplicación, asegurando un entorno de ejecución reproducible y facilitando el despliegue.- Mejores Prácticas de Software: Desarrollo de la aplicación siguiendo los principios SOLID, OOP y OOD para asegurar un código modular, mantenible y robusto.- Integración y Despliegue en la Nube: Uso de google.cloud para integrar y desplegar los datos transformados en BigQuery, preparándolos para análisis y reporting Mostrar menos